CN116384706A - 一种船舶分段驳运车辆的调度方法及系统 - Google Patents
一种船舶分段驳运车辆的调度方法及系统 Download PDFInfo
- Publication number
- CN116384706A CN116384706A CN202310491499.XA CN202310491499A CN116384706A CN 116384706 A CN116384706 A CN 116384706A CN 202310491499 A CN202310491499 A CN 202310491499A CN 116384706 A CN116384706 A CN 116384706A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- individuals
- lightering
- task
- ship
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 50
- 238000012546 transfer Methods 0.000 claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 230000002068 genetic effect Effects 0.000 claims description 20
- 238000010845 search algorithm Methods 0.000 claims description 18
- 241000544061 Cuculus canorus Species 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 14
- 230000035772 mutation Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 210000000349 chromosome Anatomy 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000008929 regeneration Effects 0.000 claims description 3
- 238000011069 regeneration method Methods 0.000 claims description 3
- 230000009182 swimming Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101150030229 nth gene Proteins 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种船舶分段驳运车辆的调度方法及系统,调度方法包括:S1:获取船舶分段驳运业务的基础数据,形成基础数据库;S2:输入的船舶分段驳运的任务信息,通过混合智能算法计算最优的分段驳运车辆‑任务分配序列;S3:根据S2得到的分段驳运车辆‑任务分配序列,形成任务清单和行驶路线,并下发指令至执行终端。本申请解决人工调度船舶分段驳运车辆难以量化判断不同方案优劣、现有算法调度船舶分段驳运车辆方案难以达到更优等问题,实现船舶分段驳运车辆的智能、高效管控。
Description
技术领域
本申请属于船舶建造领域,特别是涉及一种船舶分段驳运车辆的调度方法及系统。
背景技术
分段是船舶建造的基本单位,是船舶建造的关键中间产品,也是是船舶建造效率与质量的关键载体,通常一艘船舶由几百个分段组成,通过将各分段采用分段装焊工艺并行建造,可以缩短造船周期,提高生产效率。
分段生产过程的不同工序一般需要在不同的场地进行,因此需要在不同场地之间驳运分段,可见分段驳运业务是分段生产过程中的重要一环,关系到分段生产能否顺利进行,而分段驳运车辆分配的驳运任务是否科学合理甚至达到最优,直接影响分段的生产进度。
目前船舶分段驳运车辆的调度分为人工调度和自动调度两种方式。人工调度方式依靠个人经验,难以统筹分析全部任务相对于全部车辆的分配关系,难以预先衡量不同调度方案的时间和运输成本,无法精确量化判断不同调度方案的优劣,导致调度方案难以选择、成本难以控制。
自动调度方式依靠算法自动判断调度方案优劣,算法的计算效果直接影响最终调度方案的优劣。现有的遗传算法等单一算法容易陷入局部最优;也可通过遗传算法-禁忌搜索混合算法进行方案优化,但由遗传算法求解结果作为禁忌搜索算法的输入,禁忌搜索算法无法影响遗传算法,无法在遗传算法过程中跳出局部最优,求解结果优化程度相比于单一遗传算法提升有限。
