CN110544019A - 一种面向智能船舶的集装箱货物配载方法及系统 - Google Patents
一种面向智能船舶的集装箱货物配载方法及系统 Download PDFInfo
- Publication number
- CN110544019A CN110544019A CN201910750053.8A CN201910750053A CN110544019A CN 110544019 A CN110544019 A CN 110544019A CN 201910750053 A CN201910750053 A CN 201910750053A CN 110544019 A CN110544019 A CN 110544019A
- Authority
- CN
- China
- Prior art keywords
- cross
- crossed
- solution
- stowage
- scheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及船舶智能化领域,尤其是一种面向智能船舶的集装箱货物配载方法及系统,该方法包括以下步骤:先建立数学模型,确定初始配载方案、待交叉个体、待交叉粒子群和终止条件;然后利用适应度函数计算得到交叉个体和交叉粒子群;再在初始配载方案中对待交叉个体和交叉个体进行交叉,待交叉粒子群和交叉粒子群进行交叉后,经筛选比较得到群体交叉配载方案,再然后在群体交叉配载方案中进行变异后,经筛选比较得到变异配载方案,最后若变异配载方案满足终止条件,则输出变异配载方案;在整个算法中通过对初始配载方案进行多次的交叉、变异处理后筛选得到符合要求的配载方案,实现了集装箱货物的自动配载,减少倒箱量的产生,提高智能化的水平。
Description
技术领域
本发明涉及船舶智能化领域,尤其是一种面向智能船舶的集装箱货物配载方法及系统。
背景技术
随着网络和信息技术的发展,船舶自动化、控制及通信等技术迅速提升,船舶智能化发展已具备技术可行性。智能船舶的发展将能有效解决船舶在节能减排、人力成本和船舶安全性等方面面临的主要问题。现有的技术中大都靠人的经验来对货物和货舱的配载,存在整体智能化水平低的问题。
发明内容
(一)要解决的技术问题
本发明提供了一种面向智能船舶的集装箱货物配载方法及系统,旨在解决依靠人的经验来进行货物与货舱的配载和智能化水平低的问题。
(二)技术方案
为了解决上述问题,本发明提供的一种面向智能船舶的集装箱货物配载方法包括以下步骤:
S1:以倒箱量和船舶稳性为目标建立数学模型;
S2:利用与集装箱和货舱相关的数字配载数据将集装箱和货舱进行随机配载得到一个初始配载方案,确定所述初始配载方案中作为待交叉个体的个体和作为待交叉粒子群的粒子群,设定终止条件;
S3:利用适应度函数对所述初始配载方案中的个体和粒子群进行计算,得到各自的适应度,根据所述适应度选择所述个体作为交叉个体,选择所述粒子群作为交叉粒子群;
S4:所述待交叉个体和所述交叉个体组成交叉原解,所述待交叉个体和所述交叉个体进行交叉后,所述待交叉个体成为待交叉个体新解,所述交叉个体成为交叉个体新解,所述待交叉个体新解和所述交叉个体新解组成交叉新解;
S5:用所述数学模型分别对所述交叉新解和所述交叉原解进行计算得到各自的优劣,若所述交叉新解相对于所述交叉原解为优解,则用所述交叉新解替代所述交叉原解,所述初始配载方案更新为个体交叉配载方案;
S6:所述交叉粒子群和所述待交叉粒子群组成粒子群交叉原解,所述交叉粒子群和所述待交叉粒子群进行交叉后,所述交叉粒子群成为交叉粒子群新解,所述待交叉粒子群成为待交叉粒子群新解,所述交叉粒子群新解和所述待交叉粒子群新解组成粒子群交叉新解;
S7:用所述数学模型分别对所述粒子群交叉原解和粒子群交叉新解进行计算得到各自的优劣,若所述粒子群交叉新解相对于所述粒子群交叉原解为优解,则所述粒子群交叉新解替代所述粒子群交叉原解,所述个体交叉配载方案更新为群体交叉配载方案;
S8:在所述群体交叉配载方案内进行变异得到第一配载方案,用所述数学模型分别对所述第一配载方案和所述群体交叉配载方案进行计算得到各自的优劣,若所述第一配载方案相对于所述群体交叉配载方案为优解,则将所述第一配载方案作为变异配载方案;
S9:若所述变异配载方案满足所述终止条件,则将变异配载方案作为集装箱和货舱的配载方案输出。
优选地,所述步骤S9还包括:若所述变异配载方案不满足所述终止条件,则返回所述步骤S3并将所述变异配载方案作为新的所述初始配载方案进行迭代。
优选地,所述步骤S2具体为:
对所有需要装载的集装箱进行编码,将所述编码与货舱内的箱位一一对应;
多个所述箱位组成编码串,多个所述编码串组成备位,所有所述备位组成所述初始配载方案;
在每个所述备位中随机确定一个所述编码串作为所述待交叉个体,在所述初始配载方案中随机确定一个所述备位作为所述待交叉粒子群,设定所述终止条件。
优选地,所述个体对应所述编码串,所述粒子群对应所述备位,所述步骤S3具体为:
用所述适应度函数对所述初始配载方案中的所述编码串和所述备位进行计算,得到编码串的适应度和备位的适应度;
