专利名称：一种三维集装箱装载布局优化方法及系统的制作方法
技术领域：
本发明属于集装箱装载布局优化设计领域，尤其涉及一种三维集装箱装载布局优化的方法及系统。
背景技术：
三维集装箱装载布局优化方法指的是在一定约束条件下，将一批货物按照适当的装载方法装入集装箱中，以使得集装箱的容积利用率或装载质量利用率最大，从而实现对集装箱进行合理有效使用的方法，其目标函数可以表示为
ηη
maxZ = Ai^ll-Wi-HrSrm)/V+ (I-A)^gl -Sl-In/G，其中，li、wi、hi、gi、m 分别表示 i 类货
i=l i=l
物的长、宽、高、质量、件数；V，G分别表示集装箱的最大装载容积、最大装载质量；λ是0-1 变量，当追求目标为容积利用率最大时λ = 1，当追求目标为装载质量利用率最大时λ = 0;i是0-1变量，若货物i装载则Si = l，否则δ = 0。现有技术提供的三维集装箱装载布局优化方法多基于单一智能优化算法，如基于遗传算法的三维集装箱装载布局优化方法、基于蚁群算法的三维集装箱装载布局优化方法和基于启发式算法的三维集装箱装载布局优化方法等。由于采用的算法单一，在解决三维集装箱装载布局优化问题时，无法结合不同算法的优越性而均表现出一定的缺陷。例如，基于启发式算法的三维集装箱装载布局优化方法，可实施确定的布局块排放策略、装载效率较高，但其仅考虑了装箱容积约束而对装箱其它方面的约束条件考虑不足；基于遗传算法的三维集装箱装载布局优化方法，作为其理论基础的遗传算法具有群体性全局搜索能力， 可扩展性强，易与其他技术结合等优点，但由于没有充分利用系统反馈信息，使得搜索具有盲目性，当算法求解到一定范围时往往形成冗余迭代，导致寻求最优解的效率降低；基于蚁群算法的三维集装箱装载布局优化方法，作为其理论基础的蚁群算法是一种结合了分布式计算、正反馈机制和贪婪式搜索的算法，具有很强的搜索较优解能力，其通过信息素的更新高效收敛到最优解，但由于初期信息素匮乏，导致搜索初期积累信息素占用的时间较长。
发明内容
本发明实施例的目的在于提供一种三维集装箱装载布局优化的方法，以解决现有技术提供的三维集装箱装载布局优化方法多基于单一智能优化算法，在解决三维集装箱装载布局优化问题时，无法结合不同算法的优越性而均表现出一定缺陷的问题。本发明实施例是这样实现的，一种三维集装箱装载布局优化的方法，所述方法包括以下步骤对待装箱货物进行编码，生成待装箱货物的多个初始货物集，并利用遗传算法生成所述初始货物集的子代货物集；计算子代货物集中各个体的适应度值及其父代货物集中各个体的适应度值，当子代货物集中各个体的适应度值之和相对其父代货物集中各个体的适应度值之和不再增加时，对相应子代货物集进行个体解码，得到可行解；将多个初始货物集对应的多个可行解构成的集合作为蚁群算法的输入，利用蚁群算法迭代搜索得到所述待装箱货物的最优装箱方案。其中，所述利用遗传算法生成所述初始货物集的子代货物集的步骤还可以包括以下步骤初始化遗传算法控制参数；根据适应度函数计算所述初始货物集中各个体的适应度值；根据计算得到的所述适应度值以及预存的变异概率，以所述初始货物集为基础进行选择、交叉、变异迭代处理，得到所述初始货物集的多个连续子代货物集。进一步地，所述适应度函数可以满足关系式F= (Ii · Wi · VLj · Wj · Hj) X 100%其中，F为适应度函数；li为第i类货物的长度，Wi为第i类货物的宽度，比为第i 类货物的高度；h为集装箱的长度，Wj为集装箱的宽度，Hj为集装箱的高度。