專利名稱：一種三維集裝箱裝載布局優(yōu)化方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明屬于集裝箱裝載布局優(yōu)化設計領域，尤其涉及一種三維集裝箱裝載布局優(yōu)化的方法及系統(tǒng)。
背景技術：
三維集裝箱裝載布局優(yōu)化方法指的是在一定約束條件下，將一批貨物按照適當?shù)难b載方法裝入集裝箱中，以使得集裝箱的容積利用率或裝載質(zhì)量利用率最大，從而實現(xiàn)對集裝箱進行合理有效使用的方法，其目標函數(shù)可以表示為
ηη
maxZ = Ai^ll-Wi-HrSrm)/V+ (I-A)^gl -Sl-In/G，其中，li、wi、hi、gi、m 分別表示 i 類貨
i=l i=l
物的長、寬、高、質(zhì)量、件數(shù)；V，G分別表示集裝箱的最大裝載容積、最大裝載質(zhì)量；λ是0-1 變量，當追求目標為容積利用率最大時λ = 1，當追求目標為裝載質(zhì)量利用率最大時λ = 0;i是0-1變量，若貨物i裝載則Si = l，否則δ = 0。現(xiàn)有技術提供的三維集裝箱裝載布局優(yōu)化方法多基于單一智能優(yōu)化算法，如基于遺傳算法的三維集裝箱裝載布局優(yōu)化方法、基于蟻群算法的三維集裝箱裝載布局優(yōu)化方法和基于啟發(fā)式算法的三維集裝箱裝載布局優(yōu)化方法等。由于采用的算法單一，在解決三維集裝箱裝載布局優(yōu)化問題時，無法結合不同算法的優(yōu)越性而均表現(xiàn)出一定的缺陷。例如，基于啟發(fā)式算法的三維集裝箱裝載布局優(yōu)化方法，可實施確定的布局塊排放策略、裝載效率較高，但其僅考慮了裝箱容積約束而對裝箱其它方面的約束條件考慮不足；基于遺傳算法的三維集裝箱裝載布局優(yōu)化方法，作為其理論基礎的遺傳算法具有群體性全局搜索能力， 可擴展性強，易與其他技術結合等優(yōu)點，但由于沒有充分利用系統(tǒng)反饋信息，使得搜索具有盲目性，當算法求解到一定范圍時往往形成冗余迭代，導致尋求最優(yōu)解的效率降低；基于蟻群算法的三維集裝箱裝載布局優(yōu)化方法，作為其理論基礎的蟻群算法是一種結合了分布式計算、正反饋機制和貪婪式搜索的算法，具有很強的搜索較優(yōu)解能力，其通過信息素的更新高效收斂到最優(yōu)解，但由于初期信息素匱乏，導致搜索初期積累信息素占用的時間較長。

發(fā)明內(nèi)容
本發(fā)明實施例的目的在于提供一種三維集裝箱裝載布局優(yōu)化的方法，以解決現(xiàn)有技術提供的三維集裝箱裝載布局優(yōu)化方法多基于單一智能優(yōu)化算法，在解決三維集裝箱裝載布局優(yōu)化問題時，無法結合不同算法的優(yōu)越性而均表現(xiàn)出一定缺陷的問題。本發(fā)明實施例是這樣實現(xiàn)的，一種三維集裝箱裝載布局優(yōu)化的方法，所述方法包括以下步驟對待裝箱貨物進行編碼，生成待裝箱貨物的多個初始貨物集，并利用遺傳算法生成所述初始貨物集的子代貨物集；計算子代貨物集中各個體的適應度值及其父代貨物集中各個體的適應度值，當子代貨物集中各個體的適應度值之和相對其父代貨物集中各個體的適應度值之和不再增加時，對相應子代貨物集進行個體解碼，得到可行解；將多個初始貨物集對應的多個可行解構成的集合作為蟻群算法的輸入，利用蟻群算法迭代搜索得到所述待裝箱貨物的最優(yōu)裝箱方案。其中，所述利用遺傳算法生成所述初始貨物集的子代貨物集的步驟還可以包括以下步驟初始化遺傳算法控制參數(shù)；根據(jù)適應度函數(shù)計算所述初始貨物集中各個體的適應度值；根據(jù)計算得到的所述適應度值以及預存的變異概率，以所述初始貨物集為基礎進行選擇、交叉、變異迭代處理，得到所述初始貨物集的多個連續(xù)子代貨物集。