根据所述编码串的适应度,在每个所述备位中都选择一个所述编码串作为交叉个体;
根据所述备位的适应度在所述初始配载方案中选择一个所述备位作为交叉粒子群;
其中所述备位包括有被选中作为所述交叉个体的所述编码串、被选中作为所述待交叉个体的所述编码串和未被选中的所述编码串,所述初始配载方案包括有被选中作为所述交叉粒子群的所述备位、被选中作为所述待交叉粒子群的所述备位和未被选中的所述备位。
优选地,所述步骤S4具体为:
同一个所述备位内的所述交叉个体和所述待交叉个体作组成一个所述交叉原解;
同一个所述备位内与所述待交叉个体相对应的所述编码串中的所述编码和与所述交叉个体相对应的所述编码串中的所述编码随机地互换,互换完成后,所述待交叉个体成为所述待交叉个体新解,所述交叉个体成为所述交叉个体新解,所述待交叉个体新解和所述交叉个体新解组成所述交叉新解;
在所述步骤S5之后,所述步骤S6之前还包括:
S51:将所述交叉个体新解作为新的所述待交叉个体进行替代。
优选地,所述步骤S6中所述待交叉粒子群与所述交叉粒子群交叉,具体为:
与所述待交叉粒子群对应的所述备位内的所有所述编码串和与所述交叉粒子群对应的所述备位内所有所述编码串进行交叉;
在所述步骤S7之后,所述步骤S8之前还包括:
S71:将所述交叉粒子群新解作为新的所述待交叉粒子群进行替代。
优选地,在所述步骤S8中:在所述群体交叉配载方案内进行变异为:
在每个所述备位中随机选取多个所述编码串,然后在所述编码串之间进行所述编码的互换。
优选地,所述步骤S5还包括:
若所述交叉新解相对于所述交叉原解为非劣解,保留所述交叉原解和所述交叉新解;
若所述交叉新解相对于所述交叉原解为劣解,则舍弃所述交叉新解。
优选地,所述步骤S7还包括:
若所述粒子群交叉新解相对于所述粒子群交叉原解为非劣解,则保留所述粒子群交叉原解和所述粒子群交叉新解;
若所述粒子群交叉新解相对于所述粒子群交叉原解为劣解,则舍弃所述粒子群交叉新解并将所述个体交叉配载方案作为所述群体交叉配载方案。
优选地,所述步骤S8还包括:
若所述第一配载方案相对于所述群体交叉配载方案为非劣解,则将所述第一配载方案和所述群体交叉配载方案作为所述变异配载方案;
若所述第一配载方案相对于所述群体交叉配载方案为劣解,则将所述群体交叉配载方案作为所述变异配载方案。
优选地,本发明还提供一种面向智能船舶的集装箱货物配载系统包括感知模块、数据模块和决策模块;
所述感知模块用于对货舱的配载信息、需要装载的集装箱的配载信息和港口集装箱的卸载需求的信息进行采集,得到配载数据;
所述数据模块用于对所述配载数据进行处理得到数字配载数据,并将所述数字配载数据储存在所述数据模块内;
所述决策模块用于根据所述数字配载数据基于多目标遗传-粒子群算法输出所述集装箱和货舱的配载方案,所述决策模块执行权利要求S1-S9中任一项所述的步骤。
优选地,所述面向智能船舶的集装箱货物配载系统还包括执行模块和交互模块;
所述感知模块还用于对货舱和货舱内货物的状态信息进行采集,得到状态数据;
所述数据模块用于对所述状态数据进行处理得到数字状态数据,并将所述数字状态数据存储在数据模块内;
所述决策模块还用于监测数字状态参数实现对货舱监测报警,货物保护监测报警,并给出处理措施;
所述执行模块输出行动方案,所述行动方案执行所述决策模块输出的所述集装箱和货舱的配载方案和所述处理措施;
所述交互模块用于输出所有货物、货舱及各个模块的状态。
(三)有益效果
本发明利用感知模块对货物、船舶的相关参数进行采集,用数据模块对数据进行处理、储存和监测,决策模块以利用多目标离散粒子群算法对货物进行优化配载计算,解决依靠人的经验来进行货物配载计算的问题,减少了倒箱量,确保了船舶的初稳性,提高了船舶装卸的效率。
附图说明
图1为面向智能船舶的集装箱货物配载方法的流程图;
图2为面向智能船舶的集装箱货物配载系统结构图。
【附图标记说明】
10:面向智能船舶的集装箱货物配载系统;1:感知模块;2:数据模块;3:决策模块。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明提供一种面向智能船舶的集装箱货物配载方法包括以下步骤:(流程图如图1所示)
在船舶配载过程中重要一环是关于箱位排箱优化的问题,箱位排箱优化的主要目标就是减少倒箱量(倒箱是指需要在第一个港口卸载的集装箱被要在第二个港口卸载的集装箱所阻拦,需要进行倒箱),其次船舶初稳性是指船舶倾角小于10度~15度或上甲板边缘开始进水前的稳性。最小化重心的垂向高度以及最小化重心到中线面的距离,从而提高船舶的初稳性以及确保船舶的左右均衡。
S1:以倒箱量和船舶初稳性为目标建立数学模型:
Ci(j+1)-Cij≤0 (3);
在上式中:
f1为极小化倒箱数量;其中pi、pj分别为第i、第j个箱位的卸载港号;eps代表一个极小的数;Round函数表示四舍五入;N为箱位数量;
f2为极小化重心位置距船舶中心的重量矩;W为一个备位(Bay位)内集装箱总重上限;Yg为备位(Bay位)重心横向坐标;Zg为备位(Bay位)重心垂向坐标。
