基于整数规划的单贝多港(SBMP)配载模型研究

大型集装箱船舶配载问题是一个复杂的组合优化问题，而且是一个NP问题。单贝多港(SBMP)配载体现了船舶配载的基本特性，是船舶配载的主要组成部分，也是本文讨论的重点。本文首先简化问题，归纳单贝单港配载特点，采用整数规划方法描述单贝单港配载问题，并以最少阻塞箱为目标，建立单贝单港配载规划模型；然后基于所建立的模型，对不同港口的配载产生不同配载方案，使整个船舶单贝在航行中以最少倒箱数为目标，提出了针对不同港口的多阶段决策模型。本文最后给出了一个模型实例。     

堆场集装箱翻箱的PCNN优化控制算法

集装箱的堆存状态与理想发箱顺序很难保持一致, 翻箱操作是不可避免的. 为降低堆场的翻箱率, 提高作业效率, 在获得集装箱的取箱顺序前提下, 将每取一个集装箱所产生的可能状态视为一个状态结点, 所需的翻箱次数加一个基数作为状态结点间的连接权, 把翻箱优化问题转化为最短路径求解问题. 脉冲耦合神经网络(Pulse-coupled neural network, PCNN)具有独特的自动波并行传播的特性, 适用于求解大规模实时问题, 能一次求出源点到其他所有目标点的最短路径, 从而获得最优的翻箱方案. 其所需要的计算量仅正比于最短路径的长度, 与路径图的复杂程度及路径图中的通路总数无关. 这为建立集装箱的智能控制系统奠定了坚实的理论基础.     

基于启发式算法的集装箱预翻箱问题仿真研究

关于根据已知的集装箱配载图对堆场的集装箱进行预翻箱速度优化问题,为减少倒箱量,缩短船舶在港时间,以集装箱预翻箱过程为研究对象,对其进行仿真研究,达到提高集装箱码头装船效率的目的,提出了相应的启发式算法,并通过算例验证了算法的有效性.利用eM-plant软件分别建立了单贝位和多贝位的预翻箱仿真模型,通过对预翻箱过程仿真时间的统计验证了仿真模型的有效性,并与现有的启发式算法效能进行了比较,效果更好.仿真结果表明,改进方法可为解决目前集装箱堆场预翻箱问题提供了更有效的决策依据.     

集装箱装船顺序的多目标整数规划优化模型

为了解决集装箱堆场装船顺序问题,根据集装箱船舶和配载的实际情况,考虑集装箱的航程,结合集装箱的装载位置,以集装箱堆场的翻箱率、船舶卸载时的翻箱率以及装船后的稳性为目标,建立了装船顺序的多目标规划模型,并基于粒子群算法构造了求解算法,通过MATLAB进行仿真实验,数据结果表明,该模型具有一定的的合理性与可行性。     

基于网络流的自动化集装箱码头堆场空间分配

为解决自动化集装箱码头堆场空间分配问题,突出自动化集装箱码头堆场的布局特征以及制定堆存计划时的特点,将堆存计划视为一个具有时间和空间维度的网络优化问题,提出一种基于网络流的自动化集装箱码头堆场空间动态分配的模型,并使用禁忌搜索算法来求解。结果表明,通过该方法可以确保同一时间段内作业的进口箱和出口箱均衡的分配在箱区中,同时满足场桥的"重进重出"。最后对CPLEX和禁忌搜索算法求解的结果进行比较,证明了禁忌搜索算法的优越性。     

考虑箱区作业均衡的自动化码头集装箱船舶配载计划

在考虑箱区作业均衡的基础上,研究自动化码头集装箱船舶的配载计划问题.以堆场翻箱时间最小、集装箱水平运输时间最短以及堆场箱区作业不均衡水平最小为目标建立0-1整数规划模型.使用CPLEX工具精确求解5个不同规模的算例得到配载结果,并对比是否考虑箱区作业均衡的配载方案.结果显示5组算例的翻箱量均为0,有效地满足翻箱时间最小的目标.在配载计划中考虑箱区作业均衡,所得的箱区作业不均衡指数较不考虑箱区作业均衡有一定程度的降低,最高降低19.0个百分点,平均降低7.2个百分点.结果表明所提模型可有效解决自动化码头配载计划问题,保证箱区作业的均衡性,提升码头的装船作业效率.     