進一步地，所述適應度函數(shù)可以滿足關系式F= (Ii · Wi · VLj · Wj · Hj) X 100%其中，F(xiàn)為適應度函數(shù)；li為第i類貨物的長度，Wi為第i類貨物的寬度，比為第i 類貨物的高度；h為集裝箱的長度，Wj為集裝箱的寬度，Hj為集裝箱的高度。進一步地，所述選擇處理可以采用最優(yōu)保存策略和輪盤賭選擇法，此時，所述根據(jù)計算得到的所述適應度值以及預存的變異概率，以所述初始貨物集為基礎進行選擇、交叉、 變異迭代處理，得到所述初始貨物集的多個連續(xù)子代貨物集的步驟還可以包括以下步驟根據(jù)計算得到的個體適應度值及最優(yōu)保存策略和輪盤賭選擇法，確定所述初始貨物集中每個個體的選擇概率；根據(jù)確定的所述每個個體的選擇概率在所述初始貨物集內(nèi)選擇兩個父個體；根據(jù)預存的變異概率對選擇的所述兩個父個體進行變異處理或交叉處理，將處理后的兩個父個體插入到所述初始貨物集的下一連續(xù)子代貨物集中，并計算所述初始貨物集的下一連續(xù)子代貨物集中各個體的適應度值；根據(jù)計算得到的當前子代貨物集中各個體的適應度值及最優(yōu)保存策略和輪盤賭選擇法，確定當前子代貨物集中每個個體的選擇概率；根據(jù)確定的當前子代貨物集中每個個體的選擇概率在當前子代貨物集內(nèi)選擇兩個父個體；根據(jù)根據(jù)預存的變異概率對選擇的所述兩個父個體進行變異處理或交叉處理，將處理后的兩個父個體插入到當前子代貨物集的下一連續(xù)子代貨物集中，從而迭代得到所述初始貨物集的多個連續(xù)子代貨物集。其中，所述對相應子代貨物集進行個體解碼，得到可行解的步驟還可以包括以下步驟從相應子代貨物集中順次取出一待裝箱貨物，根據(jù)取出的所述待裝箱貨物信息計算取出的所述待裝箱貨物的體積；根據(jù)裝箱約束條件V' +Ii -Wi -h, < V判斷取出的所述待裝箱貨物是否可以裝入集裝箱中，其中，V'為已裝入集裝箱的貨物體積，Ii · Wi . h,為取出的所述待裝箱貨物的體積，V為集裝箱的有效容積；根據(jù)判斷結果，當判斷取出的所述待裝箱貨物可以裝入集裝箱中時，將取出的所述待裝箱貨物的體積累加到所述已裝入集裝箱的貨物體積V'中，當判斷取出的所述待裝箱貨物不可以裝入集裝箱中時，從相應子代貨物集中順次取出下一待裝箱貨物，當相應子代貨物集中全部待裝箱貨物取完或取出的待裝箱貨物的體積與已裝入集裝箱的貨物體積之和大于所述集裝箱的有效容積時，得到相應子代貨物集轉化后的可行解。其中，所述將多個初始貨物集對應的多個可行解構成的集合作為蟻群算法的輸入，利用蟻群算法迭代搜索得到所述待裝箱貨物的最優(yōu)裝箱方案的步驟還可以包括以下步驟計算待裝載貨物的初始信息素；根據(jù)所述待裝載貨物的種類計算螞蟻數(shù)量，初始化蟻群算法的控制參數(shù)；隨機放置每只螞蟻在每一可行解中待裝載貨物的初始位置上；根據(jù)所述待裝載貨物的質(zhì)量約束、重心約束，判斷所述待裝載貨物中的螞蟻所在初始位置上的一類貨物是否可以裝入集裝箱中，并讀入所述待裝載貨物的重心坐標后，按放置方向約束對可以裝入集裝箱中的所述類貨物進行布局優(yōu)化；根據(jù)狀態(tài)轉移概率搜索當前類待裝載貨物的下一類待裝載貨物，并根據(jù)搜索結果控制所述螞蟻置于所述下一類待裝載貨物上，根據(jù)所述待裝載貨物的質(zhì)量約束、重心約束， 判斷所述待裝載貨物中的螞蟻所在位置上的一類貨物是否可以裝入集裝箱中，并按放置方向約束對可以裝入集裝箱中的所述類貨物進行布局優(yōu)化；當對可行解的集合的一次循環(huán)搜索完成后記錄搜索結果，并根據(jù)信息素更新模型更新所述信息素，進行可行解的集合的下一次循環(huán)搜索，當循環(huán)次數(shù)與所述多個可行解的個數(shù)相等時，結束蟻群算法，輸出得到所述待裝箱貨物的最優(yōu)裝箱方案。