Cij只有两个值,0或1,其中当Cij=1时,表示存在一个集装箱i被安置在j箱位上;当Cij=0时,表示不存在。
Ci(j+1)只有两个值,0或1,其中当Ci(j+1)=1时,表示存在一个集装箱i被安置在j+1箱位上;当Ci(j+1)=0时,表示不存在。
T为集装箱总数上限;R为需要装载的集装箱数量;C为船舶上可用的箱位数。
式(3)表达的意思是集装箱不可悬空,即在同一列中,如果下层未装箱,则其上所有层不得装箱。j+1箱位位于j箱位的上面,当Cij和Ci(j+1)都为0或都为1的时候,条件成立,若Ci(j+1)大于Cij,则表示j+1箱位上有集装箱,而j箱位上没有集装箱,条件就不成立。
针对上述问题,采用一种基于多目标遗传-粒子群算法,以倒箱量、重心横向偏移和初稳性高为目标,以箱位与备位(Bay位)的一致和备位(Bay位)质量为约束条件的数学模型,对集装箱配载问题进行了优化求解,具体实现步骤如图1。
S2:利用与集装箱和货舱相关的数字配载数据将集装箱和货舱进行随机配载得到一个初始配载方案,确定初始配载方案中作为待交叉个体的个体和作为待交叉粒子群的粒子群,设定终止条件,设定进化代数初始值为零。
优选的方案为:对所有需要装载的集装箱进行编码,将编码与货舱内的箱位一一对应,多个箱位组成编码串,多个编码串组成备位(Bay位),所有备位(Bay位)组成初始配载方案,在每个备位(Bay位)中随机确定一个编码串作为待交叉个体,在初始配载方案中随机确定一个备位(Bay位)作为待交叉粒子群,设定终止条件。
基于随机策略,按照上述规则可生成初始配载方案,即得到一些列的待交叉个体,最终可得到待交叉粒子群,终止条件为进化代数达到设定值或倒箱量的数量小于设定值且船舶的初稳性参数在可靠值之内,即进化到一定代数之后或倒箱量小于设定值后,就可得到最优解。在生成初始配载方案时作如下处理:
1.随机生成初始配载方案时,用一个三维数组来模拟船舶货舱内的箱位行列层数,为了避免20ft箱压40ft箱的情况,先配载20ft箱,后配载40ft箱,因此先将所有待配载的集装箱中20ft箱和40ft箱分别随机生成一个序列,然后合起来生成一个一维数组序列。
2.将集装箱船舶的三个备位(Bay位)作为一个位组,例如01,02,03、05,06,07等,按照从船舶中间到船舶首尾方向的备位(Bay位)排序,生成一个位序列,集装箱以备位(Bay位)组为单位进行装载。
3.集装箱的装载顺序:从舱盖下的箱位块开始装载,然后是舱盖上的箱位块,从中间到两舷的顺序装入备位(Bay位)序列,备位(Bay位)组也是由船舶中间向首尾排序装载。
4.为了能够更快的得到满意的配载方案,在生成初始配载方案,按照后到港箱在前配载,先到港箱在后配载,这样在装载的时候,可以尽量避免倒箱操作,以提高遗传算法的运行效率。
S3:利用适应度函数对初始配载方案中的个体和粒子群进行计算出各自的适应度,根据适应度选择个体作为交叉个体,选择粒子群作为交叉粒子群。
优选的实施例中,基于配载问题实际,选择下面的适应度函数表达式:
F(X)=L-Z-λp
F(X)为适应度函数,L是一个充分大的整数,Z是以倒箱量为目标的函数,λp为罚函数;当配载方案满足船舶初稳性高度、船舶吃水差以及配载布局性能约束时,P=0;否则P为与违反相关约束程度的大小成正比的一个正数。λ为罚因子,它的值根据情况多次试算来确定。罚函数的意义在于,当船舶配载方案不满足约束时,通过罚函数降低其适应度,这样经过多次进化,可逐渐将其淘汰掉,得到既满足约束条件,适应度又优良的个体。
个体对应编码串,粒子群对应备位(Bay位),用适应度函数对初始配载方案中的编码串和备位(Bay位)进行计算,得到编码串的适应度和备位(Bay位)的适应度,根据编码串的适应度的大小,在每个备位(Bay位)中都选择一个适应度最大的编码串作为交叉个体,根据备位(Bay位)的适应度大小,在初始配载方案中选择一个适应度最大的备位(Bay位)作为交叉粒子群;备位(Bay位)包括有被选中作为交叉个体的编码串、被选中作为待交叉个体的编码串和未被选中的编码串,初始配载方案包括有被选中作为交叉粒子群的备位(Bay位)、被选中作为待交叉粒子群的备位(Bay位)和未被选中的备位(Bay位)。
S4:待交叉个体和交叉个体组成交叉原解,待交叉个体和交叉个体进行交叉后,待交叉个体成为待交叉个体新解,交叉个体成为交叉个体新解,待交叉个体新解和交叉个体新解组成交叉新解。
同一个备位(Bay位)内的交叉个体和待交叉个体作组成一个交叉原解,同一个备位(Bay位)内与待交叉个体相对应的编码串中的编码和与交叉个体相对应的编码串中的编码随机地互换,互换完成后,待交叉个体成为待交叉个体新解,交叉个体成为交叉个体新解,待交叉个体新解和交叉个体新解组成交叉新解。
在优选的实施方案中,由于编码串长度较长,所以这里的交叉操作采用多点交叉,以三点交叉为例,在编码串上设定随机生成三个交叉点,将编码串分为4部分,依据自适应交叉概率将两个编码串的相应部分进行交换。
S5:用数学模型分别对交叉新解和交叉原解进行计算得到各自的优劣,在优选的实施方案中用在同一个备位(Bay位)内分别对交叉新解和交叉原解进行倒箱量的计算,根据得到倒箱量判断各自的优劣。
