散货船优化算法

散货船装载过程优化的研究StudyonOptimizationofBulkCarrier’sLoadingProcess本文从散货船的安全问题出发，结合散装船舶装卸货过程中的实际情况，提出了通过优化装载方案来控制船舶装货时强度变化的观点，以使整个装货过程中产生的剪力、弯矩对船舶强度的影响尽量最小。初步建立了散货船装载优化模型，提出了求解该模型的基本思想，并将遗传算法运用于该优化模型的求解。研究了遗传算法在散货船装载过程优化上的具体实施方法。采用面向对象的程序设计方法，在Windows平台的VisualC++环境下开发了基于遗传算法的散货船装载过程优化软件。本文所开发的基于遗传算法的散货船装载过程优化软件，可以作为装载仪中的一个子系统，对各种装货过程进行优选，最后得到一个近似最优的装货方案。经过优化的装货方案可以大大减小装货过程中所产生的船舶剪力和弯矩最大值。该软件可以运用于实际生产，通过控制船舶装货环节的船体强度，提高散货船的安全性，延长船舶的使用寿命。ABSTRACTThispaperparticularlyanalyzesthecharacteristicofbulkcarrier.Presenttheattitudethatcontrolsthevessel’sstrengthinloadingbyoptimizingtheloadingscheme.Thisoptimizationintendstomakethevessel’sShearForce(SF)andBendingMoment(BM)inloadingprocesstothelowestextent.Anoptimizationmodalforloadingofbulkcarrierisbasicallyestablishedinthispaper.AuthorcreativelyusestheGeneticAlgorithmstogetthesolutionofthisoptimizationmodal.Thesoftwarenamed“OptimizationofBulkCarrier’sLoadingProcession”,whichcanbeinsertedto“StowageSystemofBulkCarrier”asasubsystem.Thissoftware1chosethebestoneapproximatelyfromeveryloadingscheme.TheoptimizedschemecanreducethemaximumofSFandBMinloadingatmostextend.Usingthesoftwaretooptimizetheloadingprocessinpracticewillimprovethesecurityofthebulkcarrier,andprolongthelifespanofthebulkcarrier.KeyWords:BulkCarrier,Vessel’sStrength,OptimizationofLoadingProcess,GeneticAlgorithms.1.4散货船装卸操作中的强度控制问题从散货船的安全现状可以看出，目前都存在一个共同的问题，即船舶强度问题。如何才能把营运中的风险降至最低，如何才能提高散货船营运的安全系数，保证人、船、货的安全，延长船舶的使用寿命，这有赖于通过适当的装卸，使装卸过程中产生的剪力、弯矩对船体的潜在损伤降至最低。这就提出了散货船在装卸过程中的强度控制问题。[7]散货船在装卸过程中的强度控制的核心，就是要制定较优化的装卸货方案，使整个装卸过程中产生的剪力、弯矩对船舶强度的影响尽量最小。现有散货船根据SOLAS公约第Ⅶ/11条的规定，均安装了规定的装载仪。船舶驾驶员通过输入某一状态下的装载货物情况和油水分布情况，就可以得到该状态下的各站号及特殊要求位置的剪力和弯矩值，再将这些数据与规范标准相比较。