[发明专利]基于改进离散粒子群算法的船舶引航排班方法

说明书

技术领域

本发明属于船舶引航调度中的引航任务排班方法，具体涉及一种船舶引航排班问题模型与基于动态粒子子群改进离散粒子群算法的求解方法。

背景技术

我国是一个港口大国，然而，在港口迅猛发展的同时，我国港口在引航调度效率上相对落后，这严重制约了港口的核心竞争力，也造成了一定的资源浪费。各引航公司迫切需要建立一个高效可行的引航调度体系实现引航资源优化配置，提高港口竞争力。引航调度的管理重点就在引航排班上，因此，探讨引航调度中引航排班的建模优化和有效的解决方法，成为亟待解决的关键理论问题。

引航排班问题属于NP难的组合优化问题。由于此类问题规模庞大并且限制因素复杂，所以智能算法在解决该类问题中得到广泛运用。目前应用于组合优化的算法主要有局部搜索法，模拟退火算法，遗传算法，神经网络等。引航排班方法主要有基于集覆盖方法，基于遗传算法的方法，基于模拟退火算法的方法。排班问题的解决思路大同小异，分为两步：1、产生初始引航任务组；2、运用智能优化算法对初始引航任务组进行搜索，生成可行的任务组组合。

现有引航排班方法存在以下问题：

1.两步走的思路在算法搜索过程中易产生不可行解，智能优化算法中需添加必要的排除非可行解策略，加大算法的设计难度；

2.现有方法只考虑了在引航规则范围内找到可行排班结果，未综合考虑到引航任务之间等待时间，引航任务组时间均衡，引航任务组始末地点转移带来的成本问题。

发明内容

为了解决现有技术中的问题，本发明提供了一种具有搜索速度快，搜索精度高，稳定性强的特点，是适于求解复杂的引航排班问题的基于改进离散粒子群算法的船舶引航排班方法。

为了解决上述问题，本发明所采取的技术方案是：

基于改进离散粒子群算法的船舶引航排班方法，其特征在于：包括以下步骤，

步骤(A)，建立本地数据库，进行合同收池；

步骤(B)，从池中选出待引航排班船舶，统计待引航排班船舶任务数N_task,建立引航排班问题模型；

步骤(C)，基于动态粒子子群改进离散粒子群算法对引航排班问题模型进行求解，找出最优引航排班计划；

步骤(D)，根据确定的最优引航排班计划进行引航排班。

前述的基于改进离散粒子群算法的船舶引航排班方法，其特征在于：步骤(B)包括建立引航排班问题模型，包括以下步骤：

步骤(B1)，考虑引航中心各种成文的排班规则及不成文排班习惯，建立约束条件；

步骤(B2)，将引航排班所涉及的各约束条件转化为费用函数，构建引航排班问题的数学模型，如下：

Z＝c₁*obj₁+c₂*obj₂+c₃*obj₃+c₄*obj₄(1)

其中obj₁为目标函数第1部分，表示一个可行的引航任务组组合中引航任务组的数目；obj₂为目标函数第2部分，表示一个可行的引航任务组组合中各引航任务组的时间等待费用之和；obj₃为目标函数第3部分，表示一个可行的引航任务组组合中各引航任务组的外站过夜费用之和；obj₄为目标函数第4部分，表示一个可行的引航任务组组合中各引航任务组工作时间的标准差，其中c₁、c₂、c₃、c₄为系数权值；

步骤(B3)，引航排班数学模型中obj₁表达式如下：

obj₁＝taskno(2)

其中，taskno为任务组数目；

步骤(B4)，引航排班问题数学模型中obj₂表达式如下：

其中，waitcost_i为任务组i的等待费用，其计算方式如下：

wait_time为同一引航任务组中两衔接引航任务之间的等待时间，VT为等待时间阈值，ω_a、ω_b为等待时间权重系数，且ω_a＜ω_b，表示等待时间越长，所产生的时间等待费用越大；

步骤(B5)，引航排班问题数学模型中obj₃表达式如下：