因此,需要提供一种针对上述现有技术中的不足的进一步改进技术方案。
发明内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种船舶分段驳运车辆的调度方法及系统,用于解决现有技术中存在的车辆分配的驳运任务不合理、接驳效率低等问题。
为实现上述目的及其他相关目的,本申请提供一种船舶分段驳运车辆的调度方法,包括:
S1:获取船舶分段驳运业务的基础数据,形成基础数据库;
S2:输入的船舶分段驳运的任务信息,通过混合智能算法计算最优的分段驳运车辆-任务分配序列;
S3:根据S2得到的分段驳运车辆-任务分配序列,形成任务清单和行驶路线,并下发指令至执行终端。
在一个实施方案中,步骤S2包括:
S21:遗传算法初始化,包括设置优化目标、适应度函数、结束条件和算法参数;
S22:产生遗传算法的初始种群;
S23:任务序列和驳运车辆序列的编码与解码;
S24:计算个体适应度;
S25:判断是否达到终止条件,若是,则得到最优个体输出结果;若否,则选择当前种群的个体进行算法优化,直至得到最优个体输出结果。
在一个实施方案中,步骤S25中,所述算法优化的方法包括:
a.再生操作,在当代个体中按适应度大小排序,选择适应度最高的前k个个体直接保留至下一代;
b.选择操作,使用轮盘赌将所有个体的适应度取和,随机生成一个值,根据随机产成的值确定个体的选择;
c.交叉操作,将步骤b选择的个体进行分组,为每组个体赋予一个随机数,若随机数大于交叉概率,则对该组的两个个体进行交叉操作,得到的新个体作为下一代个体;
d.变异操作,得到的新个体作为下一代个体;
e.布谷鸟搜索算法扰动,对通过布谷鸟搜索算法得到的所有个体按适应度大小排序,选择适应度最高的前k个个体作为下一代个体;
f.重复步骤S24~S25进行迭代,直至达到终止条件,得到最优个体作为最优解输出。
在一个实施方案中,所述终止条件为:
总迭代次数达到预设值,或相邻n代最优个体适应度值差值达到预设范围,其中,n≥2。
在一个实施方案中,步骤S22中,产生遗传算法的初始种群的方式为:随机生成调度任务序列,依次为每个任务随机分配一个满足重量要求的驳运车辆,为所有任务分配完驳运车辆后得到一个运输方案,成为染色体,每个染色体作为一个个体。
在一个实施方案中,个体适应度的计算方法为:
解码后得到各驳运车辆的任务序列,根据每个任务的起止场地,读取基础数据库中的场地距离,求解每个个体中驳运车辆执行任务的总空载路程,将总空载路程取倒数作为每个个体的适应度。
在一个实施方案中,变异操作包括:
重复进行步骤b的选择操作,为每个选择出的个体赋予一个随机数,若随机数大于交叉概率,则对该个体进行变异操作,随机选择两个任务点进行位置交换,同时判断交换后驳运车辆是否满足承重约束,若不满足则重新选择驳运车辆。
在一个实施方案中,布谷鸟搜索算法扰动操作中,对于当代种群中未经过选择操作、交叉操作和变异操作的所有个体,以每个任务所对应的驳运车辆ID作为变量,通过莱维飞行更新变量,更新后变量向下取整使变量保持正整数,根据发现概率丢弃部分个体,通过偏好随机游动重建被丢弃的个体,重建个体的变量向下取整使变量保持正整数,对通过布谷鸟搜索算法得到的所有个体按适应度大小排序,选择适应度最高的前k个个体作为下一代个体。
在一个实施方案中,所述基础数据库包括:
场地数据,所述场地数据包括场地ID、场地名称、场地中心点纬度坐标和场地中心点经度坐标;
场地距离数据,所述场地距离数据包括每两个场地之间的行驶距离、途经点和行驶路线;
车辆载重量数据,所述车辆重量数据包括车辆ID、车辆名称和车辆最大载重量。
本申请还提供一种船舶分段驳运车辆的调度系统,所述船舶分段驳运车辆的调度系统用于如上所述的调度方法,包括:
基础数据管理模块,用以实现船舶分段驳运车辆调度所需基础数据的维护和管理;
车辆-任务序列计算模块,用以实现船舶分段驳运车辆-任务序列的计算,输出最优的分段驳运车辆-任务序列;
车辆调度模块,用以实现接收任务清单以及发送任务清单、行驶路线至执行终端。
与现有技术相比,本申请提供的技术方案具有以下有益效果:
本申请的船舶分段驳运车辆的调度方法通过在遗传算法中增加布谷鸟搜索算法扰动操作,在算法迭代过程中利用布谷鸟搜索算法对种群个体的变量进行扰动,从根本上避免算法陷入局部最优。相比人工调度,该方法能够精准量化不同方案优劣;相比采用单一算法的自动调度,该方法能够更加有效提升求解结果优化程度。解决人工调度船舶分段驳运车辆难以量化判断不同方案优劣、现有算法调度船舶分段驳运车辆方案难以达到更优等问题,实现船舶分段驳运车辆的智能、高效管控。
