本文關(guān)鍵詞：一種遺傳粒子群算法及其在集裝箱裝船順序優(yōu)化問題中的應(yīng)用

  更多相關(guān)文章： 裝船順序 粒子群優(yōu)化 遺傳算法 集裝箱 配載圖

【摘要】：全球經(jīng)濟貿(mào)易的迅速發(fā)展使得物流規(guī)模不斷擴大,相比于鐵路運輸及空運,航運具有更良好的綜合性,因此在貿(mào)易運輸中承擔(dān)著更重要的責(zé)任。集裝箱運輸在航運領(lǐng)域占有極為重要的地位。港口組織生產(chǎn)和運輸過程中,不可避免會產(chǎn)生倒箱操作,這種操作提高了堆場作業(yè)成本,降低了其作業(yè)效率。因此,解決好倒箱問題,對于提高航運的生產(chǎn)效率,增強港口的競爭力,有著相當(dāng)?shù)囊饬x和價值。 集裝箱裝船順序會直接影響倒箱量的數(shù)目。該問題可以歸結(jié)為一個帶約束的組合優(yōu)化問題,過去用分支定界等求解具有局部收斂等缺陷。隨著各種群智能算法的相繼提出,為更加合理的設(shè)計集裝箱裝船順序,提供了新的有效途徑。 本文采用群智能算法求解裝船順序優(yōu)化問題。在已知集裝箱堆場堆放狀況的情況下,根據(jù)給定的集裝箱裝船配載圖,首先建立了目標(biāo)函數(shù)為最小倒箱量的數(shù)學(xué)優(yōu)化模型。然后基于粒子群算法并加以改進(jìn),提出一種并行遺傳粒子群算法(Parallel genetic particle swarm optimization algorithm, PGPSO),其基本思想是采用兩個并行的子群體,每個子群體分別按全局版和局部版的PSO進(jìn)化,將兩種PSO的優(yōu)勢互補,兼顧快速性和防早熟。此外,遺傳算法的交叉和變異算子的引入,使得算法適用于求解離散的組合優(yōu)化問題。為驗證提出算法的性能,文中將其應(yīng)用于求解已知最優(yōu)解的經(jīng)典函數(shù)優(yōu)化問題,優(yōu)化結(jié)果驗證了其可行性和有效性。 在此基礎(chǔ)上,針對集裝箱裝船順序優(yōu)化問題,分別將最低棧和優(yōu)化棧倒箱原則應(yīng)用于所提算法的兩個子群體,并給出了求解此具體問題的交叉和變異策略,特別是借鑒啟發(fā)式算法的思想,給出的變異策略,可有效的提高所提出算法求解此問題的性能。文中將算法應(yīng)用于前述數(shù)學(xué)模型,求解了不同規(guī)模的實際裝船順序優(yōu)化問題,并對結(jié)果進(jìn)行了分析和對比。研究表明,提出算法對于提箱裝船順序問題是有效的,獲得了較好的優(yōu)化結(jié)果,所得的裝船順序方案令人滿意。 本文的工作能夠為集裝箱船舶裝船操作提供科學(xué)的依據(jù),達(dá)到碼頭船廠節(jié)約成本、提高效率的目的。論文的研究具有一定的理論意義和實際應(yīng)用價值。
【關(guān)鍵詞】：裝船順序 粒子群優(yōu)化 遺傳算法 集裝箱 配載圖
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：U695.22;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 目錄8-11
• 第1章 緒論11-20
• 1.1 課題的工程背景和研究意義11-13
• 1.1.1 課題的工程背景和問題的提出11-12
• 1.1.2 課題的研究意義12-13
• 1.2 國內(nèi)外相關(guān)研究概況13-17
• 1.2.1 國外的研究概況13-14
• 1.2.2 國內(nèi)的研究概況14-16
• 1.2.3 群智能算法及本文的求解思路16-17
• 1.3 論文的主要研究內(nèi)容和組織結(jié)構(gòu)17-20
• 1.3.1 論文研究的主要內(nèi)容17-18
• 1.3.2 論文的組織結(jié)構(gòu)18-20
• 第2章 集裝箱提箱裝船順序優(yōu)化問題及其數(shù)學(xué)模型20-33
• 2.1 集裝箱運輸概述20-21
• 2.1.1 集裝箱簡介20
• 2.1.2 集裝箱運輸20-21
• 2.2 集裝箱碼頭概述21-25
• 2.2.1 集裝箱碼頭堆場的空間布局21-22
• 2.2.2 集裝箱碼頭堆場的機械資源22-23
• 2.2.3 集裝箱碼頭堆場的定位描述及堆存規(guī)則23-24
• 2.2.4 集裝箱碼頭堆場的業(yè)務(wù)流程24-25
• 2.3 集裝箱船舶及船舶配載25-28
• 2.3.1 集裝箱船舶及其箱位表示方法25-27
• 2.3.2 配載的概念27
• 2.3.3 配載原則27-28
• 2.4 堆場倒箱問題分析28-30
• 2.4.1 倒箱的概念28
• 2.4.2 產(chǎn)生倒箱的原因28-29
• 2.4.3 倒箱的控制方法29
• 2.4.4 倒箱操作對堆場作業(yè)和船舶停泊作業(yè)的影響29-30
• 2.5 裝船順序問題數(shù)學(xué)模型的建立30-33
• 2.5.1 問題描述30
• 2.5.2 模型假設(shè)30
• 2.5.3 模型變量符號30-31
• 2.5.4 目標(biāo)函數(shù)及約束條件31-33
• 第3章 并行遺傳粒子群優(yōu)化算法33-54
• 3.1 粒子群算法概述33-37
• 3.1.1 基本思想33-34
• 3.1.2 基本粒子群算法的數(shù)學(xué)描述34-35
• 3.1.3 基本粒子群算法流程35-36
• 3.1.4 標(biāo)準(zhǔn)粒子群算法概述36-37
• 3.2 遺傳算法概述37-41
• 3.2.1 基本思想和原理37-38
• 3.2.2 基本遺傳算法的實現(xiàn)技術(shù)38-41
• 3.2.3 遺傳算法的特點及應(yīng)用41
• 3.3 并行遺傳粒子群算法41-45
• 3.3.1 并行PSO算法41-43
• 3.3.2 遺傳算子的引入43
• 3.3.3 并行遺傳粒子群算法的實現(xiàn)43-45
• 3.4 數(shù)值試驗與分析45-54
• 3.4.1 基準(zhǔn)測試函數(shù)46-47
• 3.4.2 無約束優(yōu)化問題47-50
• 3.4.3 約束優(yōu)化問題50-54
• 第4章 優(yōu)化算法在裝船順序問題中的應(yīng)用與分析54-65
• 4.1 基于實際提箱裝船順序問題的算法設(shè)計54-56
• 4.1.1 確定倒箱原則54-55
• 4.1.2 交叉策略55
• 4.1.3 變異策略55-56
• 4.1.4 適應(yīng)度函數(shù)56
• 4.2 小規(guī)模問題56-57
• 4.3 中等規(guī)模問題57-60
• 4.4 大規(guī)模問題60-65
• 第5章 結(jié)論與展望65-67
• 5.1 結(jié)論65
• 5.2 展望65-67
• 參考文獻(xiàn)67-71
• 致謝71