進一步地，所述計算待裝載貨物的初始信息素的步驟可以表示為τ Jj (0) = τ c+ τ G其中，τ u(0)為所述待裝載貨物的初始信息素，、為一預設的信息素常數(shù)，τ e滿足Tg = (Σ Ii .Wi .Vlj Ij .Hj) X 100%，Ii為第i類貨物的長度，Wi為第i類貨物的寬度，h為第i類貨物的高度；h為集裝箱的長度，W」為集裝箱的寬度，&為集裝箱的高度。進一步地，所述判斷所述待裝載貨物中的螞蟻所在初始位置上的一類貨物是否可以裝入集裝箱中的步驟，和/或判斷所述待裝載貨物中的螞蟻所在位置上的一類貨物是否可以裝入集裝箱中的步驟可以表示為
權利要求
1.一種三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述方法包括以下步驟對待裝箱貨物進行編碼，生成待裝箱貨物的多個初始貨物集，并利用遺傳算法生成所述初始貨物集的子代貨物集；計算子代貨物集中各個體的適應度值及其父代貨物集中各個體的適應度值，當子代貨物集中各個體的適應度值之和相對其父代貨物集中各個體的適應度值之和不再增加時，對相應子代貨物集進行個體解碼，得到可行解；將多個初始貨物集對應的多個可行解構成的集合作為蟻群算法的輸入，利用蟻群算法迭代搜索得到所述待裝箱貨物的最優(yōu)裝箱方案。
2.如權利要求1所述的三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述利用遺傳算法生成所述初始貨物集的子代貨物集的步驟還包括以下步驟初始化遺傳算法控制參數(shù)；根據(jù)適應度函數(shù)計算所述初始貨物集中各個體的適應度值；根據(jù)計算得到的所述適應度值以及預存的變異概率，以所述初始貨物集為基礎進行選擇、交叉、變異迭代處理，得到所述初始貨物集的多個連續(xù)子代貨物集。
3.如權利要求2所述的三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述適應度函數(shù)滿足關系式F= (Ii · Wi · VLj · Wj · Hj) X 100%其中，F(xiàn)為適應度函數(shù)；li為第i類貨物的長度，Wi為第i類貨物的寬度，比為第i類貨物的高度；h為集裝箱的長度，Wj為集裝箱的寬度，Hj為集裝箱的高度。
4.如權利要求2所述的三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述選擇處理采用最優(yōu)保存策略和輪盤賭選擇法，所述根據(jù)計算得到的所述適應度值以及預存的變異概率，以所述初始貨物集為基礎進行選擇、交叉、變異迭代處理，得到所述初始貨物集的多個連續(xù)子代貨物集的步驟還包括以下步驟根據(jù)計算得到的個體適應度值及最優(yōu)保存策略和輪盤賭選擇法，確定所述初始貨物集中每個個體的選擇概率；根據(jù)確定的所述每個個體的選擇概率在所述初始貨物集內(nèi)選擇兩個父個體；根據(jù)預存的變異概率對選擇的所述兩個父個體進行變異處理或交叉處理，將處理后的兩個父個體插入到所述初始貨物集的下一連續(xù)子代貨物集中，并計算所述初始貨物集的下一連續(xù)子代貨物集中各個體的適應度值；根據(jù)計算得到的當前子代貨物集中各個體的適應度值及最優(yōu)保存策略和輪盤賭選擇法，確定當前子代貨物集中每個個體的選擇概率；根據(jù)確定的當前子代貨物集中每個個體的選擇概率在當前子代貨物集內(nèi)選擇兩個父個體；根據(jù)預存的變異概率對選擇的所述兩個父個體進行變異處理或交叉處理，將處理后的兩個父個體插入到當前子代貨物集的下一連續(xù)子代貨物集中，從而迭代得到所述初始貨物集的多個連續(xù)子代貨物集。
