【摘要】：隨著集裝箱船舶運輸?shù)目焖侔l(fā)展，合理解決港口堆場集裝箱的箱位分配與集裝箱裝船順序，減少堆場的翻箱率，從而提高堆場的工作效率，是所有船舶公司和港口碼頭都面臨的一個重要課題．碼頭出口集裝箱的箱位分配是將出口集裝箱按照一定的堆場規(guī)則，有序的在堆場中進行堆放．裝船順序是集裝箱船舶運輸?shù)囊粋�核心環(huán)節(jié)，在裝船過程中，要盡可能減少堆場集裝箱裝載時的翻箱率以及集裝箱卸載時的翻箱率，并形成集裝箱在船舶上的裝載位置及裝船先后順序．箱位分配與裝船順序問題直接影響著船舶的行駛安全和堆場機械作業(yè)效率，研究碼頭出口集裝箱的箱位分配與裝船順序問題，對于集裝箱船舶運輸都有著十分重要意義．隨著現(xiàn)代控制理論、優(yōu)化方法、人工智能等迅速發(fā)展，各種智能算法如遺傳算法（GA）、神經(jīng)網(wǎng)絡（ANNs）、蟻群算法（ACO）、粒子群算法（PSO）等相繼提出，為解決場出口集裝箱的箱位分配，合理安排裝船順序，提供了新的解決思路，，使集裝箱船舶配載利用計算機系統(tǒng)進行科學的管理成為可能．本文以某港口s為例，結合粒子群算法，對出口集裝箱的箱位分配，以及集裝箱的裝船順序進行了初步探討與研究，主要工作如下： 1.考慮集裝箱的重量及目的港，以航程信息和堆場擺放規(guī)則為約束，以出口集裝箱的裝船路徑和堆區(qū)的翻箱率為目標，建立適合出口集裝箱堆場的箱位分配模型.利用粒子群算法對模型求解，數(shù)據(jù)實驗表明該模型能夠減少堆場翻箱率，提高堆場機械的作業(yè)效率，具有一定的實用性. 2.針對碼頭作業(yè)和集裝箱船舶的復雜性，在堆場任意兩個集裝箱相對位置的基礎上，給出它們之間的翻箱關系，以堆場上總的裝載集裝箱為約束，考慮集裝箱重量、裝船順序和它們在船舶上的裝載位置，以船舶穩(wěn)性為目標，建立了新的裝船順序整數(shù)規(guī)劃模型．結合利用粒子群算法，并構造出針對于模型的裝船順序求解算法，通過數(shù)據(jù)實驗仿真，可以得出模型的可行性和算法的有效性與實用性． 3.分析了船舶穩(wěn)性與堆場集裝箱翻箱率的關系，在已知集裝箱的重量、航程等信息的基礎上，把出口集裝箱的箱位分配與裝船順序綜合一起進行考慮分析，建立以堆場翻箱率、船舶卸載翻箱率及船舶穩(wěn)性為目標的多目標規(guī)劃模型，并運用粒子群算法對模型進行求解，并利用Matlab仿真證明了模型的合理性．
[Abstract]:With the rapid development of container shipping, the distribution of container space and the sequence of container loading in port yard are reasonably solved, and the turnover rate of container yard is reduced, so as to improve the working efficiency of yard. It is an important subject that all shipping companies and port terminals are facing. The allocation of container spaces for export containers at the terminals is to follow certain yard rules for export containers. The sequence of loading is a core link of container shipping. During loading, we should reduce the rate of turning over the container during loading and unloading the container as much as possible. The position and sequence of container loading on the ship are formed. The distribution of the container position and the sequence of loading have a direct impact on the safety of the ship and the efficiency of the yard machinery operation. It is very important for container shipping to study the distribution of container space and the loading sequence of container at the exit of wharf. With the rapid development of modern control theory, optimization method, artificial intelligence and so on, A variety of intelligent algorithms, such as genetic algorithm (GA), neural network, (ANNs), ant colony algorithm, (ACO), particle swarm optimization algorithm (PSO) and so on, have been put forward one after another. A new solution is provided, which makes it possible for container ship stowage to be managed scientifically by computer system. In this paper, a port s is taken as an example, and particle swarm optimization algorithm is used to allocate the container space of export container. And the shipping sequence of containers is discussed and studied. The main work is as follows: 1. Considering the weight and destination port of containers, taking voyage information and yard layout rules as constraints, and taking the loading path of export containers and the turnover rate of stacking areas as the targets, a container allocation model suitable for export container yard is established. Particle swarm optimization (PSO) algorithm is used to solve the model. The experimental results show that the model can reduce the turnover rate of the yard and improve the working efficiency of the yard machinery. 2. In view of the complexity of terminal operation and container ship, on the basis of the relative position of any two containers in the yard, the relationship between them is given. Taking the total loading container on the yard as the constraint, the container weight is considered. In this paper, a new integer programming model of ship loading sequence is established with the object of ship stability and their loading position on the ship. A new algorithm for solving the loading order is constructed by using particle swarm optimization algorithm. The feasibility of the model and the validity and practicability of the algorithm can be obtained through the data experiment and simulation. 3. The relationship between ship stability and container turnover rate in yard is analyzed. On the basis of known information of container weight and voyage, the distribution of container position of export container and the sequence of loading are considered and analyzed synthetically, and the turnover rate of container yard is established. The multi-objective programming model with ship unloading rate and ship stability as the target is solved by particle swarm optimization. The rationality of the model is proved by Matlab simulation.
【學位授予單位】：魯東大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：U695.22