进一步地，所述选择处理可以采用最优保存策略和轮盘赌选择法，此时，所述根据计算得到的所述适应度值以及预存的变异概率，以所述初始货物集为基础进行选择、交叉、 变异迭代处理，得到所述初始货物集的多个连续子代货物集的步骤还可以包括以下步骤根据计算得到的个体适应度值及最优保存策略和轮盘赌选择法，确定所述初始货物集中每个个体的选择概率；根据确定的所述每个个体的选择概率在所述初始货物集内选择两个父个体；根据预存的变异概率对选择的所述两个父个体进行变异处理或交叉处理，将处理后的两个父个体插入到所述初始货物集的下一连续子代货物集中，并计算所述初始货物集的下一连续子代货物集中各个体的适应度值；根据计算得到的当前子代货物集中各个体的适应度值及最优保存策略和轮盘赌选择法，确定当前子代货物集中每个个体的选择概率；根据确定的当前子代货物集中每个个体的选择概率在当前子代货物集内选择两个父个体；根据根据预存的变异概率对选择的所述两个父个体进行变异处理或交叉处理，将处理后的两个父个体插入到当前子代货物集的下一连续子代货物集中，从而迭代得到所述初始货物集的多个连续子代货物集。其中，所述对相应子代货物集进行个体解码，得到可行解的步骤还可以包括以下步骤从相应子代货物集中顺次取出一待装箱货物，根据取出的所述待装箱货物信息计算取出的所述待装箱货物的体积；根据装箱约束条件V' +Ii -Wi -h, < V判断取出的所述待装箱货物是否可以装入集装箱中，其中，V'为已装入集装箱的货物体积，Ii · Wi . h,为取出的所述待装箱货物的体积，V为集装箱的有效容积；根据判断结果，当判断取出的所述待装箱货物可以装入集装箱中时，将取出的所述待装箱货物的体积累加到所述已装入集装箱的货物体积V'中，当判断取出的所述待装箱货物不可以装入集装箱中时，从相应子代货物集中顺次取出下一待装箱货物，当相应子代货物集中全部待装箱货物取完或取出的待装箱货物的体积与已装入集装箱的货物体积之和大于所述集装箱的有效容积时，得到相应子代货物集转化后的可行解。其中，所述将多个初始货物集对应的多个可行解构成的集合作为蚁群算法的输入，利用蚁群算法迭代搜索得到所述待装箱货物的最优装箱方案的步骤还可以包括以下步骤计算待装载货物的初始信息素；根据所述待装载货物的种类计算蚂蚁数量，初始化蚁群算法的控制参数；随机放置每只蚂蚁在每一可行解中待装载货物的初始位置上；根据所述待装载货物的质量约束、重心约束，判断所述待装载货物中的蚂蚁所在初始位置上的一类货物是否可以装入集装箱中，并读入所述待装载货物的重心坐标后，按放置方向约束对可以装入集装箱中的所述类货物进行布局优化；根据状态转移概率搜索当前类待装载货物的下一类待装载货物，并根据搜索结果控制所述蚂蚁置于所述下一类待装载货物上，根据所述待装载货物的质量约束、重心约束， 判断所述待装载货物中的蚂蚁所在位置上的一类货物是否可以装入集装箱中，并按放置方向约束对可以装入集装箱中的所述类货物进行布局优化；当对可行解的集合的一次循环搜索完成后记录搜索结果，并根据信息素更新模型更新所述信息素，进行可行解的集合的下一次循环搜索，当循环次数与所述多个可行解的个数相等时，结束蚁群算法，输出得到所述待装箱货物的最优装箱方案。进一步地，所述计算待装载货物的初始信息素的步骤可以表示为τ Jj (0) = τ c+ τ G其中，τ u(0)为所述待装载货物的初始信息素，、为一预设的信息素常数，τ e满足Tg = (Σ Ii .Wi .Vlj Ij .Hj) X 100%，Ii为第i类货物的长度，Wi为第i类货物的宽度，h为第i类货物的高度；h为集装箱的长度，W」为集装箱的宽度，&为集装箱的高度。进一步地，所述判断所述待装载货物中的蚂蚁所在初始位置上的一类货物是否可以装入集装箱中的步骤，和/或判断所述待装载货物中的蚂蚁所在位置上的一类货物是否可以装入集装箱中的步骤可以表示为
权利要求
1.一种三维集装箱装载布局优化的方法，其特征在于，所述方法包括以下步骤对待装箱货物进行编码，生成待装箱货物的多个初始货物集，并利用遗传算法生成所述初始货物集的子代货物集；计算子代货物集中各个体的适应度值及其父代货物集中各个体的适应度值，当子代货物集中各个体的适应度值之和相对其父代货物集中各个体的适应度值之和不再增加时，对相应子代货物集进行个体解码，得到可行解；将多个初始货物集对应的多个可行解构成的集合作为蚁群算法的输入，利用蚁群算法迭代搜索得到所述待装箱货物的最优装箱方案。
