蚁群算法在港口车辆调度优化问题中的研究及应用

论文摘要

伴随着全球经济一体化趋势的发展,我国的物流业有了广阔的发展空间。作为物流的主要载体以及进出口贸易货物的主要集散地,港口对自身资源的有效管理和调度是物流畅通的必要保证,这不仅关系到企业成本的控制和客户需求的满足,更影响到整个供应链的竞争力。本文以港口物流当前效率低下、运输成本过高、资源配置不合理等问题作为研究背景,以港口船舶卸载作业和货物运输进仓作业过程中的车辆调度优化为研究方向,对车辆调度问题模型进行了求解和仿真。在本文研究成果的基础上采用RSS应用开发架构平台和Flex的RIA技术对企业信息管理系统运输管理子系统进行了设计和实现。本文的内容主要包括以下几个方面：首先,通过对港口船舶卸载作业和货物运输进仓作业车辆调度优化理论和方法的研究分析,发现了船舶卸载作业和货物运输进仓作业过程中车辆调度问题可以当做一个车间调度问题来解决。以此为基础,提出了对经典车间调度问题的改进方案,并与经典车间调度问题进行了对比,指出了船舶卸载和货物运输作业车间调度问题与经典车间调度问题的异同点。其次,针对卸船时间最短和卸船时间一定的两种不同情况,通过对目标函数、约束条件的研究分析,综合考虑了港口多种卸载资源和卸载流程,建立了船舶卸载车辆调度问题的车间调度问题模型。再次,根据问题特征设计了蚁群算法求解此问题。通过实验仿真分析了蚁群算法中各个参数之间的相互关系及组合方式,得出了算法参数对算法性能的影响,证明了参数的合理选择对算法性能起到了至关重要的作用。根据实验结果得到了一组比较合理的参数组合方式,为系统设计和实现提供理论依据。最后,对企业信息管理系统下运输管理子系统进行了设计与实现。基于车辆调度的车间调度问题模型和优化技术,在RSS应用开发架构平台下,运用Flex的RIA技术对运输管理子系统的各个功能模块进行了设计与实现,并以界面展示的方式对运输管理子系统的主要模块进行说明。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 研究的内容
• 1.4 技术路线
• 1.5 论文的结构安排
• 第2章 相关理论介绍
• 2.1 车间调度问题概述
• 2.1.1 基本车间调度
• 2.1.2 船舶卸载车间调度问题
• 2.2 蚁群算法的产生和发展
• 2.2.1 蚁群算法的产生
• 2.2.2 蚁群算法的发展
• 2.3 蚁群算法模型和特点
• 2.3.1 基本蚁群算法的模型
• 2.3.2 参数选择对蚁群算法性能的影响
• 2.4 本章小结
• 第3章 卸船时间最短的车辆调度问题的研究
• 3.1 卸船时间最短的卸载问题分析
• 3.2 船舶卸载时间最短问题模型建立
• 3.2.1 单船单仓卸载问题模型建立
• 3.2.2 单船多仓卸载问题模型建立
• 3.2.3 多船多仓卸载问题模型建立
• 3.3 蚁群算法的设计与实现
• 3.3.1 蚁群算法参数的选取
• 3.3.2 算法设计步骤
• 3.3.3 实例仿真与分析
• 3.4 本章小结
• 第4章 卸船时间一定的车辆调度问题的研究
• 4.1 卸船时间一定的卸载问题分析
• 4.2 卸船时间一定的卸载问题模型建立
• 4.2.1 单船单仓卸载问题模型建立
• 4.2.2 单船多仓卸载问题模型建立
• 4.2.3 多船多仓卸载问题模型建立
• 4.3 蚁群算法的设计与实现
• 4.3.1 蚁群算法参数的选取
• 4.3.2 算法设计步骤
• 4.3.3 实例仿真与分析
• 4.4 本章小结
• 第5章 运输管理子系统设计与实现
• 5.1 系统总体目标
• 5.2 系统总体设计
• 5.2.1 系统架构
• 5.2.2 系统开发环境
• 5.2.3 系统功能结构图
• 5.3 子系统介绍
• 5.3.1 子系统设计目标
• 5.3.2 子系统功能结构图
• 5.3.3 子系统功能结构设计
• 5.4 子系统数据库设计
• 5.4.1 数据库表结构设计
• 5.4.2 数据表结构逻辑模型
• 5.4.3 数据流图
• 5.5 系统实现
• 5.6 本章小结
• 第6章 结论与展望
• 参考文献
• 致谢