一种基于细菌觅食优化方法的集装箱码头泊位和岸桥分配方法
【专利摘要】本发明公开了一种基于细菌觅食优化方法的集装箱码头泊位和岸桥的分配方法，该方法包括：首先，初始化，定义解空间；然后，定义适应度函数；随机初始化细菌的位置和速度，选出局部和全局最优位置；细菌在解空间游动，趋化循环；趋化次数到，繁殖一定比例适应值较好的个体来替代适应值不好的个体；将繁殖之后的个体进行克隆免疫；繁殖次数到，个体迁徙；循环。本发明有益效果是：不同于其它的单一方法，而是将细菌觅食算法，粒子群算法，克隆免疫算法，变领域搜索方法相结合的一种新的混合算法，具有四种算法的优点。本发明能够提高码头的效率，合理分配资源，避免了拥堵现象，缩短信息传递的时间，降低作业的差错率。
【专利说明】一种基于细菌觅食优化方法的集装箱码头泊位和岸桥分配方法
【技术领域】
[0001]本发明涉及一种集装箱码头泊位和岸桥的分配方法。
【背景技术】
[0002]集装箱码头泊位和岸桥的分配是集装箱作业的重要环节，通常是作业的瓶颈环节，因此对泊位和岸桥的合理分配是提高集装箱码头作业效率的重要手段。
[0003]到目前为止，许多国内外的研究者已经提出了许多解决集装箱码头泊位与岸桥分配的策略。Peterkofsky等人在1990年，提出了一种静态岸桥调度策略，以使船舶到港和离港耽搁成本最小。Imai等人在2001年探求了一种基于离散泊位和岸桥的分配方法，并采用了基于拉格朗日松弛的启发式算法求解以减少船舶接受服务的时间。2003年，Park等人，综合研究了泊位和岸桥问题，以使船舶总耽搁时间最小。2006年，Lee等人，总和研究了泊位和岸桥分配效率的基础上，研究了离散泊位的分配问题。Hensen等人在2008年研究了有作业时间因素的情况下所在船舶的服务成本，并采用变动领域搜索求解，MihalisM.Golias等人(2009)建立了基于优先级的泊位分配的多目标优化模型，用于满足不同客户对泊位分配的需求，并用遗传算法进行了求解。
[0004]近几年提出的求解泊位岸桥集成模型的方法有粒子群、遗传算法、模拟退火、混沌优化、启发式算法等。算法基本原理都是基于一个初始解，按一定的方法搜索空间寻找最优解优。
[0005]从以上分析可以看出，这些研究存在着一些缺陷:
[0006]1、泊位和岸桥分配问题是NP性问题，这些研究中仍然缺乏有效的求解方法。
[0007]2、更新种群比较随机。
[0008]3、寻找过程比较盲目。
[0009]4、寻找最优解容易陷入局部最优。
[0010]如何朝着最优解的方向引入种群的多样性，避免盲目的随机的问题:如何设计种群规模、更新种群位置决定算法跳出局部最优解的能力。细菌觅食算法(BacterialForaging Algorithm, BFA)由K.M.Passino于2002年基于Ecoli大肠杆菌在人体肠道内吞噬食物的行为，提出的一种新型仿生类算法。该算法具有群体智能优化算法并行搜索、易跳出局部最优等优点，成为生物启发计算研究领域的又一热点。大肠杆菌的觅食行为分为一下几个过程:1)寻找可能存在的食物源区域；2)通过先验知识判断是否进入该区域；3)消耗掉一定的食物后，或者觅食区环境恶劣等不适合生存的条件出现，细菌死亡或迁徙到另一个合适的觅食区域。觅食优化算法可以分为以下几个步骤:1)问题的可行解组成细菌群体；2)设计评价函数；3)趋化、繁殖、迁徙等操作进行群体更新和最优搜索；4)遵循自然界“优胜略劣汰，适者生存”原则形成新的种群进行新一轮的趋化、繁殖、迁徙等操作，直到最优解找出。
【发明内容】
