數(shù)學建?！a頭貨輪集裝箱裝卸的優(yōu)化問題2

《數(shù)學建?！a頭貨輪集裝箱裝卸的優(yōu)化問題2》由會員分享，可在線閱讀，更多相關《數(shù)學建?！a頭貨輪集裝箱裝卸的優(yōu)化問題2（25頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、碼頭貨輪集裝箱裝卸 的優(yōu)化問 題 摘要 集裝箱 “貨幣化” 已成為發(fā)展趨勢， 而港口發(fā)展?jié)u漸滯后于集裝箱的吞吐量， 研究集裝箱裝卸的優(yōu)化問題能有效擴大港口生產(chǎn)力， 提高港口經(jīng)濟效益。 本文將 建立集卡線路規(guī)劃模型和岸橋、 集卡與龍門吊協(xié)同優(yōu)化模型， 通過禁忌搜索算法 進行求解，并通過青島港的數(shù)據(jù)對模型進行實證分析。 對于提高裝卸效率， 降低裝卸成本這一問題，我們將其分解為線路規(guī)劃、協(xié) 同優(yōu)化和模型檢驗三個子問題進行分析。 針對問題一， 我們建立了集卡線路規(guī)劃模型。 通過對青島港前灣港集裝箱碼 頭（QQCT）的航拍圖和雷達圖進行分析，畫出了碼頭泊位到堆場的平面圖，按 照相應的

2、比例尺，得到實際碼頭與堆場間的距離、各堆場間的相互距離。 通過集 卡行駛的速度， 計算得到集卡從碼頭到堆場的時間、 集卡在各堆場之間行駛的相 互時間和集卡從堆場返回碼頭的時間。 集卡在運輸過程中， 要盡量減少空集卡的 行駛， 即運送集裝箱返回的途中攜帶需要裝運到船上的集裝箱。 利用第一階段的 禁忌搜索算法，當所需裝卸集裝箱位置確定后，最短的行駛路線也就計算出來。 針對問題二， 我們建立了橋吊、集卡和龍門吊的協(xié)同優(yōu)化模型。問題一計算 的集卡最佳線路分配結果，繼續(xù)作為橋吊、 集卡和龍門吊協(xié)同優(yōu)化的條件。 第二 階段的禁忌搜素算法分析出最合適的橋吊、 集卡與龍門吊的比例， 橋吊在不等待

3、 集卡的情況下效率高。通過協(xié)同優(yōu)化，得到最高效率的設備分配比例。 針對問題三， 我們匯總了附件中所有集裝箱的裝卸數(shù)據(jù)， 對模型進行檢驗分 析。以青島前灣港區(qū)為例，通過帶入實際數(shù)據(jù)，得到如下比例關系，即橋吊：集 卡：龍門吊為 2:10:5。 2 輛橋吊工作時配備 10輛集卡， 5 輛輪式龍門吊； 3 輛橋 吊工作時配備 15 輛集卡， 7 輛龍門吊；如此分配使相對成本與效率達到最大化。 本文的亮點在于：利用港口的雷達圖和航拍圖，繪制了港口的分布平面圖， 分析更貼近實際；以集卡線路規(guī)劃為突破口，并以此為條件， 建立了以集裝箱類 型為依據(jù)的集卡一站式服務（岸橋到堆場的線路標準化）；對

4、數(shù)據(jù)的分類處理， 使計算簡潔；協(xié)同了集卡、橋吊、龍門吊，采用兩個階段的禁忌搜索算法，將集 裝箱的裝與卸混合在一起計算，比原來對集卡、橋吊，集卡、龍門吊等部分優(yōu)化 更加貼近實際，大大提升了港口的運行效率，并且降低的了成本。 關鍵詞： 集卡，橋吊，龍門吊，線路規(guī)劃，協(xié)同優(yōu)化，禁忌搜索算法 6 目錄 摘要 1 1、 問題重述 3 1.1 問題的背景 3 1.2 要解決的問題 3 2、 問題分析 3 2.1 概論 3 2.2 問題一的分析 5 2.3 問題二的分析 5 2.4 問題三的分析 5 三、模型假設 5 四、符號說明

