一种基于改进的HFW-AGA算法的船货双边匹配方法组成比例

本发明专利技术提供一种基于改进的HFW

【技术实现步骤摘要】
一种基于改进的HFW
‑
AGA算法的船货双边匹配方法


[0001]本专利技术涉及船货匹配
，具体而言，尤其涉及一种基于改进的HFW
‑
AGA算法的船货双边匹配方法。

技术介绍

[0002]随着全球化的发展和贸易的增加，船运业的需求量不断增加。根据国际海事组织(IMO)的数据，2019年全球海上货运量达到了11.1亿吨，同比增长2.7％。在过去，很多船舶都是单独进行运营，而货主在寻找合适的船舶进行运输时，往往需要进行多次洽谈和协商。这种方式效率低下，成本高昂，同时也使得船舶运力无法得到充分利用。随着信息技术的发展，互联网平台、数字化物流服务等方面的创新，船货匹配得以实现。通过互联网平台，货主可以将货物信息快速发布给潜在的船东，并通过在线交流和协商，快速达成交易。船货匹配不仅提高了船舶运力的利用率，也为货主和船东带来了更好的运营效率和体验。
[0003]船货匹配时假设某船东规划了一艘船舶的运输目标方向(即有明确的目标时间、港口)，如何在平台提供的大量货物需求中选择某些配载货物、规划合理配载路线，使自己能够对整体匹配结果满意的同时加快船货双方沟通效率。解决船货匹配问题的方法是首先对问题进行分析后建模，之后对该模型选择合适的算法进行求解。但由于船货匹配问题的复杂性和数据不确定性，传统的数学优化方法往往难以解决此问题。因此，设计和优化智能算法成为实现船货匹配精准和高效的重要手段。
[0004]智能算法是一种基于人工智能的算法，具有自适应、自学习和自优化的特点，能够适应不同的问题和数据，通过持续学习和优化来提高匹配效率和精度。常用的智能算法包括遗传算法(Genetic Algorithm,GA)、粒子群算法(Particle Swarm Optimization,PSO)和蚁群算法(Ant Colony Optimization,ACO)等。这些算法可用于解决船货匹配问题中的不确定性和复杂性，并可针对具体问题进行优化和改进。
[0005]遗传算法是一种基于遗传进化和自然选择的优化算法，主要用于求解复杂的优化问题。在船货匹配问题中，遗传算法可以将船舶和货物编码成染色体，通过交叉和变异等遗传操作产生新的个体，并根据适应度函数进行选择和淘汰，最终得到最优解。遗传算法具有较强的全局搜索能力，可以找到全局最优解。遗传算法可以处理离散、连续和混合变量，适用于各种类型的船货匹配问题并且可以处理大规模的问题。
[0006]粒子群优化算法是一种基于群体智能的优化算法，主要用于求解连续优化问题。在船货匹配问题中，可以将船舶和货物的属性作为变量，将船货匹配的目标函数作为优化目标，通过粒子的位置和速度来搜索最优解。但是船货匹配问题中，船舶和货物的属性通常是离散的，难以使用连续优化算法进行求解。而粒子群优化算法对于离散变量的处理较为困难，故不适合用来解决船货匹配问题。
[0007]蚁群算法是一种基于蚂蚁行为的优化算法，主要用于求解组合优化问题。在船货匹配问题中，可以将货物看作食物，将船只看作蚂蚁，通过模拟蚂蚁的行为来搜索最优解。但是蚂蚁的搜索行为容易受到信息素强度的影响，如果信息素强度不恰当，蚂蚁可能会陷
入局部最优解，而无法跳出去找到全局最优解。
[0008]综上所述，由于船货匹配是离散型问题，且规模较大，需要在匹配过程做动态调整参数来适应，因此可以选择遗传类的算法来解决船货匹配问题。目前针对船货匹配问题的求解研究中，遗传算法作为一种基于自然界遗传进化过程的全局优化算法，得到了广泛的应用。自适应遗传算法(Adaptive Genetic Algorithm,AGA)是一种改进的遗传算法，主要是针对遗传算法的一些缺陷进行改进。自适应遗传算法的主要特点是基于自适应性，通过自适应地调整交叉率、变异率等算法参数，来适应不同问题的特性，从而得到更优的解。AGA能够模拟自然进化过程进行优化搜索，能够从多个角度搜索变量和约束条件，找到更优的船货解决方案。然而AGA容易陷入局部最优解且早熟。