[0011]本发明针对现有集装箱码头作业任务繁多复杂的特点，提供了一种集装箱码头泊位和岸桥的分配方法，该方法能够合理控制集装箱码头的泊位和岸桥作业。合理分配资源，缩短信息传递的时间，降低作业的差错率
[0012]为了达到上述目的，本发明采用如下的技术方案:
[0013]一种基于细菌觅食优化方法的集装箱码头泊位和岸桥的分配方法，该方法包括:
[0014]I)首先，初始化，定义解空间；
[0015]2 )然后，定义适应度函数；
[0016]3)随机初始化细菌的位置和速度，选出局部和全局最优位置；
[0017]4)细菌在解空间游动，趋化循环；
[0018]5)趋化次数到，繁殖一定比例适应值较好的个体来替代适应值不好的个体；
[0019]6)将繁殖之后的个体进行克隆免疫；
[0020]7 )繁殖次数到，个体迁徙；
[0021]8)循环；
[0022]所述步骤I)具体为:初始化细菌群体,参数包括:细菌种群大小、控制变量个数、细菌位置、趋化算子次数、繁殖算子次数、迁徙算子次数、执行繁殖的比例、执行迁徙的概率，粒子群和克隆免疫的相关参数等，挑选需要优化的变量赋予其搜索最优解的范围；在11维优化问题中每一维都要求确定其取值范围；
[0023]所述步骤2)具体为:选择一个函数使其能较为准确的用函数值的大小反映出解的优劣；适应度函数根据优化问题而定，适应度函数直接采用优化问题中的目标函数；
[0024]所述步骤3)具体为:在第一次迭代时，每个细菌的初期的位置就是该细菌的个体最优位置，并从中选出一个最优的位置作为全局最优位置；
[0025]所述步骤4)具体为:a、计算每个细菌的适应度值，并与全局、个体最优值进行比较，假如适应度值大于当前细菌个体或全局最优值，则更新替换原来的个体或全局最优值及其对应的位置，否则不更新山、细菌速度是控制优化过程的核心，通过细菌速度更新公式的研究，细菌的速度随着个体和全局最优位置的改变而改变，朝着适应度值更优的方向加速；
[0026]所述步骤5)具体为:达到设定的趋化次数后，将细菌的适应度值排序，选出一定比例较好的个体，将另外不好的个体的位置由较好的个体位置代替，完成繁殖；
[0027]所述步骤6)具体为:将繁殖之后的个体作为父代进行克隆生成子代，克隆数目和父代适应度值的好坏成正比，然后让克隆的子代个体高频变异，变异过程中加入变领域搜索思想，只允许一个个体位置的某一维的坐标值在其取值范围内变异，其它n-1维的坐标值不变，然后计算其适应度值，从中选出适应度值最好的个体，将其适应度值与父代个体适应值比较，若更佳则替代父代，否则选用父代个体进行下一轮的趋化操作；
[0028]所述步骤7)具体为:到达繁殖次数后，细菌个体以一定的概率死亡迁徙，重新生成新的细菌。
[0029]综上所述，本发明有益效果是:不同于其它的单一方法，而是将细菌觅食算法，粒子群算法，克隆免疫算法，变领域搜索方法相结合的一种新的混合算法，具有四种算法的优点。本发明能够提高码头的效率，合理分配资源，避免了拥堵现象，缩短信息传递的时间，降低作业的差错率。
【专利附图】
【附图说明】
[0030] 图1是该方法的流程图；
[0031 ] 图2是一个具体实施例的输入数据表格；
[0032]图3是一个具体实施例的输出数据表格；
[0033]图4是使用细菌觅食方法的收敛曲线图；
[0034]图5是使用本发明方法的收敛曲线图；
[0035]图6是该方法对案例求解的结果图。
【具体实施方式】
[0036]为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
[0037]实施例
[0038]参见图1至图6所示，针对某一连续型泊位岸桥集成调度模型，应用该方法。
[0039]1、参数与变量定义