通常船舶驾驶员是事先制订一个装卸货方案，再用装载仪去校核，以确定装卸过程中船舶强度是否满足规范要求，如不满足则对原计划进行修改，直到满足规范要求为止。该装卸方案虽然满足规范要求，但是却未达到优化的程度。如果能够获得优化方案并以此指导装卸作业，那么货物操作过程中散货船船体的损伤将会大大降低，从而大大减少船体的疲劳，提高散货船的使用寿命，保证船舶安全。一般来说，由于散货船的装货速度远高于卸货速度，所以装货时对船舶强度的控制就显得比卸货时更加重要。本文就是从散货船的装载角度出发，在船舶装载仪的基础上引入人工智能的思想，运用遗传算法对船舶的装货过程进行优化，并可在散货船的装载仪中增设一个子系统，对各种装货过程进行优选，最后得到一个近似最优的装货方案，以解决散货船装卸过程中的强度控制问题。2散货船装载过程优化模型的建立在散货船装载过程优化中需要考虑的主要因素仅是船舶纵向强度和船舶的吃水、吃水差限制。本章首先介绍了静水中船舶纵向强度和浮态的计算方法，再进一步建立了散货船装载过程的优化模型，并初步提出了该模型的求解思路。装载过程优化模型的建立在散货船的实际装载过程，可以定义为单舱装载方式和多舱装载方式。单舱装载方式就是装货过程中只有一部装货设备，一次只能对一个货舱进行装货操作；多舱装载方式就是指用两部或两部以上的装货设备对不同的货舱同时进行装货操作的装载方式。与多舱装载方式相比，采用单舱装载方式时，装货过程中对船舶强度和浮态的控制是比较困难的。因此对单舱装载方式的优化是非常必要的。本文仅对单舱装载方式进行了研究，对单舱装载过程建立了优化模型。2.3.1建立优化模型的目的。装载过程优化就是要在已知每个货舱计划装货量的基础上，确定一个优化的装货方案，使得按照这个方案进行装货的整个过程中，船舶产生的剪力、弯矩对船舶强度的影响尽量最小，并且在整个过程中船舶的浮态也能满足规定的要求。所以，建立装载过程优化模型的目的就是：在尽量减少装货次数的前提下，确定一个能使整个装货过程中船舶的剪力、弯矩尽量小并且使船舶吃水、吃水差始终保持在规定要求以内的装货优化方案。2.3.2目标函数的建立2.3.2.1确立基本变量每个货舱最终要装载的货物重量是已知的，用iV表示。船舶总共需要装货的货舱数，用C表示。则该航次船舶总装货量为CiiV1。将每一次装货设备从一个货舱口移动至另一货舱口称之为一次换装作业，而装货设备对全船所有货舱依次完成了一次装货的过程定义为一轮装货作业。完成整个装货需要的换装次3数用J表示，完成整个装货需要的轮次数用R表示。对于有5个货舱和7个货舱的散货船，一般经过两轮装货均可满足优化的要求，即可取R=2。而对于9个货舱以上的大型散货船，往往需要3轮或以上的装货作业才能满足优化的要求，即R≥3。我们假定。可以看出任意一种装货方案都是由每轮装舱的次序S（Sequence）和每轮各舱的装货数量Q（Quantity）构成。确定了每轮的装舱次序和每轮的各舱装货量，就确定了一种装货的方案E，即),(QSfE（2-3-1）在装货中为了保证船舶的纵向强度，一般情况下压载水排放位置与装载货舱的位置趋于一致，因此，压载水方案B是由装货方案所决定的，现定义为)(EtB（2-3-2）2.3.2.2目标函数的建立在装货过程中，每个校核站面的剪力、弯矩都是在不断变化的，它们变化是个连续的过程，因而可取每一次换装作业时各个校核站面的剪力ijSF和弯矩ijBM其中，i为校核站面的位置，j为换装作业的次数。设各个校核站面的剪力许用值为iASF，弯矩许用值为iABM，则可设定装货过程中优化模型的目标函数为：)(max)(iijijASFSFEg（2-3-3）)(max)(iijijABMBMEh（2-3-4）对装货方案E的优化，理论上就是要求得一个解*E，使得)(*Eg和)(*Eh为最小值。