技术实现思路

[0009]针对自适应遗传算法求解出的船货匹配方案中船东和货主满意度较低问题，结合烟花算法和自适应遗传算法，设计改进的HFW
‑
AGA算法，使得改进后的算法可以提高船东和货主的满意度。
[0010]本专利技术采用的技术手段如下：
[0011]一种基于改进的HFW
‑
AGA算法的船货双边匹配方法，包括：
[0012]获取船舶和货物数据，将数据的属性集合转化为变量，构建船货匹配模型；
[0013]结合烟花算法和自适应遗传算法，设计改进的HFW
‑
AGA算法；
[0014]基于改进的HFW
‑
AGA算法，对构建的船货匹配模型进行求解。
[0015]进一步地，所述获取船舶和货物数据，将数据的属性集合转化为变量，构建船货匹配模型，包括：
[0016]设船舶集合T＝{t1,t2,t3,...t
j
}，货物集合C＝{c1,c2,c3,...c
i
}
[0017]其中，j为船舶ID，i为货物ID；t
j
的属性集合包括船舶ID、途径港口p
i
、可承载货物类型载重吨承载体积船舶起始港口船舶目的港口船龄船舶空船期开始船舶空船期结束c
i
的属性集包括货物ID，货物类型运费c
out
、积载因子j
z
、受载期开始受载期结束装货港卸货港船舶的承载方案集合为S
C
；
[0018]设定整体目标约束条件为船舶的载货体积、重量、运载到达时间和货物的承载期以及船舶类型和货物类型以及货物所在港口是否属于船舶的途径港口，其中包括：
[0019]所有匹配的货物重量之和与所有货物体积之和不得超过船舶的承载重量和承载体积：
[0020][0021][0022]运载到达时间窗口约束：
[0023][0024]船舶承载期与货物的受载期约束：
[0025][0026]条件货物所在港口属于途径港口：
[0027][0028]货物类型符合船舶运载类型：
[0029][0030]根据所述变量和约束条件，量化船东和货主对匹配方案的满意度，船东满意度因素从航行净收益，滞期率，船舶利用率考虑，对货主满意度因素从成本、货物安全、运输时效考虑得出最终的船货匹配模型，如下所示：
[0031][0032]进一步地，所述结合烟花算法和自适应遗传算法，设计改进的HFW
‑
AGA算法，包括：
[0033]结合烟花算法局部寻优的结果进行自适应遗传算法AGA的初始解迭代；
[0034]利用烟花算法迭代计算每个货物的航运潜力，将计算结果作为自适应遗传算法AGA中变异操作的选择变异点位置的度量，增强对港口货物间的局部探索。
[0035]进一步地，对烟花爆炸算子进行设计，如下：
[0036]设定爆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的HFW
‑
AGA算法的船货双边匹配方法，其特征在于，包括：获取船舶和货物数据，将数据的属性集合转化为变量，构建船货匹配模型；结合烟花算法和自适应遗传算法，设计改进的HFW
‑
AGA算法；基于改进的HFW
‑
AGA算法，对构建的船货匹配模型进行求解。2.根据权利要求1所述的基于改进的HFW
‑
AGA算法的船货双边匹配方法，其特征在于，所述获取船舶和货物数据，将数据的属性集合转化为变量，构建船货匹配模型，包括：设船舶集合T＝{t1,t2,t3,...t
j
}，货物集合C＝{c1,c2,c3,
…
c
i
}其中，j为船舶ID，i为货物ID；t
j
的属性集合包括船舶ID、途径港口p
i
、可承载货物类型载重吨承载体积船舶起始港口船舶目的港口船龄船舶空船期开始船舶空船期结束c
i
的属性集包括货物ID，货物类型运费c
out
、积载因子j
z
、受载期开始受载期结束装货港卸货港船舶的承载方案集合为S
C
；设定整体目标约束条件为船舶的载货体积、重量、运载到达时间和货物的承载期以及船舶类型和货物类型以及货物所在港口是否属于船舶的途径港口，其中包括：所有匹配的货物重量之和与所有货物体积之和不得超过船舶的承载重量和承载体积：所有匹配的货物重量之和与所有货物体积之和不得超过船舶的承载重量和承载体积：运载到达时间窗口约束：船舶承载期与货物的受载期约束：条件货物所在港口属于途径港口：货物类型符合船舶运载类型：根据所述变量和约束条件，量化船东和货主对匹配方案的满意度，船东满意度因素从航行净收益，滞期率，船舶利用率考虑，对货主满意度因素从成本、货物安全、运输时效考虑得出最终的船货匹配模型，如下所示：
3.根据权利要求1所述的基于改进的HFW
‑
AGA算法的船货双边匹配方法，其特征在于，所述结合烟花算法和自适应遗传算法，设计改进的HFW
‑
AGA算法，包括：结合烟花算法局部寻优的结果进行自适应遗传算法AGA的初始解迭代；利用烟花算法的迭代计算每个货物的航运潜力，将计算结果作为自适应遗传算法AGA中变异操作的选择变异点位置的度量，增强对港口货物间的局部探索。4.根据权利要求1所述的基于改进的HFW
‑
AGA算法的船货双边匹配方法，其特征在于，对烟花爆炸算子进行设计，如下：设定爆炸次数：将爆炸振幅表示为探索货物目的港口的最大长度；设定火花数：将火花数表示为每经过一次港口增加的种群数量；爆炸位移操作：将当前烟花货物目的港口的货物随机选择并加入到烟花结构中构成位移后的烟花；设定烟花适应度函数：为了评估货物的运载潜力，货物i的自身潜力计算如下公式所示：F
i
＝∑
i∈m
f
i
迭代过程后，假设计算的初始烟花的火花数为S，爆炸振幅为R，则终代烟花种群会有S
R
个烟花；计算每个烟花个体的适应度，取烟花种群中适应度的最大值作为货物的潜力值，依次对港口内M个货物进行迭代爆炸搜索，搜索完成后通过softmax函数将M个货物的适应度值进行归一化，并作为M个货物的运载潜力值，则第i个货物的运载潜力值计算过程如下公式所示：5.根据权利要求1所述的基于改进的HFW
‑
AGA算法的船货双边匹配方法，其特征在于，对自适应遗传算法AGA进行改...

【专利技术属性】
技术研发人员：张俊，李茜茜，周新，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：