基于强化学习的自学习遗传算法在船舶调度中的应用

为有效调度进出港船舶以解决港口拥堵问题,提出一种基于强化学习的 自学习遗传算法(GA-RL),在GA-RL 中,以遗传算法为基本优化模型,利用 Q-learning 算法自适应调整交叉和变异参数来提高算法的搜索能力;同时,构建可动态调参的马尔科夫决策过程(MDP)模型,在MDP模型中,为全面评估种群性能,提出基于种群适应度函数的状态集,并设计了有效减少目标值的奖励机制;最后,以黄骅港综合港区为例,选取不同组算例进行仿真实验,结果验证了模型和算法的有效性,该方法可显著减少船舶在港等待时间并提升港口通航效率.