2.如权利要求1所述的三维集装箱装载布局优化的方法，其特征在于，所述利用遗传算法生成所述初始货物集的子代货物集的步骤还包括以下步骤初始化遗传算法控制参数；根据适应度函数计算所述初始货物集中各个体的适应度值；根据计算得到的所述适应度值以及预存的变异概率，以所述初始货物集为基础进行选择、交叉、变异迭代处理，得到所述初始货物集的多个连续子代货物集。
3.如权利要求2所述的三维集装箱装载布局优化的方法，其特征在于，所述适应度函数满足关系式F= (Ii · Wi · VLj · Wj · Hj) X 100%其中，F为适应度函数；li为第i类货物的长度，Wi为第i类货物的宽度，比为第i类货物的高度；h为集装箱的长度，Wj为集装箱的宽度，Hj为集装箱的高度。
4.如权利要求2所述的三维集装箱装载布局优化的方法，其特征在于，所述选择处理采用最优保存策略和轮盘赌选择法，所述根据计算得到的所述适应度值以及预存的变异概率，以所述初始货物集为基础进行选择、交叉、变异迭代处理，得到所述初始货物集的多个连续子代货物集的步骤还包括以下步骤根据计算得到的个体适应度值及最优保存策略和轮盘赌选择法，确定所述初始货物集中每个个体的选择概率；根据确定的所述每个个体的选择概率在所述初始货物集内选择两个父个体；根据预存的变异概率对选择的所述两个父个体进行变异处理或交叉处理，将处理后的两个父个体插入到所述初始货物集的下一连续子代货物集中，并计算所述初始货物集的下一连续子代货物集中各个体的适应度值；根据计算得到的当前子代货物集中各个体的适应度值及最优保存策略和轮盘赌选择法，确定当前子代货物集中每个个体的选择概率；根据确定的当前子代货物集中每个个体的选择概率在当前子代货物集内选择两个父个体；根据预存的变异概率对选择的所述两个父个体进行变异处理或交叉处理，将处理后的两个父个体插入到当前子代货物集的下一连续子代货物集中，从而迭代得到所述初始货物集的多个连续子代货物集。
5.如权利要求1所述的三维集装箱装载布局优化的方法，其特征在于，所述对相应子代货物集进行个体解码，得到可行解的步骤还包括以下步骤从相应子代货物集中顺次取出一待装箱货物，根据取出的所述待装箱货物信息计算取出的所述待装箱货物的体积；根据装箱约束条件V' +Ii -Wi-h^V判断取出的所述待装箱货物是否可以装入集装箱中，其中，V'为已装入集装箱的货物体积，Ii-W^hi为取出的所述待装箱货物的体积，V 为集装箱的有效容积；根据判断结果，当判断取出的所述待装箱货物可以装入集装箱中时，将取出的所述待装箱货物的体积累加到所述已装入集装箱的货物体积Ψ中，当判断取出的所述待装箱货物不可以装入集装箱中时，从相应子代货物集中顺次取出下一待装箱货物，当相应子代货物集中全部待装箱货物取完或取出的待装箱货物的体积与已装入集装箱的货物体积之和大于所述集装箱的有效容积时，得到相应子代货物集转化后的可行解。
6.如权利要求1所述的三维集装箱装载布局优化的方法，其特征在于，所述将多个初始货物集对应的多个可行解构成的集合作为蚁群算法的输入，利用蚁群算法迭代搜索得到所述待装箱货物的最优装箱方案的步骤还包括以下步骤计算待装载货物的初始信息素；根据所述待装载货物的种类计算蚂蚁数量，初始化蚁群算法的控制参数；随机放置每只蚂蚁在每一可行解中待装载货物的初始位置上；根据所述待装载货物的质量约束、重心约束，判断所述待装载货物中的蚂蚁所在初始位置上的一类货物是否可以装入集装箱中，并读入所述待装载货物的重心坐标后，按放置方向约束对可以装入集装箱中的所述类货物进行布局优化；根据状态转移概率搜索当前类待装载货物的下一类待装载货物，并根据搜索结果控制所述蚂蚁置于所述下一类待装载货物上，根据所述待装载货物的质量约束、重心约束，判断所述待装载货物中的蚂蚁所在位置上的一类货物是否可以装入集装箱中，并按放置方向约束对可以装入集装箱中的所述类货物进行布局优化；当对可行解的集合的一次循环搜索完成后记录搜索结果，并根据信息素更新模型更新所述信息素，进行可行解集合的下一次循环搜索，当循环次数与所述多个可行解的个数相等时，结束蚁群算法，输出得到所述待装箱货物的最优装箱方案。
