基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

双向通航港口船舶调度优化模型与算法

为提高双向通航港口船舶调度的安全性和调度效率,研究双向通航港口船舶调度优化模型和算法。考虑船舶属性和船舶交通状况等因素,基于船舶调度安全性、连续性和高效性要求,建立以单向/双向通航模式转换、航道与泊位协调和安全性为约束的双向通航港口船舶调度多目标优化模型;设计双向通航港口船舶调度多目标遗传算法获取最佳调度方案。对试验所求的调度方案进行一般性安全检验、双向通航安全检验和双向通航与单向通航转换安全性检验,结果表明:提出的双向通航港口船舶调度优化模型与算法能在保证安全的前提下有效获取船舶调度方案,提高双向通航港口船舶调度效率。     

基于航道与泊位资源协调调度的船舶交通优化

将港口航道与泊位资源协调利用,可最大限度地提高港口运营效率。对此,以所有船舶总在港时间和等待时间最少为目标,建立基于单向航道的多目标船舶调度优化模型。根据港口不同区域的交通流特征,建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束等多个约束模型。设计多目标遗传算法进行求解,并设计有针对性的模拟场景进行验证;以港口某一繁忙时段的20艘船舶为例,进行调度试验。最终得到8个Pareto最优解和2个目标的最优解:总调度时间为2.618 6 h,添加惩罚后总等待时间为23.012 4 h。结果表明:该模型及算法给出的调度方案能有效提高船舶的调度效率。     

大数据分析下双向通航港口船只调度方法

针对传统方法因缺少自适应蚁群调度优化算法,导致调度资源分析不足的问题。在大数据分析的技术支持下,为更好地提升双向通航港口船只调度的合理性与科学性,提出大数据分析下双向通航港口船只调度方法研究。通过大数据分析技术,对双向通航港口船舶调度数据进行分析计算。接着对港口调度能力进行模型建立,根据获得的数据引入自适应蚁群调度优化算法,完成数据科学调度计算。通过实验对比方式,对提出设计方法的合理性进行证明,对双向通航港口船只调度有科学意义。     

基于萤火虫算法的船舶交通数据并行调度方法

针对传统的舰船交通数据并行调度方法效率低的情况,提出基于萤火虫算法的船舶交通数据并行调度方法。以舰船调度时间为出发点,确定调度目标,并引入不确定因子,对舰船调度中的不确定因素进行处理,在此基础上,生成船舶交通数据并行调度规则,使所有船舶按照该规则进行调度,并考虑到存在大船和小船的情况,设置时间权参数,保证大船与小船同时到岗时,大船优先被调度,以此实现舰船交通数据并行调度。实验对比结果表明,此次设计的基于萤火虫算法的船舶交通数据并行调度方法比传统的调度方法效率高,具有一定的实际应用意义。     

基于蚁群算法的海洋港口物流运输系统研究

传统海洋港口物流运输系统存在货物运输目标参量与船舶调度路径间的协同性异常问题,导致货物运输船舶调度的精准度误差增大。因此,提出蚁群算法的海洋港口物流运输系统研究。首先,在系统硬件中加入船舶货物ID采集硬件,通过货物相关数据,建立起协同数据模型;接着;根据协同模型对运输路径进行基础模型计算,最后;通过蚁群算法,对路径与协同数据进行匹配性最优计算,从而得到最佳的物流调度方案,实现货物与路径的最佳协同性效果。为了验证设计系统的运输调度效果,通过仿真实验来完成对设计系统性能的验证,证明提出设计系统具有提升港口物流运输货物与船舶路径规划协同性的作用。     

基于ARENA的沿海港口航道通过能力仿真研究

港口航道通过能力能够表征航道疏导水路交通的能力,对港口航道通过能力进行系统研究,有助于解决航道中船舶因素和设施条件的不足,提高船舶进出港效率。本文构建船舶航行作业系统,将船舶、锚地、航道、泊位组建系统,研究船舶到达率、船舶占用泊位时间、船舶平均等待时间等度量航道服务水平指标的变化趋势。基于ROCKWELL ARENA物流仿真平台,对日照石臼港航道服务过程仿真建模,船舶到达泊位时间间隔越小时,泊位利用率越高,AWT/AST保持在0.3左右,为港口潜力发掘与优化调度提供一定的理论支持。     

