發(fā)布時(shí)間：2020-12-16 22:18

　　傳統(tǒng)的港口物流船舶運(yùn)輸路徑優(yōu)化后,船舶運(yùn)輸成本很高,運(yùn)輸時(shí)間過(guò)長(zhǎng)。針對(duì)上述問(wèn)題,引用人工智能算法研究了一種新的港口船舶運(yùn)輸路徑優(yōu)化方法,通過(guò)船舶配送和客戶管理兩階段解決優(yōu)化問(wèn)題,通過(guò)線性優(yōu)化區(qū)分港口路徑組成的種群,形成若干個(gè)子種群,分析種群之間的密度,根據(jù)密度分析結(jié)果得到協(xié)同進(jìn)化方案,同時(shí)使用提升操作和協(xié)同操作解決路徑優(yōu)化問(wèn)題,利用"徑—環(huán)切割"理論對(duì)客戶進(jìn)行分組優(yōu)化,通過(guò)時(shí)間窗解決運(yùn)行時(shí)間問(wèn)題。設(shè)定對(duì)比實(shí)驗(yàn)驗(yàn)證方法效果,結(jié)果表明,基于人工智能算法的港口物流船舶運(yùn)輸路徑優(yōu)化方法可以有效降低運(yùn)輸成本,縮短運(yùn)輸時(shí)間。 

【文章來(lái)源】：艦船科學(xué)技術(shù). 2019年22期 北大核心

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

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

配送的船只數(shù)量。“徑—環(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(yīng)方為中心的一組同心環(huán)，假設(shè)這組同心環(huán)所在位置處在同一個(gè)平面，那么配送中心就是基點(diǎn)，在水平方向上建立的坐標(biāo)系統(tǒng)為平面坐標(biāo)系統(tǒng)，通過(guò)約束條件可以形成不同的子區(qū)域，在子區(qū)域中，船舶運(yùn)行的效果最佳，即設(shè)定的港口物流最優(yōu)路徑應(yīng)圖1基于人工智能算法的港口配送路徑優(yōu)化過(guò)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(yùn)輸路徑優(yōu)化研究·197·

AIS中基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)人工智能的路徑搜索技術(shù)研究[J].艦船科學(xué)技術(shù),2019,41(1A):43–45.[2]黃娟,王軍.基于不同人工智能算法的數(shù)學(xué)建模優(yōu)化研究[J].自動(dòng)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(wǎng)絡(luò)路徑覆蓋策略[J].模式識(shí)別與人工智能,2017,30(2):183–192.[4]表1實(shí)驗(yàn)參數(shù)Tab.1Experimentalparameters項(xiàng)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(yùn)輸成本測(cè)試結(jié)果Fig.3Transportationcosttestresult圖4運(yùn)輸時(shí)間測(cè)試結(jié)果Fig.4Transportationtimetestresult·198·艦船科學(xué)技術(shù)第41卷


本文編號(hào)：2920873