2.3.3约束条件的设立考虑到港口航道或码头泊位水深的限制和压载水排放要求，散货在装载过程中必须限定船舶吃水和吃水差。设每次换装作业时船舶的首吃水为Fjd(E)，尾吃水为jAd(E)，吃水差为jt(E)，则装卸过程中约束条件为：421maxminmaxmin)()()(TEtTdEdddEddjAjFj（2-3-5）式中，1T，2T分别为装货过程中最大尾倾吃水差和最大首倾吃水差，其中1T为负值，2T为正值。2.3.4装载过程的优化模型建立最优化模型，有三个基本要素，即决策变量、目标函数和约束条件，于是可建立如下装货过程优化模型：min)()(EhEgs.t.21maxminmaxmin)()()(TEtTdEdddEddjAjFj（2-3-6）在多目标决策问题中，根据实际情况确定一个目标为主要目标，而把其余目标作为次要目标，并且根据决策者的经验，选取一定的界限值。这样就将原多目标决策问题转化为在一个新的约束条件下，求主要目标的单目标规划问题[20]。现将每次换装作业时船舶各个站点的实际剪力占许用剪力的百分比限定在δ以内作为约束条件，就可以把2-3-6式变为下式：min)(Ehs.t.iijjjjASFSFTEtTdEdaddEdfd21maxminmaxmin)()()(（2-4-1）其中，δ可根据船龄及装载条件限定在50%～70%范围内。2.4装载过程优化模型求解的基本思路将2-3-1式代入2-3-3和2-3-4式，我们可以将目标函数变为：5)(max),(iijijASFSFQSg)(max),(iijijABMBMQSh（2-4-2）求解最优解*E，也就是求解最优装舱顺序*S和每轮各舱最优装货量*Q。首先选择出全部可行的装舱顺序N，然后确定出每一种装舱顺序下每一轮各货舱的最优装货量，从而可以求出每一装舱顺序下最优装货方案tE，t（t=1～N），再将tE代入目标函数，选出其中使目标函数最小者即为最优解*E。在选择过程中，应先将那些不可行的装舱顺序排剔除，仅保留有可能产生最优解的装舱顺序。2.4.4优化求解过程1)随机产生一个确定的各货舱每轮装货量的组合，即一个确定的iQ；2)选择出全部可行装舱顺序；3)计算每一种装货顺序下的目标函数h(E),并对结果进行比较，选取在约束条件下使h(E)最小的装货顺序，于是产生了相应的装货方案iE。4)重复步骤1）～3），不断比较所有产生的装货方案，直到能找到一个优化方案。我们可以看出，求解装载过程优化模型的过程实际上就是一个典型的数学寻优过程。由于每轮装货量的组合和可行装货顺序的组合都是非常多的，用一般的枚举法是很难找出最优解的。因此需要一种效率极高的寻优方法来解决该优化问题。于是作者将遗传算法应用于装载过程优化模型的求解。基于遗传算法的散货船装载过程优化运用遗传算法对具体的散货船装载过程进行优化的过程也就是用遗传操作对可能的装载过程的解空间进行搜索，最终找出一个最优解的过程。3.3遗传编码方案的确定6在遗传算法开始时，通过编码将变量转化为一条字符串，作为每一个个体唯一对应的染色体。在遗传算法结束时，对选出的最优个体的染色体字符串进行解码，即编码算法的逆运算，最终得到优化变量。根据2.4节的基本优化过程，本模型需要对各货舱每轮装货信息进行编码。本文采用Holland的经典遗传算法，应用二进制编码规则。对于具有n个货舱且拟两轮完成装货的船舶，将每个货舱的最终装货数量分为16等份，则用任意一个4位二进制数ia（ia=1a,2a,3a,…,na）来对应各舱的第一轮装货量iX为iiiPaDecX16)(（3-3-1）若需进一步提高计算精度，可以将每个舱的装货量分为128等份，用8位二进制数来表示。一般来说，用4位二进制数来表示的计算结果即可满足优化要求。对于具有n个货舱且拟三轮完成装货的船舶，用4位二进制数ia对应各舱的第一轮装货量iX,和4位二进制数ib对应各舱的第二轮装货量iY为：)(16)(16)(iiiiiiiXVbDecYVaDecX（3-3-2）将ia