Ad hoc网络在集装箱堆场管理上的应用

在集装箱堆场中,由于集装箱的数量很大,或翻箱作业等使得很难及时准确掌握集装箱的具体位置。该文分析了集装箱堆场管理方面的特点和Ad hoc网络的特点,提出了一种基于Ad hoc网络的集装箱堆场的无线通信网络的模型及其中的关键技术和问题。通过仿真,可以看出该方案解决了集装箱堆场管理中对集装箱具体位置的追踪问题。     

基于遗传算法的集装箱后方堆场箱位分配策略*

根据重庆港实际情况建立了以提箱时间为制约因素,以最小化翻箱率为目标的集装箱后方堆场箱位分配模型,并针对模型提出了基于遗传算法的解决方案。方案对一次卸船或者进港的一批箱进行全局优化,并考虑其分配对后续集装箱的影响。遗传算法迭代过程中采用适应度函数指数变换防早熟,采用可行解替换法处理约束,并设计最优解保存策略保证最终的优化效果。最后针对实际堆场的不同规模,对方案的优化结果同文献中的其他遗传算法方案进行比较,证明了本文优化策略的优越性和实用性。     

基于混合优化策略的智能集装箱预翻箱系统*

讨论了一个智能集装箱预翻箱系统的设计与实现。在将集装箱预翻箱问题分解的基础上,采用混合优化策略来实现集装箱预翻箱方案。混合优化策略首先根据堆箱规则构造集装箱堆栈目标状态,然后运用改进广度优先算法搜索搬箱步骤。系统是运用分层设计思想来设计的,它是在生产调度领域应用人工智能理论和方法的有益尝试。     

A*算法在轨道式龙门起重机提箱作业优化中的应用

集装箱翻箱问题是影响集装箱码头堆场机械操作效率的一个重要的因素。为了解决在堆场中应用不同装卸机械所产生的相关问题,本文选取轨道式龙门起重机作为堆场装卸机械,建立以码头堆场机械作业时间最短为目标,满足堆场实际作业要求的提箱优化数学模型。应用启发式算法A*算法对问题进行求解,并通过对实例的研究,验证A*算法的正确性和有效性。     

A biased random-key genetic algorithm for the container pre-marshalling problem

The container pre-marshalling problem (CPMP) is performed at container terminals around the world to re-order containers so that they can be more efficiently transferred through the terminal. We introduce a novel decoder for a biased random-key genetic algorithm (BRKGA) that solves the CPMP. The decoder consists of a construction algorithm that learns how to best apply single and compound containers moves to quickly sort a bay of containers. Our approach finds better solutions than the state-of-the-art method on many instances of the standard pre-marshalling benchmarks in less computational time. Furthermore, we perform a computational analysis of different components of the BRKGA decoder to determine what types of heuristics work best for pre-marshalling problems, as well as conduct a feature space analysis of different pre-marshalling approaches.     

Heuristic algorithms for container pre-marshalling problems

A container pre-marshalling problem is to find a sequence of container movements to reach final container layout satisfying certain conditions. Two container pre-marshalling problems that are denoted as problem Type-A and Type-B are defined in this paper. Two labelling algorithms, which denote as Heuristic-A and Heuristic-B, are proposed to solve these two container pre-marshalling problems, respectively. Experiments retrieved from past literature and generated by computer program are used to verify the performance of the two algorithms. According to the output results, these proposed algorithms are able to yield a competitive solution in comparison with other methods. Computational results and model variations are discussed.     

路网交通流在时空分析背景下的预测研究

深度学习近年来被广泛应用于交通工程领域,针对大型路网中单个路段的交通流预测考虑因素单一、预测精度不高的问题,充分利用长短时记忆（LSTM）网络在时序数据处理方面的优势,结合路网交通流时空分析并运用LSTM模型进行预测。通过对路网中路段检测站点间交通流数据进行相关性计算,并设置不同阈值来选择出代表路段的编号构造原始数据矩阵,对矩阵进行压缩来增加运算效率,最后将压缩矩阵输入模型中进行预测。设置仿真对比实验,验证了提出的方法相较于其他几种模型预测准确率平均可提升11.84%,是一种高效率的交通流预测方法。     

