基于遗传算法的港口装箱问题的研究.docVIP

基于遗传算法的港口装箱问题的研究 　　摘要:随着港口之间的竞争不断白热化,如何提高港口的工作效率一直是研究港口问题的热点问题。装箱问题作为港口运作的重要组成部分,在港口体系中具有举足轻重的作用。该文利用遗传算法,对港口装箱问题进行了优化,改善了装箱的方法,提高了装箱的效率。 　　关键词:遗传算法;港口;装箱 　　中图法分类号:TP311文献标识码:A文章编号:1009-3044(2009)36-10242-02 　　Reserch on the Port-Packing Problem Based on Genetic Algorithm 　　ZHOU Chun-liang 　　(Ningbo Dahongying college, Ningbo 315157, China) 　　Abstract: With the rapid development of the economy globalization, the competition among the manufacturing enterprises has been more and more fierce. How to increase the efficiency of the port is always a hot issue in the research of the port problem. And packing problem is an important component for the Port operation, which makes great importance to the port system. this article perfects the port-packing problem, improve the way of packing and also increase the packing efficiency with the genetic algorithm. 　　Key words: genetic algorithms; port; packing 　　在众多的物流运输方式中,港口运输以其便捷性和稳定性,一直是物流行业的主流运输方式。港口作为海运的重要运输部分,在整个海运体系中具有重要的地位。因此如何提高港口的工作效率,对于整个物流体系有着至关重要的作用。 　　我们本次走访了宁波港三期码头,了解了码头整个运作过程。就如何提高提高港口的工作效率和工作人员进行了深入的探讨。我们一致认为装箱问题作为港口运输中的一个重要环节,对于提高整个港口货物的利用率和调动速度,有着举足轻重的作用。 　　1 什么是装箱问题 　　装箱问题指的是将不同类型的物品,放入到一个容器的过程。这是一个典型的NP难问题,可以通过建立相关的线性规划问题进行精确解。但是由于这类问题过于复杂,需要耗费大量的时间和CPU资源,对于规模比较大的装箱问题,线形规划往往束手无策。于是有了许多的启发式算法,其中比较著名的有全匹配算法,部分匹配算法。但大多数的算法都是启发式算法,往往容易产生个体的局部解,而脱离整个解的空间,不能达到最佳的装箱效果。 　　于是我们采用了遗传算法和启发式算法结合的方法,避免了启发式算法的收发性,大大降低了算法的冗余度,且总能收敛到全局最优解,从而弥补了启发式算法的收敛问题。 　　2 装箱问题的基本特征 　　根据装箱问题的自身特点,不同的学者制度了研究了装箱问题的不同方面,总结起来,它的基本特征如下: 　　1) 装箱过程遵循先放入大件的物品,后放入小件的物品。 　　2) 面积较大的矩形装入后产生的空洞较大,面积较小的矩形装入后产生的空洞较小; 　　3) 面积较大的矩形装入后产生的空洞常常可以装入面积较小的矩形; 　　4) 装入过程中产生的轮廓线越规整,即组成轮廓线的水平线数量越少,就越有利于后期矩形的装入。 　　3 装箱问题的描述和数学模型 　　装箱问题的一般描述:有n个物品要装入k个箱子(k≤n)中。每个物品有重量(wj),每个箱子有重要限制(cj0)。目标是寻找最优的将物品分配到箱子的方案,使每个箱子中物品的重量之和不超过其重量限制,且使用的箱子数量最少。 　　通常,所有箱子有相同的重量限制(c0)。显然,将每个物品放入一个箱子是一个可行解,但不是最优解。装箱问题的数学表达式如下: 　　公式中yi=1箱子i被装入物品,反之则表示箱子i是空的。xij=1表示物品j放入箱子i,反之表示物品j未放入箱子i。 　　4 遗传算法的设计 　　基本遗传算法可定义为一个八元组:GA=(S,E,P0,M,Φ ,F,Ψ,T),式中S表示个体的编码方法;E表示个体适应度评价函数;P0表示