[发明专利]一种船舶引航排班问题模型与求解方法

摘要

本发明公开了一种船舶引航排班问题模型与求解方法，在分析引航排班各种成文的排班规则及不成文的排班习惯的基础上，针对常规求解方法存在大量不可行解的困难，提出了将该模型转化为伪旅行商问题的方法；该方法依次包括以下步骤步骤(1)建立本地数据库，进行合同收池；步骤(2)从池中选出待引航排班船舶，建立引航排班问题模型；步骤(3)基于分布估计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(4)根据确定的最优引航排班计划进行引航排班。本发明为提高算法效率，通过引入最优粒子子群，其具有搜索速度快，搜索精度高的特点。本发明所提引航排班问题模型是有效的，求解方法是高效的。

主权项

一种船舶引航排班问题模型与求解方法，包括建立本地数据库，进行合同收池，其特征在于：该方法依次包括以下步骤：步骤(1a)：建立本地数据库，进行合同收池；步骤(1b)：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(1c)：基于分布估计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(1d)：根据确定的最优引航排班计划进行引航排班；对于所述步骤(1b)，建立引航排班问题数学模型Z的计算公式如下：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；c1、c2、c3、c4为系数权值；对于所述步骤(1c)，基于分布估计改进离散粒子群算法对引航排班问题模型进行求解，其步骤如下：步骤(4a)：初始化参数；设置种群大小popsize，运行总代数gen，变异概率pm；步骤(4b)：初始化种群；置运行代数g＝1,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(4c)：计算粒子适应度；根据适应度函数计算每个粒子适应度值并保存每个粒子找到的个体极值pbest及整个种群的全局极值gbest；步骤(4d)：将所有个体极值进行排序，以比率γ选择具有最优个体极值的粒子构建最优粒子子群；步骤(4e)：根据最优粒子子群中各序列元素所代表的引航任务的邻接关系建立各引航任务的邻接元素概率分布模型；步骤(4f)：每个粒子根据引航任务的邻接元素概率分布模型执行学习采样过程；步骤(4g)：对学习后的粒子计算适应度值，如果该值小于学习前适应度值，则更新当前粒子；否则，对当前粒子以概率pm执行变异操作；步骤(4h)：置运行代数g加1，如果g≤gen，转步骤(4c)；步骤(4i)：输出全局极值gbest及全局最优粒子；对于步骤(4f)，每个粒子根据引航任务的邻接元素概率分布模型执行学习采样过程的具体步骤如下：步骤(10a)：随机产生两个粒子位X1、X2，保持粒子中粒子位X1、X2之间的序列不变，其余粒子位置空；步骤(10b)：对于剩余粒子位元素值，采用轮盘赌方法，采样引航排班问题邻接元素概率分布模型，得到新粒子；步骤(10c)：由步骤(10b)所得新粒子，若其适应度值优于采样学习前的适应度值，则将新粒子替换采样学习前的粒子；否则，对当前粒子以概率pm执行变异操作。