附图说明
图1为本申请船舶分段驳运车辆的调度方法示意图;
图2为本申请船舶分段驳运车辆-任务分配序列计算流程图;
图3为本申请船舶分段驳运车辆的调度系统的功能模块示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂;本申请的船舶分段驳运车辆的调度方法的保护范围也不限于本申请列举的步骤执行顺序,凡是根据本申请的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本申请的保护范围内。
实施例1:
本实施例提供一种船舶分段驳运车辆的调度方法,参见图1,该调度方法包括以下步骤:
S1:获取船舶分段驳运业务的基础数据,形成基础数据库;
具体地,获取船舶分段驳运业务涉及的基础数据后并对所有基础数据进行梳理并记录,基础数据库包括:场地数据、场地距离数据和车辆载重量数据;获取和记录过程及数据信息如下:
S11:梳理并记录船舶分段驳运业务相关的场地数据。梳理全部船舶分段驳运业务的相关场地,包括船舶分段制造场地、船舶分段堆放场地、船舶分段总组场地。在基础数据库中记录所有场地的场地ID、场地名称、场地中心点纬度坐标和场地中心点经度坐标。
场地ID | 场地名称 | 场地中心点纬度坐标 | 场地中心点经度坐标 |
S12:梳理并记录船舶分段驳运业务相关场地之间的距离数据。根据车辆在场地之间的实际路线计算S11每两个场地之间的行驶距离和路线。在基础数据库中记录S11每两个场地之间的行驶距离,以途径点的形式记录每两个场地之间的路线。
S13:梳理并记录船舶分段驳运车辆的相关数据。梳理所有用于驳运船舶分段的车辆,在基础数据库中记录所有车辆的ID和车辆最大载重量。
车辆ID | 车辆名称 | 车辆最大载重量 |
S2:输入的船舶分段驳运的任务信息,通过混合智能算法计算最优的分段驳运车辆-任务分配序列,参见图2,具体计算过程包括:
S21:遗传算法初始化,包括设置优化目标、适应度函数、结束条件和算法参数;
具体初始化过程为,读取输入的分段驳运的任务信息,读取步骤S1中基础数据库中存储的车辆数据、场地数据。设置优化目标为所有平板车执行全部任务的空载总路程最短,以所有平板车执行全部任务的总空载路程为适应度函数。预设迭代次数值为算法结束条件,作为示例,当达到1000次迭代次数时结束计算,在保证得到较优解的基础上,尽可能的降低所需要的运算次数。设置算法参数,包括遗传算法的种群个体数量、迭代次数、交叉概率和变异概率以及布谷鸟搜索算法的发现概率。
S22:产生遗传算法的初始种群。随机生成调度任务序列,依次为每个任务随机分配一个满足重量要求的驳运车辆,为所有任务分配完驳运车辆后得到一个运输方案,成为染色体,每个染色体作为一个个体。
S23:任务序列和驳运车辆序列的编码与解码。个体设计为基于正整数构成的两个一维数组,分别表示任务序列和驳运车辆序列。任务序列中的第N个基因(位置)上的数字表示任务ID,任务序列位置表示任务排序,驳运车辆序列中的第N个基因(位置)上的数字表示驳运车辆ID。
例:任务5分配给驳运车辆2,任务2分配给驳运车辆3,…,任务7分配给驳运车辆1。其中,驳运车辆1有任务4、6、7,则驳运车辆1先执行任务6,再执行任务4,最后执行任务7。其余驳运车辆同理。
任务序列 | 5 | 2 | 6 | 8 | 4 | 1 | 3 | 9 | 7 |
驳运车辆序列 | 2 | 3 | 1 | 4 | 1 | 4 | 2 | 3 | 1 |
S24:计算个体适应度。解码后得到各驳运车辆的任务序列,根据每个任务的起止场地,读取基础数据库中的场地距离,求解每个个体中驳运车辆执行任务的总空载路程,将总空载路程取倒数作为每个个体的适应度。
S25:判断是否达到终止条件,若是,则得到最优个体输出结果;若否,则选择当前种群的个体进行算法优化,直至得到最优个体输出结果。
终止条件包括两种,总迭代次数达到预设值,或相邻n代最优个体适应度值差值达到预设范围,其中,n≥2,n的取值可根据算法的实际迭代情况进行调整,二者满足其一即达到终止条件,运算过程结束。
在一个实施方案中,步骤S25中,算法优化的方法具体包括:
a.再生操作,在当代个体中按适应度大小排序,选择适应度最高的前k个个体直接保留至下一代;
b.选择操作,使用轮盘赌将所有个体的适应度取和,随机生成一个值,根据随机产成的值确定个体的选择;