若交叉新解的倒箱量小于交叉原解即交叉新解相对于交叉原解为优解,则用交叉新解替代交叉原解,对备位(Bay位)内的与交叉个体和待交叉个体相对应的编码串进行更新;
若交叉新解的倒箱量等于交叉原解的倒箱量即交叉新解相对于交叉原解为非劣解(此情况未在图1中表示),此时的备位(Bay位)有两种方案,一种是用交叉新解替代交叉原解,对备位(Bay位)内的与交叉个体和待交叉个体相对应的编码串进行更新;另一种是舍弃交叉新解,保留交叉原解,不对备位(Bay位)内的编码串进行更新;
若交叉新解的倒箱量大于交叉原解的倒箱量即交叉新解相对于交叉原解为劣解(此情况未在图1中表示),则舍弃交叉新解,保留交叉原解,不对备位(Bay位)内的编码串进行更新;
对所有备位(Bay位)内的待交叉个体和交叉个体完成交叉处理后,将初始配载方案更新为个体交叉配载方案。
S6:交叉粒子群和待交叉粒子群组成粒子群交叉原解,交叉粒子群和待交叉粒子群进行交叉,即与待交叉粒子群对应的备位(Bay位)内所有的编码串和与交叉粒子群对应备位(Bay位)内所有编码串进行交叉,交叉完成后,交叉粒子群成为交叉粒子群新解,待交叉粒子群成为待交叉粒子群新解,交叉粒子群新解和待交叉粒子群新解组成粒子群交叉新解。
S7:用数学模型分别对粒子群交叉原解和粒子群交叉新解进行计算得到各自的优劣,在优选的实施方案中用对粒子群交叉原解和粒子群交叉新解进行倒箱量的计算,根据得到倒箱量判断各自的优劣。
若粒子群交叉新解相对于粒子群交叉原解为优解,则粒子群交叉新解替代粒子群交叉原解,对与交叉粒子群和待交叉粒子群相对应的备位(Bay位)进行更新,个体交叉配载方案更新为群体交叉配载方案。此时的群体交叉配载方案包括有粒子群交叉新解和未进行粒子群之间交叉的备位。
若粒子群交叉新解相对于粒子群交叉原解为非劣解(此情况未在图1中表示),此时与交叉粒子群和待交叉粒子群相对应的备位(Bay位)有两种方案,一种是用粒子群交叉新解替代粒子群交叉原解,对与交叉粒子群和待交叉粒子群相对应的备位(Bay位)进行更新,个体交叉配载方案更新为群体交叉配载方案,此时的群体交叉配载方案包括有粒子群交叉新解和未进行粒子群之间交叉的备位。;另一种是舍弃粒子群交叉新解,保留粒子群交叉原解,不对相应的备位(Bay位)进行更新,个体交叉配载方案作为群体交叉配载方案,此时群体交叉配载方案包括有粒子群交叉原解和未进行粒子群之间交叉的备位。
若粒子群交叉新解相对于粒子群交叉原解为劣解(此情况未在图1中表示),则舍弃粒子群交叉新解,保留粒子群交叉原解,不对相应的备位(Bay位)进行更新,个体交叉配载方案作为群体交叉配载方案,此时群体交叉配载方案包括有粒子群交叉原解和未进行粒子群之间交叉的备位。
S8:在群体交叉配载方案内进行变异得到第一配载方案,即在每个备位(Bay位)中随机选取多个编码串,然后在编码串之间进行编码的互换,同时要先判断互换的编码的箱位类型是否一样,即交换的两个集装箱位必须都是20ft或者40ft的箱位。另外,考虑到编码串较长,采用多次交换变异,可以取值8-10次。
用数学模型分别对第一配载方案和群体交叉配载方案进行计算得到各自的优劣,在优选的实施方案中用对第一配载方案和群体交叉配载方案进行倒箱量的计算,根据得到倒箱量判断各自的优劣。
若第一配载方案相对于群体交叉配载方案为优解,则将第一配载方案作为变异配载方案。
若第一配载方案相对于群体交叉配载方案为非劣解(此情况未在图1中表示),则将第一配载方案和群体交叉配载方案作为变异配载方案。
若第一配载方案相对于群体交叉配载方案为劣解(此情况未在图1中表示),则舍弃第一配载方案,将群体交叉配载方案作为变异配载方案。
当完成变异处理后进化代数加1。
S9:若变异配载方案满足终止条件,则将变异配载方案作为集装箱和货舱的配载方案输出,同时输出配载方案的迭代过程图和相应的路径;若变异配载方案不满足终止条件,则返回步骤S3并将变异配载方案作为新的初始配载方案进行迭代。
在优选的方案中,终止条件可以为进化代数是否达到设定值或者变异配载方案中的倒箱量以及船舶初稳性是否满足要求。
在步骤S5之后,步骤S6之前还包括有:
S51(此情况未在图1中表示):同一个备位(Bay位)内,待交叉个体和交叉个体进行交叉处理后,若产生了交叉个体新解,则将交叉个体新解作为新的待交叉个体进行替代;若未产生交叉个体新解,则待交叉个体不发生变化。
在步骤S7之后,步骤S8之前还包括有:
S71(此情况未在图1中表示):在待交叉粒子群与交叉粒子群进行交叉处理后,有交叉粒子群新解产生则将交叉粒子群新解作为新的待交叉粒子群进行替代;若没有交叉粒子群新解产生,则待交叉粒子群不发生变化。
将上述算法仿真如下:
假设某配载船舶从港口0出发,依次途径港口1-2-3-4-5,在港口0处装载869个集装箱,途经各个港口的订舱信息总结表如表1:
表1:
经过不同迭代次数各项参数的对比如下表:
表2:
经过上表可得,进化代数为100时,可达到最优解。
优化后的配载结果,以其中一个备位(Bay位)为例,如表3所示,其中,表3中的正整数为集装箱的编号,-1代表此此处已放置集装箱,无法继续放置。
表3:
-1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 |
-1 | -1 | -1 | -1 | 1023 | 879 | 986 | 1158 | -1 | -1 | -1 | -1 |
-1 | -1 | -1 | -1 | 761 | 528 | 1365 | 916 | -1 | -1 | -1 | -1 |
-1 | -1 | -1 | 96 | 1089 | 496 | 562 | 1187 | -1 | -1 | -1 | -1 |
-1 | -1 | 120 | 89 | 206 | 199 | 316 | 213 | 469 | 267 | -1 | -1 |
-1 | -1 | 530 | 153 | 177 | 110 | 214 | 837 | 513 | 458 | -1 | -1 |
-1 | -1 | 169 | 756 | 206 | 319 | 243 | 429 | 691 | 368 | -1 | -1 |
-1 | -1 | 963 | 986 | 183 | 303 | 165 | 637 | 68 | -1 | -1 | -1 |
-1 | -1 | -1 | -1 | 337 | 134 | 546 | 362 | 99 | -1 | -1 | -1 |
-1 | -1 | -1 | -1 | -1 | 567 | 996 | -1 | -1 | -1 | -1 | -1 |
如图2所示,本发明还提供一种面向智能船舶的集装箱货物配载系统10包括感知模块1、数据模块2和决策模块3;
感知模块1用于对货舱的配载信息、需要装载的集装箱的配载信息和港口集装箱的卸载需求的信息进行采集,得到配载数据。具体地,货舱的配载信息包括有货舱内箱位的使用情况、货舱大小、货舱的类型和货舱的受力状况等。集装箱的配载信息包括有集装箱的大小、重量、类型和卸载港号等。
数据模块2用于对配载数据进行处理得到所述数字配载数据,并将所述数字配载数据储存在数据模块内;
决策模块3用于根据所述数字配载数据基于多目标遗传-粒子群算法得到集装箱和货舱的配载方案,决策模块执行所述S1-S9中任一项的步骤。
面向智能船舶的集装箱货物配载系统还包括执行模块和交互模块,(注意执行模块和交互模块未在图2中表示)。
感知模块1还用于对货舱和货舱内货物的状态信息进行采集,得到状态数据。货舱的状态信息包括有货舱进水情况,货舱温度、湿度与气压,货舱内易燃易爆和有毒气体,货舱载货量,压载舱压载水量,货舱盖水密性,货舱关键部位弯矩、剪力和应力等。货物状态信息包括有货物移动情况,易燃易爆危险品温度与压力,液货舱液位等
数据模块2还用于对状态数据进行处理得到数字状态数据,并将数字状态数据存储在数据模块2内;
决策模块3还用于监测数字状态数据实现对货舱监测报警,货物保护监测报警,并给出处理措施;
执行模块用于执行决策模块输出的集装箱和货舱的配载方案和处理措施。
交互模块用于输出所有货物、货舱、感知模块、数据模块、决策模块、执行模块和交互模块的状态。输出的数据或信息对不同工作人员设置不同的权限,保证系统安全性;包括人性化的移动用户端的无线接入与单点登录方式,以及对工作站形式的桌面应用客户端主机及其显示器等的统一桌面集成,还有所需的网络管控、正常电源、应急电源、接地系统等平台条件、环境条件。
需要理解的是,以上对本发明的具体实施例进行的描述只是为了说明本发明的技术路线和特点,其目的在于让本领域内的技术人员能够了解本发明的内容并据以实施,但本发明并不限于上述特定实施方式。凡是在本发明权利要求的范围内做出的各种变化或修饰,都应涵盖在本发明的保护范围内。
Claims (12)
1.一种面向智能船舶的集装箱货物配载方法,其特征在于,所述集装箱货物配载方法包括以下步骤:
S1:以倒箱量和船舶初稳性为目标建立数学模型;
S2:利用与集装箱和货舱相关的数字配载数据将集装箱和货舱进行随机配载得到一个初始配载方案,确定所述初始配载方案中作为待交叉个体的个体和作为待交叉粒子群的粒子群,设定终止条件;
S3:利用适应度函数对所述初始配载方案中的个体和粒子群进行计算,得到各自的适应度,根据所述适应度选择所述个体作为交叉个体,选择所述粒子群作为交叉粒子群;
S4:所述待交叉个体和所述交叉个体组成交叉原解,所述待交叉个体和所述交叉个体进行交叉后,所述待交叉个体成为待交叉个体新解,所述交叉个体成为交叉个体新解,所述待交叉个体新解和所述交叉个体新解组成交叉新解;
S5:用所述数学模型分别对所述交叉新解和所述交叉原解进行计算得到各自的优劣,若所述交叉新解相对于所述交叉原解为优解,则用所述交叉新解替代所述交叉原解,所述初始配载方案更新为个体交叉配载方案;
S6:所述交叉粒子群和所述待交叉粒子群组成粒子群交叉原解,所述交叉粒子群和所述待交叉粒子群进行交叉后,所述交叉粒子群成为交叉粒子群新解,所述待交叉粒子群成为待交叉粒子群新解,所述交叉粒子群新解和所述待交叉粒子群新解组成粒子群交叉新解;
S7:用所述数学模型分别对所述粒子群交叉原解和粒子群交叉新解进行计算得到各自的优劣,若所述粒子群交叉新解相对于所述粒子群交叉原解为优解,则所述粒子群交叉新解替代所述粒子群交叉原解,所述个体交叉配载方案更新为群体交叉配载方案;
