傳統(tǒng)的港口物流船舶運輸路徑優(yōu)化后,船舶運輸成本很高,運輸時間過長。針對上述問題,引用人工智能算法研究了一種新的港口船舶運輸路徑優(yōu)化方法,通過船舶配送和客戶管理兩階段解決優(yōu)化問題,通過線性優(yōu)化區(qū)分港口路徑組成的種群,形成若干個子種群,分析種群之間的密度,根據(jù)密度分析結果得到協(xié)同進化方案,同時使用提升操作和協(xié)同操作解決路徑優(yōu)化問題,利用"徑—環(huán)切割"理論對客戶進行分組優(yōu)化,通過時間窗解決運行時間問題。設定對比實驗驗證方法效果,結果表明,基于人工智能算法的港口物流船舶運輸路徑優(yōu)化方法可以有效降低運輸成本,縮短運輸時間。 

【文章來源】：艦船科學技術. 2019年22期 北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

基于人工智能算法的港口配送路徑優(yōu)化過程Fig.1Portdistributionpathoptimizationprocessbasedonartificialintelligencealgorithm

配送的船只數(shù)量�！皬健h(huán)切割”理論示意圖如圖2所示。分析可知，“徑—環(huán)切割”理論主要是利用極半徑獲得以供應方為中心的一組同心環(huán)，假設這組同心環(huán)所在位置處在同一個平面，那么配送中心就是基點，在水平方向上建立的坐標系統(tǒng)為平面坐標系統(tǒng)，通過約束條件可以形成不同的子區(qū)域，在子區(qū)域中，船舶運行的效果最佳，即設定的港口物流最優(yōu)路徑應圖1基于人工智能算法的港口配送路徑優(yōu)化過程Fig.1Portdistributionpathoptimizationprocessbasedonartificialintelligencealgorithm圖2“徑——環(huán)切割”理論示意圖Fig.2Path-ringcuttingtheoreticaldiagram第41卷于斌：基于人工智能算法的港口物流船舶運輸路徑優(yōu)化研究·197·

AIS中基于自適應神經網絡人工智能的路徑搜索技術研究[J].艦船科學技術,2019,41(1A):43–45.[2]黃娟,王軍.基于不同人工智能算法的數(shù)學建模優(yōu)化研究[J].自動化與儀器儀表,2018,26(6):121–122.[3]張聚偉,王宇,楊挺.基于模糊粒子群算法的有向傳感器網絡路徑覆蓋策略[J].模式識別與人工智能,2017,30(2):183–192.[4]表1實驗參數(shù)Tab.1Experimentalparameters項目參數(shù)工作電壓220V工作電流100A串口的通訊速度15000bps工作頻率352MHz人工智能算法遺傳算法優(yōu)化次數(shù)4次圖3運輸成本測試結果Fig.3Transportationcosttestresult圖4運輸時間測試結果Fig.4Transportationtimetestresult·198·艦船科學技術第41卷


本文編號：2920873