c.交叉操作,将步骤b选择的个体进行分组,为每组个体赋予一个随机数,若随机数大于交叉概率,则对该组的两个个体进行交叉操作,得到的新个体作为下一代个体。具体操作为:在序列中间数的位置进行分割,在父代个体2中查找父代个体1分割位置右侧部分的任务顺序及对应平板车,与父代个体1分割位置左侧部分组合成为新个体1,同理得到新个体2。得到的新个体1、2作为下一代个体。例如:
d.变异操作,重复进行步骤b的选择操作,为每个选择出的个体赋予一个随机数,若随机数大于交叉概率,则对该个体进行变异操作,随机选择两个任务点进行位置交换(即交换车辆),同时判断交换后驳运车辆是否满足承重约束,若不满足则重新选择驳运车辆。得到的新个体作为下一代个体;例如:
e.布谷鸟搜索算法扰动,布谷鸟搜索算法扰动操作中,对于当代种群中未经过选择操作、交叉操作和变异操作的所有个体,以每个任务所对应的驳运车辆ID作为变量,通过莱维飞行更新变量,更新后变量向下取整使变量保持正整数,根据发现概率丢弃部分个体,通过偏好随机游动重建被丢弃的个体,重建个体的变量向下取整使变量保持正整数,对通过布谷鸟搜索算法得到的所有个体按适应度大小排序,选择适应度最高的前k个个体作为下一代个体,对通过布谷鸟搜索算法得到的所有个体按适应度大小排序,选择适应度最高的前k个个体作为下一代个体;
f.重复步骤S24~S25进行迭代,直至达到终止条件,得到最优个体作为最优解输出。
S3:根据S2得到的分段驳运车辆-任务分配序列,形成任务清单和行驶路线,并下发指令至执行终端,即车辆司机。
实施例2:
本申请还提供一种船舶分段驳运车辆的调度系统,参见图3,所述船舶分段驳运车辆的调度系统用于如实施例1所述的调度方法,包括:
基础数据管理模块,用以实现船舶分段驳运车辆调度所需基础数据的维护和管理;主要包含车辆、场地、场地间距离和路线等信息。
车辆-任务序列计算模块,用以实现船舶分段驳运车辆-任务序列的计算,输出最优的分段驳运车辆-任务序列;
车辆调度模块,用以实现接收任务清单以及发送任务清单、行驶路线至执行终端,即车辆司机。
需要说明的是,本实施例中的船舶分段驳运车辆的调度系统的实施方式与上文中船舶分段驳运车辆的调度方法的实施方式类似,故不再赘述。另外,应理解以上系统的各个模块划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,车辆-任务序列计算模块可以为单独设立的处理元件,也可以集成在上述系统的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述系统的存储器中,由上述系统的某一个处理元件调用并执行以上数据定义模块的功能。其它模块的实现与之类似。
综上所述,本申请提供一种船舶分段驳运车辆的调度方法及系统,本申请调度方法通过在遗传算法中增加布谷鸟搜索算法扰动操作,在算法迭代过程中利用布谷鸟搜索算法对种群个体的变量进行扰动,从根本上避免算法陷入局部最优。相比人工调度,该方法能够精准量化不同方案优劣;相比采用单一算法的自动调度,该方法能够更加有效提升求解结果优化程度。解决人工调度船舶分段驳运车辆难以量化判断不同方案优劣、现有算法调度船舶分段驳运车辆方案难以达到更优等问题,实现船舶分段驳运车辆的智能、高效管控。所以,本申请有效克服了现有技术中的种种缺点而具高度产业利用价值和推广性。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种船舶分段驳运车辆的调度方法,其特征在于,包括:
S1:获取船舶分段驳运业务的基础数据,形成基础数据库;
S2:输入的船舶分段驳运的任务信息,通过混合智能算法计算最优的分段驳运车辆-任务分配序列;
S3:根据S2得到的分段驳运车辆-任务分配序列,形成任务清单和行驶路线,并下发指令至执行终端。
2.根据权利要求1所述的船舶分段驳运车辆的调度方法,其特征在于,步骤S2包括:
S21:遗传算法初始化,包括设置优化目标、适应度函数、结束条件和算法参数;
S22:产生遗传算法的初始种群;
S23:任务序列和驳运车辆序列的编码与解码;
S24:计算个体适应度;
S25:判断是否达到终止条件,若是,则得到最优个体输出结果;若否,则选择当前种群的个体进行算法优化,直至得到最优个体输出结果。
3.根据权利要求2所述的船舶分段驳运车辆的调度方法,其特征在于,步骤S25中,所述算法优化的方法包括:
a.再生操作,在当代个体中按适应度大小排序,选择适应度最高的前k个个体直接保留至下一代;
b.选择操作,使用轮盘赌将所有个体的适应度取和,随机生成一个值,根据随机产成的值确定个体的选择;
