畢業(yè)答辯-集裝箱碼頭中轉(zhuǎn)箱智能卸船選位算法研究

集裝箱碼頭中轉(zhuǎn)箱智能卸船選位算法研究答辯人：指導(dǎo)教師：答辯日期：2022年5月25日目錄CONTENT緒論01中轉(zhuǎn)智能卸船選位算法研究問題分析02中轉(zhuǎn)箱選位模型構(gòu)建03中轉(zhuǎn)箱智能卸船算法設(shè)計04算例分析05結(jié)論與展望0601緒論

雖然中國國內(nèi)已經(jīng)對國際集裝箱碼頭生產(chǎn)管理難題開展了一定程度的研討，并出現(xiàn)了用于生產(chǎn)實際的管理信息系統(tǒng)相關(guān)研究仍存在深度不足、缺乏對不確定因素和干擾的應(yīng)對能力等局限。

由于裝卸作業(yè)的復(fù)雜化以及市場對裝卸效能需求的增加，傳統(tǒng)的調(diào)配與安排方法越來越成為影響港口作業(yè)效能提升的主要原因國內(nèi)研究深度不足碼頭管理和市場矛盾激烈裝卸效能需求增加

世界各大港口所面對的管理和市場問題愈來愈大，減少港口的運輸成本，提升集裝箱的運輸質(zhì)量、中轉(zhuǎn)效益，成為所有碼頭關(guān)心的重點問題。選題背景研究目標(biāo)合理界定場中轉(zhuǎn)箱裝卸問題的研究邊界、決策依據(jù)和決策內(nèi)容。目標(biāo)1科學(xué)地表現(xiàn)出集裝箱碼頭堆場場地的策劃問題，構(gòu)建表征該學(xué)術(shù)問題的數(shù)學(xué)模型。目標(biāo)2探索針對場地策劃模型的相關(guān)智能算法、提出相關(guān)算例方法。目標(biāo)3研究目標(biāo)延遲符號研究優(yōu)勢0201030506有助于在一定程度上減少港口堆場作業(yè)的時間，提高整體作業(yè)效率。有助于固化業(yè)務(wù)水平，提高策劃質(zhì)量。有助于減輕場地策劃人員的工作強度，促其轉(zhuǎn)變?yōu)橐?guī)則制定者。有助于提高港口堆場的空間利用率和港口通過能力，降低生產(chǎn)作業(yè)成本。有助于提高港口的裝卸作業(yè)水平。有助于穩(wěn)定決策質(zhì)量，避免人為過失的發(fā)生。研究優(yōu)勢0402問題分析研究思路中轉(zhuǎn)箱業(yè)務(wù)概述選位問題分析闡述傳統(tǒng)模式弊端提出解決方法本章小結(jié)對中轉(zhuǎn)箱主要作業(yè)流程進(jìn)行描述，再以此為基礎(chǔ)上進(jìn)行步驟細(xì)化。描述傳統(tǒng)人工模式下的弊端，引申出后續(xù)的解決方法?；趥鹘y(tǒng)人工模式的弊端，針對性的提出實時選位模式。對本章進(jìn)行總結(jié)?；谥修D(zhuǎn)業(yè)務(wù)流程對選位問題進(jìn)行描述，并提出決策因素。03模型構(gòu)建模型構(gòu)建構(gòu)建目標(biāo)函數(shù)及約束模型歸納本章小結(jié)模型符號定義列出目標(biāo)函數(shù)以及必要約束條件。確定模型維度、模型參數(shù)以及決策變量。對模型和約束進(jìn)行總結(jié)歸納得出總目標(biāo)函數(shù)。對本章進(jìn)行總結(jié)機械可用性

設(shè)備就近原則

輕重箱分開堆放

貝位充分利用

泊位就近原則

虧位數(shù)最小化

模型構(gòu)建目標(biāo)函數(shù)解決方案約束

模型歸納

04算法設(shè)計算法設(shè)計蒙特卡洛樹搜索算法MCTS需要處理的問題通常是當(dāng)搜尋空間已經(jīng)足夠大，而又無法計算得到所有子樹的價值時，所產(chǎn)生的一個相對有效的搜尋策略，其優(yōu)點之一便是能夠有效防止計算陷入局部最優(yōu)解?；綧CTS思想MCTS算法步驟算法設(shè)計01選擇策略選擇是指找到目前認(rèn)為最有可能會走到的一個未被評估的局面進(jìn)行選擇。010402擴展策略擴展是指根據(jù)指定的擴展策略，將新的節(jié)點添加到樹中。030203模擬策略模擬是在基于隨機的基礎(chǔ)上，模擬博弈的過程，通過制定好的模擬策略，從當(dāng)前節(jié)點開始模擬，直至終止。04回溯策略回溯，是模擬之后，將模擬結(jié)果的信息從博弈樹葉節(jié)點開始，向上逐層回溯給各自父節(jié)點的過程。最終會回溯到根節(jié)點。算法設(shè)計卸船中轉(zhuǎn)箱的選位模擬流程

05算例分析算例分析碼頭堆場集裝箱初始堆存狀態(tài)40ft尺寸箱20ft尺寸箱算例分析選位結(jié)果算法分析

隨著迭代次數(shù)的逐漸遞增，蒙特卡洛樹搜索算法的評估值函數(shù)值變化如上圖所示。隨著迭代次的逐漸增加，蒙特卡洛搜索算法的收斂效果就逐漸趨于平穩(wěn)，當(dāng)達(dá)到400次左右時