【摘要】：隨著人們對自然和生命本質(zhì)的深入了解,人工智能的研究逐漸開辟出來了所謂的智能優(yōu)化路徑。群體智能作為人工智能的一個重要分支,近幾十年來已經(jīng)在復(fù)雜、大規(guī)模優(yōu)化問題求解中表現(xiàn)出極大的優(yōu)越性能。隨著我國自動化以及信息化技術(shù)的提升,物流業(yè)迅速發(fā)展并逐漸向“智能化”邁進。港口物流作為物流業(yè)的一個重要分支,是全球綜合運輸系統(tǒng)的節(jié)點,并對港口的效率、效益有著巨大的影響。采用群體智能優(yōu)化算法解決港口各類資源的調(diào)度問題已經(jīng)成為一個趨勢。為了改善港口資源的有效分配,降低費用成本,結(jié)合港口生產(chǎn)中的各種約束條件以及智能優(yōu)化算法的基本理論,論文提出了一個港口調(diào)度作業(yè)過程中的“一拖雙掛”集卡調(diào)度與箱位分配問題,并采用一種新型的頭腦風(fēng)暴算法求解該問題。本文是在國家自然科學(xué)基金面上項目"基于復(fù)雜適應(yīng)菌群優(yōu)化的新型港口布局、泊位與岸吊分配聯(lián)合決策(71571120)”和“全面學(xué)習(xí)與進化細菌覓食優(yōu)化方法研究(71271140)”的支持下進行的,開展了以下的創(chuàng)新性工作:首先,在模型構(gòu)建方面,在分析研究港口生產(chǎn)過程的基礎(chǔ)上,將當(dāng)前港口運輸使用一拖雙掛的現(xiàn)況,引入集卡調(diào)度,并在此基礎(chǔ)上提出取貨調(diào)度子問題。針對取貨調(diào)度在復(fù)雜環(huán)境下的有效性,結(jié)合箱位分類、停車場存在、場橋岸橋運作時間,形成以集卡調(diào)度、取貨調(diào)度、箱位分配為主體,各個現(xiàn)實環(huán)境因素為約束的整合調(diào)度問題。并對于此因多調(diào)度整合而產(chǎn)生的算法難求解性,設(shè)計最優(yōu)取貨路徑的局部優(yōu)化算法,將多調(diào)度問題簡化成單調(diào)度問題。其次,在算法設(shè)計方面,論文受生物“趨利避害”、人類“取長補短”現(xiàn)象的啟發(fā),提出了一種基于“再次更新”機制的頭腦風(fēng)暴算法。以往對頭腦風(fēng)暴算法的改進往往集中于聚類方法的替換、變異公式的改進等等,本文嘗試在已有的頭腦風(fēng)暴算法迭代一次以后通過加入“趨利避害”策略對個體進行再次更新,提出了改進的頭腦風(fēng)暴算法。此種改進方式提高了頭腦風(fēng)暴算法在函數(shù)優(yōu)化上的尋優(yōu)能力,并且相對于原始的算法效率更高,為頭腦風(fēng)暴算法的改進開辟了新的方向。最后,在模型求解方面,本文首次利用頭腦風(fēng)暴算法對集卡調(diào)度與箱位分配問題的數(shù)學(xué)模型進行最優(yōu)求解。頭腦風(fēng)暴算法具有簡單、容易實現(xiàn)并且沒有許多參數(shù)需要調(diào)整的優(yōu)點。在本文的算法實現(xiàn)中,本文利用3種頭腦風(fēng)暴算法和遺傳算法、差分進化算法、粒子群算法進行了對比,通過比較6種算法的性能,選出了對于此文的模型求解尋優(yōu)能力最強的算法和穩(wěn)定性最高的算法。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F550

【參考文獻】

相關(guān)期刊論文 前5條

1 楊玉婷;史玉回;夏順仁;;基于討論機制的頭腦風(fēng)暴優(yōu)化算法[J];浙江大學(xué)學(xué)報(工學(xué)版);2013年10期

2 顧天意;梁承姬;;基于矩陣式遺傳算法的集裝箱碼頭堆場空間資源分配優(yōu)化策略[J];上海海事大學(xué)學(xué)報;2012年02期

3 王志明;符云清;;基于遺傳算法的集裝箱后方堆場箱位分配策略[J];計算機應(yīng)用研究;2010年08期

4 楊啟文;蔡亮;薛云燦;;差分進化算法綜述[J];模式識別與人工智能;2008年04期

5 任平;遺傳算法(綜述)[J];工程數(shù)學(xué)學(xué)報;1999年01期

相關(guān)博士學(xué)位論文 前1條

1 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前2條

1 沈林;基于頭腦風(fēng)暴算法優(yōu)化的v-SVR的研究及應(yīng)用[D];蘭州大學(xué);2014年

2 陳方鼎;基于群體智能算法的集裝箱碼頭集卡調(diào)度研究[D];大連海事大學(xué);2008年

，

本文編號：2705784