Volume 1,Issue 7
基于改进蚁群算法的散货船装卸作业路径规划研究
随着全球贸易的持续增长，散货船装卸作业效率成为影响港口吞吐能力的关键因素。本文针对散货船装卸作业路径规划问题，在综合分析两篇起重机路径规划研究论文的基础上，提出了一种改进的蚁群算法优化方案。通过引入动态启发因子、自适应信息素更新机制和三维路径分层规划策略，有效解决了传统算法在散货船复杂作业环境中存在的收敛速度慢、易陷入局部最优等问题。仿真实验结果表明，改进算法在路径长度、能耗效率和运行稳定性等方面均有显著提升，为散货船装卸作业的智能化提供了新的解决方案。
[1] UNCTAD. Review of Maritime Transport 2022[R]. Geneva: United Nations, 2022.
[2] Zhang L, et al. Efficiency analysis of bulk cargo handling systems[J]. Maritime Policy & Management, 2021, 48(3): 412-428.
[3] IAPH. Green Port Guidelines[S]. 2021 Edition.
[4] 付雪青. 钢卷仓库三维建模及吊装路径规划[D]. 重庆大学, 2016.
[5] 沈舒杰. 基于改进蚁群算法的桥式起重机最优能耗路径规划方法[D]. 太原科技大学, 2024.
[6] Dorigo M, et al. Ant colony optimization: overview and recent advances[J]. Handbook of Metaheuristics, 2019: 311-351.
[7] 周浩 , 等 . 基于改进蚁群算法的桥式起重机路径规划问题研究[J]. 机械设计与制造, 2021(4): 133-136.
[8] 李敏 . 桥式起重机吊装避障路径规划方法研究[D]. 太原科技大学, 2020.
[9] Colorni A, et al. Distributed optimization by ant colonies[C]. ECAL91, 1991.
[10] 港口散货装卸工艺规范[S]. JTS/T 201-2020.
[11] Liu Y, et al. Anti-swing control for crane systems[J]. IEEE Transactions on Control Systems Technology, 2020, 28(3): 894-905.
[12] 王明 , 等 . 抓斗式卸船机能耗特性研究[J]. 起重运输机械, 2022(3): 45-49.
[13] 陈志梅 , 等. 基于改进蜂群算法的桥式起重机吊装路径规划[J]. 起重运输机械, 2022(8): 20-25.
[14] Stützle T, et al. ACO algorithms for the traveling salesman problem[J]. Evolutionary Computation, 2000: 1-10.
[15] 孔令德 . 计算几何算法与实现[M]. 电子工业出版社, 2017.
[16] Tao F, et al. Digital twins and cyber-physical systems toward smart manufacturing[J]. Robotics and Computer-Integrated Manufacturing, 2019, 61: 101837.
[17] 郭明翔 . 集装箱桥式起重机变频调速系统再生运行及节能研究[J]. 中国设备工程, 2018(23): 154-157.