考虑船舶航速的船队规划非线性模型

通过分析船舶航速变化对船队规划决策产生的非线性影响,推导出船舶航速与船舶往返航次时间、航次成本以及航线配船数量三者之间的数学关系式,建立了混合整数非线性船队规划模型.针对模型特点,利用基于可行性规则的更新策略,结合模拟退火的局部搜索技术,提出了一种混合粒子群优化算法.以某航运公司为例进行仿真实验,将船队规划非线性模型与...     

集装箱支线运输航次调度优化

为优化集装箱支线船舶运输调度,在分析其特点的基础上,提出航次串的概念,并利用其对集装箱支线运输船舶调度问题进行建模,开发了集采用深度优先搜索算法得到航次串组合及采用混合整数规划(MIP)模型求解航次串与船舶最优匹配于一体的两阶段混合算法.实证研究证明了模型及算法的有效性.     

模糊时间窗下多船型不定期船调度与航速联合优化

为了提高货主满意度的同时船公司能获得更好的经济效益,对不定期船调度与航速联合优化问题进行了研究,利用模糊时间窗刻画货主满意度,考虑自有船舶与租用船舶配置情况、航速等因素对船舶调度计划的影响,以航行成本、港口成本、时间成本、租船成本之和最小为目标,建立模糊时间窗下多船型不定期船调度与航速优化模型.提出一种变邻域遗传模拟退...     

基于非线性模型预测的欠驱动船舶轨迹跟踪控制研究

针对欠驱动船舶轨迹跟踪控制系统具有非线性、大惯性、时滞、局部线性不可控等特点，结合扩展卡尔曼滤波器和序列二次规划算法，设计了基于非线性模型预测的船舶轨迹跟踪控制策略.首先，设计了具有一定复杂度的参考轨迹，用于测试船舶的各种工况及工况切换情况.其次，应用船舶欠驱动三自由度运动控制模型与所设计的参考轨迹建立了非线性约束优化问题的目标函数，采用序列二次规划算法进行优化求解，并在扩展卡尔曼滤波器中对测量函数的雅可比矩阵进行了预求解以减少算法计算量.最后，通过对一艘运输船进行仿真试验，验证了所设计轨迹跟踪控制器的有效性和实时性.     

船舶慢速航行上浪现象及载荷模型分析

运用概率理论和非线性动力学方法,建立船舶在慢速航行时上浪发生的临界条件和上浪载荷的计算模型,并在船舶操纵模拟系统环境中予以实现;对船速、波高、干舷、动升高等因素对上浪的影响进行比较分析.结果表明,建立的上浪载荷计算模型具有一定的科学性与合理性.     

基于多目标粒子群优化算法的输电网规划

输电网规划是一个离散型、非线性、多目标的混合整数规划问题,难于求解.提出一种多目标粒子群优化算法用来求解输电网规划问题.在输电网规划模型中考虑了建设投资费用、运行费用及网损费用等3方面的因素.多目标粒子群优化算法基于Pareto支配关系来更新粒子的个体极值,并采用了精英归档技术,粒子的全局极值由档案库中的非劣解提供.使用Matlab7.1对Garver-6节点系统进行仿真计算,结果表明:与传统的单目标遗传算法相比,多目标粒子群优化算法获得的规划方案总费用更低,该方法可以提高输电网规划的经济性水平.     

基于混合算法的多目标连续泊位-岸桥集成调度研究

为了多角度考虑,合理地提高码头作业效率和客户满意度.针对集装箱码头连续泊位,考虑船舶动态到达且船舶有优先级条件下的泊位-岸桥集成调度优化问题.首先,建立了基于船舶总在港时间最少、总等待时间最少,泊位偏离惩罚最小、超出计划离港时间惩罚最小的多目标泊位-岸桥集成调度一阶段模型和最小化岸桥移动成本的岸桥具体分配二阶段模型.然后,提出了一种将细菌觅食、粒子群、克隆免疫、变领域搜索相结合的混合算法.最后,用提出的算法和Cplex软件对模型算例进行求解,针对不同目标,得出具体调度方案.实验表明:混合算法比细菌觅食算法、粒子群算法和克隆免疫算法有更好的精度并且具有较快求解速度;同时具体调度方案会随着目标函数的不同而发生相应的变化,各个目标之间存在约束关系,验证了混合算法和模型的有效性.     

撮合交易机制下的阻塞管理模型与算法

针对撮合交易运行规则的电力市场,建立了撮合交易机制下的阻塞管理模型.该模型以安全再调度调整购电费用最小为目标函数,以各发电机组对过载支路的灵敏度和功率修正量组成约束条件,利用拉格朗日乘子和松弛因子建立增广目标函数,把有约束非线性规划问题转化为无约束非线性规划问题.在求解方法上采用了拉格朗日求极值的方法.通过6节点系统分析计算,验证了所提算法的正确性和有效行.     

战略装车点多点选址模型及算法

根据战略装车点选址问题的特殊性,在考虑政策性指导原则的基础上,以客户需求和货源基础为出发点,将代表客户利益的运送成本、决策方建设成本和可变成本及表征可挖潜能力的货源覆盖量货币折算值共同纳入目标体系,构建了战略装车点多点选址混合0-1变量非线性规划模型.基于铁路运输组织,考虑物流节点选址问题一般约束的同时兼顾战略装车点覆盖货源量、车流整列配发及线路通过能力约束对目标优化的影响.通过对模型特性的分析,提出一种启发式算法对模型进行求解.最后,结合数值算例验证模型的有效性和实用性.     