[0040]I)集合符号定义:V= {1，? ? ?，v}，待靠船舶集合；B= {0，? ? ?，b}，海岸离散连续泊位集合，IOm为一个基本单位；T= {1，? ? ?，t}，计划期时间，以Ih为一单位的离散时间。
[0041]2)参数符号定义=Pbi为船舶i的最佳靠泊位置％为船i上需要装卸集装箱任务量;Mqi为船i允许的最大作业岸桥数，Sqi为船i允许的最小作业岸桥数，Rai为船i的到港时间，Pli为船i的预计离港时间，Vl为船i的长度(已考虑安全距离XCli偏离最佳靠泊位置惩罚系数，C2i；延迟离港惩罚系数，Q为岸桥总数量，M为无穷大常数。
[0042]3)决策变量定义^ij G {0，1}表示船i在j时刻是否作业，是为1，否为0 ;fu G{0，1}表示船i是否停靠在船j的左边，是为1，否为0 ;Zij E{0，1}表示船舶j的开始作业时间是否不早于船舶i的离港时间，是为1，否为0 ;Qcu表示船i在j时刻作业的岸桥数，Rpi表示船i的实际靠泊位置；Dli表示船i的实际靠泊位置与最优靠泊位置差值；Wti表示船i靠泊至其开始作业的等待时间；SWi为船i开始作业时间；Rli为船i的实际离港时间。
[0043]4)目标函数:
[0044]
【权利要求】
1.一种基于细菌觅食优化方法的集装箱码头泊位和岸桥的分配方法，该方法包括: 首先，初始化，定义解空间； 然后，定义适应度函数； 随机初始化细菌的位置和速度，选出局部和全局最优位置； 细菌在解空间游动，趋化循环； 趋化次数到，繁殖一定比例适应值较好的个体来替代适应值不好的个体； 将繁殖之后的个体进行克隆免疫； 繁殖次数到，个体迁徙； 循环； 所述步骤I)具体为:初始化细菌群体，参数包括:细菌种群大小、控制变量个数、细菌位置、趋化算子次数、繁殖算子次数、迁徙算子次数、执行繁殖的比例、执行迁徙的概率，粒子群和克隆免疫的相关参数等，挑选需要优化的变量赋予其搜索最优解的范围；在n维优化问题中每一维都要求确定其取值范围； 所述步骤2)具体为:选择一个函数使其能较为准确的用函数值的大小反映出解的优劣；适应度函数根据优化问题而定，适应度函数直接采用优化问题中的目标函数； 所述步骤3)具体为:在第一次迭代时，每个细菌的初期的位置就是该细菌的个体最优位置，并从中选出一个最优的位置作为全局最优位置； 所述步骤4)具体为:a、计算每个细菌的适应度值，并与全局、个体最优值进行比较，假如适应度值大于当前细菌个体或全局最优值，则更新替换原来的个体或全局最优值及其对应的位置，否则不更新山、细菌速度是控制优化过程的核心，通过细菌速度更新公式的研究，细菌的速度随着个体和全局最优位置的改变而改变，朝着适应度值更优的方向加速； 所述步骤5)具体为:达到设定的趋化次数后，将细菌的适应度值排序，选出一定比例较好的个体，将另外不好的个体的位置由较好的个体位置代替，完成繁殖； 所述步骤6)具体为:将繁殖之后的个体作为父代进行克隆生成子代，克隆数目和父代适应度值的好坏成正比，然后让克隆的子代个体高频变异，变异过程中加入变领域搜索思想，只允许一个个体位置的某一维的坐标值在其取值范围内变异，其它n-1维的坐标值不变，然后计算其适应度值，从中选出适应度值最好的个体，将其适应度值与父代个体适应值比较，若更佳则替代父代，否则选用父代个体进行下一轮的趋化操作； 所述步骤7)具体为:到达繁殖次数后，细菌个体以一定的概率死亡迁徙，重新生成新的细菌。
【文档编号】G06Q10/08GK103530709SQ201310539320
【公开日】2014年1月22日 申请日期:2013年11月4日 优先权日:2013年11月4日
【发明者】谭盛强, 朱谨, 常奇, 付翔 申请人:上海海事大学