每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

利用混合遗传算法通过双循环和减少船坞重新装卸来优化集装箱装卸

Created by
  • Haebom

作者

Mahfuzur Ra​​hman 博士、Abrar Jahin 博士、Saiful Islam 博士、MF Mridha

大纲

本文通过整合岸桥双循环 (QCDC) 和最小化堆场再装卸次数来解决港口集装箱装卸的优化问题。认识到 QCDC 装载顺序和堆场规划之间的相互依赖性，我们提出了 QCDC-DR-GA，这是一种混合遗传算法 (GA)，可同时优化双循环 (DC) 次数和堆场再装卸次数。QCDC-DR-GA 采用专门的交叉和变异策略。对各种船舶尺寸进行的大量实验表明，与现有方法相比，QCDC-DR-GA 可将大型船舶的总作业时间缩短 15-20%。使用双尾 t 检验的统计验证在 5% 的显著性水平上证实了显著的改进。这项研究强调了单独优化方法的低效性，并证明了港口运营中集成算法的必要性。

Takeaways, Limitations

•
Takeaways：
◦
提出了一种集成 QCDC 和堆场重新处理最小化的混合 GA 算法（QCDC-DR-GA）。
◦
经证实，与现有方法（大型船舶）相比，总工作时间可减少 15-20%。
◦
统计显著性检验（5%显著性水平）。
◦
提出了在不进行基础设施投资的情况下提高港口运营效率和资源利用率的可能性。
•
Limitations：
◦
论文中没有具体提及Limitations。
👍
Made with Slashpage