专利名称：实时智能车船调度方法
技术领域：
本发明涉及一种实时智能车船调度方法，适用于形成对打捞船、运输船、运输车的整套打捞调度方案。
背景技术：
粒子群优化算法(Particle Swarm optimization，PS0)又翻译为粒子群算法、微粒群算法或微粒群优化算法，是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能(Swarm intelligence, Si)的一种，可以被纳入多主体优化系统(Multi-agent Optimization System，MA0S)。这种优化方法可以用于寻找最短路径。PSO算法如下
每个粒子拥有以下属性 粒子的当前位置Xi = (Xil, Χ 2,……，Xid); 粒子的当前速度Vi = (Vil, Vi2,…….，Vid); 粒子的最佳适应值Pi = (Pil, Pi2,…….,Pid), BP Pbest ； 粒子群的最佳适应值Pg = (Pgl, Pg2, ···..., Pgd),即gbest ； PSO算法中粒子的进化公式
权利要求
1.一种实时智能车船调度方法，其特征在于包括如下步骤(1)得到目的地及各车船所在位置的坐标数据参数；(2)根据目的地及各车船所在位置的坐标数据参数，计算各车船所在位置到目的地的最短距离；(3)根据报警级别、藻情爆发指数、区域级别划分、车船类型这四个约束条件得出初始的调度方案；将其中超出车船资源的调度方案删除(4)重复步骤(3)，重新随机初始化一些调度方案；(5)计算得到每个调度方案的适应度；(6)比较每个调度方案的适应度，选出当前适应度最优的调度方案；(7)调整当前调度方案以使其更加接近于最优方案；(8)重复步骤(2)到步骤(7)的运算，找到最优调度方案，将调度命令发送至车船中进行调度。
2.根据权利要求1所述实时智能车船调度方法，其特征在于对于所述步骤(2)，计算各车船的到目的地的距离的方法为通过GPS设备对车船进行定位并且取得其经纬度值 h，b)供使用，将各船只的实际位置量化成经纬度坐标，代入如下目标函数计算出它们相距目的地的最短路径χ = cos(a)*cos(b) y = cos(a)*sin(b)ζ = sin(a)。A = a* cos(isi *xj+yi * yj + zi *zj) di, j=A/180*pi*R,(R=6371hxi)
3.根据权利要求1所述实时智能车船调度方法，其特征在于对于所述步骤(3)，约束条件包括W 报警级别；根据不同的季度月份进行划分；广2月为冬季安全期，无车船调度，3、、 1Γ12月为绿色预警，5飞、纩10月为橙色预警，7 8月为红色预警；S 藻情爆发指数；一级，绿色预警，爆发指数3 40% ；二级，橙色预警，爆发指数3 60% ； 三级，红色预警，爆发指数3 80% ；A 区域级别划分；由于不同的区域会产生地理环境差异，蓝藻爆发程度也不同，所以打捞的临界状态也不同；包括重点区域、正常区域、轻度区域；Y 车船类型；整个系统中需要调度的资源，包括打捞船、运输船、运输车。
4.根据权利要求1所述实时智能车船调度方法，其特征在于对于所述步骤(2)，同时保存当前每条船的空闲状态。
全文摘要
本发明提供一种实时智能车船调度方法，基于粒子群优化综合考虑车船资源、藻水分离站余量、工作人员等信息，将各种约束条件传入信息系统后，系统对信息进行综合判断，当实时监控系统监测到蓝藻发生，触发调度事件，将调度命令发送到终端中，从而实现实时智能调度。可以省时、省力、高效的进行调度各种资源。本发明可以缩短指令下发、接收、执行时间，提高工作效率；合理利用目前有限的各种资源，充分调动各方面人力、物力资源，避免工作不平衡；合理调度车船、分离站、资源利用化基地的工作。
文档编号G06F19/00GK102254082SQ201110102179
公开日2011年11月23日 申请日期2011年4月22日 优先权日2011年4月22日
发明者陆波 申请人:中科怡海高新技术发展江苏股份公司