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 衛(wèi)家駿;;出口集裝箱堆場位置的優(yōu)化[J];重慶交通大學(xué)學(xué)報(自然科學(xué)版);2010年03期

2 楊淑芹,張運杰,王志強;集裝箱堆場問題的一個數(shù)學(xué)模型及其算法(英文)[J];大連海事大學(xué)學(xué)報;2002年S1期

3 靳志宏;蘭輝;邊展;計明軍;;基于現(xiàn)實約束的集裝箱裝船順序優(yōu)化[J];大連海事大學(xué)學(xué)報;2011年01期

4 郝聚民,紀(jì)卓尚,林焰;混合順序作業(yè)堆場BAY優(yōu)化模型[J];大連理工大學(xué)學(xué)報;2000年01期

5 王曉,陳海燕,王超,劉單,呂長虹;關(guān)于合理確定集裝箱碼頭裝船順序的算法[J];經(jīng)濟數(shù)學(xué);2005年03期

6 董琳;劉慶敏;王超;王曉;呂長虹;;集裝箱翻箱問題的模型分析及算法[J];經(jīng)濟數(shù)學(xué);2006年02期

7 王莉莉;于紅;;集裝箱裝船順序優(yōu)化模型及遺傳算法[J];計算機工程與應(yīng)用;2008年15期

8 張維英;林焰;紀(jì)卓尚;吳毅剛;;出口集裝箱堆場取箱作業(yè)優(yōu)化模型研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2006年02期

9 易正俊;江靜;胡勇;;堆場集裝箱翻箱的PCNN優(yōu)化控制算法[J];自動化學(xué)報;2011年02期

10 謝塵;何軍良;萇道方;;基于混堆模式的集裝箱碼頭出口箱進(jìn)場選位策略[J];上海海事大學(xué)學(xué)報;2008年04期

，

本文編號：1042716