S8:在所述群体交叉配载方案内进行变异得到第一配载方案,用所述数学模型分别对所述第一配载方案和所述群体交叉配载方案进行计算得到各自的优劣,若所述第一配载方案相对于所述群体交叉配载方案为优解,则将所述第一配载方案作为变异配载方案;
S9:若所述变异配载方案满足所述终止条件,则将所述变异配载方案作为集装箱和货舱的配载方案输出。
2.如权利要求1所述的面向智能船舶的集装箱货物配载方法,其特征在于,所述步骤S9还包括:若所述变异配载方案不满足所述终止条件,则返回所述步骤S3并将所述变异配载方案作为新的所述初始配载方案进行迭代。
3.如权利要求1或2所述的面向智能船舶的集装箱货物配载方法,其特征在于,所述步骤S2具体为:
对所有需要装载的集装箱进行编码,将所述编码与货舱内的箱位一一对应;
多个所述箱位组成编码串,多个所述编码串组成备位,所有所述备位组成所述初始配载方案;
在每个所述备位中随机确定一个所述编码串作为所述待交叉个体,在所述初始配载方案中随机确定一个所述备位作为所述待交叉粒子群,设定所述终止条件。
4.如权利要求3所述的面向智能船舶的集装箱货物配载方法,其特征在于,所述个体对应所述编码串,所述粒子群对应所述备位,所述步骤S3具体为:
用所述适应度函数对所述初始配载方案中的所述编码串和所述备位进行计算,得到编码串的适应度和备位的适应度;
根据所述编码串的适应度,在每个所述备位中都选择一个所述编码串作为交叉个体;
根据所述备位的适应度在所述初始配载方案中选择一个所述备位作为交叉粒子群;
其中所述备位包括有被选中作为所述交叉个体的所述编码串、被选中作为所述待交叉个体的所述编码串和未被选中的所述编码串,所述初始配载方案包括有被选中作为所述交叉粒子群的所述备位、被选中作为所述待交叉粒子群的所述备位和未被选中的所述备位。
5.如权利要求4所述的面向智能船舶的集装箱货物配载方法,其特征在于,所述步骤S4具体为:
同一个所述备位内的所述交叉个体和所述待交叉个体作组成一个所述交叉原解;
同一个所述备位内与所述待交叉个体相对应的所述编码串中的所述编码和与所述交叉个体相对应的所述编码串中的所述编码随机地互换,互换完成后,所述待交叉个体成为所述待交叉个体新解,所述交叉个体成为所述交叉个体新解,所述待交叉个体新解和所述交叉个体新解组成所述交叉新解;
在所述步骤S5之后,所述步骤S6之前还包括:
S51:将所述交叉个体新解作为新的所述待交叉个体进行替代。
6.如权利要求4所述的面向智能船舶的集装箱货物配载方法,其特征在于,所述步骤S6中所述待交叉粒子群与所述交叉粒子群交叉,具体为:
与所述待交叉粒子群对应的所述备位内的所有所述编码串和与所述交叉粒子群对应的所述备位内所有所述编码串进行交叉;
在所述步骤S7之后,所述步骤S8之前还包括:
S71:将所述交叉粒子群新解作为新的所述待交叉粒子群进行替代。
7.如权利要求4所述的面向智能船舶的集装箱货物配载方法,其特征在于,在所述步骤S8中:在所述群体交叉配载方案内进行变异为:
在每个所述备位中随机选取多个所述编码串,然后在所述编码串之间进行所述编码的互换。
8.如权利要求1或2所述的面向智能船舶的集装箱货物配载方法,其特征在于,所述步骤S5还包括:
若所述交叉新解相对于所述交叉原解为非劣解,保留所述交叉原解和所述交叉新解;
若所述交叉新解相对于所述交叉原解为劣解,则舍弃所述交叉新解。
9.如权利要求1或2所述的面向智能船舶的集装箱货物配载方法,其特征在于,所述步骤S7还包括:
若所述粒子群交叉新解相对于所述粒子群交叉原解为非劣解,则保留所述粒子群交叉原解和所述粒子群交叉新解;
若所述粒子群交叉新解相对于所述粒子群交叉原解为劣解,则舍弃所述粒子群交叉新解并将所述个体交叉配载方案作为所述群体交叉配载方案。
10.如权利要求1或2所述的面向智能船舶的集装箱货物配载方法,其特征在于,所述步骤S8还包括:
若所述第一配载方案相对于所述群体交叉配载方案为非劣解,则将所述第一配载方案和所述群体交叉配载方案作为所述变异配载方案;
若所述第一配载方案相对于所述群体交叉配载方案为劣解,则将所述群体交叉配载方案作为所述变异配载方案。
11.一种面向智能船舶的集装箱货物配载系统,其特征在于,所述面向智能船舶的集装箱货物配载系统包括感知模块、数据模块和决策模块;
所述感知模块用于对货舱的配载信息、需要装载的集装箱的配载信息和港口集装箱的卸载需求的信息进行采集,得到配载数据;
所述数据模块用于对所述配载数据进行处理得到数字配载数据,并将所述数字配载数据储存在所述数据模块内;
所述决策模块用于根据所述数字配载数据基于多目标遗传-粒子群算法输出所述集装箱和货舱的配载方案,所述决策模块执行权利要求1-10中任一项所述的步骤。
12.如权利要求11所述的面向智能船舶的集装箱货物配载系统,其特征在于,所述面向智能船舶的集装箱货物配载系统还包括执行模块和交互模块;
所述感知模块还用于对货舱和货舱内货物的状态信息进行采集,得到状态数据;
所述数据模块还用于对所述状态数据进行处理得到数字状态数据,并将所述数字状态数据存储在所述数据模块内;
