[发明专利]集装箱码头船舶配载深度学习混合训练系统

权利要求书

1.集装箱码头船舶配载深度学习混合训练系统，其特征在于，所述系统核心架构分为三大部分：CPU集群模块、GPU集群模块和数据存储模块，CPU集群模块负责数据判别、特征编码、辅助训练和决策评价，GPU集群模块负责对数据进行深度学习训练，数据存储模块负责将训练完的特征数据存储起来，所述数据判别是CPU集群通过一些约束条件将原始数据中无效的数据过滤掉，所述约束条件所需维度、参数和变量的符号定义如下：

(1)维度

I：表示堆场内所有待配集装箱所组成的集合，i,i'∈I；

J：表示船舶贝内船箱位所组成的集合，j,j'∈J；

R：表示船舶贝列号所组成的集合，r,r'∈R；

K：表示配载顺序号的集合，即配箱的先后次序，k,k'∈K；

(2)参数

TP_i：0-1矩阵，用于表示集装箱i的箱型，当参数为1时，表示是40尺箱，当参数为0时，表示是20尺箱；

GP_i：0-1矩阵，用于表示集装箱i的箱高，其中1表示集装箱i是平箱(GP箱)，0表示集装箱i是高箱(HC箱)；

GP'_r：代表船舶贝的第r列内的平箱(GP)数量；

HC'_r：代表船舶贝的第r列内的高箱(HC)数量；

CP_j：表示船舶贝内的船箱位j的预分重量；

W_i：表示集装箱i的实际箱重；

W min_j：用于表示船舶贝内的船箱位j的重量下限；

W max_j：用于表示船舶贝内的船箱位j的重量上限；

船舶贝内单列承载的重量上限值；

θ：用于表示在船舶贝内上下两个船箱位上所配载的集装箱重量关系，重箱压轻箱的上限值；

VC_jj'：0-1矩阵，用于表示贝内任意两个船箱位的上下位置关系，当船箱位j所处位置在船箱位j'的正上方时，参数为1，否则为0；

WC_jj'：0-1矩阵，表示船箱位j和j'的作业位置关系，如果参数为1，表示船箱位j和j'的作业位置同属于一个作业大贝，如果参数为0，则不在同一贝位；

YP_ii'：0-1矩阵，用于表示在堆场箱区贝内的任意两个集装箱之间的位置关系，当集装箱i在堆场的位置处于集装箱i'的正上方时，参数为1，否则为0；

OB_ii'：0-1矩阵，用于表示任意两个集装箱的位置与箱区外车道的距离关系，当集装箱i比集装箱i'更靠近外车道时，参数为1，否则为0；

VB_jr：0-1矩阵，表示船箱位与船贝列的关系，参数为1时，代表箱位j属于r列，参数为0时，代表船箱位j不属于r列；

S_k：表示第k个集装箱配载顺序的数字编号，S_k＝1,2,3,...,I；

YB_i：表示集装箱i在堆场内的贝位号；

BN_i：表示集装箱i在堆场的箱区号；

XZ_i：表示集装箱i的箱组编号；

VD_j：表示船上的箱位j是垫脚位；

T：堆场堆存集装箱的最高层高；

(3)决策变量

X_ijk：0-1决策变量，表示堆场内的第i个集装箱是否以顺序k配载到第j个船箱位；

α_ii'：表示第i个集装箱和第i'个集装箱的发箱序号差；

β_ii'：0-1矩阵，用于表示任意两个集装箱配载的先后顺序关系，当第i个集装箱比第i'个集装箱先配时，参数为1，否则为0；

表示第j个船箱位和第j'个船箱位上的两个集装箱所在箱区的序号差；

η_jj'：0-1矩阵，用于表示第j个船箱位和第j'个船箱位上的两个集装箱是否属于同一个箱区，当第j个船箱位和第j'个船箱位上的两个集装箱来自于同一箱区时，参数为1，否则为0；

ξ_jj'：表示第j个船箱位和第j'个船箱位上的两个集装箱所属箱组编号差；

ρ_jj'：0-1矩阵，用于表示第j个船箱位和第j'个船箱位上的两个集装箱是否属于同一个箱组，当第j个船箱位和第j'个船箱位上的两个集装箱属于同一箱组时，参数为1，否则为0；

