申请/专利权人：中原工学院

申请日：2021-06-18

公开（公告）日：2024-03-29

公开（公告）号：CN113379263B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/083;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.09.28#实质审查的生效;2021.09.10#公开

摘要：本发明提出了一种基于自适应小组协同蜂群算法的机场货运站调度方法，用于解决机场货运站调度的精度不高、效率低下的技术问题；其步骤为：根据ETV动作顺序、碰撞影响和任务出口分配的因素建立机场货运站双ETV调度模型；利用改进的蜂群算法对机场货运站双ETV调度模型进行优化求解，得到最优的调度序列。本发明将人工蜂群算法用于机场货运站货物出入库顺序、ETV动作顺序等的调度当中，同时从邻域搜索策略和寻优机制两个方面对人工蜂群算法进行改进，提高机场货运站调度的精度和效率。

主权项：1.一种基于自适应小组协同蜂群算法的机场货运站调度方法，其特征在于，其步骤如下：步骤一：根据ETV动作顺序、碰撞影响和任务出口分配的因素建立机场货运站双ETV调度模型；所述机场货运站双ETV调度模型为： 其中，Fit为双ETV完成所有任务的总时间，为双ETV完成一组任务需要的时间，为ETV-I完成任务的时间，为ETV-II完成任务的时间，i是任务编号，i＝1,2,…,n，n为任务总数，δ是每一个ETV装载或卸载货物的执行时间，H0是第i个任务从当前位置到最近的IO端口所需的运行时间，H1是第i个任务从当前位置到预定目标的时间，M1为ETV-I的工作区域，M2为ETV-II的工作区域；机场货运站双ETV调度模型的约束条件为： 其中，set1表示分配给ETV-I的任务集，set2表示分配给ETV-II的任务集，set表示ETV-I和ETV-II所有任务集的集合；步骤二：利用改进的蜂群算法对步骤一中的机场货运站双ETV调度模型进行优化求解，得到最优的调度序列；利用改进的蜂群算法进行优化求解的方法为：S21、初始化阶段：设置种群大小NP、最大搜索次数Limit、最大迭代次数maxCycle、蜜源的维度D，并初始化当前蜜源；分别将雇佣蜂和跟随蜂按类别分为若干个小组，且雇佣蜂小组每组3个成员，跟随蜂小组每组2个成员；在初始化阶段中，依次进行雇佣蜂阶段和跟随蜂阶段的预优化，得到雇佣蜂阶段对应的搜索策略的权重和跟随蜂阶段对应的搜索策略的权重；其中，雇佣蜂阶段对应的搜索策略包括标准的邻域搜索策略、基于当前解引导的大步长邻域搜索策略和使用莱维飞行算子进行随机搜索的大步长邻域搜索策略；跟随蜂阶段对应的搜索策略包括基于当前解引导的小步长邻域搜索策略和基于全局最优解引导的邻域搜索策略；S22、判断当前搜索次数是否达到最大搜索次数Limit，若是，执行步骤S25，否则，执行步骤S23；S23、基于雇佣蜂阶段对应的搜索策略的权重随机生成雇佣蜂权重，并选择雇佣蜂权重最大的两个值对应的搜索策略进行邻域搜索，得到两个新的蜜源；计算两个新的蜜源的适应度值，并根据适应度值的大小比较两个新的蜜源，选择最好的蜜源作为雇佣蜂；S24、雇佣蜂根据轮盘赌的方法招募跟随蜂，基于跟随蜂阶段对应的搜索策略的权重随机生成跟随蜂权重，并选择跟随蜂权重最大的值对应的搜索策略进行邻域搜索，得到新蜜源，执行步骤S26；S25、放弃当前蜜源，侦查蜂随机产生一个新蜜源，执行步骤S26；S26、计算新蜜源的适应度值，并判断新蜜源的适应度值是否优于当前蜜源的适应度值，若是，将新蜜源作为最优解更新当前蜜源，基于更新后的当前蜜源重新搜索下一蜜源，并将搜索次数置零，否则，将当前蜜源作为最优解，基于新蜜源重新搜索新蜜源，搜索次数增加1；S27、当前迭代次数加1，判断当前迭代次数是否达到最大迭代次数maxCycle，若是，输出最优解，否则，返回步骤S22进行新一轮的迭代。

全文数据：

权利要求：

百度查询： 中原工学院 一种基于自适应小组协同蜂群算法的机场货运站调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD