买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海事大学;中交第一航务工程勘察设计院有限公司

摘要：本发明属于码头调度技术领域，提供了一种基于改进遗传算法的岸桥泊位集成调度方法，所述方法以船舶服务成本和船舶污染物排放成本最小化为目标，并采用基于定点突变策略的强化学习‑Q学习‑NSGA‑IIRL‑Q‑NSGA‑II算法进行求解，完善了双目标码头泊位‑岸桥集成调度模型的构建，改进了常用于求解多目标问题的NSGA‑II算法，为码头前沿调度优化提供参考。因此，相比传统单一泊位分配与岸桥调度，本发明所述方法实现对泊位和岸桥的集成调度、有助于提升码头泊位利用率与船舶作业效率；同时本发明考虑船舶气体污染物减排，集成优化码头前沿核心作业区域，对于推进港口绿色发展、提升港口核心竞争力具有重要的理论意义及实践意义。

主权项：1.一种基于改进遗传算法的岸桥泊位集成调度方法，其特征在于，所述方法包括以下步骤：步骤1，双目标码头泊位-岸桥集成调度模型的构建S11，确定目标函数：船舶服务成本由四个部分组成：船舶等待的单位时间成本C1、船舶远离偏好泊位的单位距离成本C2、船舶推迟离港的单位时间成本C3和每台岸桥的单位时间装卸成本C4；以最小化船舶服务成本为目标函数1，如公式1所示： 式中，f1为船舶服务成本，S为计划周期内挂靠的船舶集合，S＝{1,2,..15}，为船舶i实际到港时间，为船舶i预计到港时间，i∈S，Bi为船舶i实际靠泊泊位，bi为船舶i的偏好泊位，i∈S，为船舶i预计离港时间，i∈S，为船舶i实际离港时间，T为计划周期，t为计划周期内任意时间，t∈T，qi为调度给船i的岸桥数量； 以最小化船舶污染物排放成本为目标函数2，如公式2所示：minf2＝∑m∈MECm2式中，f2为船舶污染物排放成本，M为污染物种类集合，M＝{1,2,3,4}，BEm为船舶排放废气m的成本；S12，设置约束条件：1船舶i实际靠港时间的下界设置，如公式3所示： 2目标泊位满足靠泊船舶的船长与吃水限制，如公式4-5所示： 式中，B为码头泊位集合，B＝{1,2,3,4,5,6}；K为船舶靠泊次序集；Dj为泊位j的码头水深，j∈B，SDi为船舶i的安全吃水，i∈S；Lj为泊位j的长度，j∈B；SLi为船舶i的船长，i∈S；3计划周期内每条船舶只能靠泊一个泊位，如公式6所示： 4一个泊位任一时刻最多为一条船提供服务，如公式7所示： 5确定船舶靠泊顺序，如公式8所示： 式中，xijk+1为船i在泊位j按照次序k+1服务；6限定停靠同一泊位的船舶靠泊时间不重叠，如公式9所示： 式中，x'ijk表示为与第i条船停靠同一泊位j的其他船舶服务；7限定任一时刻服务船舶i的岸桥数量不超过岸桥总数，如公式10所示： 式中，Q为岸桥集合，Q＝{1,2,…24}；8限定任一时刻服务船舶的岸桥数量不超过船舶所在泊位的岸桥总数，如公式11所示： 式中，Qj为泊位j可用的岸桥数量，j∈B；9公式12表示岸桥应完成指定船舶装卸任务： 式中，为岸桥进行装卸作业的平均速度；Wi为船舶i的装卸任务总量，i∈S；10公式13表示调度给船舶i的岸桥数量约束： 式中，为调度给船舶船i的最小岸桥数量，为调度给船舶船i的最大岸桥数量，i∈S；11以公式14保证船舶装卸作业的连续性： 式中，M0为充分大的正数；12公式15设置了实际离港时间的下界： 13以公式16-17计算船舶的实际到港时间及实际工作时间： 式中，为船舶i的在港作业时间；14以公式18计算实际离港时间： 式中，为船舶i靠泊时间，i∈S；15以公式19-21确定决策变量的取值范围： 步骤2，待研究码头相关数据的收集S21，待研究码头周边水域及码头基本情况：从气象、潮汐、海流三个部分收集待研究码头周边的水域情况；确定待研究码头的泊位和岸桥主要参数，以及平面布局；S22，模型数据收集：收集包括船舶到港数据、船舶实际航速数据、到港船舶静态数据，以及步骤1所述模型给出的其他相关数据；步骤3，模型求解：基于步骤2获取的相关数据，采用基于定向变异的强化学习-Q学习-NSGA-II算法对步骤1构建的模型进行求解，得到Pareto前沿解集，解集上的每个点对应一种泊位-岸桥集成调度方案；模型求解的具体方法为：S31，种群初始化：随机产生初始种群规模为L的初始父代种群Pt，对于每个个体，按照以下公式22采用双层染色体编码： 式中，GL为染色体编码集合；表示染色体第i位第一层基因，即第i条船舶的靠泊泊位；表示染色体第i位第二层基因，即第i条船舶的服务岸桥数量，介于和之间的随机整数，为调度给船舶船i的最小岸桥数量，为调度给船舶船i的最大岸桥数量，i∈S；对于生成的个体，代入到所述公式16和18计算船舶的实际到港时间、实际离港时间；S32，交叉操作：采用模拟单点二进制交叉法，对于两个父代种群i中的两个个体和通过以下公式22得到两个子代和由此生成子代种群Qt： 式中，i＝1,..n,m＝1,2；β为传播因子，由分布系数η动态随机生成，随机数如公式24所示： S33，选择操作：将父代种群Pt和子代种群Qt合并为种群规模为2M的新种群Rt，以目标函数1和2作为适应度函数，对Rt进行非支配排序，具体步骤包括：计算Rt中的每个个体p的被支配个数np及个体p的支配解集Sp；将np＝0的个体放入集合F1中，消除F1中个体对其余个体的支配；计算剩余每个个体l的被支配个数nl，将nl＝0的个体放入集合F2中，消除F2中个体对其余个体的支配；重复上述步骤，直至Rt中的全部个体被划分，集合Fu则为对应的就是Pareto等级为u的个体集合；对于同一集合F中的Z个互不支配的个体，计算拥挤度，具体步骤包括：取du表示拥挤度，取du＝0,d1＝dZ＝∞，将所有目标函数值fk升序排列，记分别为个体目标函数值得最大值和最小值；拥挤度的计算公式如式25所示： S34，种群更新：采用精英保留策略，优先选择Rt中拥挤度较大的个体，直至种群规模达到L；S35，基于强化学习定点突变策略，进行变异操作：以父代种群Pt+1上全部基因的集合作为初始行动集，计算目标函数获得初始状态集，以状态-动作对Qs,a作为Q矩阵元素；采用定点突变流程选取Pt+1关键基因的位置，并采用均匀变异的方式进行变异操作，计算奖励函数Rn后更新Q矩阵状态，直至Q矩阵收敛；将收敛后的行动集作为子代种群Qt+1，重复上述步骤S32-S33，直至最大迭代次数。

全文数据：

权利要求：

百度查询： 大连海事大学 中交第一航务工程勘察设计院有限公司 一种基于改进遗传算法的岸桥泊位集成调度方法