[发明专利]基于改进离散粒子群算法的船舶引航排班方法

摘要

本发明公开了一种基于改进离散粒子群算法的船舶引航排班方法。本发明在分析引航排班各种规则和习惯的基础上，提出了船舶引航排班问题的数学模型；为求解该模型，提出了基于动态粒子子群的改进离散粒子群算法；针对常规求解方法存在大量不可行解的困难，提出了采用伪旅行商问题方法进行粒子适应度计算的方法。所提模型是可行的，所提算法具有搜索速度快，搜索精度高，稳定性强的特点，是适于求解复杂的引航排班问题的。

主权项

基于改进离散粒子群算法的船舶引航排班方法，其特征在于：包括以下步骤，步骤(A)，建立本地数据库，进行合同收池；步骤(B)，从池中选出待引航排班船舶，统计待引航排班船舶任务数Ntask,建立引航排班问题模型；步骤(C)，基于动态粒子子群改进离散粒子群算法对引航排班问题模型进行求解，找出最优引航排班计划；步骤(D)，根据确定的最优引航排班计划进行引航排班；步骤(B)包括建立引航排班问题模型，包括以下步骤：步骤(B1)，考虑引航中心各种成文的排班规则及不成文排班习惯，建立约束条件；步骤(B2)，将引航排班所涉及的各约束条件转化为费用函数，构建引航排班问题的数学模型，如下：Z＝c1*obj1+c2*obj2+c3*obj3+c4*obj4   (1)其中obj1为目标函数第1部分，表示一个可行的引航任务组组合中引航任务组的数目；obj2为目标函数第2部分，表示一个可行的引航任务组组合中各引航任务组的时间等待费用之和；obj3为目标函数第3部分，表示一个可行的引航任务组组合中各引航任务组的外站过夜费用之和；obj4为目标函数第4部分，表示一个可行的引航任务组组合中各引航任务组工作时间的标准差，其中c1、c2、c3、c4为系数权值；步骤(B3)，引航排班数学模型中obj1表达式如下：obj1＝taskno     (2)其中，taskno为任务组数目；步骤(B4)，引航排班问题数学模型中obj2表达式如下：obj2=Σi=1tasknowaitcosti---(3)]]>其中，waitcosti为任务组i的等待费用，其计算方式如下：waitcosti=wait_time*ωawait_time≤VTVT*ωa+(wait_time-VT)*ωbwait_time>VT---(4)]]>wait_time为同一引航任务组中两衔接引航任务之间的等待时间，VT为等待时间阈值，ωa、ωb为等待时间权重系数，且ωa＜ωb，表示等待时间越长，所产生的时间等待费用越大；步骤(B5)，引航排班问题数学模型中obj3表达式如下：obj3=Σi=1tasknoposcosti---(5)]]>poscosti为引航任务组i的外站过夜花费，ωgp为外站过夜花费权值；步骤(B6)，引航排班问题数学模型中obj4表达式如下：obj4=Σi=1taskno(gtask_timei-avetime)2taskno---(7)]]>其中，gtask_timei为任务组i的工作时间，taskno为任务组数目，avetime为一个任务组组合平均工作时间，其计算公式如下：avetime=Σi=1tasknogtask_timeitaskno---(8),]]>对于步骤(C)，基于动态粒子子群改进离散粒子群算法的引航排班模型求解，其步骤如下：步骤(C1)：初始化参数，设置种群大小popsize，总运行代数gen，变异概率pm，初始化运行次数g＝1；步骤(C2)：初始化种群，随机产生popsize个粒子，每个粒子为一具有Ntask个元素的整数序列，粒子中的各元素从集合{1，2，…，Ntask}中取值且互不重复；步骤(C3)：计算适应度，根据适应度函数计算每个粒子适应度值，若当前粒子适应度值小于其个体极值pbest，则更新该粒子的个体极值pbest及个体最优粒子，若当前粒子适应度值小于全局极值gbest，则更新当前种群的全局极值gbest及全局最优粒子；步骤(C4)：适应度排序，将粒子按适应度由小到大顺序进行排序；步骤(C5)：计算当前种群pop的适应度平均值avg1并选择所有适应度小于avg1的粒子，得到粒子子群subpop1，记subpop1种群大小为popsize1；步骤(C6)：计算粒子子群subpop1的适应度平均值avg2并选择所有适应度小于avg2的粒子，得到粒子子群subpop2，记subpop2种群大小为popsize2；设置动态学习概率ps；其中动态学习概率ps可由下式求得：ps=min(popsize2popsize+θ,0.8)---(9)]]>其中，min为取小函数、θ为一常数，步骤(C7)：从粒子群中选择一粒子进行动态粒子子群学习；步骤(C8)：对学习后的粒子计算适应度，如果该值小于学习前适应度，则更新当前粒子；否则，对当前粒子以概率pm执行变异操作,其具体步骤为：随机产生一个(0,1)间实数r，如果r≤变异概率pm，则对当前粒子执行基于序列倒置的变异操作；步骤(C9)：若当前运行次数g小于总运行代数gen，g加1，转步骤(C3)；步骤(C10)：输出全局极值gbest及全局最优粒子。