蚁群算法在港口船舶物流中的应用研究

在全球化经济日益繁荣的今天,国内出现了众多超大吞吐容量的港口,同时各种超级运输船舶也被制造出来,因此在全球港口运输能力有限的情况下,如何有效安排船舶物流的作业流程,改善港口运输效率,对提高经济效益,降低成本显得非常必要。因此,本文主要分析现阶段港口运输行业面临的主要问题,并基于蚁群算法提出具体的优化措施。通过建立港口船舶物流的数学模型,对物流运输中的任务序列进行优化调度,从而最终确定最优的调度算法。     

多船舶同时航行中的调度数学模型设计与实现

在多船舶同时行进航道水上交通网络中,船舶拥堵容易导致水上安全事故,需要进行水上航道船舶航行调度。本文针对当前调度模型的吞吐量低,时滞较大的问题,提出一种基于船舶航行流量分簇预测的多船舶同时行进中的调度数学模型。构建多船舶同时行进的通行流量的信息感知模型,采用RFID标签识别技术进行船舶航行流量的数学统计,构建船舶进出港的交通态势预测多元状态方程,以历史测量信息作为先验统计量对方程进行优化求解,实现船舶航行流量分簇预测,以此为信息统计量进行交通调度。仿真结果表明,采用该模型进行多船舶同时行进调度,能提高单位时间内的航道通行量,且对航道船舶流量的预测精度较高,调度的时间开销较小。     

港口码头大型接卸船舶物流调度方法

针对传统船舶物流调度方法物流运营收益较低的问题,提出一种港口码头大型接卸船舶物流调度方法,对大型接卸船舶泊位资源进行配置,通过设置物流调度条件,建立港口码头大型接卸船舶物流调度模型,利用模拟迭代算法对模型进行求解,实现港口码头大型接卸船舶的物流调度,为了证明该方法的物流运营收益较高,将该方法与基于局部最优解的船舶物流调度方法、基于可能域的船舶物流调度方法、基于改善算法的船舶物流调度方法进行对比实验,结果证明该方法的物流运营收益最高,说明该方法最适用于大型接卸船舶的物流调度。     

基于云计算的船舶大数据并行调度算法研究

港口对大量船舶进行同时调度时,需要计算非常庞大的数据,传统船舶调度算法很难在短时间内完成计算工作,为此提出基于云计算的船舶大数据并行调度算法研究。建立云计算体系与大数据信息的并行调度框架,完成船舶大数据并行调度计算;采用SQL语言对并行调度核心步骤进行编写,将云计算结果导入并行调度算法体系中,实现船舶大数据并行调度计算。实验数据表明,设计的并行调度算法能较传统计算效率提高37.1%,并短时间内完成所需的计算任务,提高船舶的调度效率。     

沿海港口水域综合智能监管平台

为提升沿海港口水域的监管能力,增强管理手段,提高监管效率,以"数据监测-模型分析-系统集成-工程应用"为主线,建立基于物联网和数据挖掘技术的沿海港口水域综合智能监管平台,实现港区水上信息采集、传输、分析、发布的自动化流程体系,服务于港口水域船舶生产调度、航道养护、港作船舶调度、水文信息预报和信息发布等工作。平台通过信息化监管和分析手段,为港口航道的管理决策过程提供更加丰富、准确、及时的辅助信息,使管理过程更加科学、高效,从而提升航道生产效率,提高港口经济效益,为港口管理部门提供水上交通信息智能化辅助决策。     

大数据分析下双向通航港口船舶自适应调度算法

为了提高双向通航港口船舶的通行能力,进行双向通航港口船舶自适应调度,提出基于大数据信息融合的船舶调度算法。采用网格区域分割模型进行双向通航港口航道分割,构建船舶调度的大数据信息传递模型,对船舶的调度数据进行信息融合滤波处理,抑制冗余数据的干扰,采用模糊波束集成方法进行双向通航港口船舶运行大数据的聚类分析,根据数据的分布属性特征进行船舶航行调度,提高船舶调度的自适应性。仿真结果表明,采用该方法进行双向通航港口船舶自适应调度能提高港口的吞吐能力和船舶航行的畅通能力,且对双向通航港口船舶大数据的集成信息处理能力较强。     