所述决策模块还用于监测所述数字状态数据实现对货舱监测报警,货物保护监测报警,并给出处理措施;
所述执行模块用于执行所述决策模块输出的所述集装箱和货舱的配载方案和所述处理措施;
所述交互模块用于输出所有货物、货舱、所述感知模块、所述数据模块、所述决策模块、所述执行模块和所述交互模块的状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750053.8A CN110544019B (zh) | 2019-08-14 | 2019-08-14 | 一种面向智能船舶的集装箱货物配载方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750053.8A CN110544019B (zh) | 2019-08-14 | 2019-08-14 | 一种面向智能船舶的集装箱货物配载方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110544019A true CN110544019A (zh) | 2019-12-06 |
CN110544019B CN110544019B (zh) | 2021-07-30 |
Family
ID=68711457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910750053.8A Active CN110544019B (zh) | 2019-08-14 | 2019-08-14 | 一种面向智能船舶的集装箱货物配载方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110544019B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859806A (zh) * | 2020-07-22 | 2020-10-30 | 大连陆海科技股份有限公司 | 一种面向智能船舶的液舱配载方法及系统 |
CN113205171A (zh) * | 2021-05-07 | 2021-08-03 | 柳州华世通汽车部件股份有限公司 | 一种离散二进制粒子群电机多目标优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842076A (zh) * | 2012-07-16 | 2012-12-26 | 暨南大学 | 基于物联网与云计算的集装箱物流实时监控系统及方法 |
CN107808222A (zh) * | 2017-11-13 | 2018-03-16 | 浙江大学 | 一种智能的集装箱码头装卸调度装置 |
CN109388848A (zh) * | 2018-08-30 | 2019-02-26 | 大连海事大学 | 一种基于双四十英尺岸桥的集装箱船舶配载方法 |
CN109685435A (zh) * | 2018-11-07 | 2019-04-26 | 上海图森未来人工智能科技有限公司 | 船舶卸船、装船控制系统及相关系统和装置 |
US20190138910A1 (en) * | 2017-11-03 | 2019-05-09 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for determining optimal solution in a swarm of solutions using swarm intelligence |
-
2019
- 2019-08-14 CN CN201910750053.8A patent/CN110544019B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842076A (zh) * | 2012-07-16 | 2012-12-26 | 暨南大学 | 基于物联网与云计算的集装箱物流实时监控系统及方法 |
US20190138910A1 (en) * | 2017-11-03 | 2019-05-09 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for determining optimal solution in a swarm of solutions using swarm intelligence |
CN107808222A (zh) * | 2017-11-13 | 2018-03-16 | 浙江大学 | 一种智能的集装箱码头装卸调度装置 |
CN109388848A (zh) * | 2018-08-30 | 2019-02-26 | 大连海事大学 | 一种基于双四十英尺岸桥的集装箱船舶配载方法 |
CN109685435A (zh) * | 2018-11-07 | 2019-04-26 | 上海图森未来人工智能科技有限公司 | 船舶卸船、装船控制系统及相关系统和装置 |