5、 6 五、模型建立與求解 7 2.5 集卡線路優(yōu)化模型 7 2.5.1 模型分析 7 2.5.2 模型建立 7 2.5.3 模型求解 9 2.6 岸橋、集卡和龍門吊的協(xié)同優(yōu)化模型 10 2.6.1 模型的分析 10 2.6.2 模型建立 10 2.6.3 模型求解 10 2.7 模型的檢驗分析 13 2.7.1 模型分析 13 2.7.2 模型建立 15 2.7.3 模型求解 15 六、 模型評價 15 6.1 模型優(yōu)點 15 6.2 模型缺點 16 6.3 模型改進 16 七、參考文獻

6、 17 附錄 18 、問題重述 1.1 問題的背景 集裝箱碼頭是海陸聯(lián)運的樞紐站， 在各個經(jīng)濟體的貿(mào)易中都占據(jù)著舉足輕重 的地位。 港口的裝卸貨能力在一定程度上代表著一個港口的生產(chǎn)力， 在集裝箱吞 吐量不斷增大而港口發(fā)展?jié)u漸滯后的現(xiàn)狀下， 研究港口集裝箱裝卸的優(yōu)化問題就 顯得尤為重要。 影響集裝箱裝卸效率的因素主要有裝卸設備的硬件配備和在現(xiàn)有 設備基礎上對各方資源的優(yōu)化協(xié)調(diào)程度。本文將以青島港前灣港集裝箱碼頭 （QQCT）為現(xiàn)實背景，來考慮碼頭貨輪集裝箱裝卸的優(yōu)化問題。 QQCT 坐落于青島膠州灣的前港港區(qū)，具有水深域闊、不淤不凍、避風浪的 優(yōu)良碼頭條件，可全天候

7、?？康诹耙陨霞b箱船舶。泊位長度 3400 米，泊 位水深 -17.5米，巷道水深 -15米，堆場面積 225平方米。該港區(qū)配備了世界上最 先進、最大型的新型橋吊，可裝卸目前世界上最大型的超巴拿馬型集裝箱船。 1.2 要解決的問題 本問將以 QQCT 為原型，利用卸船箱和裝船箱的數(shù)據(jù)，簡化港口條件，僅 在投入 2 個和 3 個 QC 時， 構造數(shù)學模型， 分別使相應成本盡量小， 效率盡量高。 為方便解決問題，我們將問題進行了分解，主要包括以下幾個問題： （ 1）基于集裝箱類型的集卡線路一站式優(yōu)化（線路標準化）； （ 2）岸橋、集卡和龍門吊的協(xié)同調(diào)度； （ 3）以青島港的實

8、際數(shù)據(jù)對模型進行檢驗分析。 、問題分析 2.1 概論 針對以青島港為原型的碼頭集裝箱裝卸優(yōu)化問題， 我們首先通過對青島港實 地情況的分析， 將目標港進一步細化， 選擇了四個港中最專業(yè)的集裝箱裝運碼頭， 即青島前灣集裝箱碼頭。通過航拍圖（圖 1）和雷達圖（圖 2），我們初步拿到 QQCT 的港口分布圖，并基于此，我們繪制了港口分布立體圖（圖 3）和平面圖 （圖 4），來使分析更加具體和形象。 圖1航拍圖 圖3立體圖 （來源：百度圖片） 圖2雷達圖 （來源：必應地圖截圖） 圖4平面圖（泊位確定） 2.2 問題一的分析 這是一個線路規(guī)劃問題， 通過對港口

9、平面圖、集卡運行速度、橋吊和龍門吊 的工作效率分析， 得到了集卡的最優(yōu)工作路線。 問題的特點在于集卡在運輸進口、 過境等集裝箱時是聯(lián)合搭配的。問題的難點在于堆場與堆場之間可以相互通行， 集卡返回碼頭時攜帶需要裝船的集裝箱， 而且需要卸的集裝箱往往和需要裝的集 裝箱數(shù)目不一致，加大了理解和計算的難度。 2.3 問題二的分析 這是一個資源優(yōu)化問題， 通過對橋吊、 集卡、 龍門吊三個因素進行綜合考慮， 得到三種資源的最優(yōu)配比。 問題的特點在于問題一的結論影響問題二的分析， 橋 吊、集卡、龍門吊之間的相互調(diào)配相互制約，但存在整體最優(yōu)的情況。問題的難 點是在各因素相互制約的條件下尋找最

