基于头脑风暴算法的集卡调度与箱位分配问题研究

发布时间：2020-06-10 04:40

【摘要】：随着人们对自然和生命本质的深入了解,人工智能的研究逐渐开辟出来了所谓的智能优化路径。群体智能作为人工智能的一个重要分支,近几十年来已经在复杂、大规模优化问题求解中表现出极大的优越性能。随着我国自动化以及信息化技术的提升,物流业迅速发展并逐渐向“智能化”迈进。港口物流作为物流业的一个重要分支,是全球综合运输系统的节点,并对港口的效率、效益有着巨大的影响。采用群体智能优化算法解决港口各类资源的调度问题已经成为一个趋势。为了改善港口资源的有效分配,降低费用成本,结合港口生产中的各种约束条件以及智能优化算法的基本理论,论文提出了一个港口调度作业过程中的“一拖双挂”集卡调度与箱位分配问题,并采用一种新型的头脑风暴算法求解该问题。本文是在国家自然科学基金面上项目"基于复杂适应菌群优化的新型港口布局、泊位与岸吊分配联合决策(71571120)”和“全面学习与进化细菌觅食优化方法研究(71271140)”的支持下进行的,开展了以下的创新性工作:首先,在模型构建方面,在分析研究港口生产过程的基础上,将当前港口运输使用一拖双挂的现况,引入集卡调度,并在此基础上提出取货调度子问题。针对取货调度在复杂环境下的有效性,结合箱位分类、停车场存在、场桥岸桥运作时间,形成以集卡调度、取货调度、箱位分配为主体,各个现实环境因素为约束的整合调度问题。并对于此因多调度整合而产生的算法难求解性,设计最优取货路径的局部优化算法,将多调度问题简化成单调度问题。其次,在算法设计方面,论文受生物“趋利避害”、人类“取长补短”现象的启发,提出了一种基于“再次更新”机制的头脑风暴算法。以往对头脑风暴算法的改进往往集中于聚类方法的替换、变异公式的改进等等,本文尝试在已有的头脑风暴算法迭代一次以后通过加入“趋利避害”策略对个体进行再次更新,提出了改进的头脑风暴算法。此种改进方式提高了头脑风暴算法在函数优化上的寻优能力,并且相对于原始的算法效率更高,为头脑风暴算法的改进开辟了新的方向。最后,在模型求解方面,本文首次利用头脑风暴算法对集卡调度与箱位分配问题的数学模型进行最优求解。头脑风暴算法具有简单、容易实现并且没有许多参数需要调整的优点。在本文的算法实现中,本文利用3种头脑风暴算法和遗传算法、差分进化算法、粒子群算法进行了对比,通过比较6种算法的性能,选出了对于此文的模型求解寻优能力最强的算法和稳定性最高的算法。
【学位授予单位】：深圳大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F550

【参考文献】