集装箱船舶配载方案评价的Hopfield神经网络模型

将人工神经网络技术应用于集装箱船舶配载方案评价,建立了集装箱船舶配载方案评价的Hopfield神经网络模型．该模型首先建立配载方案评价指标与标准类别体系（即配载方案的级别,如优,良,＊＊＊,以标准类别为记忆模式,将待评价方案作为联想回忆的噪声模式,当网络达到平衡点时其lyapunov函数达到极小值,对应待评价方案的类别等级．此方法为集装箱船舶配载方案优选提供了一种实用的模型．     

时间窗下集装箱船配载和航线网络联合优化

集装箱船配载和航线网络具有很强的经济性,对集装箱运输费用也有着非常大的影响.因此降低集装箱船运输的总费用,实现对集装箱船配载和航线网络的联合优化,首先引入软时间窗,建立混合整数规划模型.然后集装箱船舶在7个港口之间的运输为例,并且以CPLEX为计算工具,分别计算在设置软时间窗前后的集装箱船的最小运输费用,以及考虑航线经济下的综合最小费用.计算结果表明,在引入时间窗前后,如果不考虑航线经济,最小航行费用很接近,仅相差6.1%,但是在考虑航线经济之后,两者相差近11.1%,表明设置时间窗具有较强经济性和实际操作意义值.     

多目标成本下的集装箱船快速配载

为实现集装箱船的快速配载,在保证集装箱船结构强度和稳定性前提下,引入甲板下集装箱区配载问题(CSPB-DL),建立整数规划模型,设计相应的启发式算法,对实际集装箱(具有3个重量等级和4个目的港)进行配载,得到配载图.利用GAMS软件检验该配载方案的优化程度.结果表明,该配载方法在平均14 s内可使94％的集装箱成功实现配载,并使90％以上的集装箱实现最优配载,配载成本趋向最小.     

大型集装箱船的极限重心高及其对设计配载的应用

在大型集装箱船的设计中，保证稳性是个重要的问题．研究表明，计算极限重心高曲线是个有效的方法．它不仅可用于进行稳性的分析和校核，而且也可用于大型集装箱船的配载，以提高其载箱能力．通过实例对有关方法进行了说明和讨论．     

基于非线性整数规划的轿运车配载优化模型

针对轿运车的配载问题,提出了一种非线性整数规划模型.该模型能够解决多类型双层轿运车的配载优化问题.在实现运输成本最小化的同时还确定了每辆轿运车的具体配载方案,且配载方案能保证轿运车在不同负载分布下的稳定性.最后,通过实例验证了该模型的实用性和有效性.     

一种基于神经网络的运输问题优化方法

将Hopfield神经网络与亚当姆斯公式相结合,在此基础上提出了一种解决运输问题的优化算法.该算法结合Hopfield神经网络优化功能,并根据运输问题的实际情况,将优化运输问题转换成求解网络系统的平衡点.通过实例验证了该方法的有效性、可行性,并且提高了网络的收敛速度.     

船舶吊车负荷试验配载优化方法研究与应用

针对船舶吊车负荷试验中因吊载作业导致船体倾斜超限的问题,该文以84 m双体半潜多用途船150 t全回转吊车过载试验为研究对象,提出一种基于“虚拟中心配载法”的配载优化计算方法。该方法通过将吊车及吊物等效作用于旋转中心的虚拟载荷,得到优化的配载量和船舶倾斜角度,最大程度减少单侧吃水,消除了试验过程的中断,并减少码头清淤量。实际应用表明,该方法能实现试验前一次性优化配载,显著提高试验效率与安全性。     

集装箱船全航线Bay位排箱优化模型

针对集装箱配载问题的复杂性,提出了集装箱船在一个航次中挂靠多个港口的混装Bay位的排箱模型.该模型以例箱量最少为目标,忽略集装箱的尺寸及箱内货物类型等因素,仅考虑倒箱对配载的影响.以Bay位某列是否存在倒箱为设计变量,以全航线倒箱数量最少为目标建立优化模型,并利用隐式图启发式搜索技术对各个港口的集装箱进行安排.计算机模拟结果表明,所提出模型能快速产生倒箱数最少的全航线Bay位排箱方案.     