10、優(yōu)解，合理有效利用第一問的數(shù)據(jù)。 2.4 問題三的分析 這是一個檢驗分析問題，通過對 QQCT 集裝箱裝卸的數(shù)據(jù)進行分析整理， 對模型進行實證檢驗， 以證明模型的可靠性和實用性。 問題的特點是將實際數(shù)據(jù) 帶入模型確定 2 個橋吊和 3 個橋吊最佳的資源配比。問題的難點在于 6000 多個 數(shù)據(jù)的帶入存在一定的技術困難和理解誤差，會影響分析結果的合理性。 三、模型假設 1、船一旦靠岸只選擇一個泊位，且泊位距各堆場和最近； 2、每個集裝箱的裝或卸只進行單次作業(yè)，作業(yè)完成后不再考慮； 3、各堆場位置已知，由集裝箱的種類確定； 4、集裝箱裝卸次序已知； 5、只考慮一條船的情況，裝

11、箱與卸箱都是同一艘貨輪； 6、假設 2 個 20寸的集裝箱視為 1 個 40寸的集裝箱； 7、將需裝運的集裝箱種類簡化為過境箱、進口箱和出口箱。 四、符號說明 符號 符號說明 S 輪船 M r 進口、過境集裝箱集合 Nr M a 出口集裝箱集合 Na r m 進口、過境集裝箱數(shù)量 ma 出口集裝箱的數(shù)量 Dr 進口、過境集裝箱所存堆場的集合 nr Da a 出口集裝箱所存堆場的集合 n d： 進口、過境集裝箱所存堆場位置 li da 出口集裝箱所存堆場位置 lj tsdr 集R從船到堆場di行駛所用的時間 九 tdird； 集卡從堆場

12、dir行駛到d；所用的時間 九 ,d as 集卡從堆場da到船所行駛的時間 九 Rj =1or0 集卡是否經(jīng)過路線ij Y Q 橋吊集合 r q 卸箱橋吊 a q 裝箱橋吊 C 集卡集合 c

13、i”由橋吊q完成，i”是i前面的任務，則Yiil（t = 1or0 gic 箱i被集卡c送，貝U gic =1or0 gijc 箱i與箱j均由集卡c運送，i在j前，gjc =1,or,gjic =1 五、模型建立與求解 5.1 集卡線路優(yōu)化模型 5.1.1 模型分析 通過查閱資料，我們將集卡的工作流程抽象如下（圖 5） 船 集 卡 堆場 堆場 5.1.2 模型建立 集卡的空駕駛距離之和最小: 八 tsdrRsdr r v Rd：da . tij . v tdasRdas i Vmr i Wdr j Eda j 三 ma (2) 堆場對應具體貨物，如

14、下為集卡調(diào)度模型的表示: Min 一 一 tj R d rd i i三d r j三d a 約束條件: Rdird i .dr Rdr. di d j .da =1 -j - da a =1 -i dr mr = ma 時, 22 (6) (8) =0or1 現(xiàn)實生活中往往進口箱與出口箱數(shù)量不一致，加入虛擬進、出口箱集合 (virtual) ma - mr 時, Rd. 、 Rda=1-j da r di dj 1d j i .-d r / virtual R；d： 一 i virtual j da 一 ma mr 時, Rd

