【摘要】：隨著集裝箱船舶運(yùn)輸?shù)目焖侔l(fā)展，合理解決港口堆場(chǎng)集裝箱的箱位分配與集裝箱裝船順序，減少堆場(chǎng)的翻箱率，從而提高堆場(chǎng)的工作效率，是所有船舶公司和港口碼頭都面臨的一個(gè)重要課題．碼頭出口集裝箱的箱位分配是將出口集裝箱按照一定的堆場(chǎng)規(guī)則，有序的在堆場(chǎng)中進(jìn)行堆放．裝船順序是集裝箱船舶運(yùn)輸?shù)囊粋�(gè)核心環(huán)節(jié)，在裝船過(guò)程中，要盡可能減少堆場(chǎng)集裝箱裝載時(shí)的翻箱率以及集裝箱卸載時(shí)的翻箱率，并形成集裝箱在船舶上的裝載位置及裝船先后順序．箱位分配與裝船順序問題直接影響著船舶的行駛安全和堆場(chǎng)機(jī)械作業(yè)效率，研究碼頭出口集裝箱的箱位分配與裝船順序問題，對(duì)于集裝箱船舶運(yùn)輸都有著十分重要意義．隨著現(xiàn)代控制理論、優(yōu)化方法、人工智能等迅速發(fā)展，各種智能算法如遺傳算法（GA）、神經(jīng)網(wǎng)絡(luò)（ANNs）、蟻群算法（ACO）、粒子群算法（PSO）等相繼提出，為解決場(chǎng)出口集裝箱的箱位分配，合理安排裝船順序，提供了新的解決思路，，使集裝箱船舶配載利用計(jì)算機(jī)系統(tǒng)進(jìn)行科學(xué)的管理成為可能．本文以某港口s為例，結(jié)合粒子群算法，對(duì)出口集裝箱的箱位分配，以及集裝箱的裝船順序進(jìn)行了初步探討與研究，主要工作如下： 1.考慮集裝箱的重量及目的港，以航程信息和堆場(chǎng)擺放規(guī)則為約束，以出口集裝箱的裝船路徑和堆區(qū)的翻箱率為目標(biāo)，建立適合出口集裝箱堆場(chǎng)的箱位分配模型.利用粒子群算法對(duì)模型求解，數(shù)據(jù)實(shí)驗(yàn)表明該模型能夠減少堆場(chǎng)翻箱率，提高堆場(chǎng)機(jī)械的作業(yè)效率，具有一定的實(shí)用性. 2.針對(duì)碼頭作業(yè)和集裝箱船舶的復(fù)雜性，在堆場(chǎng)任意兩個(gè)集裝箱相對(duì)位置的基礎(chǔ)上，給出它們之間的翻箱關(guān)系，以堆場(chǎng)上總的裝載集裝箱為約束，考慮集裝箱重量、裝船順序和它們?cè)诖吧系难b載位置，以船舶穩(wěn)性為目標(biāo)，建立了新的裝船順序整數(shù)規(guī)劃模型．結(jié)合利用粒子群算法，并構(gòu)造出針對(duì)于模型的裝船順序求解算法，通過(guò)數(shù)據(jù)實(shí)驗(yàn)仿真，可以得出模型的可行性和算法的有效性與實(shí)用性． 3.分析了船舶穩(wěn)性與堆場(chǎng)集裝箱翻箱率的關(guān)系，在已知集裝箱的重量、航程等信息的基礎(chǔ)上，把出口集裝箱的箱位分配與裝船順序綜合一起進(jìn)行考慮分析，建立以堆場(chǎng)翻箱率、船舶卸載翻箱率及船舶穩(wěn)性為目標(biāo)的多目標(biāo)規(guī)劃模型，并運(yùn)用粒子群算法對(duì)模型進(jìn)行求解，并利用Matlab仿真證明了模型的合理性．
[Abstract]:With the rapid development of container shipping, the distribution of container space and the sequence of container loading in port yard are reasonably solved, and the turnover rate of container yard is reduced, so as to improve the working efficiency of yard. It is an important subject that all shipping companies and port terminals are facing. The allocation of container spaces for export containers at the terminals is to follow certain yard rules for export containers. The sequence of loading is a core link of container shipping. During loading, we should reduce the rate of turning over the container during loading and unloading the container as much as possible. The position and sequence of container loading on the ship are formed. The distribution of the container position and the sequence of loading have a direct impact on the safety of the ship and the efficiency of the yard machinery operation. It is very important for container shipping to study the distribution of container space and the loading sequence of container at the exit of wharf. With the rapid development of modern control theory, optimization method, artificial intelligence and so on, A variety of intelligent algorithms, such as genetic algorithm (GA), neural network, (ANNs), ant colony algorithm, (ACO), particle swarm optimization algorithm (PSO) and so on, have been put forward one after another. A new solution is provided, which makes it possible for container ship stowage to be managed scientifically by computer system. In this paper, a port s is taken as an example, and particle swarm optimization algorithm is used to allocate the container space of export container. And the shipping sequence of containers is discussed and studied. The main work is as follows: 1. Considering the weight and destination port of containers, taking voyage information and yard layout rules as constraints, and taking the loading path of export containers and the turnover rate of stacking areas as the targets, a container allocation model suitable for export container yard is established. Particle swarm optimization (PSO) algorithm is used to solve the model. The experimental results show that the model can reduce the turnover rate of the yard and improve the working efficiency of the yard machinery. 2. In view of the complexity of terminal operation and container ship, on the basis of the relative position of any two containers in the yard, the relationship between them is given. Taking the total loading container on the yard as the constraint, the container weight is considered. In this paper, a new integer programming model of ship loading sequence is established with the object of ship stability and their loading position on the ship. A new algorithm for solving the loading order is constructed by using particle swarm optimization algorithm. The feasibility of the model and the validity and practicability of the algorithm can be obtained through the data experiment and simulation. 3. The relationship between ship stability and container turnover rate in yard is analyzed. On the basis of known information of container weight and voyage, the distribution of container position of export container and the sequence of loading are considered and analyzed synthetically, and the turnover rate of container yard is established. The multi-objective programming model with ship unloading rate and ship stability as the target is solved by particle swarm optimization. The rationality of the model is proved by Matlab simulation.
【學(xué)位授予單位】：魯東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：U695.22