γ_k：表示相邻的顺序号配载的集装箱所在的区位的序号差；

τ_k：0-1矩阵，描述相邻顺序号配载的集装箱是否在同一个区位，当这两个集装箱不在同一个区位时，参数为1，否则为0；

ε₁：每个配载船箱位上的实际吨差；

ε₂：实际配载的集装箱重量与船箱位重量范围上限差值；

ε₃：实际配载的集装箱重量与船箱位重量范围下限差值；

E_jj'：表示船箱位j和j'上所配载的集装箱的重量差；

所述约束条件如下：

(1)定位定序约束，用于约束船舶配载使得箱号、发箱顺序号和船箱位形成一一对应关系：

对于某集装箱i来说，对应有且只有一个顺序号和一个配载船箱位，约束方程如下：

对于某顺序号k来说，对应有且只有一个配载箱和一个船箱位，约束方程如下：

对于某船箱位j来说，对应有且只有一个配载箱和一个配载顺序号，约束方程如下：

(2)单列高平箱数量约束，用于约束船舶配载使得船舶贝内的每列集装箱高箱和平箱的数量满足预配计划：

船舶贝内某一列的高箱数量约束方程如下：

船舶贝内某一列的平箱数量约束方程如下：

(3)船箱位层重约束，用于约束船舶配载使得每个船箱位所配载的集装箱的重量均不能超过该船箱位所在层的重量范围上下限：

预配船箱位上所配载的集装箱重量范围约束方程如下：

(4)重压轻吨差约束，用于约束船舶配载使得同一个箱组的集装箱，在重箱压轻箱时，两者之间的差值不能超过特定的阈值：

重箱压轻箱的吨差约束方程如下：

E_jj'*VC_jj'*(1-ρ_jj')≤θ (8)

(5)船箱位配载不悬空约束，用于约束船舶配载使得船箱位装载作业时不得悬空装箱：

互压的船箱位位置的配载顺序约束方程如下：

(6)单列承载原则约束，用于约束船舶配载使得船舶单列的总重量不超过单列承载上限：

单列承载原则约束方程如下：

所述特征编码是CPU集群将通过所述数据判别的有效数据进行向量化处理，形成用于训练的特征矩阵，对于任意一组在场箱-预配位置配对c,l在三维空间上最多存在4个船箱位与其相关，将其称为关联船箱位，这4个关联船箱位组成的集合称为Z，且Z＝{1,2,3,4}，其中：

z＝1表示预配位置左侧关联船箱位；

z＝2表示预配位置右侧关联船箱位；

z＝3表示预配位置下方关联船箱位；

z＝4表示预配位置组贝方向关联船箱位；

对于任意给定的集装箱船舶配载状态s，其中任意一组在场箱-预配位置配对c,l及其关联船箱位z，具有以下属性：

y_clz：1表示给定配载状态下预配位置l的关联船箱位z上存在集装箱，且与在场箱c同一箱区，否则为0；

b_clz：1表示给定配载状态下预配位置l的关联船箱位z上存在集装箱，且与在场箱c属于同一场地贝位，否则为0；

f_cl：表示给定配载状态下的集装箱c配载到预配位置l需要进行翻箱的个数；

w_clz：表示配给预配位置l的集装箱c与其关联船箱位z上的集装箱重量吨差，若关联船箱位z上不存在集装箱则为0；

将属性组成的向量v＜c,l＞是关于一组在场箱-预配位置配对c,l的特征向量，特征向量v_＜c,l＞组成的矩阵T_s称为配载状态s的特征矩阵,其中包含13个特征点，具体形式如下所示：

v_＜c,l＞＝[y_cl1,y_cl2,y_cl3,y_cl4,b_cl1,b_cl2,b_cl3,b_cl4,f_cl,w_cl1,w_cl2,w_cl3,w_cl4] (11)

所述混合训练是GPU集群对所述特征编码后的特征矩阵进行深度学习训练，为GPU集群设定一个繁忙阈值，若超过此阈值的同时CPU集群处于空闲状态，则CPU集群进行辅助训练，否则排队；

所述决策评价是CPU集群通过评价指标对所述混合训练的结果进行评价，所述评价指标包括翻箱数、场桥移机数和船箱位吨差：

(1)翻箱数

集装箱船舶配载作业过程中，第i个集装箱和第i'个集装箱的配载顺序序号差为α_ii'，表达如下：

根据序号差的大小来判断第i个集装箱和第i'个集装箱发箱的先后顺序，当α_ii'＞0时，第i个集装箱的发箱顺序号大于第i'个集装箱的发箱顺序号，堆场无效翻箱总次数的表达如下：

(2)场桥移机数

相邻顺序号(k和k-1)配载的两个集装箱所在区位的序号差γ_k表达如下，当γ_k≠0时，表示两个相邻配载的集装箱位于不同区位，当γ_k＝0时，表示两个相邻配载的集装箱位于同一区位,其中YB_i为集装箱i位于场地内的区位号：

场桥移机的总次数即τ_k的求和表达如下，为避免场内频繁移机，提升堆场作业效率，要最小化该决策指标：

(3)船箱位吨差

实际配载集装箱的重量与该船箱位计划配载集装箱重量之间的重量差为船箱位吨差，CP_j是按照最理想的配载结果进行重量预分，得到的船箱位最理想的计划配载集装箱重量，表示船箱位实际决策配载的集装箱重量，实际中，需要使得该决策指标最小化：

所述数据存储是将所述决策评价得到的最优结果根据不同的特征，按照给定的存储机制存储起来。