15、：da 「 Rd；； =1 -i dr j :;d a I產(chǎn)virtual “ Rdr ； =1 一：「virtual i ：-dr , 其中，(1)式為集卡行駛距離最短的的表達式； ⑵式為行駛時間最小的目標函數(shù)； (3)、(4)式為進口、過境箱與出口箱數(shù)目相等的一一搭配; (5)式為變量的約束條件； (6)、(7)式進口、過境箱數(shù)大于出口箱數(shù)的虛擬搭配； (8)、(9)式進口、過境箱數(shù)小于出口箱數(shù)的虛擬搭配。 5.1.3 模型求解 算法求解邏輯: 呈 裝制橋作業(yè)警列返回 橋吊的工作效率為1min/箱，集卡的行駛速度為20km/h,橋吊與集卡的

16、比例 為1: 5,橋吊到堆場的距離在 200—1500之間隨機產(chǎn)生。計算五個不同腳本的 數(shù)據(jù)。 利用MATLAB 2014a計算，兩階段禁忌搜索算法計算結果如下表 1: 卸箱數(shù) 橋吊數(shù) 集R行駛距離（km） 作業(yè)時間（min） 計算時間 初始解 禁忌算法 初始解 禁忌算法 100/1 179.88 161.30 198 181 0.6 400/1 711.37 630.36 776 745 8.1 1000/1 2900.67 2839.80 3010 2977 32.2 2000/1 4117.83 4001.56 3771

17、3705 43.3 2500/1 4779.10 4712.51 4710 4651 53.0 表1兩階段禁忌搜索算法 從結果上看，每個橋吊工作1000到2000個效率最高。若低于1000箱每個 橋吊會造成橋吊等待集卡，導致工作效率大大下降。若箱數(shù)高于 2000箱每個橋 吊，則造成集卡等待橋吊，造成碼頭擁擠，次序混亂，結果不令人滿意。 5.2 岸橋、集卡和龍門吊的協(xié)同優(yōu)化模型 5.2.1 模型的分析 以模型一集卡路線的最優(yōu)化結果作為模型二的條件，綜合考慮橋吊、集卡、 龍門吊的情況，協(xié)同考慮混合裝卸，利用禁忌搜索第二階段的橋吊調(diào)度階段最優(yōu) 解。 5.2.2 模型建立

18、 Min -max 二min max 二ir,。； (10) 約束條件： 、Yqr =1,-i Mr (11) qr Qr q 、Y.a =1,-j Ma (12) jq qaQa "gic =「i Mr (13) cC " gjc =1, j Ma c.C 、Yiqr <1,-i Mr,-qr Qr 1 .-Mr ja M「j Ma,-qa Qa jj q j M a r gijc _1, -i M，-c C i .M r 工 gjc <1,-i Na,-c C j .Ma 二：Mii..： -小A1 -Yi .qr , -i M r,-qr Q

19、r 二a M-二a.. _ A1 _丫/猶,-j M a, -qa Qa 二； t；as 一二 ir 三 A1 -g^ ,-i Mr,j M a,-c C 二ir tss tsd： -二a MA1—gjc「i Mr, j M a,-c C Z gjc ERjEWMrMWMa c EC gic -0.5 <0.5 gjc gjic -gic,-i Mr,j M a,-c C Yj，gic，Yii%，gjj 也=0or1 其中，(11)?(14)式說明每個集裝箱都有一輛集卡、橋吊進行操作; (15)?(18)式為橋吊與龍門吊對每個集裝箱操作先后次序一定且唯一 (19)?(20)式

20、為橋吊完成一次集裝箱作業(yè)的時間關系； (21)?(22)式為集卡完成一次集裝箱作業(yè)的時間關系； (23)式為集裝箱約束條件，如i,j集裝箱由同一輛集裝箱運輸； (24)式為集卡裝卸集裝箱的順序； (25)式為變量取值范圍的約束。 (14) (15) (16) (17) (18) (19) (20) (21) (22) (23) (24) (25) 5.2.3模型求解 求解算法邏輯: 開始 橋吊的工作效率為1min/箱，集卡的行駛速度為20km/h,橋吊與集卡的比例 為1: 5,橋吊到堆場的距離在200—1500之間隨機產(chǎn)生。5000個集裝箱等待

