一种船舶分段驳运车辆的调度方法及系统技术方案

本申请提供一种船舶分段驳运车辆的调度方法及系统，调度方法包括：S1：获取船舶分段驳运业务的基础数据，形成基础数据库；S2：输入的船舶分段驳运的任务信息，通过混合智能算法计算最优的分段驳运车辆

【技术实现步骤摘要】
一种船舶分段驳运车辆的调度方法及系统


[0001]本申请属于船舶建造领域，特别是涉及一种船舶分段驳运车辆的调度方法及系统。

技术介绍

[0002]分段是船舶建造的基本单位，是船舶建造的关键中间产品，也是是船舶建造效率与质量的关键载体，通常一艘船舶由几百个分段组成，通过将各分段采用分段装焊工艺并行建造，可以缩短造船周期，提高生产效率。
[0003]分段生产过程的不同工序一般需要在不同的场地进行，因此需要在不同场地之间驳运分段，可见分段驳运业务是分段生产过程中的重要一环，关系到分段生产能否顺利进行，而分段驳运车辆分配的驳运任务是否科学合理甚至达到最优，直接影响分段的生产进度。
[0004]目前船舶分段驳运车辆的调度分为人工调度和自动调度两种方式。人工调度方式依靠个人经验，难以统筹分析全部任务相对于全部车辆的分配关系，难以预先衡量不同调度方案的时间和运输成本，无法精确量化判断不同调度方案的优劣，导致调度方案难以选择、成本难以控制。
[0005]自动调度方式依靠算法自动判断调度方案优劣，算法的计算效果直接影响最终调度方案的优劣。现有的遗传算法等单一算法容易陷入局部最优；也可通过遗传算法
‑
禁忌搜索混合算法进行方案优化，但由遗传算法求解结果作为禁忌搜索算法的输入，禁忌搜索算法无法影响遗传算法，无法在遗传算法过程中跳出局部最优，求解结果优化程度相比于单一遗传算法提升有限。
[0006]因此，需要提供一种针对上述现有技术中的不足的进一步改进技术方案。

