多目标船舶调度优化问题蚁群算法研究

论文摘要

船舶调度是港口调度的重要组成部分。船舶调度优化问题直接影响旅客运输效率、服务质量和运输成本,从而影响到航运企业的盈利能力,因此需要优化船舶调度。该问题涉及到多种约束条件,如客位需求量、船舶客位、航班时间、船速、船员配置以及航线里程等。目前,国内绝大部分船舶运输(集装箱运输、客运运输)的调度还是依靠调度人员经验来管理的方法,以至于航运企业运输资源无法充分利用,运行成本过高。因此在实际工作中对船舶调度优化问题进行研究,建立能够解决船舶调度的系统,以提高服务质量和资源利用率,是很有必要的。本研究来源于深圳迅隆船务有限公司的船舶调度实际问题,旨在探索将蚁群算法用于多目标船舶调度优化问题的思路和途径。重点研究:在船型不同的情况下,如何对船舶调度优化问题进行描述,并建立相应的数学模型;如何根据建立的数学模型,设计相应的蚁群算法,以解决调度优化问题;以及在蚁群算法中,如何处理多目标问题。本研究设计的蚁群算法采用了经典蚁群算法在蚂蚁路径选择、信息素更新和信息素挥发方面的机制,结合一般非线性整数规划蚁群算法在构造可行解空间方面的方法,采用线性加权法将多目标问题转化为单目标问题,并采用Java语言实现了该蚁群算法。实验结果表明,该蚁群算法能够显著改进可行调度,取得满意结果。最后,本研究提出了一个基于蚁群算法的船舶调度决策支持系统的框架,这对于将本研究的成果转化为实际应用具有重要意义。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 目录
• 1 绪论
• 1.1 研究背景和意义
• 1.2 研究问题的提出
• 1.3 研究的内容与实例
• 1.4 研究的框架与思路
• 1.5 研究的重点及难点
• 2 船舶调度问题的研究现状
• 2.1 问题的产生与发展
• 2.1.1 水路运输的特点
• 2.1.2 战略层面的研究
• 2.1.3 工业船运问题研究脉络
• 2.1.4 不定航线不定期船运问题研究脉络
• 2.1.5 班轮船运问题研究脉络
• 2.1.6 未来研究方向与研究视角
• 2.2 问题的模型描述
• 2.3 问题的算法概述
• 3 蚁群优化方法
• 3.1 群智能算法概述
• 3.2 蚁群优化方法的产生与发展
• 3.2.1 双桥实验与ACO的产生
• 3.2.2 ACO的发展
• 3.3 蚁群优化方法研究现状
• 3.4 算法的典型应用
• 3.4.1 求解旅行商问题
• 3.4.2 求解二次分配问题
• 3.4.3 求解0-1规划问题
• 3.5 算法用于船舶调度问题
• 4 船舶调度优化问题数学模型
• 4.1 迅隆公司船舶调度现状
• 4.1.1 公司现状
• 4.1.2 目前的船舶调度方式
• 4.2 船舶调度问题描述
• 4.3 符号说明
• 4.4 目标函数
• 4.5 约束条件
• 4.6 船舶调度数学模型
• 5 多目标船舶调度优化问题的蚁群算法
• 5.1 算法思想
• 5.2 算法流程
• 5.2.1 算法总体流程
• 5.2.2 蚂蚁路径构造算法
• 5.2.3 蚂蚁的目标函数
• 5.2.4 局部优化算法
• 5.3 算法的计算机实现
• 6 算法运行与结果分析
• 6.1 数据来源
• 6.2 实验设置
• 6.3 最优调度方案
• 6.4 结果讨论与管理意义
• 6.5 基于蚁群算法的船舶调度决策支持系统
• 7 总结与展望
• 参考文献
• 附录
• 作者简历及在学期间所取得主要科研成果