5.如權利要求1所述的三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述對相應子代貨物集進行個體解碼，得到可行解的步驟還包括以下步驟從相應子代貨物集中順次取出一待裝箱貨物，根據(jù)取出的所述待裝箱貨物信息計算取出的所述待裝箱貨物的體積；根據(jù)裝箱約束條件V' +Ii -Wi-h^V判斷取出的所述待裝箱貨物是否可以裝入集裝箱中，其中，V'為已裝入集裝箱的貨物體積，Ii-W^hi為取出的所述待裝箱貨物的體積，V 為集裝箱的有效容積；根據(jù)判斷結果，當判斷取出的所述待裝箱貨物可以裝入集裝箱中時，將取出的所述待裝箱貨物的體積累加到所述已裝入集裝箱的貨物體積Ψ中，當判斷取出的所述待裝箱貨物不可以裝入集裝箱中時，從相應子代貨物集中順次取出下一待裝箱貨物，當相應子代貨物集中全部待裝箱貨物取完或取出的待裝箱貨物的體積與已裝入集裝箱的貨物體積之和大于所述集裝箱的有效容積時，得到相應子代貨物集轉化后的可行解。
6.如權利要求1所述的三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述將多個初始貨物集對應的多個可行解構成的集合作為蟻群算法的輸入，利用蟻群算法迭代搜索得到所述待裝箱貨物的最優(yōu)裝箱方案的步驟還包括以下步驟計算待裝載貨物的初始信息素；根據(jù)所述待裝載貨物的種類計算螞蟻數(shù)量，初始化蟻群算法的控制參數(shù)；隨機放置每只螞蟻在每一可行解中待裝載貨物的初始位置上；根據(jù)所述待裝載貨物的質(zhì)量約束、重心約束，判斷所述待裝載貨物中的螞蟻所在初始位置上的一類貨物是否可以裝入集裝箱中，并讀入所述待裝載貨物的重心坐標后，按放置方向約束對可以裝入集裝箱中的所述類貨物進行布局優(yōu)化；根據(jù)狀態(tài)轉移概率搜索當前類待裝載貨物的下一類待裝載貨物，并根據(jù)搜索結果控制所述螞蟻置于所述下一類待裝載貨物上，根據(jù)所述待裝載貨物的質(zhì)量約束、重心約束，判斷所述待裝載貨物中的螞蟻所在位置上的一類貨物是否可以裝入集裝箱中，并按放置方向約束對可以裝入集裝箱中的所述類貨物進行布局優(yōu)化；當對可行解的集合的一次循環(huán)搜索完成后記錄搜索結果，并根據(jù)信息素更新模型更新所述信息素，進行可行解集合的下一次循環(huán)搜索，當循環(huán)次數(shù)與所述多個可行解的個數(shù)相等時，結束蟻群算法，輸出得到所述待裝箱貨物的最優(yōu)裝箱方案。
7.如權利要求6所述的三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述計算待裝載貨物的初始信息素的步驟表示為τ (0) = τ c+ τ G其中，Tu(O)為所述待裝載貨物的初始信息素，、為一預設的信息素常數(shù)，、滿足 Tg= (Σ Ii-W^hiZLj-Wj. Hj) X 100%, Ii為第i類貨物的長度，Wi為第i類貨物的寬度，Iii為第i類貨物的高度&為集裝箱的長度，Wj為集裝箱的寬度，Hj為集裝箱的高度。
