基于神经网络的集装箱码头泊位分配聚类分析

为充分利用港口既有的建设规模、提高经济效益,对集装箱码头的泊位分配进行研究.采用神经网络和聚类分析两种数据挖掘技术分析相关数据,得到相应的数据挖掘模型.先通过反向传播(Back Propagation,BP)神经网络分析各因素对泊位分配的影响程度,确定出主要因素;然后通过聚类分析中的两步聚类算法进行分析;最终制定集装箱码头泊位分配策略.该方法可为提高集装箱码头生产效率提供帮助.     

基于遗传算法的自动化集装箱码头多载AGV调度

为提升自动化集装箱码头的作业效率,减轻码头吞吐量增大带来的交通问题,降低自动化导引小车（Automated Guided Vehicle, AGV)的空载率,在自动化集装箱码头应用可以同时搬运不止一个集装箱的多载AGV,建立多载AGV调度问题的混合整数线性规划（Mixed Integer Linear Programming, MILP)模型,应用遗传算法进行求解.借助算例,对比遗传算法与MILP算法的求解效果,分析交叉概率和变异概率对遗传算法的影响,比较多载AGV与单载AGV的作业时间,验证遗传算法的可靠性.该方法表明,遗传算法不仅求解效率高,而且对MILP算法不适用的大、中型多载AGV调度问题,也能给出值得信赖的近似最优解.     

岸桥移动约束的连续泊位和岸桥集成调度

针对泊位和岸桥集成调度优化未考虑岸桥移动约束限制,造成岸桥频繁移动导致岸桥作业相互干扰、岸桥资源利用率低问题,首先通过拓展现有泊位和岸桥集成调度模型,建立混合整数规划模型实现岸桥分配数量上的合理化,然后以最小化船舶延误成本和岸桥移动成本为目标函数,建立考虑岸桥移动约束限制的泊位和岸桥集成调度的混合整数规划模型.算例表明该模型可以:(1)在靠泊船舶数大于5艘时提高岸桥实际使用效率40%以上;(2)防止因岸桥频繁调动而造成的岸桥作业相互干扰;(3)防止出现在船舶未装卸完之前没有岸桥为其服务的情况;(4)减少由于未限制岸桥频繁移动而带来的额外成本;(5)提高港口码头对岸桥和船舶的管理效率.     

递归式多目标遗传算法

介绍递归式多目标遗传算法(Recursive Multiple Objective Genetic Algorithms,RMOGA).整个进化过程分为与目标数量相等的几个递归阶段,每个阶段多增入一个目标.每个阶段先用一个独立的群体进化新增的目标;该群体中性能较好的个体与上一阶段多目标进化的群体联合形成已增目标集的初始群体.实验结果表明,在绝大多数问题中,RMOGA的性能优于NSGA-Ⅱ,SPEA及PAES等3个典型的多目标遗传算法.     

基于并行遗传算法的集装箱码头堆场分配策略

针对集装箱码头中出口箱堆场分配问题,运用目标规划方法,建立滚动式计划的出口集装箱堆场分配模型.模型以降低存放处到泊位的水平运输距离和平衡堆场内作业量为目标,达到提高装船效率和降低成本的要求.采用并行遗传算法和启发式算法相结合的混合算法,对出口箱堆场分配模型进行优化求解.案例仿真分析表明该出口集装箱堆场分配模型的有效性与实用性.     

考虑充电策略的自动化码头AGV调度

针对自动化码头自动导引车(automated guided vehicle, AGV)在作业调度中的充电问题,以最小化所有任务完成时间为目标,建立考虑充电策略的AGV调度模型。对比求解器(Gurobi)与遗传算法的算例求解结果,验证遗传算法的高效性。设计4种充电方式并对其优劣性进行对比,分析AGV数量和续航能力对作业时间和充电利用率的影响。得出结论:按需充电的方式可以有效减少不必要的充电时间,合理的AGV数量配置可以有效提高作业效率和充电利用率。     

考虑装船机联机作业的煤炭出口码头装船作业调度优化

为提高煤炭出口码头作业效率和服务水平,对装船作业调度进行优化。在考虑装船机联机作业的前提下,以最小化煤炭出口码头作业线运行能耗成本和船舶在港时间成本为目标,综合考虑作业流程约束和泊位、垛位和作业线的作业唯一性约束,建立混合整数规划模型,并设计基于仿真解码方案的遗传算法求解。用实例验证模型的可行性和算法的有效性。结果表明,研究成果可为具有工艺流程复杂、装船机联机作业等特点的煤炭出口码头装船作业调度问题提供较好的解决方案。     