技术实现思路

[0007]鉴于以上所述现有技术的缺点，本申请的目的在于提供一种船舶分段驳运车辆的调度方法及系统，用于解决现有技术中存在的车辆分配的驳运任务不合理、接驳效率低等问题。
[0008]为实现上述目的及其他相关目的，本申请提供一种船舶分段驳运车辆的调度方法，包括：
[0009]S1：获取船舶分段驳运业务的基础数据，形成基础数据库；
[0010]S2：输入的船舶分段驳运的任务信息，通过混合智能算法计算最优的分段驳运车辆
‑
任务分配序列；
[0011]S3：根据S2得到的分段驳运车辆
‑
任务分配序列，形成任务清单和行驶路线，并下发指令至执行终端。
[0012]在一个实施方案中，步骤S2包括：
[0013]S21：遗传算法初始化，包括设置优化目标、适应度函数、结束条件和算法参数；
[0014]S22：产生遗传算法的初始种群；
[0015]S23：任务序列和驳运车辆序列的编码与解码；
[0016]S24：计算个体适应度；
[0017]S25：判断是否达到终止条件，若是，则得到最优个体输出结果；若否，则选择当前种群的个体进行算法优化，直至得到最优个体输出结果。
[0018]在一个实施方案中，步骤S25中，所述算法优化的方法包括：
[0019]a.再生操作，在当代个体中按适应度大小排序，选择适应度最高的前k个个体直接保留至下一代；
[0020]b.选择操作，使用轮盘赌将所有个体的适应度取和，随机生成一个值，根据随机产成的值确定个体的选择；
[0021]c.交叉操作，将步骤b选择的个体进行分组，为每组个体赋予一个随机数，若随机数大于交叉概率，则对该组的两个个体进行交叉操作，得到的新个体作为下一代个体；
[0022]d.变异操作，得到的新个体作为下一代个体；
[0023]e.布谷鸟搜索算法扰动，对通过布谷鸟搜索算法得到的所有个体按适应度大小排序，选择适应度最高的前k个个体作为下一代个体；
[0024]f.重复步骤S24～S25进行迭代，直至达到终止条件，得到最优个体作为最优解输出。
[0025]在一个实施方案中，所述终止条件为：
[0026]总迭代次数达到预设值，或相邻n代最优个体适应度值差值达到预设范围，其中，n≥2。
[0027]在一个实施方案中，步骤S22中，产生遗传算法的初始种群的方式为：随机生成调度任务序列，依次为每个任务随机分配一个满足重量要求的驳运车辆，为所有任务分配完驳运车辆后得到一个运输方案，成为染色体，每个染色体作为一个个体。
[0028]在一个实施方案中，个体适应度的计算方法为：
[0029]解码后得到各驳运车辆的任务序列，根据每个任务的起止场地，读取基础数据库中的场地距离，求解每个个体中驳运车辆执行任务的总空载路程，将总空载路程取倒数作为每个个体的适应度。
[0030]在一个实施方案中，变异操作包括：
[0031]重复进行步骤b的选择操作，为每个选择出的个体赋予一个随机数，若随机数大于交叉概率，则对该个体进行变异操作，随机选择两个任务点进行位置交换，同时判断交换后驳运车辆是否满足承重约束，若不满足则重新选择驳运车辆。
[0032]在一个实施方案中，布谷鸟搜索算法扰动操作中，对于当代种群中未经过选择操作、交叉操作和变异操作的所有个体，以每个任务所对应的驳运车辆ID作为变量，通过莱维飞行更新变量，更新后变量向下取整使变量保持正整数，根据发现概率丢弃部分个体，通过偏好随机游动重建被丢弃的个体，重建个体的变量向下取整使变量保持正整数，对通过布谷鸟搜索算法得到的所有个体按适应度大小排序，选择适应度最高的前k个个体作为下一代个体。
[0033]在一个实施方案中，所述基础数据库包括：
[0034]场地数据，所述场地数据包括场地ID、场地名称、场地中心点纬度坐标和场地中心
点经度坐标；
[0035]场地距离数据，所述场地距离数据包括每两个场地之间的行驶距离、途经点和行驶路线；
[0036]车辆载重量数据，所述车辆重量数据包括车辆ID、车辆名称和车辆最大载重量。
[0037]本申请还提供一种船舶分段驳运车辆的调度系统，所述船舶分段驳运车辆的调度系统用于如上所述的调度方法，包括：
[0038]基础数据管理模块，用以实现船舶分段驳运车辆调度所需基础数据的维护和管理；
[0039]车辆
‑
任务序列计算模块，用以实现船舶分段驳运车辆
‑
任务序列的计算，输出最优的分段驳运车辆
‑
任务序列；
[0040]车辆调度模块，用以实现接收任务清单以及发送任务清单、行驶路线至执行终端。
[0041]与现有技术相比，本申请提供的技术方案具有以下有益效果：
[0042]本申请的船舶分段驳运车辆的调度方法通过在遗传算法中增加布谷鸟搜索算法扰动操作，在算法迭代过程中利用布谷鸟搜索算法对种群个体的变量进行扰动，从根本上避免算法陷入局部最优。相比人工调度，该方法能够精准量化不同方案优劣；相比采用单一算法的自动调度，该方法能够更加有效提升求解结果优化程度。解决人工调度船舶分段驳运车辆难以量化判断不同方案优劣、现有算法调度船舶分段驳运车辆方案难以达到更优等问题，实现船舶分段驳运车辆的智能、高效管控。
附图说明<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船舶分段驳运车辆的调度方法，其特征在于，包括：S1：获取船舶分段驳运业务的基础数据，形成基础数据库；S2：输入的船舶分段驳运的任务信息，通过混合智能算法计算最优的分段驳运车辆
‑
任务分配序列；S3：根据S2得到的分段驳运车辆
‑
任务分配序列，形成任务清单和行驶路线，并下发指令至执行终端。2.根据权利要求1所述的船舶分段驳运车辆的调度方法，其特征在于，步骤S2包括：S21：遗传算法初始化，包括设置优化目标、适应度函数、结束条件和算法参数；S22：产生遗传算法的初始种群；S23：任务序列和驳运车辆序列的编码与解码；S24：计算个体适应度；S25：判断是否达到终止条件，若是，则得到最优个体输出结果；若否，则选择当前种群的个体进行算法优化，直至得到最优个体输出结果。3.根据权利要求2所述的船舶分段驳运车辆的调度方法，其特征在于，步骤S25中，所述算法优化的方法包括：a.再生操作，在当代个体中按适应度大小排序，选择适应度最高的前k个个体直接保留至下一代；b.选择操作，使用轮盘赌将所有个体的适应度取和，随机生成一个值，根据随机产成的值确定个体的选择；c.交叉操作，将步骤b选择的个体进行分组，为每组个体赋予一个随机数，若随机数大于交叉概率，则对该组的两个个体进行交叉操作，得到的新个体作为下一代个体；d.变异操作，得到的新个体作为下一代个体；e.布谷鸟搜索算法扰动，对通过布谷鸟搜索算法得到的所有个体按适应度大小排序，选择适应度最高的前k个个体作为下一代个体；f.重复步骤S24～S25进行迭代，直至达到终止条件，得到最优个体作为最优解输出。4.根据权利要求2或3所述的船舶分段驳运车辆的调度方法，其特征在于，所述终止条件为：总迭代次数达到预设值，或相邻n代最优个体适应度值差值达到预设范围，其中，n≥2，n的取值可根据算法的实际迭代情况进行调整。5.根据权利要求2所述的船舶分段驳运车辆的调度方法，其特征在于，步骤S22中，产生遗传算法的初始种群的方式为：随机生成调度任务序列，依次为每个任务随机分配一个满足重量要求的驳运车辆，...

【专利技术属性】
技术研发人员：杨明龙，曹恒玲，朱明华，陈伟龙，李振华，黄单单，郭明勇，朱玲慧，沈军军，
申请(专利权)人：江南造船集团有限责任公司，
类型：发明
国别省市：