多类型煤炭海运运输库存管理一体化模型

针对大型发电集团煤炭采购海运总成本较高、库存积压严重的问题,提出海运运输库存管理一体化的三层混合整数规划模型。该模型基于多配送中心至多电厂码头的物流配送网络,考虑实际海运中复杂的船舶构成及电厂码头靠泊限制,采用混合整数规划方法,以调度周期内发电集团总部煤炭采购运输成本总和最小作为第一优化目标,以船运公司航次运行总费用最小为第二优化目标,并考虑电厂码头库存成本及库存不平衡惩罚,采用分层序列优化方法对该模型进行求解。基于国内某大型发电集团及其下属12个电厂的实验结果表明:该模型在避免煤炭短缺及库存爆仓的同时,降低供应链系统总费用800万元,减少由等待泊位引起的滞期费用195万元,降低电厂码头平均库存量30%;分层模型可有效降低由统一建模带来的管理难度及求解复杂度,特别适用于多电厂码头的复杂煤炭海运问题。     

散货船运输市场现状与发展趋势

从散货市场和散货船市场的现状出发,着重分析了散货船运输市场的供需关系,在此基础上,对未来几年散货船运输市场的走势做出了前瞻性的预测．最后针对散货船公司目前普遍存在的问题,提出了优化船队结构、提高船队经济效益和专业化水平等许多具有现实意义的建议．     

基于免疫算法和参考模型的船舶航向自动舵设计

为解决常规比例-积分-微分(PID)控制超调问题,将参考模型应用于船舶航向自动舵,提出一种模型参考跟踪的船舶航向PID控制算法,使船舶航向跟踪参考模型输出.针对自动舵参数整定问题,提出一种动态免疫克隆选择优化算法,在进化过程中动态改变种群规模、克隆规模和变异参数,从而加快全局搜索速度和提高局部搜索精度,保证控制器性能可靠;也可根据不同的性能指标要求,整定相应的控制参数.实船仿真试验表明,系统超调得到有效抑制,控制参数能根据需要自动调节,控制效果令人满意.     

基于蚁群算法的船舶过闸计划优化模型

针对船舶过闸计划生成的难题,提出了基于蚁群算法的船舶过闸计划生成方案,建立了船舶过闸排档问题的优化模型(包括目标函数和约束条件),给出了基于蚁群算法的船舶排档问题求解算法和船舶过闸排档计划生成的蚁群算法的构造过程,包括信息素策略、概率转移策略、约束条件的处理和算法步骤.依据该算法并结合三峡南线船闸的实际调度数据,给出了实验结果,证明船舶过闸计划生成方案是有效的.     

最优船体货舱区分段环焊缝位置的确定

分析了船体分段划分的原则,提出为解决本课题而改进的遗传算法,设计出确定货舱区分段位置的计算模型,并建立了模糊目标函数,应用非均匀B样条曲线拟合船体型线,为此迅速得到货舱区分段船体外板的近似实长,以散货船为例进行试算,与船厂实际分段环焊缝位置进行了比较,结果表明,钢板浪费减小,在货舱区域中钢板利用率提高。     

基于YOLOv3及迁移学习的河道船舶目标检测算法

为加强对河道监控视频图像中散体物料采运船舶的监测和跟踪，从而辅助实现智能、高效的河道采砂监管和散体物料调度，基于You Only Look Once version 3（YOLOv3）算法及迁移学习提出一种河道散体物料船舶目标检测算法。首先使用COCO数据集训练初始的YOLOv3算法，得到模型的预训练权重；然后对从广西重要河道周围监控设备采集的采砂运砂船舶影像数据进行图像处理，得到高质量船舶数据集；最后以此数据集为驱动，利用迁移学习得到的预训练权重来训练针对河道采砂船等重点目标的YOLOv3检测模型。该模型采用Darknet-53作为主干网络，并融合了多尺度的特征图，从而实现对小、中、大等各类目标的检测。实验结果表明：该算法在测试集上的平均精度和检测速度分别达到98.00%和17.78 fps，对提高河道采砂监管效能和实现散体物料智能调度具有现实意义。     

基于AIS信息的航道内船舶速度分布统计分析

为了定量地揭示航道内航行的各种类型船舶所采取的安全航速的分布规律,以船舶AIS信息为数据来源,在SQL数据库中计算得到船舶通过航道门线时的速度.在此基础上,运用直方图法、折线图法分析船舶的速度分布规律,定量地揭示出航道内不同类型船舶采取速度的分布范围,并以青屿水道内航行的货船为例,计算得出航道内不同长度的货船速度分布的均值、方差与船舶长度呈正相关的关系.可为进出航道的船舶采取安全航速,为港航管理部门制定相关制度提供决策依据.     

基于粒子群算法的多用途船结构优化

建立了多用途船的舱段有限元模型,利用Matlab调用有限元软件,将粒子群算法（PSO）引入复杂船舶结构的优化中,实现了PSO对复杂船舶结构的优化,取得较好的结果,并与遗传算法的结果进行了对比, 验证了PSO用于复杂船舶结构优化的有效性.     

基于区间证据推理的不确定性航线配船方法

为弥补不确定性航线配船模拟算法的不足,提出一种基于区间证据推理的航线配船解析算法.该方法以证据推理理论为基础,以船舶公司期望效用最大化为目标,考虑航线特征及船舶属性等因素,构建出一个多航线、多船型的航线配船模型.与目前的模拟算法相比,该方法具有稳定性好、准确性高、可以处理模糊数据等优点.最后,通过算例验证了模型的可行性和方法的有效性.     

基于灰色PSO-ANFIS模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。     

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题，以最大完工时间为目标建立数学模型，提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量，用遗传算法进行初步搜索，将搜索的结果通过迭代贪婪策略进一步搜索，以提高解的质量，再对关键路径进行邻域搜索，设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构，加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试，实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。