考虑容重比的车辆配载优化综述

零担货运具有货物品种多样,体积和重量变化大的特征,基于容重比的车辆配载优化可同时提升车辆载重率和容积利用率,进而大幅度降低物流成本,在交通和物流行业具有重要的研究价值。首先,介绍了考虑容重比的车辆配载优化问题及其数学规划模型,再针对求解该问题的算法进行分析归纳予以综述。目前,求解算法大多集中于精确算法和启发式算法以及智能优化算法,随着人工智能的发展,还可以考虑机器学习思想在相关方面的应用。最后关于考虑容重比的车辆配载优化在当前形势下面临的新挑战,提出几个未来在研究该问题时可以考虑研讨方向,期望能为考虑容重比的车辆配载优化研究提供参考。     

基于离散Hopfield神经网络的数据加密算法

离散Hopfield神经网络的吸引性不仅具有重要理论意义,而且是现代网络应用基础。基于离散Hopfield神经网络,简要讨论了算讨论了其吸引性;并利用其非线性混沌机制和并行计算的特点,提出了数据分组加密算法和公钥加密算法;法的安全性。     

配电网重构方案Hopfield神经网络算法研究

针对配电网辐射状运行的特点,提出了以Hopfield神经网络为基础,以降低网损为目标函数的配电网重构方案算法:首先利用Hopfield神经网络来确定各个节点的入度,然后根据节点入度确定线路是否投入运行,并由此确定各联络开关的状态,最终确定配电网重构方案.给出了神经网络能量函数和求解方法,能量函数同时考虑到了辐射状运行、网损最低和某些线路可能无联络开关的问题.通过对IEEE一三电源电网进行计算,所得结果和遗传算法基本一致,而Hopfield神经网络通过解微分方程组确定最优解的计算时间相对较少.     

基于克隆选择算法和神经网络的多用户检测

针对传统检测器和最佳检测器在多用户检测中存在的缺点,利用克隆选择算法和Hopfield神经网络在解决优化问题的优势,提出了一种基于改进的克隆选择算法和神经网络的准最佳多用户检测器并用计算机进行仿真.仿真结果证明了该多用户检测器有良好的抗多址干扰和抗"远近效应"的能力,并有计算复杂度低和易于实时实现的优点.     

用Hopfield神经网络求解一类Markov链的客户关系管理模型

以客户关系管理(custom er re lationsh ip m anage-m en t,CRM)的数学模型为背景,研究了如何用Hop fie ld神经网络构建一类M arkov链表述的CRM的客户分类分析和评价的计算模型。从一种不同于现CRM的对客户关系评价的思路入手,用M arkov链建模。分析该类马氏链建立的CRM数学模型的特点(无限次交易),分析连续Hop fie ld神经网络计算的内在特点。从矩阵结构和求逆的角度,发现这两个不同概念模型的数学模型具有相同的特点。研究结果将该类马氏链的CRM模型计算同Hop fie ld神经网络计算关联起来。这表明可以用连续Hop fie ld神经网络计算该类M arkov链的CRM模型。     

一种改进的Hopfield神经网络算法用于单元布局

利用改进的Ｈｏｐｆｉｅｌｄ人工神经网络模型，提出了用于求解ＶＬＳＩ系统单元布局的优化 算法。该算法具有简单的能量函数表达式，较快的收敛速度，可避免无效解。利用此算法对于６ 种较复杂的布局实例进行运算，在布局优化结果和运算速度方面都比同类研究有较大改进。     

基于Hopfield网络的极小值问题学习算法

针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 ,结果能够以很高的比率收敛于最优解     

目标驱动的迷宫布线算法及优化

在传统迷宫算法的基础上,结合电路布线的特点,提出了目标驱动的迷宫布线算法及优化的方法．该方法有效地减少了计算和回溯次数,在提高布线速度和缩短布线路径上均有良好的效果．     

基于Agent的后方堆场集装箱到达模型

为进一步加快集装箱运输行业的发展,提高集装箱堆场管理水平,实现堆场管理自动化,通过模拟建模技术为管理人员提供满意的决策方案.在集装箱管理模拟模型研究过程中,采用Agent技术建模,利用分布拟合检验方法对历史数据进行分析与研究,构造集装箱到达Agent体,从而实现模拟系统的知识性和自适应性.     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.