基于人工智能技術(shù)的船舶最優(yōu)?？奎c推薦研究

任冬炎

(1. 廣西船聯(lián)網(wǎng)工程技術(shù)研究中心，廣西 南寧 530007；2. 廣西職業(yè)師范學(xué)院 計算機(jī)與信息工程學(xué)院，廣西 南寧 530007)

0 引 言

在船舶航線規(guī)劃中，運輸途中的港口?？恳?guī)劃是非常重要的一部分，航運公司通過合理的船舶港口停靠規(guī)劃，可以實現(xiàn)航運業(yè)務(wù)的拓展、物流運輸過程中的周轉(zhuǎn)，降低船舶的運營成本，縮短船舶的航運周期。目前，業(yè)內(nèi)針對船舶航運過程的停靠規(guī)劃理論主要有掛港理論和雙核理論等。其中，雙核理論是在進(jìn)行船舶貿(mào)易物流規(guī)劃中，優(yōu)先選擇2 個大型的成熟港口，港口之間形成優(yōu)勢的公用和互補(bǔ)，提高航運能力。

近年來，遠(yuǎn)洋航線的物流競爭日益激烈，再加上金融危機(jī)和石油等原材料的價格飆升，航運公司不僅要承受成本的增加，還要面臨航向交通壓力、惡劣的海上氣象條件等不利因素，因此，提升物流運輸船舶的航線規(guī)劃水平，降低船舶運營成本具有十分重要的意義。

1 船舶港口內(nèi)?？窟^程的泊位調(diào)度問題分析

在船舶航線規(guī)劃中，選擇最優(yōu)的停靠港口是其中的重要環(huán)節(jié)，通常，是否是最優(yōu)的停靠港口不僅取決于船舶自身的貨物運輸路線，也同樣取決于港口的綜合條件，尤其是港口內(nèi)泊位的調(diào)度能力。

所謂港口的泊位調(diào)度是指通過整體的協(xié)調(diào)和優(yōu)化，提高港口內(nèi)作業(yè)活動的效率，實現(xiàn)港口為泊位的有序輪轉(zhuǎn)，一旦海域內(nèi)船舶提出停泊需求，港口可以迅速響應(yīng)船舶的需求，通過港口引渡等方式，將船舶帶領(lǐng)到泊位處，并根據(jù)船舶貨物的種類、噸位等，安排對應(yīng)的裝卸工作。

在上述港口工作過程中，泊位調(diào)度是其中的關(guān)鍵，泊位調(diào)度不僅有助于提高港口的運營效率，也有助于船舶能夠快速的進(jìn)港停泊、裝卸貨物。船舶在選擇航線上的?？扛劭跁r，需要重點考慮以下因素：

1）泊位設(shè)計參數(shù)

船舶在選擇港口?？繒r，港口內(nèi)泊位的設(shè)計參數(shù)是首先要考慮的內(nèi)容，如港口內(nèi)泊位設(shè)計的水深、泊位長度等，大型集裝箱運輸船吃水深度達(dá)20 m 以上，因此必須要選擇泊位符合停泊條件的港口停泊。泊位長度是指相鄰泊位之間的距離，為了避免大型船舶在停泊過程中的摩擦和碰撞，泊位長度需要留一定的余量。泊位水深、長度以及停泊能力滿足船舶要求的前提下，船舶可根據(jù)航線規(guī)劃選擇該港口停泊。

2）泊位的布局

泊位布局目前主要包括順岸式、突堤式等，泊位布局主要影響船舶停泊的航行線路，布局良好的港口內(nèi)船舶交通不會出現(xiàn)擁擠等情況。

3）泊位數(shù)量

大型港口往往處于海水航線的交通樞紐位置，航線上的船舶數(shù)量眾多，因此，港口必須要安排充足的泊位數(shù)量，滿足航線上船舶的高效率停泊、裝卸和離開。

4）泊位通過能力

泊位通過能力是港口泊位系統(tǒng)的重要衡量指標(biāo)，泊位系統(tǒng)與堆場子系統(tǒng)、輸運子系統(tǒng)是一個閉環(huán)系統(tǒng)，通過能力是實現(xiàn)船舶快速停泊[1]、貨物高效運輸?shù)闹匾A(chǔ)。

圖1 為港口泊位系統(tǒng)通過能力示意圖。

圖1 港口泊位系統(tǒng)通過能力示意圖Fig. 1 Schematic diagram of throughput capacity of port berth system

2 PSO 人工智能算法原理

PSO 人工智能算法是一種從生物種群仿生而來的新型算法，PSO 粒子群算法與鳥群的覓食過程類似，將每個鳥的覓食過程視為一個粒子的尋優(yōu)過程，PSO 人工智能算法原理如下：

