【摘要】：隨著人們對(duì)自然和生命本質(zhì)的深入了解,人工智能的研究逐漸開(kāi)辟出來(lái)了所謂的智能優(yōu)化路徑。群體智能作為人工智能的一個(gè)重要分支,近幾十年來(lái)已經(jīng)在復(fù)雜、大規(guī)模優(yōu)化問(wèn)題求解中表現(xiàn)出極大的優(yōu)越性能。隨著我國(guó)自動(dòng)化以及信息化技術(shù)的提升,物流業(yè)迅速發(fā)展并逐漸向“智能化”邁進(jìn)。港口物流作為物流業(yè)的一個(gè)重要分支,是全球綜合運(yùn)輸系統(tǒng)的節(jié)點(diǎn),并對(duì)港口的效率、效益有著巨大的影響。采用群體智能優(yōu)化算法解決港口各類資源的調(diào)度問(wèn)題已經(jīng)成為一個(gè)趨勢(shì)。為了改善港口資源的有效分配,降低費(fèi)用成本,結(jié)合港口生產(chǎn)中的各種約束條件以及智能優(yōu)化算法的基本理論,論文提出了一個(gè)港口調(diào)度作業(yè)過(guò)程中的“一拖雙掛”集卡調(diào)度與箱位分配問(wèn)題,并采用一種新型的頭腦風(fēng)暴算法求解該問(wèn)題。本文是在國(guó)家自然科學(xué)基金面上項(xiàng)目"基于復(fù)雜適應(yīng)菌群優(yōu)化的新型港口布局、泊位與岸吊分配聯(lián)合決策(71571120)”和“全面學(xué)習(xí)與進(jìn)化細(xì)菌覓食優(yōu)化方法研究(71271140)”的支持下進(jìn)行的,開(kāi)展了以下的創(chuàng)新性工作:首先,在模型構(gòu)建方面,在分析研究港口生產(chǎn)過(guò)程的基礎(chǔ)上,將當(dāng)前港口運(yùn)輸使用一拖雙掛的現(xiàn)況,引入集卡調(diào)度,并在此基礎(chǔ)上提出取貨調(diào)度子問(wèn)題。針對(duì)取貨調(diào)度在復(fù)雜環(huán)境下的有效性,結(jié)合箱位分類、停車場(chǎng)存在、場(chǎng)橋岸橋運(yùn)作時(shí)間,形成以集卡調(diào)度、取貨調(diào)度、箱位分配為主體,各個(gè)現(xiàn)實(shí)環(huán)境因素為約束的整合調(diào)度問(wèn)題。并對(duì)于此因多調(diào)度整合而產(chǎn)生的算法難求解性,設(shè)計(jì)最優(yōu)取貨路徑的局部?jī)?yōu)化算法,將多調(diào)度問(wèn)題簡(jiǎn)化成單調(diào)度問(wèn)題。其次,在算法設(shè)計(jì)方面,論文受生物“趨利避害”、人類“取長(zhǎng)補(bǔ)短”現(xiàn)象的啟發(fā),提出了一種基于“再次更新”機(jī)制的頭腦風(fēng)暴算法。以往對(duì)頭腦風(fēng)暴算法的改進(jìn)往往集中于聚類方法的替換、變異公式的改進(jìn)等等,本文嘗試在已有的頭腦風(fēng)暴算法迭代一次以后通過(guò)加入“趨利避害”策略對(duì)個(gè)體進(jìn)行再次更新,提出了改進(jìn)的頭腦風(fēng)暴算法。此種改進(jìn)方式提高了頭腦風(fēng)暴算法在函數(shù)優(yōu)化上的尋優(yōu)能力,并且相對(duì)于原始的算法效率更高,為頭腦風(fēng)暴算法的改進(jìn)開(kāi)辟了新的方向。最后,在模型求解方面,本文首次利用頭腦風(fēng)暴算法對(duì)集卡調(diào)度與箱位分配問(wèn)題的數(shù)學(xué)模型進(jìn)行最優(yōu)求解。頭腦風(fēng)暴算法具有簡(jiǎn)單、容易實(shí)現(xiàn)并且沒(méi)有許多參數(shù)需要調(diào)整的優(yōu)點(diǎn)。在本文的算法實(shí)現(xiàn)中,本文利用3種頭腦風(fēng)暴算法和遺傳算法、差分進(jìn)化算法、粒子群算法進(jìn)行了對(duì)比,通過(guò)比較6種算法的性能,選出了對(duì)于此文的模型求解尋優(yōu)能力最強(qiáng)的算法和穩(wěn)定性最高的算法。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F550

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 楊玉婷;史玉回;夏順仁;;基于討論機(jī)制的頭腦風(fēng)暴優(yōu)化算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2013年10期

2 顧天意;梁承姬;;基于矩陣式遺傳算法的集裝箱碼頭堆場(chǎng)空間資源分配優(yōu)化策略[J];上海海事大學(xué)學(xué)報(bào);2012年02期

3 王志明;符云清;;基于遺傳算法的集裝箱后方堆場(chǎng)箱位分配策略[J];計(jì)算機(jī)應(yīng)用研究;2010年08期

4 楊啟文;蔡亮;薛云燦;;差分進(jìn)化算法綜述[J];模式識(shí)別與人工智能;2008年04期

5 任平;遺傳算法(綜述)[J];工程數(shù)學(xué)學(xué)報(bào);1999年01期

相關(guān)博士學(xué)位論文 前1條

1 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前2條

1 沈林;基于頭腦風(fēng)暴算法優(yōu)化的v-SVR的研究及應(yīng)用[D];蘭州大學(xué);2014年

2 陳方鼎;基于群體智能算法的集裝箱碼頭集卡調(diào)度研究[D];大連海事大學(xué);2008年

，

本文編號(hào)：2705784