An optimization model for the container pre-marshalling problem

In most container yards around the world, containers are stacked high to utilize yard space more efficiently. In these yards, one major factor that affects their operational efficiency is the need to re-shuffle containers when accessing a container that is buried beneath other containers. One way to achieve higher loading efficiency is to pre-marshal the containers in such a way that it fits the loading sequence. In this research, we present a mathematical model for the container pre-marshalling problem. With respect to a given yard layout and a given sequence that containers are loaded onto a ship, the model yields a plan to re-position the export containers within the yard, so that no extra re-handles will be needed during the loading operation. The optimization goal is to minimize the number of container movements during pre-marshalling. The resulting model is an integer programming model composed of a multi-commodity flow problem and a set of side constraints. Several possible variations of the model as well as a solution heuristic are also discussed. Computation results are provided.     

过程工业水分配网络系统集成的NLP模型

针对单组分杂质用水和废水处理网络同步集成最优化问题,以最小总操作费用为目标,建立了非线性规划(NLP)模型。该模型既考虑了新鲜水费用和水处理费用之间存在的耦合关系以实现二者的优化均衡,又考虑了环境排放标准及分散式处理网络对水网络集成的影响。采用商业优化软件GAMs对算例问题进行求解,结果表明本文提出的模型能有效处理工业水分配网络系统的优化集成问题,与用水网络和废水处理网络分别集成相比,在年总费用上有不同程度的减小,较好地实现了过程工业在满足环保排放规定前提下的经济效益最大化。     

集装箱堆场预倒箱问题的混合优化算法

堆场出口箱区通常通过集装箱的预倒箱操作来提高后续装船作业的效率. 为此, 开发了由邻域搜索算法与整数规划算法组成的两阶段混合算法对预倒箱问题进行优化, 第1 阶段通过启发式规则压缩末终堆存状态空间, 第2 阶段通过整数规划算法缩短第1 阶段得到的预倒箱序列的长度. 两个阶段循环交替进行以快速求得最优的预倒箱序列. 借助不同种类仿真算例的实验结果及与现有研究方法下所得结果的对比, 验证了混合优化算法的有效性和实用性.     

基于隐藏终端的时隙802.15.4网络吞吐量研究

为了提高802.15.4网络吞吐量性能,设计了一种改进的节点状态转换过程,提出了一种考虑隐藏终端问题和重传的节点接入信道模型,并对模型进行分析计算。基于计算结果和信道状态模型分析,对考虑隐藏终端问题的数据碰撞概率、丢包率和网络吞吐量进行推导。最后研究了数据包到达率、退避指数和隐藏终端对网络吞吐量性能的影响。实验表明,模型较好地描述了节点接入信道过程,能够对网络吞吐量进行精准的动态分析。实验结果表明,与无重传机制的802.15.4网络相比,网络吞吐量增加了83.9%左右。与部分条件休眠的方法比较,网络吞吐量平均增加了13.3%,提出的模型能够有效提升网络吞吐量性能。     

蚁群算法在渤海内支线集装箱运输网络优化中的应用

为了解决集装箱海上运输网络系统的NP问题,采用智能仿生蚁群优化算法进行网络优化计算,寻找运输网络中的最短路径。以环渤海内支线集装箱运输网络系统为研究对象,通过构建蚁群优化模型,实验分析和计算,证明运用蚁群智能优化算法可以得到最优的航行路线,算法为合理进行集装箱运输网络的航线配置提供了一个参考依据。     

利用SOM网络模型进行聚类研究

自组织特征映射（SOM）是Kohonen提出的一种人工神经网络模型,其整个学习过程是在输入样本空间内进行．并以欧氏距离为度量。本文先介绍了SOM网络模型的来源,接着对SOM网络的结构与学习过程进行了介绍,最后给出了一个SOM网络模型在聚类中的程序实例。     

目标威胁评估的一种改进影响网络方法

目标威胁评估是在进行作战决策时需要解决的关键问题。针对传统影响网络只能描述二元状态事件的局限性,对其进行了扩展,建立了描述多元状态事件的改进影响网络模型,并推导了影响参数应满足的约束条件及条件概率的计算方法。以防空系统目标为例,在分析目标威胁属性的基础上,基于云模型进行属性值的定性与定量转化,并运用改进的影响网络方法进行目标威胁评估。最后给出仿真实验,实验结果验证了改进影响网络方法的有效性和可行性。