在考虑船舶排放控制区(Emission Control Area,ECA)的背景下,通过航速优化对船舶航行成本和航行时间进行有效折中,降低船舶营运成本。针对营运成本和航行时间2个互相冲突的关键因素建立一种多目标航速优化模型。分别建立船舶营运成本模...在考虑船舶排放控制区(Emission Control Area,ECA)的背景下,通过航速优化对船舶航行成本和航行时间进行有效折中,降低船舶营运成本。针对营运成本和航行时间2个互相冲突的关键因素建立一种多目标航速优化模型。分别建立船舶营运成本模型和航行时间模型,通过带精英策略的非支配排序遗传算法(Nondominated Sorting Genetic AlgorithmⅡ,NSGAⅡ)求得营运成本和航行时间的Pareto解集,采用模糊隶属度函数,从Pareto解集中筛选出最佳折中解。实际案例分析结果表明:在一定的时间约束下,船舶在ECA内适当减速,在ECA外加速可有效减少营运成本。当船舶以优化航速航行时,可有效减少船舶营运成本,节省船舶航行时间,为船公司提供一定的管理依据并带来可观的经济收益。展开更多
文摘在考虑工人技能学习差异的基础上,为解决多工人协作柔性车间调度问题,提出了基于稀疏邻域带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)的调度方法。对考虑技能学习差异的多工人协作柔性车间调度问题进行了描述,以车间工人学习能力为背景改进了DeJong学习模型,并建立了多工人协作柔性车间调度的多目标优化模型。在NSGA-Ⅱ基础上,引入了邻域稀疏度的选择方法,有效保留了信息丰富和多样化的染色体,并将稀疏邻域NSGA-Ⅱ应用于柔性车间调度问题求解。经实验验证,稀疏邻域NSGA-Ⅱ所得Pareto解集质量高于标准NSGA-Ⅱ和自适应多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition,MOEA/D),最短调度方案的完工时间为127.1 min,该方案满足逻辑和时间等约束。实验结果验证了稀疏邻域NSGA-Ⅱ在柔性车间调度中的优越性。