[发明专利]基于改进多目标遗传算法的船闸调度方法

说明书

技术领域

本发明涉及一种基于改进多目标遗传算法的船闸调度方法，属于水运交通智能管理技术领域。

背景技术

当前我国水路运输不断发展，长江水运通道也超过密西西比河和莱茵河，成为世界上最繁忙、运量最大的内河运输通道。水路运输作为我国综合运输体系的重要组成部分，虽然承担了49.77％的货物周转量，但是与发达国家的75％相比，相差悬殊。船闸通航能力成为制约水路运输效率的突出问题，解决船闸调度过程中船舶待闸时间长、闸室利用率低等问题是提高船闸通航能力的关键。目前内河航运主要采用人工编排调度计划的调度方式，调度过程慢、调度水平低、缺乏科学性。因此，采用科学有效的智能排船调度方法成为提高船闸通航能力的关键。

在闸室编排过程中，既要实现闸室利用率最大，又要保证航道畅通。但是在实际情况中，闸室利用率过高会导致船舶进出闸过程时间变长，增加航道拥堵程度。人工排船时通常选择减少单次过闸船数、降低闸室利用率的情况来缓解过闸等待时间长的问题。因此，综合考虑提升船闸通航能力的众多影响因素，给出科学高效的船闸调度方案具有实际的指导意义。但人工排档方法太过依赖人为决策，对决策者个人的经验、知识、能力等要求很高，而且决策的个人主观性较强，对经验不足的个人很难做出正确的选择，决策的科学性较低。

船舶调度问题是在特定时间段内，有若干船舶提出通过船闸的申请，在船闸空间有限的前提下，合理为每一条船舶安排过闸的时间和空间，达到减少船舶等候时间和提高船闸利用效率等目标。闸室编排根据船舶报到时间和优先级别，将船舶排入闸室内，可以用二维空间上的装箱模型来描述，是一个典型的NP完全问题(多项式复杂程度的非确定性问题)。若仅考虑闸室编排面积利用率或者单船过闸效率，则该问题属于一个单目标的决策问题。将船闸简化为一个大的矩形，每条船舶简化成一个小的矩形，船舶排档过程就简化成一个小矩形填充大矩形的过程。目前以二维装箱模型解决船闸排档问题常见的方法是采用贪婪算法。贪婪算法一般将求解过程分为若干个步骤，在每个步骤都应用贪心原则，选取当前状态下最好或者最优的选择，并以此希望最后堆叠出最优结果。在船舶排档过程中，往往将待闸船舶按权重降序排列，依次选择至闸室填满。贪婪算法运行速度快，在大多数情况下能取得较高的闸室利用率，但是贪婪算法在进行船闸排档过程中只注重局部最优选择，不进行回溯处理，不从整体上考虑其他各种可能的情况，很容易错过真正的最优选择，得不到最合适的排档方结果。

此外，内河航道上过往的船舶类型多样，安排船舶过闸不仅需要考虑先到先过的原则来减少通航时间，也需要尽可能提高闸室利用率，还需要保证部分船舶优先过闸。目前现有的排档算法目标函数单一，对于不同类型的调度指标，不能同时考虑船闸运行过程中的协调性、平衡性和大小船舶兼顾的协同调度原则，决策辅助价值较低。

普通的多目标遗传算法，针对相互接近而又不具有Pareto支配关系的个体，SPEA很难有效地区分它们的适应度，容易产生适应度相同的个体，导致算法计算效率低下。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于改进多目标遗传算法的船闸调度方法，解决现有船闸调度过程中船舶待闸时间长、闸室利用率低的技术问题。

为解决上述技术问题，本发明所采用的技术方案是：基于改进多目标遗传算法的船闸调度方法，包括如下步骤：

借鉴生物进化过程，将排船方式定义为进化对象的个体，进行染色体编码和种群初始化；

根据不同调度指标构建目标函数，对初始种群进行个体适应度计算；

对初始种群反复按序进行选择操作、交叉操作和变异操作，从全局的角度进行评估决策，输出满足调度需求的最优排船方式。

染色体编码的具体方法如下：

假设船闸中有M艘待闸船舶，用M艘待闸船舶表示染色体内所包含的M组基因，基因内j_i表示第i艘船舶被调度的闸次，x_i,fi和y_i,fi分别表示第i艘船舶安排于船闸中的X、Y坐标，其中i∈R，i＝[1,M]，则染色体编码的编码公式如下：

s＝[(j₁,x_1,f1,y_1,f1),(j₂,x_2,f2,y_2,f2),…,(j_M,x_M,fM,y_M,fM)]

其中：s表示船闸中M艘船舶的一种排船方式。

种群初始化的具体方法如下：