c.交叉操作,将步骤b选择的个体进行分组,为每组个体赋予一个随机数,若随机数大于交叉概率,则对该组的两个个体进行交叉操作,得到的新个体作为下一代个体;
d.变异操作,得到的新个体作为下一代个体;
e.布谷鸟搜索算法扰动,对通过布谷鸟搜索算法得到的所有个体按适应度大小排序,选择适应度最高的前k个个体作为下一代个体;
f.重复步骤S24~S25进行迭代,直至达到终止条件,得到最优个体作为最优解输出。
4.根据权利要求2或3所述的船舶分段驳运车辆的调度方法,其特征在于,所述终止条件为:
总迭代次数达到预设值,或相邻n代最优个体适应度值差值达到预设范围,其中,n≥2,n的取值可根据算法的实际迭代情况进行调整。
5.根据权利要求2所述的船舶分段驳运车辆的调度方法,其特征在于,步骤S22中,产生遗传算法的初始种群的方式为:随机生成调度任务序列,依次为每个任务随机分配一个满足重量要求的驳运车辆,为所有任务分配完驳运车辆后得到一个运输方案,成为染色体,每个染色体作为一个个体。
6.根据权利要求2所述的船舶分段驳运车辆的调度方法,其特征在于,个体适应度的计算方法为:
解码后得到各驳运车辆的任务序列,根据每个任务的起止场地,读取基础数据库中的场地距离,求解每个个体中驳运车辆执行任务的总空载路程,将总空载路程取倒数作为每个个体的适应度。
7.根据权利要求3所述的船舶分段驳运车辆的调度方法,其特征在于,变异操作包括:
重复进行步骤b的选择操作,为每个选择出的个体赋予一个随机数,若随机数大于交叉概率,则对该个体进行变异操作,随机选择两个任务点进行位置交换,同时判断交换后驳运车辆是否满足承重约束,若不满足则重新选择驳运车辆。
8.根据权利要求3所述的船舶分段驳运车辆的调度方法,其特征在于,布谷鸟搜索算法扰动操作中,对于当代种群中未经过选择操作、交叉操作和变异操作的所有个体,以每个任务所对应的驳运车辆ID作为变量,通过莱维飞行更新变量,更新后变量向下取整使变量保持正整数,根据发现概率丢弃部分个体,通过偏好随机游动重建被丢弃的个体,重建个体的变量向下取整使变量保持正整数,对通过布谷鸟搜索算法得到的所有个体按适应度大小排序,选择适应度最高的前k个个体作为下一代个体。
9.根据权利要求1所述的船舶分段驳运车辆的调度方法,其特征在于,所述基础数据库包括:
场地数据,所述场地数据包括场地ID、场地名称、场地中心点纬度坐标和场地中心点经度坐标;
场地距离数据,所述场地距离数据包括每两个场地之间的行驶距离、途经点和行驶路线;
车辆载重量数据,所述车辆重量数据包括车辆ID、车辆名称和车辆最大载重量。
10.一种船舶分段驳运车辆的调度系统,其特征在于,包括:
基础数据管理模块,用以实现船舶分段驳运车辆调度所需基础数据的维护和管理;
车辆-任务序列计算模块,用以实现船舶分段驳运车辆-任务序列的计算,输出最优的分段驳运车辆-任务序列;
车辆调度模块,用以实现接收任务清单以及发送任务清单、行驶路线至执行终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310491499.XA CN116384706A (zh) | 2023-05-04 | 2023-05-04 | 一种船舶分段驳运车辆的调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310491499.XA CN116384706A (zh) | 2023-05-04 | 2023-05-04 | 一种船舶分段驳运车辆的调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116384706A true CN116384706A (zh) | 2023-07-04 |
Family
ID=86971135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310491499.XA Pending CN116384706A (zh) | 2023-05-04 | 2023-05-04 | 一种船舶分段驳运车辆的调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116384706A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829577A (zh) * | 2024-03-06 | 2024-04-05 | 江苏益捷思信息科技有限公司 | 一种业务运维平台的运行管理方法及系统 |
-
2023
