基于改进布谷鸟算法的集装箱船舶配载优化方法技术

本发明专利技术涉及一种基于改进布谷鸟算法的集装箱船舶配载优化方法，其在满足船舶适航性的基础上，建立了以集装箱水平运输时间、岸桥作业时间最短且倒箱量最少为目标的多目标多约束的数学模型。运用改进的布谷鸟算法进行求解，首先在莱维飞行阶段，分别从种群整体、当代最优、自身个体中抽取鸟巢信息，建立多种位置更新模式；其次，采用动态机制控制发现概率；最后通过计算每个鸟巢的目标函数值，来找到最优解。本发明专利技术基于码头方考虑的目标函数模型和改进的布谷鸟算法进行集装箱船舶配载优化，得到的配载结果可以有效提高码头的作业效率，降低码头作业成本。码头作业成本。码头作业成本。

【技术实现步骤摘要】
基于改进布谷鸟算法的集装箱船舶配载优化方法


[0001]本专利技术涉及船舶配载
，具体涉及一种基于改进布谷鸟算法的集装箱船舶配载优化方法。

技术介绍

[0002]船舶配载计划是一个NP
‑
Hard问题，现有的文献主要由船舶的预配计划与码头的实配计划研究组成。集装箱船舶配载在实际的操作过程中是一个多目标、多约束的的组合优化问题。配载计划的优劣程度关系到集装箱船舶在港口的装卸效率、船舶的适航性等。近些年来，我国港口集装箱吞吐量成倍增长，这给集装箱船舶配载带来了很多压力。
[0003]对于集装箱配载方面的研究，现在主要的研究是从船方的角度，而从码头角度对集装箱船舶实配研究的文献很少，且考虑堆场翻箱和作业过程冲突等因素较少。本专利技术基于以上研究的不足之处从集装箱船舶配载整体均衡出发，对集装箱码头配载优化问题进行研究。

技术实现思路

[0004]本专利技术的目的在于提供一种基于改进布谷鸟算法的集装箱船舶配载优化方法，其从码头方的角度综合考虑实际情况，建立了以最小化堆场翻箱量、最小的集装箱水平运输距离和最小的岸桥作业时间为配载计划的决策目标，并结合改进的布谷鸟算法进行码头配载优化，以提高优化的可行性和有效性。
[0005]为实现上述目的，本专利技术采用的技术方案是：
[0006]一种基于改进布谷鸟算法的集装箱船舶配载优化方法，其在满足船舶适航性的基础上，建立了以集装箱水平运输时间、岸桥作业时间最短且倒箱量最少为目标的多目标多约束的数学模型；并运用改进的布谷鸟算法进行求解：首先在莱维飞行阶段，分别从种群整体、当代最优、自身个体中抽取鸟巢信息，建立多种位置更新模式；其次，采用动态机制控制发现概率；最后通过计算每个鸟巢的目标函数值，来找到最优解。
[0007]所述数学模型包括目标函数及约束条件；
[0008]目标函数如下：
[0009][0010]其中，第一部分表示完成配载所需的水平运输时间最短；第二部分表示堆场翻箱时间最短；第三部分表示岸桥完成装卸任务所用的时间，其中α1，α2，α3均为大于零的权重系数；
[0011]约束条件如下：
[0012][0013][0014][0015][0016][0017][0018][0019][0020][0021][0022]x
ip
，z
ip
＝0或1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0023][0024]约束(2)、(3)为箱位限制约束，其中，式(2)表示每个集装箱只能被配载到一个船箱位上；式(3)表示每个船箱位只能配载一个集装箱；式(4)表示待装集装箱离开箱区必须符合桥吊作业的时间安排；式(5)表示箱区集装箱轻不压重的堆垛要求；式(6)表示位于同一堆栈不同层数的待装集装箱离开箱区的先后顺序和翻箱的关系；
[0025]式(7)表示待装集装箱在船舶箱位紧挨着的下方有集装箱即不能悬空；式(8)表示待装集装箱与船舶贝位的匹配满足预配要求；式(9) 表示船舶贝位同列集装箱的装载重量不能超过单列额定重量；式(10) 表示确保离场集装箱数量与待装集装箱数量相同；式(11)表示箱区作业量限制，防止作业量过大；式(12)决策变量类型；式(13)表示相关变量的取值范围；
[0026]c为列号，c＝1,2,
…
C；r为层号，r＝1，2，
…
R；b1为堆场箱区编号， b1＝1，2，
…
B1；b2为堆场箱区区块编号，b2＝1，2，
…
B2；b3为堆场小箱区编号，b3＝1，2，
…
B3；b为堆场箱区具体编号，b＝(b1，b2，b3)； i,j为码头堆场待装集装箱编号，i＝1，2
…
，I，j＝1,2,
…
J；m为贝位号， m＝1，2，
…
M；p为待装船集装箱的船箱位编号，p＝1，2，
…
，P；ε
p
为堆场箱位p的开始装箱时间；U(p)为位于船舶箱位p(k，c，r) 同贝同列上一层p(k，c，r+1)的箱位；t表示t
‑
1到t的时间间隔，t＝1， 2，
…
T，Δ
i
为与集装箱i同一堆栈的上层集装箱集合；σ1为堆场翻一次箱所需要的时间；W
i
为集装箱i的重量；
[0027]n
bt
为t时间段内箱区b已完成场到船任务的集装箱数量；
[0028]为岸桥p完成集装箱i到相应船箱位所用的时间，v
p
表示岸桥p 作业范围内待装船集装箱的数量；W为船舶贝位中单列允许的集装箱最大载重量；τ
ip
为集装箱从堆场场箱位
到船箱位的水平运输时间；BLT
ip
为场箱位为i装载到船箱位p的离场时间，BLT
ip
＝ε
p
‑
τ
ip
，其中p∈P；为箱区b在时间段t的箱区作业量阈值；γ
ip
为二维0
‑
1矩阵，若待装船集装箱i符合预配图要求从而配载到船舶所对应的船舶箱位p(k，c， r)，γ
ip
为1，否则为0；θ
ip
为二维0
‑
1矩阵，若待装船集装箱i位于箱区b，则矩阵对应的元素为1，否则为0；Q为一个极大的正数。
[0029]采用改进的布谷鸟算法对目标函数进行求解具体包括以下步骤：
[0030]1)设置种群的规模，初始的位置，迭代的次数等参数；
[0031]2)计算种群中所有个体的目标函数值，并保留最优解；
[0032]3)根据式(14)进行位置的更新，在位置更新之后计算每个个体的目标函数值，通过精英策略将最优解保留至下一代；
[0033][0034]其中，F∈[0,1],A＝rand(0,ps)，ps为鸟巢个数，是两个随机鸟巢， x
nebest
为当前迭代的最优鸟巢，步长因子a表达式为：
[0035][0036]cacuhy的数学表达式为：
[0037][0038]其中，g＝1为尺度参数；
[0039]5)通过式(17)计算发现概率，比较pa与随机数H的大小，如果 H>Pa,则丢弃劣质鸟巢，继续更新；否则，将当前的鸟巢位置保留下来；
[0040][0041]其中，为第t代种群的第i个个体的发现概率，p
amax
为发现概率的上限，p
amin
为发现概率的下限，f
it
分别为最优个体和当期个体的目标函数值；
[0042]5)计算经过步骤4)变化后每个鸟巢的目标函数值，并将最优鸟巢保留下来进行下一轮的迭代；
[0043]6)如果输出的结果满足算法的终止条件；如果不是则返回步骤3) 继续进行迭代，直到迭代的结果满足结束条件为止。
...

