基于改进多目标遗传算法的船闸调度方法技术

本发明专利技术公开了一种基于改进多目标遗传算法的船闸调度方法，包括：借鉴生物进化过程，将船闸排档结果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；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档方案。本发明专利技术从全局的角度进行评估决策，有利于更加合理高效的获得全局最优解，考虑多种调度指标，建立多个目标函数，提高了决策辅助价值，并且对适应度计算方法进行改进，提高了算法计算的时间效率，满足船闸智能调度排档的需求。

Ship lock scheduling method based on improved multi-objective genetic algorithm

This invention discloses a ship lock scheduling method based on the improved multiobjective genetic algorithm, which includes: using the biological evolution process to define the ship lock gear results as the individual of the evolutionary object, carry out the chromosome coding and population initialization, construct the target function according to the different scheduling indexes, and carry on the individual fitness meter for the initial population. The selection operation, cross operation and mutation operation are repeated according to the sequence, and the evaluation decision is carried out from the global point of view, and the optimal scheduling scheme is output to meet the requirements of the scheduling. This invention makes the evaluation decision from the global point of view, which is beneficial to obtaining the global optimal solution more reasonably and efficiently, considering various scheduling indexes, establishing multiple target functions, improving the decision assistant value, and improving the fitness calculation method, improving the time efficiency of the algorithm calculation, and meeting the intelligent scheduling of the ship lock. The demand for the file.

【技术实现步骤摘要】
基于改进多目标遗传算法的船闸调度方法
本专利技术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

技术介绍
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。
技术实现思路
本专利技术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，本专利技术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ji表示第i艘船舶被调度的闸次，xi,fi和yi,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,x1,f1,y1,f1),(j2,x2,f2,y2,f2),…,(jM,xM,fM,yM,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：S1：从待闸船舶中随机选择一条船放入闸室；S2：在闸次集合中随机选择一个闸次对该船舶进行排闸；S3：判断该船舶能否排进该闸次，如果能排进该闸次，则更新染色体及待闸船舶，返回步骤S1，直至待闸船舶列表为空；否则，更新闸次集合，重新进入步骤S3，直至闸次集合为空，并将基因更新为(-1,-1,-1)；上述过程反复执行N次，即可得到N组满足目标解的染色体集合，即初始种群，也就是船闸中M艘船舶的N种排船方式。所述目标函数包括：根据船舶等待调度时间最短为调度指标构建的目标函数F1和根据每一闸室内所有船舶占用总面积最大为调度指标构建的目标函数F2；其中：M表示船闸中的待闸船舶数；i表示船舶序号，i∈R，i＝[1,M]；T1表示船舶报到时间；T0表示船舶过闸时间；flagi表示第i艘船舶能否排进该闸次，能则为1，否则为0；Si表示第i艘船舶的面积；A表示该闸次的闸室面积。所述个体适应度的计算公式如下：其中：xm表示船闸中M艘船舶的第m种排船方式，即个体m；Fitness(xm)是个体的适应度，SumMation(xm)是Pareto支配xm的个体的强度和，S(xm)是xm的强度，SET(xm)是所有xm与具有相同个体的强度和的集合；xn表示船闸中M艘船舶的第n种排船方式，即个体n；S(xn)是xn的强度。所述选择操作采用比例选择的思路设计选择算子，排船方式被选择的概率如下：其中：Pm表示个体被选中的概率，即该种排船方式能被选中遗传给下一代的概率；Fitness(xm)是个体m的适应度值；N表示初始种群的数量，即N种排船方式。所述交叉操作的具体方法如下：随机选择两种排船方式，从M条船中随机选择一条作为交叉点，将两种排船方式在交叉点之后进行排船方式交换。所述变异操作的具体方法是：随机选择一种排船方式，从M条船中随机选择一条进行变异操作，若该船舶能排入该闸次，则变异成1，否则变异成0。与现有技术相比，本专利技术所达到的有益效果是：1、本专利技术是一种基于多目标遗传算法的新型船闸智能调度方法，是一种借鉴生物进化过程的启发式搜索算法，不依赖人为因素，排档过程更加科学；2、通过对若干个体组成的种群进行选择、交叉和变异处理，从全局的角度进行评估决策，能够获取全局最优解，排档结果可信度更高；3、船闸调度过程中，将约束条件和调度指标量化成数学模型，完成多重指标下的船舶排档，具有更实际的决策辅助功能；4、对遗传算法适应度计算方法进行改进，提高了算法计算的时间效率，满足船闸智能调度排档的需求。附图说明图1是本专利技术的流程图；具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。如图1所示，是本专利技术的流程图，图中：G表示当前遗传的代数；GEN表示预设的代数，即GEN次遗传操作之后停止，具体步骤如下：步骤一：借鉴生物进化过程，将船闸排档结果定义为进化对象的个体，进行染色体编码；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ji表示第本文档来自技高网...

【技术保护点】
基于改进多目标遗传算法的船闸调度方法，其特征在于，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。

【技术特征摘要】
1.基于改进多目标遗传算法的船闸调度方法，其特征在于，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。2.根据权利要求1所述的基于改进多目标遗传算法的船闸调度方法，其特征在于，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ji表示第i艘船舶被调度的闸次，xi,fi和yi,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,x1,f1,y1,f1),(j2,x2,f2,y2,f2),…,(jM,xM,fM,yM,fM)]其中：s表示船闸中M艘船舶的一种排船方式。3.根据权利要求1所述的基于改进多目标遗传算法的船闸调度方法，其特征在于，种群初始化的具体方法如下：S1：从待闸船舶中随机选择一条船放入闸室；S2：在闸次集合中随机选择一个闸次对该船舶进行排闸；S3：判断该船舶能否排进该闸次，如果能排进该闸次，则更新染色体及待闸船舶，返回步骤S1，直至待闸船舶列表为空；否则，更新闸次集合，重新进入步骤S3，直至闸次集合为空，并将基因更新为(-1,-1,-1)；上述过程反复执行N次，即可得到N组满足目标解的染色体集合，即初始种群，也就是船闸中M艘船舶的N种排船方式。4.根据权利要求1所述的基于改进多目标遗传算法的船闸调度方法，其特征在于，所述目标函数包括：根据船舶等待调度时间最短为调度指标构建的目标函数F1和根据每一闸室内所有船舶占用总面积最大为调度指标构建的目标函数F2；目标函数目标函数其中：M表示船闸中的待闸船舶数；i表示船...

【专利技术属性】
技术研发人员：毛星，徐希涛，郑健兵，罗招贵，向南，夏智娟，徐骏，
申请(专利权)人：南瑞集团有限公司，
类型：发明
国别省市：江苏,32