【相似文獻】

相關期刊論文 前10條

1 趙羿偉;;基于粒子群的鋁電解整流機組效率優(yōu)化[J];黑龍江科技信息;2011年21期

2 汲萬峰;姜禮平;朱建沖;孫鈞正;;基本粒子群算法和遺傳算法用于航路規(guī)劃的比較[J];火力與指揮控制;2011年06期

3 馮雪;裴志松;;粒子群優(yōu)化算法的研究與應用[J];吉林建筑工程學院學報;2011年03期

4 丁滿;孫偉;徐江;張旭;;考慮色彩意象不明確的產(chǎn)品色彩模糊優(yōu)化設計[J];機械工程學報;2011年12期

5 王國師;李強;楊征;吳長飛;;單預警機靜態(tài)航跡規(guī)劃建模與仿真[J];工程設計學報;2011年04期

6 萬江華;卜凡亮;;粒子群算法在應急疏散中的應用研究[J];中國人民公安大學學報(自然科學版);2011年03期

7 李文婷;吳錦;;基于改進粒子群算法的神經(jīng)網(wǎng)絡建模[J];機械管理開發(fā);2011年04期

8 陳霞飛;周云海;;基于粒子群遺傳算法的變電站優(yōu)化規(guī)劃[J];陜西電力;2011年07期

9 時貴英;吳雅娟;倪紅梅;;一種新改進的粒子群優(yōu)化算法[J];長春理工大學學報(自然科學版);2011年02期

10 黃帥;李本威;;基于云粒子群小波網(wǎng)絡的發(fā)動機起動模型辨識[J];計算機仿真;2011年06期

相關會議論文 前10條

1 趙亮;;遺傳增強混沌粒子群算法[A];第二十九屆中國控制會議論文集[C];2010年

2 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術會議膨脹節(jié)設計、制造和應用技術論文選集[C];2010年

3 張頂學;關治洪;劉新芝;;多種群并行粒子群算法研究[A];第二十六屆中國控制會議論文集[C];2007年

4 張頂學;廖銳全;;粒子群算法分析及慣性權重的動態(tài)改變策略[A];第二十七屆中國控制會議論文集[C];2008年

5 叢亮;胡成全;郭宗鵬;姜宇;沙麗華;;基于模擬退火思想的基本粒子群算法改進[A];第二十七屆中國控制會議論文集[C];2008年

6 張頂學;朱迎輝;廖銳全;;一種動態(tài)改變慣性權重的粒子群算法[A];第二十九屆中國控制會議論文集[C];2010年

7 �？×�;梁君燕;魏巍;;解決流水車間雙目標調度問題的免疫粒子群算法[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

