混沌云粒子群混合優(yōu)化算法及其在港口管理中的應(yīng)用研究.pdf

1、港口吞吐量預(yù)測是進行港口體系結(jié)構(gòu)優(yōu)化和基礎(chǔ)設(shè)施建設(shè)的基礎(chǔ)，對于合理確定港口規(guī)劃布局、基礎(chǔ)設(shè)施投資規(guī)模、集疏運系統(tǒng)的建設(shè)起著重要的作用。泊位、岸橋作為岸線的稀缺資源，其是否能夠得到科學(xué)合理的分配和調(diào)度，對于提高運營期港口生產(chǎn)效益和服務(wù)水平具有重要的現(xiàn)實意義。在港口吞吐量預(yù)測和泊位-岸橋分配過程中，模型參數(shù)的確定以及泊位-岸橋分配等NP-hard問題的求解直接關(guān)系到優(yōu)化模型的可行性和有效性，智能算法的提出為上述問題的解決提供了有效途徑，但任

2、何一種智能優(yōu)化算法都不是完美的，受自身結(jié)構(gòu)的限制都存在一定的缺陷。
　　為更好求解港口規(guī)劃與運營管理中的優(yōu)化問題，本文將粒子群算法（Particle Swarm Optimization，PSO）、Cat映射和云模型進行有機結(jié)合，提出混沌云粒子群混合優(yōu)化算法(Chaos Cloud Particle SwarmOptimization，CCPSO)，并將其應(yīng)用于我國港口規(guī)劃管理中，對其在港口吞吐量預(yù)測和泊位-岸橋分配中的應(yīng)用進行探

3、索和研究，具體研究內(nèi)容如下:
　　1)通過對Cat映射的混沌特性分析，指出Cat映射具有更好的混沌特性，因而將其引入到混合優(yōu)化算法中，用于對粒子群中較差個體的混沌擾動?？紤]到PSO算法易陷入局部極值和進化后期收斂速度慢，而混沌映射具有更好的遍歷性以及云模型的隨機性和穩(wěn)定傾向性優(yōu)勢，因此，通過引入混合控制參數(shù)mix_gen和種群分配系數(shù)pop_distr，將PSO算法、Cat映射和云模型三種算法進行有機結(jié)合，提出CCPSO算法，以期

4、發(fā)揮三種算法的各自優(yōu)勢，提高優(yōu)化性能。利用經(jīng)典測試函數(shù)對CCPSO算法中的混合控制參數(shù)mix_gen和種群分配系數(shù)pop_distr的取值對優(yōu)化性能的影響進行了分析，給出了兩參數(shù)在應(yīng)用于不同優(yōu)化問題時的建議值。通過對CCPSO算法在經(jīng)典函數(shù)測試、模型參數(shù)優(yōu)選以及復(fù)雜整數(shù)規(guī)劃模型求解中表現(xiàn)的分析，說明了算法的有效性。
　　2)針對Guass-vSVR模型參數(shù)組合選取困難，用CCPSO算法對Gauss-vSVR模型參數(shù)組合進行優(yōu)選，得

5、到了Guass-vSVR-CCPSO模型。針對港口吞吐量時間序列及其影響指標的歷史數(shù)據(jù)中的跳躍數(shù)據(jù)，將能處理跳躍數(shù)據(jù)的Guass-vSVR-CCPSO模型用于港口吞吐量的預(yù)測。預(yù)測過程中，用主成分分析法和相關(guān)性分析法確定預(yù)測模型的輸入向量，設(shè)計算例對模型的可行性和有效性進行了驗證。
　　3)為使船舶在靠泊時盡可能靠近偏好泊位，縮短集卡運距，減少船舶在港時間，以船舶未按偏好泊位靠泊而產(chǎn)生的平均集卡運距和船舶平均在港時間最小為優(yōu)化目標

6、，建立了多目標離散泊位-岸橋分配模型。
　　4)利用CCPSO算法求解建立的離散泊位-岸橋分配模型，開發(fā)了粒子可行-整數(shù)化處理模塊，制定了粒子編碼規(guī)則，確定了基于多目標函數(shù)的粒子歷史極值和全局極值的計算方法，設(shè)計了用于泊位-岸橋分配模型求解的Cat映射全局擾動和云模型局部搜索策略，獲得了基于CCPSO算法求解的多目標離散泊位-岸橋分配的新方法。根據(jù)集裝箱碼頭船舶到達統(tǒng)計規(guī)律和碼頭裝卸設(shè)備的技術(shù)參數(shù)設(shè)計實驗算例，驗證建立模型和求解算