假設(shè)粒子空間為

每個粒子的速度定義為

在空間個體粒子的極值表示為

粒子群最優(yōu)極值表示為

PSO 人工智能算法的優(yōu)化模型如下式：

式中：k為迭代次數(shù)；c1和c2分別為粒子極值的調(diào)節(jié)參數(shù)； ξ 和η為速度更新系數(shù)。

PSO 人工智能算法的粒子尋優(yōu)示意如圖2 所示。

圖2 PSO 人工智能算法的粒子尋優(yōu)示意圖Fig. 2 Schematic diagram of particle optimization of PSO artificial intelligence algorithm

在傳統(tǒng)PSO 人工智能算法的基礎(chǔ)上，結(jié)合慣性因子 ω對模型優(yōu)化：

此外，為了提高全局粒子的優(yōu)化收斂速度，提出δ0收斂系數(shù)模型[2]，此時粒子優(yōu)化模型如下式：

式中， δ0為收斂系數(shù)，用下式計算：

PSO 人工智能算法的流程圖如圖3 所示。

圖3 PSO 人工智能算法的流程圖Fig. 3 Flow chart of PSO artificial intelligence algorithm

3 基于PSO 人工智能算法的船舶最優(yōu)?？奎c研究

3.1 船舶?？扛劭趯?yōu)的數(shù)學(xué)建模

在進(jìn)行船舶?？扛劭趯?yōu)之前，必須要進(jìn)行數(shù)學(xué)模型的轉(zhuǎn)化，將港口尋優(yōu)問題轉(zhuǎn)化為數(shù)學(xué)問題，并利用人工智能算法進(jìn)行問題的求解。

首先進(jìn)行如下幾點假設(shè)：

1）泊位系統(tǒng)在求解前，港口內(nèi)從開始選擇泊位到船舶停靠過程的時間忽略不計；

2）忽略氣象條件的影響因素；

3）船舶到港時間按照時刻表統(tǒng)計；

4）船舶在泊位的?？繒r間只統(tǒng)計裝卸貨物的時間；

5）一個泊位同一時間和空間，只能允許一艘船舶停靠。

6）一個泊位上一艘船舶的離開時刻與下一艘船舶的停泊開始時刻相同，忽略中間的時間差。

泊位上船舶的停泊狀態(tài)示意如圖4 所示。

圖4 某泊位上船舶的靠泊狀態(tài)示意圖Fig. 4 Schematic diagram of the berthing state of a ship at a berth

建模過程如下：

定義Ci j為 每個船舶在泊位上的停靠總時間，Aj為某泊位上船舶的來港時間，yi j為泊位上第i艘船靠泊與第j艘船靠泊之間的時間差。

每艘船的在港時間用下式計算：

泊位所有船舶的在港時間可求：

式中：bi為 船i開始入港的時間。

當(dāng)港口內(nèi)所有泊位和所有船舶的?？繒r間最短時，港口的整體停靠效率最優(yōu)，船舶在選擇港口停泊時也優(yōu)先選擇[3]。因此，結(jié)合前文數(shù)學(xué)模型，可得所求問題的目標(biāo)函數(shù)為：

式中：Si為港口內(nèi)的所有船舶；Ti為船舶裝卸貨物總時間；集合B/V/U分別為泊位集合、船舶數(shù)量集合和時間集合。

3.2 基于PSO 人工智能算法的船舶最優(yōu)?？奎c研究

本文利用PSO 人工智能算法進(jìn)行船舶最優(yōu)停靠點的目標(biāo)尋優(yōu)，求解過程對PSO 人工智能算法做出如下設(shè)置：

1）PSO 人工智能算法的種群個數(shù)與港口泊位×船舶數(shù)量相一致，種群數(shù)量定義為200，智能尋優(yōu)的迭代次數(shù)定為500 次；

2）c1和c2調(diào)節(jié)參數(shù)分別取0.8 和0.45， ξ和η速度更新系數(shù)分別取0.75 和0.85。

3）基準(zhǔn)測試函數(shù)選擇Rosenbrock 函數(shù)[4]，其表達(dá)式為：

Rosenbrock 函數(shù)的示意如圖5 所示。

圖5 Rosenbrock 函數(shù)的示意圖Fig. 5 Schematic diagram of Rosenbrock function

4）慣性權(quán)重因子 ω[4]主要考慮港口內(nèi)泊位的設(shè)計參數(shù)與通過能力。

結(jié)合PSO 人工智能算法的船舶最優(yōu)?？奎c尋優(yōu)流程如圖6 所示。

圖6 結(jié)合PSO 人工智能算法的船舶最優(yōu)停靠點尋優(yōu)流程Fig.6 Optimization process of ship's optimal docking point combined with PSO artificial intelligence algorithm

4 結(jié) 語

船舶最優(yōu)?？奎c的選擇是船舶航線規(guī)劃過程的重要環(huán)節(jié)，合理的?？扛劭谶x擇有利于提升貨運物流的效率，節(jié)省船舶的營運成本。本文使用PSO 人工智能算法，建立港口?？繉?yōu)的數(shù)學(xué)模型，實現(xiàn)了船舶最優(yōu)?？扛劭诘膶?yōu)過程。