遗传算法在港口船舶调度领域中的应用

以港口企业的研究实践为出发点,从港口船舶调度的优化目标和影响港口船舶调度的因素两方面入手,借助多目标优化和遗传算法在各自算法上的优势,针对港口船舶调度的特殊性要求,将两种算法进行动态融合,并结合实际业务数据进行了模型的构建和求解。     

基于蚁群算法的港内集装箱运输调度模式研究

以集装箱码头船舶装卸作业调度问题为研究对象,综合考虑港口多种装卸资源和流程,在船舶泊位占有时间确定的条件下,以装卸运输作业总成本最低为目标,提出单船装卸作业调度模型;用蚁群算法对所建立的模型进行求解和仿真,并结合实际问题给出具体调度结果。此模型和方法考虑了生产效率和作业成本之间的平衡,保证以较低的成本完成规定作业。     

长江口航道服务系统仿真与优化

针对长江口南槽航道加深工程中不同方案条件下经济效益评价问题,采用双时钟机制设计船舶预排队优化模型并构建长江口船舶交通仿真系统,基于长江口航道特点、船舶尺度、潮汐和通航规则等影响因素对系统进行比较仿真,得出南槽航道加深工程不同方案经济效益评价所需的船舶等待时间、航道利用率等指标值,为本工程实施的方案选择提供了合理的建议。     

云环境下舰船周期性任务容错调度算法研究

舰船周期性任务的容错调度对保证船舶安全航行,避免发生碰撞事故具有重要作用,因此针对舰船周期性任务容错调度问题进行研究,在求解环节对传统容错调度算法进行改进优化,以期提高可靠性和实时性。任务容错调度算法设计需要经历2个阶段:第一阶段,构建舰船周期性任务容错调度模型;第二阶段,将遗传算法与蚁群算法相结合,完成模型2次求解,先使用遗传算法,得到初步容错调度可行方案,后使用蚁群算法,完成模型精确求解,有效实现舰船周期性任务的容错调度。结果表明:与单一遗传算法与蚁群算法相比,本算法可靠性降低幅度低(1.89%),说明可靠性更好;100个任务的完成所需时间最少,仅花费11.5 s,证明其实时性更佳。     

基于最优化理论的船舶流量估计数学模型研究

对于港口和内河航运监管部门来说,准确的估计航道内船舶的流量是一项非常重要的工作,可以为港口的交通管理、航道的规划提供数据依据,提高航运交通的安全性。本文重点介绍了船舶流量估计模型的不同维度,建立了船舶流量特征的分析模型,最后结合最优理论和小波神经网络算法设计了船舶理论估计的最优模型,并对该流量估计模型进行了仿真。     

基于DEA评价模型的港口航道通航效率分析

基于数据包络分析方法(DEA),建立港口航道通航效率评价体系,对某沿海港口的航道通航效率进行了评价分析,结果表明:当航道船舶总吨数达到4030万吨、航道空间占有率达到0.035、航道利用率达到87%、阻抗值为0.175、阻塞率为77.6%、船舶排队长度为1.6艘、平均等待时间为5.93h以及船舶平均航行时间间距为2.2h时,该港口的航道通航效率达到最佳,相关研究成果可为航道建设和船舶调度管理提供科学依据。     

单向航道港口拖轮配置仿真优化

为更好地指导港口拖轮的配置,以拖轮的闲置率和客户满意度为评价指标,提出以拖轮作业总成本最小为目标的单向航道港口拖轮配置仿真优化模型,模型由拖轮作业仿真模块和拖轮作业调度优化模块组成。首先,优化模块基于嵌入启发式规则的混合遗传算法生成新的拖轮作业调度可行方案,并将其输入到仿真模块;其次调用仿真模块计算拖轮的闲置率和客户满意度;最后对可行方案进行分析,并筛选出最优方案。通过算例验证了模型的有效性,为单向航道港口的拖轮配置优化提供依据。