【技术保护点】

【技术特征摘要】
1.一种基于改进布谷鸟算法的集装箱船舶配载优化方法，其特征在于：所述方法在满足船舶适航性的基础上，建立了以集装箱水平运输时间、岸桥作业时间最短且倒箱量最少为目标的多目标多约束的数学模型；并运用改进的布谷鸟算法进行求解：首先在莱维飞行阶段，分别从种群整体、当代最优、自身个体中抽取鸟巢信息，建立多种位置更新模式；其次，采用动态机制控制发现概率；最后通过计算每个鸟巢的目标函数值，来找到最优解。2.根据权利要求1所述的一种基于改进布谷鸟算法的集装箱船舶配载优化方法，其特征在于：所述数学模型包括目标函数及约束条件；目标函数如下：其中，第一部分表示完成配载所需的水平运输时间最短；第二部分表示堆场翻箱时间最短；第三部分表示岸桥完成装卸任务所用的时间，其中α1，α2，α3均为大于零的权重系数；约束条件如下：约束条件如下：约束条件如下：约束条件如下：约束条件如下：约束条件如下：约束条件如下：约束条件如下：约束条件如下：约束条件如下：x
ip
，z
ip
＝0或1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)约束(2)、(3)为箱位限制约束，其中，式(2)表示每个集装箱只能被配载到一个船箱位上；式(3)表示每个船箱位只能配载一个集装箱；式(4)表示待装集装箱离开箱区必须符合桥吊作业的时间安排；式(5)表示箱区集装箱轻不压重的堆垛要求；式(6)表示位于同一堆
栈不同层数的待装集装箱离开箱区的先后顺序和翻箱的关系；式(7)表示待装集装箱在船舶箱位紧挨着的下方有集装箱即不能悬空；式(8)表示待装集装箱与船舶贝位的匹配满足预配要求；式(9)表示船舶贝位同列集装箱的装载重量不能超过单列额定重量；式(10)表示确保离场集装箱数量与待装集装箱数量相同；式(11)表示箱区作业量限制，防止作业量过大；式(12)决策变量类型；式(13)表示相关变量的取值范围；c为列号，c＝1,2,
…
C；r为层号，r＝1，2，
…
R；b1为堆场箱区编号，b1＝1，2，
…
B1；b2为堆场箱区区块编号，b2＝1，2，
…
B2；b3为堆场小箱区编号，b3＝1，2，
…
B3；b为堆场箱区具体编号，b＝(b1，b2，b3)；i,j为码头堆场待装集装箱编号，i＝1，2
…
，I，j＝1,2,
…
J；m为贝位号，m＝1，2，
…
M；p为待装船集装箱的船箱位编号，p＝1，2，
…
，P；ε
p
为堆场箱位p的开始装箱时间；U(p)为位于船舶箱位p(k，c，r)同贝同列上一层p(k，c...

【专利技术属性】
技术研发人员：黄鹏飞，王永金，陈麒龙，储雨峰，张宁，
申请(专利权)人：集美大学，
类型：发明
国别省市：