21、裝 卸。利用MATLAB 2014a計算，混合裝卸調(diào)度模型的結果如表 2: 橋吊/集卡 交叉作業(yè) 集R行駛距離（km） 總裝卸時間（min） 6/18 是 12950 3815 否 8280 3635 6/24 是 12865 3655 否 8185 3510 6/30 是 12485 3615 否 8125 3485 表2混合裝卸調(diào)度計算結果 5.3模型的檢驗分析 5.3.1 數(shù)據(jù)分析 根據(jù)碼頭集裝箱裝卸的數(shù)據(jù)表，我們得到如下信息（表 3） 項目 編R 1 2 3 4 5 6 7 8 9 卸箱量 6

22、1 3449 2233 15 8 5 20 0 裝箱量 0 0 610 387 0 3 0 381 3 種類 FH FR GP HC HH OT RF RH 0H 表3裝、卸船箱在堆場的分布 （數(shù)據(jù)來源：兩個表格數(shù)據(jù)匯總） 青島前灣港區(qū)設配數(shù)據(jù)如表4: 設備效率 裝集裝箱（個/ min ） 卸集裝箱（個/ min） 橋吊 1 1 龍門吊 0.5 0.5 表4青島前灣港設配數(shù)據(jù) 集卡從橋吊運送集裝箱到各堆場的行駛時間如下表 5: 堆場號 1 2 3 4 5 6 7 8 9 送箱時間（

23、單 位：min/次） 4.21 3.66 2.51 1.66 1.66 2.51 3.36 4.21 5.06 表5集卡從橋吊運送集裝箱到各堆場的時間 集卡從i堆場到j堆場的單次行駛時間如表6（單位：min/次）: 堆場 1 2 3 4 5 6 7 8 9 1 0 3.85 4.70 5.55 8.40 9.25 10.10 10.95 11.80 2 3.85 0 3.85 4.7 5.55 8.4 9.25 10.10 10.95 3 4.70 3.85 0 3.85 4.70 5.55

24、 8.40 9.25 10.10 4 5.55 4.70 3.85 0 3.85 4.70 5.55 8.40 9.25 5 8.40 5.55 4.70 3.85 0 3.85 4.70 5.55 8.40 6 9.25 8.40 5.55 4.70 3.85 0 3.85 4.70 5.55 7 10.10 9.25 8.40 5.55 4.70 3.85 0 3.85 4.70 8 10.95 10.10 9.25 8.40 5.55 4.70 3.85 0 3.85 9 11.8

25、0 10.95 10.0 9.25 8.40 5.55 4.70 3.85 0 表6集卡從i堆場到j堆場的單次行駛時間 每個集卡可以裝1個40寸集裝箱，2個20寸集裝箱。 5.3.2 模型建立 利用模型一、二的算法，帶入進行數(shù)據(jù)進行算法合理性檢驗。 5.3.3模型求解 利用MATLAB 2014a計算結果如下表7 橋吊/集卡 交叉作業(yè) 集R行駛距離（km） 總裝卸時間（min） 6/18 是 18648 5493 否 11923 5234 6/24 是 15438 4386 否 9882 4214 6/30 是 1498

26、2 4338 否 9750 4182 表7模型求解結果 當題目中所給輪船擁有2輛橋吊的時候，10輛集卡，5輛輪式龍門吊可以達 到預期效率，擁有3輛橋吊的時候，15輛集卡，7輛輪式龍門吊可以高效完成裝 卸任務。題目中所給輪船巨大，完成任務時 2輛橋吊最佳效率需要3.6天可以完 成裝卸任務，3輛橋吊時需要2.9天完成裝卸任務，若加上運輸時間，此次輪船 的作業(yè)時間會太長。建議增加橋吊、集卡、龍門吊的數(shù)量以便 48小時內(nèi)完成裝 卸和運輸任務，方便港口的運行。 六、模型評價 6.1模型優(yōu)點 本模型采用兩階段的禁忌搜索算法， 搜索范圍以及精度都有很大提高，計算 過程清晰，題目數(shù)據(jù)處