7.如权利要求6所述的三维集装箱装载布局优化的方法，其特征在于，所述计算待装载货物的初始信息素的步骤表示为τ (0) = τ c+ τ G其中，Tu(O)为所述待装载货物的初始信息素，、为一预设的信息素常数，、满足 Tg= (Σ Ii-W^hiZLj-Wj. Hj) X 100%, Ii为第i类货物的长度，Wi为第i类货物的宽度，Iii为第i类货物的高度&为集装箱的长度，Wj为集装箱的宽度，Hj为集装箱的高度。
8.如权利要求6所述的三维集装箱装载布局优化的方法，其特征在于，所述判断所述待装载货物中的蚂蚁所在初始位置上的一类货物是否可以装入集装箱中的步骤，和/或判断所述待装载货物中的蚂蚁所在位置上的一类货物是否可以装入集装箱中的步骤表示为Cq = Σ g ^ G其中，Σ g为待装载货物中的蚂蚁所在初始位置上的一类货物的重量之和，和/或待装载货物中的蚂蚁所在位置上的一类货物的重量之和；G为集装箱可装载的货物的重量之和；[cxl，cx2]、[cyl, cy2]、[czl,cz2]分别为集装箱在x、y、z轴向的重心安全范围的边界值为待装载货物中的蚂蚁所在初始位置上的第i类货物的质量；(xi，yi, zi)是待装载货物的重心坐标。
9.如权利要求6所述的三维集装箱装载布局优化的方法，其特征在于，所述状态转移概率表示为‘τ/( ).η/( )P,-it) =Σ⑴ N allowedkzcdlowedotherwise其中力= i为启发函数，dz(j)为待装载货物j的承重能力…是待装载货物j的体积；Hi/ (t)为蚂蚁从待装载货物i搜索到待装载货物j的启发程度；allowedk = (1， 2…n)-tabuk表示蚂蚁k下一次被允许放置的待装载货物，tabuk为记录了蚂蚁k在t时刻已经搜索过而在本次循环结束前禁止再访问的待装载货物的禁忌表；τ / (t)是货物j上的信息素强度；所述信息素更新模型表示为 τ j(t+l) = P · τ j (t) + Δ τ j(t, t+1)mΑτ^ , + ^^Ατ^ , + Ι)k=\|fk(0第α只蚂蚁在t循环时刻搜索到货物j并将其装入集装箱 T]|o否则其中，+ 是蚂蚁k在时刻(t，t+1)留在货物j上的信息素量；(l-p)为信息素的挥发系数；fk(t)是蚂蚁k在t时刻搜索到的集装箱装载率。
10. 一种三维集装箱装载布局优化的系统，其特征在于，所述系统包括 子代货物集生成模块，用于对待装箱货物进行编码，生成待装箱货物的多个初始货物集，并利用遗传算法生成所述初始货物集的子代货物集；适应度值计算模块，用于计算所述子代货物集生成模块生成的子代货物集中各个体的适应度值及其父代货物集中各个体的适应度值；判断模块，用于判断所述适应度值计算模块计算得到的子代货物集中各个体的适应度值之和相对其父代货物集中各个体的适应度值之和是否增加；可行解输出模块，用于当所述判断模块判断所述适应度值计算模块计算得到的子代货物集中各个体的适应度值之和相对其父代货物集中各个体的适应度值之和不再增加时，输出可行解；最优方案搜索模块，用于将所述可行解输出模块输出的多个可行解构成的集合作为蚁群算法的输入，利用蚁群算法迭代搜索得到待装箱货物的最优装箱方案。
全文摘要
本发明公开了一种三维集装箱装载布局优化的方法及系统。其中的方法是利用遗传算法的随机快速搜索能力、潜在并行性、全局收敛性在解空间内寻找一组粗略的可行解，之后以该组粗略的可行解作为蚁群算法的输入，利用蚁群算法的正反馈机制、并行性和搜索较好解的能力求得装箱的最优方案，从而实现了遗传算法与蚁群算法在解决集装箱装载布局问题上的融合，避免了现有采用单一算法解决三维集装箱装载布局问题的缺陷，在兼顾全局搜索能力的同时，兼顾了影响装载效率的几个重要约束条件，可应用性好。
文档编号G06N3/12GK102214321SQ20111019785
公开日2011年10月12日 申请日期2011年7月14日 优先权日2011年7月14日
发明者史金余, 张德珍, 张维石, 杜立宁, 陈世峰 申请人:大连海事大学