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙羿偉;;基于粒子群的鋁電解整流機(jī)組效率優(yōu)化[J];黑龍江科技信息;2011年21期

2 汲萬(wàn)峰;姜禮平;朱建沖;孫鈞正;;基本粒子群算法和遺傳算法用于航路規(guī)劃的比較[J];火力與指揮控制;2011年06期

3 馮雪;裴志松;;粒子群優(yōu)化算法的研究與應(yīng)用[J];吉林建筑工程學(xué)院學(xué)報(bào);2011年03期

4 丁滿;孫偉;徐江;張旭;;考慮色彩意象不明確的產(chǎn)品色彩模糊優(yōu)化設(shè)計(jì)[J];機(jī)械工程學(xué)報(bào);2011年12期

5 王國(guó)師;李強(qiáng);楊征;吳長(zhǎng)飛;;單預(yù)警機(jī)靜態(tài)航跡規(guī)劃建模與仿真[J];工程設(shè)計(jì)學(xué)報(bào);2011年04期

6 萬(wàn)江華;卜凡亮;;粒子群算法在應(yīng)急疏散中的應(yīng)用研究[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

7 李文婷;吳錦;;基于改進(jìn)粒子群算法的神經(jīng)網(wǎng)絡(luò)建模[J];機(jī)械管理開發(fā);2011年04期

8 陳霞飛;周云海;;基于粒子群遺傳算法的變電站優(yōu)化規(guī)劃[J];陜西電力;2011年07期

9 時(shí)貴英;吳雅娟;倪紅梅;;一種新改進(jìn)的粒子群優(yōu)化算法[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

10 黃帥;李本威;;基于云粒子群小波網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)起動(dòng)模型辨識(shí)[J];計(jì)算機(jī)仿真;2011年06期

相關(guān)會(huì)議論文 前10條

1 趙亮;;遺傳增強(qiáng)混沌粒子群算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國(guó)膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

3 張頂學(xué);關(guān)治洪;劉新芝;;多種群并行粒子群算法研究[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

4 張頂學(xué);廖銳全;;粒子群算法分析及慣性權(quán)重的動(dòng)態(tài)改變策略[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

5 叢亮;胡成全;郭宗鵬;姜宇;沙麗華;;基于模擬退火思想的基本粒子群算法改進(jìn)[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

6 張頂學(xué);朱迎輝;廖銳全;;一種動(dòng)態(tài)改變慣性權(quán)重的粒子群算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

