.png){kind=icon}
返回
Learning-Driven Berth Allocation Optimization With Port Authority Behavior
.png){kind=icon}
PRE
AI
DOI：10.1109/ACCESS.2025.3618241.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种集成机器学习与优化建模的双阶段框架，考虑了港口当局的行为。首先，一个机器学习模型基于历史数据预测港口当局的分配行为。这些预测捕捉了港口当局的调度行为，通过预测船舶等待时间反映了隐含的运营模式。其次，这些预测行为通过显式约束嵌入到优化模型中，确保泊位分配与港口当局的倾向高度一致。使用实际运营数据，我们证明了所提出方法的有效性，并将其与一种不考虑港口当局行为的传统优化方法进行了比较。敏感性分析表明，通过调整港口当局行为率参数，所提出的模型能够有效纳入港口当局的行为。
Keyword:
Berth allocation
machine learning-based optimization
worker behavior
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
Knowledge-Based Reinforcement Learning and Estimation of Distribution Algorithm for Flexible Job Shop Scheduling Problem基于知识的强化学习和分布估计算法求解柔性作业车间调度问题
PREAI
分享收藏Performance optimisation of pick and transport robot in a picker to parts order picking system: a human-centric approach拣选机到零件订单拣选系统中拣选和运输机器人的性能优化: 以人为中心的方法
OAAI
OAAI分享收藏An analytics approach to the FIFA ranking procedure and the World Cup final draw国际足联排名程序和世界杯决赛抽签的分析方法
PREAI
分享收藏XGBoost.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容