基于蚁群算法的集装箱港口选择与网络均衡分析
【图文】:
集装箱港口的年吞吐量均在200万TEU以上,其国际班轮航班数和干线班轮航班数一般均达300个以上和100个左右。以此为参照,对我国年吞吐量逾100万TEU的前5个主要集装箱港口的国际和远洋班轮航班数进行统计(见图2.4),结果表明,上海、深圳两港的国际和远洋班轮航班数相对较多,基本上达到了集装箱枢纽港的临界指标;而青岛、天津、广州3港的国际班轮尤其是远洋班轮航班数明显偏少。图2.4还表明,上述5港的干线班轮航班数均偏低,排序最前的深圳、上海两港在3大干线上的挂靠次数也只相当于香港、新加坡、高雄等港的0.4一0.5左右。由此可见,九十年代末以来,在我国沿海各主要集装箱港口中,,上海、深圳两港己初步具备了国际集装箱枢纽港的一些基本特征,它们正处在由干线港向枢纽中心港过渡演变的过程之中。②空间集中化过程明显加快。通过对1995一2000年我国沿海集装箱港口体系中前1、2、3、5位港口吞吐量的比重变化的统计发现(表2.2),除第一位港口所占比重随时间的变化并无显著上升趋势外,前2、3、5位港口所占比重随时间的延续出现了明显的上升趋势
种选择路径的过程被称之为自催化行为 (autocatalyticbehavior),由于其原理是一种正反馈机制,因此也可将蚁群的行为理解成所谓的增强型学习系统。下面以一个非常经典的例子来说明一下蚂蚁觅食的过程。图4.2描述的是蚁群从巢穴出来觅食并返回巢穴的过程。首先,假设巢穴和食物之间有两条可行的路径,这样,当蚂蚁到达“交叉口”时,就需要进行选择:是向左还是向右。最初,两条路径上都没有外激素(因为还没有蚂蚁走过),因此,蚂蚁选择两条路径的概率相同,即两条路径上经过的蚂蚁一样多。由于走短路的蚂蚁会先到达目的地(食物),并率先返回,这时长路的外激素还没有更新,这样它会优先选择短路返回。经过一段时间,选择短路到达食物的蚂蚁数量要明显多于选择长路的,因此,短路上的外激素强度更大
【学位授予单位】:大连海事大学
【学位级别】:博士
【学位授予年份】:2008
【分类号】:U695.21
【相似文献】
相关期刊论文 前10条
1 门君;王连玉;李忠光;巴威;;基于改进蚁群算法的汽车抢修车巡回修理问题研究[J];军事交通学院学报;2011年05期
2 计三有;王星;;基于蚁群算法的图书物流中心配送路径规划[J];湖北工业大学学报;2011年04期
3 刘立;王建兴;秦书硕;莫城恺;;一种改进蚁群算法在配电网优化规划中的应用[J];科学技术与工程;2011年24期
4 张宝健;;变异蚁群算法在电力系统无功优化中的应用[J];福建电脑;2011年05期
5 李慧;王来运;;基于混沌蚁群算法的电力短期负荷预测[J];北京信息科技大学学报(自然科学版);2011年04期
6 张敖木翰;钟仰晋;何世伟;;基于蚁群算法的公交线网规划研究[J];交通标准化;2008年13期
7 时贵英;吴雅娟;倪红梅;;一种新改进的粒子群优化算法[J];长春理工大学学报(自然科学版);2011年02期
8 严珍珍;邢立宁;陈英武;;蚁群算法求解消防站的选址问题[J];科学技术与工程;2011年21期
9 李永胜;曲良东;李熹;;自适应信息素更新蚁群算法求解QoS组播路由[J];山东大学学报(工学版);2011年04期
10 何开成;;一种改进的蚁群算法求解TSP问题及实验结果分析[J];硅谷;2011年16期
相关会议论文 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
4 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
5 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
6 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
7 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
8 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年
9 师凯;蔡延光;邹谷山;王涛;;运输调度问题的蚁群算法研究[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
10 陈峻;沈洁;秦玲;;蚁群算法进行连续参数优化的新途径[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(下册)[C];2002年
相关重要报纸文章 前2条
1 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
2 本报记者 张巍巍;瞧瞧“机器游侠”特种兵[N];科技日报;2011年
相关博士学位论文 前10条
1 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
2 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
3 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
4 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
5 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
6 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
7 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
8 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年
9 吕雄伟;邮政物流车辆路径问题研究[D];西南交通大学;2009年
10 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年
相关硕士学位论文 前10条
1 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
2 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
3 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
4 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
5 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
6 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
7 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
8 林时来;基于蚁群算法的呼吸信号情感识别研究[D];西南大学;2011年
9 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年
10 李旭;应用点着色聚类改进蚁群算法[D];四川师范大学;2010年
本文编号:2650654
本文链接:https://www.wllwen.com/jingjilunwen/jtysjj/2650654.html