8 史久根;徐勝生;;基于文化-粒子群算法的機器人路徑規(guī)劃算法[A];2011中國儀器儀表與測控技術大會論文集[C];2011年

9 段練;張玉斌;;坐標改進型粒子群算法在應用層組播中的應用[A];煤炭機電與自動化實用技術[C];2012年

10 周曉君;陽春華;桂衛(wèi)華;;可變隨機函數(shù)的PSO算法[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

相關重要報紙文章 前10條

1 ;動物園工商所崗位分配靠競爭[N];中國工商報;2003年

2 記者 陳小三;廣交會展位分配將更加透明[N];國際商報;2004年

3 記者 吳春燕邋張景華;第104屆廣交會今天開幕[N];光明日報;2008年

4 新華社記者 車曉蕙;炒賣廣交會攤位，一公司一年賺幾百萬[N];新華每日電訊;2004年

5 鄭園園;廣交會展位分配向生產(chǎn)企業(yè)和西部傾斜[N];西部時報;2006年

6 熊力 徐興宇;事業(yè)單位分配制度將有“三個突破”[N];常德日報;2005年

7 李雪菲;展位分配工作全面展開[N];中國服飾報;2006年

8 烏石農場工會副主席 黃武;崗位分配要結合實際因地制宜[N];海南農墾報;2008年

9 尚武;廣交會展位分配實施重大改革[N];中國貿易報;2008年

10 郭元剛;石市公益性崗位分配完成[N];寧夏日報;2007年

相關博士學位論文 前10條

1 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

4 全海燕;混合克隆競爭與啟發(fā)學習策略的多角色隨機游動粒子群算法研究[D];云南大學;2010年

5 秦全德;粒子群算法研究及應用[D];華南理工大學;2011年

6 常彥偉;縱向參數(shù)多子群粒子群算法的研究與應用[D];中國礦業(yè)大學;2009年

7 田野;粒子群優(yōu)化算法及其應用研究[D];吉林大學;2010年

8 岳本賢;粒子群算法拓展研究及在約束布局優(yōu)化中應用[D];大連理工大學;2012年

9 劉衍民;粒子群算法的研究及應用[D];山東師范大學;2011年

10 薛堯予;群能量守恒粒子群算法及其在發(fā)酵過程控制中的應用研究[D];北京化工大學;2010年

相關碩士學位論文 前10條

1 盧榮甲;圓填充剛性常數(shù)的近似估計及其混合粒子群算法[D];廣西民族大學;2010年

2 楊立標;基于混合優(yōu)化策略的粒子群算法及其應用研究[D];哈爾濱工程大學;2010年

3 陳琳玲;基于簡化粒子群算法的測試數(shù)據(jù)自動生成方法研究[D];西南大學;2010年

4 趙辛欣;隨機聚焦粒子群算法在機組組合中的應用[D];西南交通大學;2010年

5 董延勝;粒子群算法在神經(jīng)網(wǎng)絡參數(shù)優(yōu)化中的應用[D];河南科技大學;2009年

6 王冬;基于粒子群算法的Web文本信息過濾研究[D];華北電力大學（河北）;2010年

7 李文婷;基于改進型粒子群算法的熱軋帶鋼寬度神經(jīng)網(wǎng)絡預報模型的研究[D];太原理工大學;2011年

8 汪華;粒子群算法的研究及其在供水優(yōu)化調度中的應用[D];合肥工業(yè)大學;2011年

9 張念志;基于粒子群算法的集送貨一體化車輛路徑問題研究[D];山東大學;2010年

10 袁洲;基于改進粒子群算法的項目反應理論3PLM參數(shù)估計方法研究[D];吉林大學;2011年

本文編號：2344814