8.如權利要求6所述的三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述判斷所述待裝載貨物中的螞蟻所在初始位置上的一類貨物是否可以裝入集裝箱中的步驟，和/或判斷所述待裝載貨物中的螞蟻所在位置上的一類貨物是否可以裝入集裝箱中的步驟表示為Cq = Σ g ^ G其中，Σ g為待裝載貨物中的螞蟻所在初始位置上的一類貨物的重量之和，和/或待裝載貨物中的螞蟻所在位置上的一類貨物的重量之和；G為集裝箱可裝載的貨物的重量之和；[cxl，cx2]、[cyl, cy2]、[czl,cz2]分別為集裝箱在x、y、z軸向的重心安全范圍的邊界值為待裝載貨物中的螞蟻所在初始位置上的第i類貨物的質(zhì)量；(xi，yi, zi)是待裝載貨物的重心坐標。
9.如權利要求6所述的三維集裝箱裝載布局優(yōu)化的方法，其特征在于，所述狀態(tài)轉移概率表示為‘τ/( ).η/( )P,-it) =Σ⑴ N allowedkzcdlowedotherwise其中力= i為啟發(fā)函數(shù)，dz(j)為待裝載貨物j的承重能力…是待裝載貨物j的體積；Hi/ (t)為螞蟻從待裝載貨物i搜索到待裝載貨物j的啟發(fā)程度；allowedk = (1， 2…n)-tabuk表示螞蟻k下一次被允許放置的待裝載貨物，tabuk為記錄了螞蟻k在t時刻已經(jīng)搜索過而在本次循環(huán)結束前禁止再訪問的待裝載貨物的禁忌表；τ / (t)是貨物j上的信息素強度；所述信息素更新模型表示為 τ j(t+l) = P · τ j (t) + Δ τ j(t, t+1)mΑτ^ , + ^^Ατ^ , + Ι)k=\|fk(0第α只螞蟻在t循環(huán)時刻搜索到貨物j并將其裝入集裝箱 T]|o否則其中，+ 是螞蟻k在時刻(t，t+1)留在貨物j上的信息素量；(l-p)為信息素的揮發(fā)系數(shù)；fk(t)是螞蟻k在t時刻搜索到的集裝箱裝載率。
10. 一種三維集裝箱裝載布局優(yōu)化的系統(tǒng)，其特征在于，所述系統(tǒng)包括 子代貨物集生成模塊，用于對待裝箱貨物進行編碼，生成待裝箱貨物的多個初始貨物集，并利用遺傳算法生成所述初始貨物集的子代貨物集；適應度值計算模塊，用于計算所述子代貨物集生成模塊生成的子代貨物集中各個體的適應度值及其父代貨物集中各個體的適應度值；判斷模塊，用于判斷所述適應度值計算模塊計算得到的子代貨物集中各個體的適應度值之和相對其父代貨物集中各個體的適應度值之和是否增加；可行解輸出模塊，用于當所述判斷模塊判斷所述適應度值計算模塊計算得到的子代貨物集中各個體的適應度值之和相對其父代貨物集中各個體的適應度值之和不再增加時，輸出可行解；最優(yōu)方案搜索模塊，用于將所述可行解輸出模塊輸出的多個可行解構成的集合作為蟻群算法的輸入，利用蟻群算法迭代搜索得到待裝箱貨物的最優(yōu)裝箱方案。
全文摘要
本發(fā)明公開了一種三維集裝箱裝載布局優(yōu)化的方法及系統(tǒng)。其中的方法是利用遺傳算法的隨機快速搜索能力、潛在并行性、全局收斂性在解空間內(nèi)尋找一組粗略的可行解，之后以該組粗略的可行解作為蟻群算法的輸入，利用蟻群算法的正反饋機制、并行性和搜索較好解的能力求得裝箱的最優(yōu)方案，從而實現(xiàn)了遺傳算法與蟻群算法在解決集裝箱裝載布局問題上的融合，避免了現(xiàn)有采用單一算法解決三維集裝箱裝載布局問題的缺陷，在兼顧全局搜索能力的同時，兼顧了影響裝載效率的幾個重要約束條件，可應用性好。
文檔編號G06N3/12GK102214321SQ20111019785
公開日2011年10月12日 申請日期2011年7月14日 優(yōu)先權日2011年7月14日
發(fā)明者史金余, 張德珍, 張維石, 杜立寧, 陳世峰 申請人:大連海事大學