基于混合自适应遗传算法的协同多目标攻击空战决策（英文）

研究了多机协同多目标攻击空战决策问题。它是依据空战形势,寻求M架友机对N架敌机的一个适当的攻击分配方案,以实现最优的期望攻击效果。为此,本文首先建立了决策问题的数学模型,接着应用混合自适应遗传算法对其进行求解。在混合自适应遗传算法中,将一种局部搜索方法引入自适应遗传算法以提高其搜索能力。同时,设计了用于满足决策问题的非常规交叉算子。仿真实验结果表明所设计的混合自适应遗传算法比自适应遗传算法能更有效的解决协同多目标攻击空战决策问题。     

基于启发式算法和仿真优化的岸壁线长度泊位分配策略

为解决集装箱码头运作效率方面的泊位分配问题(Berth Allocation Problem,BAP),根据岸壁线有限情况下的泊位分配原则,建立基于启发式算法的动态泊位分配策略数学模型.以上海某集装箱码头为例,对该策略进行模拟和优化,结果表明该策略具有可行性和实用性,可以提高集装箱码头的生产效率.     

基于矩阵式遗传算法的集装箱码头堆场空间资源分配优化策略

为解决堆场空间资源配置问题(Storage Space Allocation Problem, SSAP),以箱区到泊位运输距离最小为目标,综合考虑岸桥、场桥等因素,提出一种基于矩阵式遗传算法(Matrix Genetic Algorithm, M-GA)的集装箱码头堆场空间资源分配优化策略.该方法首先建立基于装卸作业面的堆场空间资源分配模型;然后运用MGA求解扩展后的SSAP;最后分析不同遗传策略对遗传算法（Genetic Algorithm,GA)性能的影响,并以上海张华浜码头的案例验证该方法的优越性.     

基于分布式混合遗传算法的动态泊位分配策略与仿真

针对集装箱码头的泊位分配问题,提出滚动式优化决策策略,建立基于整数规划的动态泊位分配模型,以连续岸壁线泊位分配为基础,使模型更加接近实际.同时,在该模型的基础上建立码头前沿的泊位仿真模型,采用分布式遗传算法和启发式算法相结合的分布式混合遗传算法求解泊位分配模型.通过对某集装箱码头的案例分析,说明该泊位分配模型和算法的有效性与实用性.     

基于EDA仿真软件的多资源调度算法

为提高电子设计自动化（electronic design automation,EDA）并行仿真任务的资源利用率并保证公平性,在占优资源公平分配机制（dominant resource fariness,DRF）的基础上,提出考虑license的占优资源公平分配（dominant resource fairness allocation algorithm considering license,LDRF）算法。一方面考虑多类型资源的公平调度问题,满足EDA任务对资源种类多样性的需求;另一方面考虑对EDA工具的license资源调度,避免任务占有硬件资源但是没有获得license授权不能运行,导致资源利用率下降。实验仿真结果表明,在license有限的条件下,LDRF的平均CPU资源利用率比DRF算法提高60%,平均内存资源利用率比DRF算法提高34%。     

基于爬山算法的集装箱堆场场桥调度

为提高集装箱码头的运作效率,采用1种基于整数规划模型和启发式算法(爬山算法)的场桥调度混合策略,将场桥调度和堆存空间分配作为整体构建场桥动态调度模型.以上海某集装箱码头堆场为例通过仿真验证该系统,结果表明该模型和算法的有效性和实用性.     

基于知识工程的煤炭码头堆场分配策略

为更好地利用散货码头的堆场资源,利用知识工程中的知识获取及规则推理方法建立煤炭码头堆场分配策略.根据煤炭自身的特性及装船需求,结合煤炭码头堆场管理原则和作业设备的特征,提取煤炭码头堆场分配策略的基本规则,设计基于知识工程的煤炭码头堆场分配模型.通过可分配区域划分、设备及堆场匹配、最优区域选择等,为需要堆放的煤炭选取合适的堆场区域,给煤炭码头提供有效的堆场分配策略.案例分析表明,该方法可提高煤炭码头的堆场利用率和生产效率.     

基于遗传蝙蝠算法的引航排班方法

为提高引航排班作业效率,以最小化引航任务间隔时间、引航员等待时间、引航作业时间、引航交通费为目标,以引航任务开始与完成时间、到离港泊位等为约束条件建立引航任务组适应度模型。将遗传算法的交叉与变异机制引入基本蝙蝠算法,构建基于遗传蝙蝠算法的引航排班方法,并利用MATLAB予以实现。结果表明:这种引航排班方法的日均效率比基本蝙蝠算法提升了48.1%,比手工排班方法提升了75.8%;这种引航排班方法的单个引航任务组构建效率较基本蝙蝠算法提升了50.7%,比手工排班方法提升了77.2%。结果验证了该引航排班方法的优越性。