發(fā)布時間：2022-10-15 13:43

　　集裝箱卡車（簡稱集卡）是港口調(diào)度裝卸作業(yè)過程中的重要設施,是港口作業(yè)調(diào)度的重要組成部分,對港口的裝卸效率具有重要的影響。傳統(tǒng)的集卡裝卸作業(yè)按靜態(tài)的裝卸計劃,以固定作業(yè)線的方式進行,這種方式導致作業(yè)效率不高,集卡利用效率低下。在港口裝卸作業(yè)調(diào)度中,實現(xiàn)全港實時的集卡調(diào)度是提升作業(yè)效率的重要手段。本文以提升集卡作業(yè)效率為出發(fā)點,面向全港動態(tài)實時的集卡調(diào)度開展相關的研究,對提高港口的綜合競爭力具有非常重要的現(xiàn)實意義及應用價值。首先,通過對現(xiàn)有港口集卡調(diào)度特點的分析與總結(jié),明確了動態(tài)實時集卡調(diào)度要實現(xiàn)的功能和解決的問題,以“重來重去”（即穿梭于岸邊--泊位之間實施裝卸作業(yè)的集卡都裝載集裝箱）為目標,引入多Agent系統(tǒng)設計思想,結(jié)合蟻群算法,提出了一種分布式并行集卡調(diào)度算法模型。其次,根據(jù)其作業(yè)的特點設計了多Agent系統(tǒng)之間的框架模型和問題模型,其中在Agent的功能設計時,為了達到并行計算的目的將智能算法拆分并放到多Agent體的智能模塊中,通過Agent之間的信息協(xié)同實現(xiàn)智能算法的優(yōu)化求解,這種利用多Agent并行計算方式來實現(xiàn)調(diào)度作業(yè),極大地提高了運行處理效率,從而可以提高集卡調(diào)度的實... 

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 論文技術路線和內(nèi)容
2 相關技術及算法
    2.1 集卡相關理論概述
        2.1.1 集卡作業(yè)流程概述
        2.1.2 VRP概述
        2.1.3 動態(tài)實時調(diào)度
    2.2 多Agent的相關技術
        2.2.1 Agent與多Agent系統(tǒng)
        2.2.2 多Agent之間的通信方式
    2.3 常見智能優(yōu)化算法
        2.3.1 模擬退火算法
        2.3.2 禁忌搜索算法
        2.3.3 蟻群算法
        2.3.4 粒子群優(yōu)化算法
        2.3.5 遺傳算法
    2.4 智能優(yōu)化算法的選擇
    2.5 本章小結(jié)
3 基于多Agent的集卡調(diào)度框架功能設計
    3.1 智能模型設計
        3.1.1 問題描述
        3.1.2 模型假設與參數(shù)定義
        3.1.3 模型的構(gòu)造
        3.1.4 模型的求解
        3.1.5 智能模型的分析與評價
    3.2 總體框架模型設計
    3.3 Agent體設計
        3.3.1 集卡調(diào)度Agent設計
        3.3.2 管理Agent設計
        3.3.3 集卡Agent設計
    3.4 交互設計
    3.5 本章小結(jié)
4 集卡實時調(diào)度的實現(xiàn)與應用
    4.1 Agent部署
    4.2 調(diào)度系統(tǒng)的實現(xiàn)
        4.2.1 多Agent的交互實現(xiàn)
        4.2.2 調(diào)度系統(tǒng)的執(zhí)行機制
    4.3 實例應用分析
        4.3.1 案例背景
        4.3.2 數(shù)據(jù)來源
        4.3.3 參數(shù)分析與結(jié)果展示
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]混合變異和時變慣量的混沌多目標粒子群優(yōu)化[J]. 朱沙,陳臣,田月娜.  統(tǒng)計與決策. 2019(08)
[2]基于信息素的多Agent車間調(diào)度策略[J]. 陳鳴,朱海華,張澤群,金永喬,王盈聰,唐敦兵.  中國機械工程. 2018(22)
[3]基于改進模擬退火算法的虛擬機調(diào)度優(yōu)化方法[J]. 馬小晉,許華虎,卞敏捷,高洪皓,段玉聰.  通信學報. 2018(S1)
[4]多Agent動態(tài)任務分配問題[J]. 張家良,王迎磊,李復名,周濤.  電子技術與軟件工程. 2018(18)
[5]基于Agent的智能制造系統(tǒng)實時動態(tài)調(diào)度機制研究[J]. 黃騰霄,唐敦兵,張海濤,許超.  機械制造與自動化. 2017(06)
[6]改進遺傳模擬退火算法在TSP優(yōu)化中的應用[J]. 何慶,吳意樂,徐同偉.  控制與決策. 2018(02)
[7]基于Agent的混合流水車間動態(tài)調(diào)度系統(tǒng)[J]. 王芊博,張文新,王柏琳,吳子軒.  計算機應用. 2017(10)
[8]一種基于多目標優(yōu)化的混合在線集卡調(diào)度方法[J]. 李凡,杜玉越.  山東科技大學學報(自然科學版). 2017(02)
[9]一種動態(tài)劃分的混合連續(xù)域蟻群優(yōu)化算法[J]. 姜道銀,葛洪偉,袁羅.  計算機工程與應用. 2018(07)
[10]基于Dijkstra算法的集裝箱港口集卡調(diào)度場規(guī)劃研究[J]. 盧飛.  中國水運. 2017(01)

博士論文
[1]改進免疫遺傳算法及其在優(yōu)化調(diào)度問題中的應用研究[D]. 馬佳.東北大學 2008

碩士論文
[1]港口集裝箱碼頭岸橋與場橋聯(lián)合調(diào)度優(yōu)化研究[D]. 吳勇智.集美大學 2018
[2]基于多Agent的柔性生產(chǎn)動態(tài)調(diào)度系統(tǒng)研究[D]. 梁慰樂.華南理工大學 2018
[3]集裝箱碼頭堆場作業(yè)重調(diào)度研究[D]. 張桂榕.大連海事大學 2018
[4]港口集裝箱運輸車輛調(diào)度模型及算法研究[D]. 殷晶晶.深圳大學 2017
[5]集裝箱碼頭集卡調(diào)度優(yōu)化研究[D]. 張芳芳.深圳大學 2017
[6]集裝箱碼頭外集卡預約到港優(yōu)化研究[D]. 黃曉笛.大連海事大學 2017
[7]基于多Agent的鍛造生產(chǎn)調(diào)度系統(tǒng)研究[D]. 徐青.南京理工大學 2014
[8]基于裝卸協(xié)調(diào)作業(yè)的集裝箱碼頭集卡路徑優(yōu)化研究[D]. 劉豐碩.大連海事大學 2010



本文編號：3691415