27、理采用分類匯總的方法，大大簡化了計算難度。 第一階段禁忌搜索從集卡調(diào)度入手， 精確分析得出集卡在當集裝箱裝卸次序 已知的情況下的最佳行駛路線， 即一旦裝卸的集裝箱確定， 就可以程序化進行路 線分配，大大減少了集卡運送集裝箱的總路程。 第一階段集卡調(diào)度的計算結果作為第二階段禁忌搜索的條件， 使模型全局考 慮橋吊、集卡、龍門吊的協(xié)同調(diào)度，達到了在裝卸運輸成本一定的情況下，效率 最高的設備搭配方式。采取混合裝卸模型，更加貼近實際，算得最佳的橋吊、集 卡、龍門吊之間的比例， 方便工作人員進行設備分配的決策。 模型最后計算出了 裝卸、運輸總體最小時間， 為在集裝箱數(shù)目確定的情況下， 投入

28、設備的多少取得 最佳效益的決策提供了參考。 6.2模型缺點 本模型的集卡調(diào)度為靜態(tài)調(diào)度模型， 即每輛集卡滿載且只可攜帶 1 個 40 寸， 2 個 20 寸的集裝箱，實際生活中可根據(jù)需要，集卡既可以滿載，也可不滿載， 集卡的調(diào)度靜態(tài)調(diào)度存在缺陷。 本模型只考慮了一條船的裝卸作業(yè)，實際可能有多艘輪船需要完成裝卸作 業(yè)，輪船選擇泊位時候過于簡化。 6.3模型改進 將靜態(tài)集卡調(diào)度改為集卡可加一節(jié)車廂， 可以滿載或不滿載， 根據(jù)實際情況 確定的動態(tài)集卡調(diào)度模型。 考慮多艘輪船的裝卸， 根據(jù)多艘輪船上的集裝箱裝卸次序， 可用設備數(shù)量分 配， 綜合考慮定下若輪船選擇不同泊位， 確定同

29、一個泊位不同船只的先后裝卸次 序。這樣模型會更加貼近實際生產(chǎn)生活，方便決策者的決策。 七、參考文獻 [1] 錢繼鋒 . 集裝箱碼頭“岸橋—集卡—堆場”作業(yè)計劃的優(yōu)化 [D]. 北京交通大 學,2014. [2] 馮春煥 . 集裝箱碼頭泊位—岸橋—集卡調(diào)度優(yōu)化研究 [D]. 大連海事大 學,2011. [3] 單浩 . 集裝箱碼頭泊位、岸橋和集卡協(xié)同調(diào)度優(yōu)化研究 [D]. 大連海事大 學,2013. [4] 曾慶成 , 楊忠振 , 陸靖 . 集裝箱碼頭同貝同步裝卸調(diào)度模型與算法 [J]. 交通 運輸工程學報 ,2010,01:88-93. [5] 曾慶成 , 胡祥培 , 楊忠振

30、 . 集裝箱碼頭泊位分配 - 裝卸橋調(diào)度干擾管理模型 [J]. 系統(tǒng)工程理論與實踐 ,2010,11:2026-2035. [6] 曾慶成 . 集裝箱碼頭裝卸作業(yè)集成調(diào)度模型與方法 [D]. 大連海事大學 ,2008. [7]韓曉龍，牟少莉.基于CHCT法的集卡與岸橋協(xié)^調(diào)調(diào)度優(yōu)化問題[J].武漢理 工大學學報 （信息與管理工程版 ）,2014,02:233-236+245. 附錄 %%% 禁忌搜索算法解決裝卸混合調(diào)度問題 function [BestShortcut,theMinDistance]=TabuSearch clear; clc; Clist=[裝卸集裝箱的貝位

31、號 ……’]; ContinaerNum=size(Clist,1);%問題的規(guī)模，即集裝箱數(shù)目 dislist=zeros(ContinaerNum); for i=1:ContinaerNum for j=1:ContinaerNum dislist(i,j)=((Clist(i,1)-ClistG1))A2+(Clist(i,2)-Clist(j,2))A2)A0.5; end end TabuList=zeros(ContinaerNum);% (tabu list) TabuLength=round((ContinaerNum*(ContinaerNum-1)/2)A0

