基于多目標(biāo)粒子群算法的港口調(diào)度系統(tǒng)設(shè)計與實現(xiàn).pdf

1、近年我國物流行業(yè)高速的發(fā)展，已經(jīng)成為國民經(jīng)濟(jì)中一個重要的支柱產(chǎn)業(yè)。物流行業(yè)廣闊的市場潛力，對港口的發(fā)展起著巨大的促進(jìn)作用。作為全球綜合運輸系統(tǒng)的節(jié)點，港口的效率、服務(wù)水平及可靠性是非常關(guān)鍵的因素。本文以改善港口資源的有效分配，降低費用成本，提高港口設(shè)備資源利用率為目標(biāo)，結(jié)合港口生產(chǎn)中的各種約束條件以及粒子群優(yōu)化算法(PSO)的基本理論，深入分析港口生產(chǎn)調(diào)度作業(yè)過程的優(yōu)化方法。論文的主要工作有： 首先，在分析研究港口生產(chǎn)過程的基礎(chǔ)

2、上，以所有船舶總在港時間最短為目標(biāo)函數(shù)，建立了港口泊位作業(yè)數(shù)學(xué)模型和拖輪作業(yè)數(shù)學(xué)模型，根據(jù)模型的特點和各個參數(shù)的物理意義及其相互關(guān)系得出了港口調(diào)度數(shù)學(xué)模型必須滿足的約束條件，該模型充分考慮了港口調(diào)度的隨機(jī)性和其它影響因素，比較客觀地反映港口調(diào)度的實際運行情況。 其次，本文利用多目標(biāo)粒子群算法(MOPSO)對港口調(diào)度問題數(shù)學(xué)模型進(jìn)行最優(yōu)求解。PSO算法屬于群集計算智能中具有代表性的優(yōu)化算法之一，是一種基于群智能方法的演化計算技術(shù)，

3、具有簡單容易實現(xiàn)并且沒有許多參數(shù)需要調(diào)整的優(yōu)點。在本文的算法實現(xiàn)中，利用線性遞減權(quán)值策略，調(diào)整粒子的全局搜索和局部搜索能力，并用一種最優(yōu)解評估選取的PSO算法進(jìn)行多目標(biāo)優(yōu)化問題的非劣最優(yōu)解集的搜索。通過建立的港口調(diào)度問題的兩個目標(biāo)函數(shù)來共同指導(dǎo)粒子的飛行，對PSO算法全局極值和個體極值的選取方式進(jìn)行改進(jìn)，使其最終落入非劣最優(yōu)目標(biāo)域，從而得到最終的港口設(shè)備資源的最優(yōu)化分配方案。 最后，采用統(tǒng)一建模語言(UML)建模方法進(jìn)行港口調(diào)度