- 2023-05-04 CN CN202310491499.XA patent/CN116384706A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829577A (zh) * | 2024-03-06 | 2024-04-05 | 江苏益捷思信息科技有限公司 | 一种业务运维平台的运行管理方法及系统 |
CN117829577B (zh) * | 2024-03-06 | 2024-05-14 | 江苏益捷思信息科技有限公司 | 一种业务运维平台的运行管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764777B (zh) | 带时间窗的电动物流车调度方法和系统 | |
US20210373888A1 (en) | Multi-objective optimization method and system for master production plan of casting parallel workshops | |
CN111178582B (zh) | 一种基于改进遗传算法的物流配送优化方法 | |
CN106779372B (zh) | 基于改进免疫禁忌算法的农机调度方法 | |
Wu et al. | An effective approach for the dual-resource flexible job shop scheduling problem considering loading and unloading | |
CN110598941A (zh) | 一种基于仿生策略的粒子群优化制造系统双目标排产方法 | |
CN110298583B (zh) | 基于多车场多车型的低成本的车辆调度和路径规划方法 | |
CN105629927A (zh) | 一种基于混合遗传算法的mes生产计划排产方法 | |
Lin et al. | Simulation-based optimization approach for simultaneous scheduling of vehicles and machines with processing time uncertainty in FMS | |
CN105389975A (zh) | 专车调度方法和装置 | |
CN116384706A (zh) | 一种船舶分段驳运车辆的调度方法及系统 | |
CN112995289A (zh) | 一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法 | |
CN112907103B (zh) | 一种共享单车动态供需平衡的方法 | |
CN106527381A (zh) | 一种面向并行批处理机动态调度的快速评估方法 | |
CN108256969A (zh) | 一种公共自行车租赁点调度区域划分方法 | |
CN111445094B (zh) | 一种结合时间要求的快递车辆路径优化的方法及系统 | |
CN111860957B (zh) | 一种考虑二次配送和平衡用时的多车型车辆路径规划方法 | |
CN114444843A (zh) | 一种基于大规模变邻域搜索策略的农产品绿色物流配送车辆调度方法及系统 | |
CN113867358A (zh) | 多无人车协同遍历任务的智能路径规划方法 | |
CN115689431A (zh) | 一种新客户两阶段入线的末端配送路径规划方法 | |
Guezouli et al. | Multi-objective optimisation using genetic algorithm based clustering for multi-depot heterogeneous fleet vehicle routing problem with time windows | |
CN116957177A (zh) | 一种柔性车间产线规划方法、系统、设备及介质 | |
CN113792989A (zh) | 一种需求驱动的共享观光车区域间并行优化调度方法 | |
CN116186571B (zh) | 车辆聚类方法、装置、计算机设备及存储介质 | |
Dao et al. | Optimisation of resource scheduling in VCIM systems using genetic algorithm |
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 |