32、.5);% 禁 忌 長 度 (tabu length) Candidates=200;%炭選集白個數(shù)(全部領域解個數(shù)) CandidateNum=zeros(Candidates,ContinaerNum);聯(lián)選解集合 S0=randperm(ContinaerNum);%隨機產(chǎn)生初始解 BSF=S0; BestL=Inf; clf; figure(1); stop = uicontrol(style,toggle,string … ,stop,background,white); tic; p=1; StopL=80*ContinaerNum; while p

33、opL if Candidates>ContinaerNum*(ContinaerNum-1)/2 disp(候選解個數(shù)不大于n*(n-1)⑵)； break; end ALong(p)=Fun(dislist,S0); i=1; A=zeros(Candidates,2); while i<=Candidates M=ContinaerNum*rand(1,2); M=ceil(M); if M(1)~=M(2) A(i,1)=max(M(1),M(2)); A(i,2)=min(M(1),M(2)); if i==1 isa=0; else for j=1:

34、i-1 if A(i,1)==A(j,1) && A(i,2)==A(j,2) isa=1; break; else isa=0; end end end if ~isa i=i+1; else end else end end BestCandidateNum=100;琳留前 BestCandidateNum 個最好候選解作為第二 階段的條件 BestCandidate=Inf*ones(BestCandidateNum,4); F=zeros(1,Candidates); for i=1:Candidates CandidateNum(i,:)=S0; Ca

35、ndidateNum(i,[A(i,2),A(i,1)])=S0([A(i,1),A(i,2)]); F(i)=Fun(dislist,CandidateNum(i,:)); if i<=BestCandidateNum BestCandidate(i,2)=F(i); BestCandidate(i,1)=i; BestCandidate(i,3)=S0(A(i,1)); BestCandidate(i,4)=S0(A(i,2)); else for j=1:BestCandidateNum if F(i)

36、(j,2)=F(i); BestCandidate(j,1)=i; BestCandidate(j,3)=S0(A(i,1)); BestCandidate(j,4)=S0(A(i,2)); break; end end end end %對 BestCandidate [JL,Index]=sort(BestCandidate(:,2)); SBest=BestCandidate(Index,:); BestCandidate=SBest; if BestCandidate(1,2)

37、idateNum(BestCandidate(1,1),:); BSF=S0; for m=1:ContinaerNum for n=1:ContinaerNum if TabuList(m,n)~=0 TabuList(m,n)=TabuList(m,n)-1; end end end TabuList(BestCandidate(1,3),BestCandidate(1,4))=TabuLength; else for i=1:BestCandidateNum if TabuList(BestCandidate(i,3),BestCandidate(i,4))==0

38、 S0=CandidateNum(BestCandidate(i,1),:); for m=1:ContinaerNum for n=1:ContinaerNum if TabuList(m,n)~=0 TabuList(m,n)=TabuList(m,n)-1; end end end TabuList(BestCandidate(i,3),BestCandidate(i,4))=TabuLength; break; end end end p=p+1; ArrBestL(p)=BestL; %#ok for i=1:ContinaerNum-1 p

39、lot([Clist(BSF(i),1),Clist(BSF(i+1),1)],[Clist(BSF(i),2),Clist(BSF(i+1),2)],bo-); hold on; end plot([Clist(BSF(ContinaerNum),1),Clist(BSF(1),1)],[Clist(BSF(ContinaerNum),2),Cli st(BSF(1),2)],ro-); title([Counter:,int2str(p*Candidates), The Min Distance:,num2str(BestL)]); hold off; pause(0.005);

40、 if get(stop,value)==1 break; end end toc; BestShortcut=BSF; theMinDistance=BestL; set(stop,style,pushbutton,string… close, callback,close(gcf)); figure(2); plot(ArrBestL,r); hold on; plot(ALong,b);grid; title(搜索過程’)； legend(Best So Far當前解); end function F=Fun(dislist,s) %#ok DistanV =0; n=size(s,2); for i=1:(n-1) DistanV=DistanV+dislist(s(i),s(i+1)); end DistanV=DistanV+dislist(s(n),s(1)); F=DistanV; End 22 23