7 常俊林;梁君燕;魏巍;;解決流水車間雙目標(biāo)調(diào)度問題的免疫粒子群算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

8 史久根;徐勝生;;基于文化-粒子群算法的機(jī)器人路徑規(guī)劃算法[A];2011中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2011年

9 段練;張玉斌;;坐標(biāo)改進(jìn)型粒子群算法在應(yīng)用層組播中的應(yīng)用[A];煤炭機(jī)電與自動(dòng)化實(shí)用技術(shù)[C];2012年

10 周曉君;陽(yáng)春華;桂衛(wèi)華;;可變隨機(jī)函數(shù)的PSO算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

相關(guān)重要報(bào)紙文章 前10條

1 ;動(dòng)物園工商所崗位分配靠競(jìng)爭(zhēng)[N];中國(guó)工商報(bào);2003年

2 記者 陳小三;廣交會(huì)展位分配將更加透明[N];國(guó)際商報(bào);2004年

3 記者 吳春燕邋張景華;第104屆廣交會(huì)今天開幕[N];光明日?qǐng)?bào);2008年

4 新華社記者 車曉蕙;炒賣廣交會(huì)攤位，一公司一年賺幾百萬(wàn)[N];新華每日電訊;2004年

5 鄭園園;廣交會(huì)展位分配向生產(chǎn)企業(yè)和西部?jī)A斜[N];西部時(shí)報(bào);2006年

6 熊力 徐興宇;事業(yè)單位分配制度將有“三個(gè)突破”[N];常德日?qǐng)?bào);2005年

7 李雪菲;展位分配工作全面展開[N];中國(guó)服飾報(bào);2006年

8 烏石農(nóng)場(chǎng)工會(huì)副主席 黃武;崗位分配要結(jié)合實(shí)際因地制宜[N];海南農(nóng)墾報(bào);2008年

9 尚武;廣交會(huì)展位分配實(shí)施重大改革[N];中國(guó)貿(mào)易報(bào);2008年

10 郭元?jiǎng)?石市公益性崗位分配完成[N];寧夏日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

4 全海燕;混合克隆競(jìng)爭(zhēng)與啟發(fā)學(xué)習(xí)策略的多角色隨機(jī)游動(dòng)粒子群算法研究[D];云南大學(xué);2010年

5 秦全德;粒子群算法研究及應(yīng)用[D];華南理工大學(xué);2011年

6 常彥偉;縱向參數(shù)多子群粒子群算法的研究與應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2009年

7 田野;粒子群優(yōu)化算法及其應(yīng)用研究[D];吉林大學(xué);2010年

8 岳本賢;粒子群算法拓展研究及在約束布局優(yōu)化中應(yīng)用[D];大連理工大學(xué);2012年

9 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

10 薛堯予;群能量守恒粒子群算法及其在發(fā)酵過(guò)程控制中的應(yīng)用研究[D];北京化工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 盧榮甲;圓填充剛性常數(shù)的近似估計(jì)及其混合粒子群算法[D];廣西民族大學(xué);2010年

2 楊立標(biāo);基于混合優(yōu)化策略的粒子群算法及其應(yīng)用研究[D];哈爾濱工程大學(xué);2010年

3 陳琳玲;基于簡(jiǎn)化粒子群算法的測(cè)試數(shù)據(jù)自動(dòng)生成方法研究[D];西南大學(xué);2010年

4 趙辛欣;隨機(jī)聚焦粒子群算法在機(jī)組組合中的應(yīng)用[D];西南交通大學(xué);2010年

5 董延勝;粒子群算法在神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化中的應(yīng)用[D];河南科技大學(xué);2009年

6 王冬;基于粒子群算法的Web文本信息過(guò)濾研究[D];華北電力大學(xué)（河北）;2010年

7 李文婷;基于改進(jìn)型粒子群算法的熱軋帶鋼寬度神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型的研究[D];太原理工大學(xué);2011年

8 汪華;粒子群算法的研究及其在供水優(yōu)化調(diào)度中的應(yīng)用[D];合肥工業(yè)大學(xué);2011年

9 張念志;基于粒子群算法的集送貨一體化車輛路徑問題研究[D];山東大學(xué);2010年

10 袁洲;基于改進(jìn)粒子群算法的項(xiàng)目反應(yīng)理論3PLM參數(shù)估計(jì)方法研究[D];吉林大學(xué);2011年

本文編號(hào)：2344814