Non-Patent Citations (1)
Title |
---|
汪圆圆 等: "集装箱船配载的粒子群算法", 《船舶工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859806A (zh) * | 2020-07-22 | 2020-10-30 | 大连陆海科技股份有限公司 | 一种面向智能船舶的液舱配载方法及系统 |
CN111859806B (zh) * | 2020-07-22 | 2023-10-27 | 大连陆海科技股份有限公司 | 一种面向智能船舶的液舱配载方法及系统 |
CN113205171A (zh) * | 2021-05-07 | 2021-08-03 | 柳州华世通汽车部件股份有限公司 | 一种离散二进制粒子群电机多目标优化方法 |
CN113205171B (zh) * | 2021-05-07 | 2024-05-14 | 柳州华世通汽车部件股份有限公司 | 一种离散二进制粒子群电机多目标优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110544019B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ramos et al. | A new load balance methodology for container loading problem in road transportation | |
US8352404B2 (en) | Container vessel stowage planning | |
CN103544586B (zh) | 一种提高集装箱船舶稳定性和岸桥作业效率的配载方法 | |
CN110544019B (zh) | 一种面向智能船舶的集装箱货物配载方法及系统 | |
CN104680237A (zh) | 一种多约束条件下三维装箱新型遗传算法模型 | |
Jamrus et al. | Extended priority-based hybrid genetic algorithm for the less-than-container loading problem | |
CN110175402A (zh) | 车辆零部件装载方法及系统 | |
CN103246941B (zh) | 一种出口集装箱码头堆存空间调度方法 | |
CN101789093A (zh) | 一种集装箱码头泊位与岸桥分配方法 | |
Araújo et al. | Pareto clustering search applied for 3D container ship loading plan problem | |
CN110175405A (zh) | 车辆装载优化方法及系统 | |
KR101384739B1 (ko) | 컨테이너에서의 무게중심을 고려한 박스 적재 방법 | |
CN111815233B (zh) | 基于物流总量和能量消耗的货位优化方法 | |
CN111882200A (zh) | 一种考虑车辆路径与三维装箱的车货匹配方法 | |
Ayachi et al. | A Genetic algorithm to solve the container storage space allocation problem | |
CN113627642A (zh) | 基于自适应大规模邻域搜索算法的堆垛机路径优化方法 | |
CN113762899A (zh) | 一种基于混合算法的货物三维装箱方法 | |
CN110942271A (zh) | 一种基于神经网络遗传算法的智能运输调度管理方法 | |
Van Rijn et al. | Optimizing highly constrained truck loadings using a self-adaptive genetic algorithm | |
Li et al. | An integer linear programming for container stowage problem | |
CN110414119B (zh) | 一种基于改进演化算法的港口船舶贝位优化方法 | |
El Yaagoubi et al. | Multi-objective optimization of the 3D container stowage planning problem in a barge convoy system | |
Liu et al. | A Multiobjective optimization model for continuous allocation of emergency rescue materials | |
CN114841634A (zh) | 仓库货物管理方法 | |
CN114612030A (zh) | 舱位分配优化方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |