网站教育培训机构十大排名,高端品牌护肤品有哪些,烟台市科技局网站,wordpress本地渗透问题背景#xff1a; 某个港口有多个不同类型的码头#xff0c;可以停靠不同种类的船只。每 艘船只需要一定的时间来完成装卸货物等任务#xff0c;并且每个码头有容量 限制和停靠时间限制。港口需要在保证收益的情况下#xff0c;尽可能地提高 运营效率和降低成本。同… 问题背景 某个港口有多个不同类型的码头可以停靠不同种类的船只。每 艘船只需要一定的时间来完成装卸货物等任务并且每个码头有容量 限制和停靠时间限制。港口需要在保证收益的情况下尽可能地提高 运营效率和降低成本。同时港口还需要根据船只的到达和离开时间 表合理安排每个码头的使用以满足不同船只的优先级和关系以 及最小化等待和延迟时间。 船只的种类和数量、码头的类型和数量、每艘船只停靠所需的时 间、每个码头的容量和停靠时间限制、港口的运营成本和收益、船只 的到达和离开时间表、船只之间的优先级和关系、港口和码头的地理 布局和拓扑结构、港口的负载和运营效率数据以及其他相关的数据 如天气、交通、货物流通等信息等都将对港口的运营效率和收 益产生重要影响。 1.如何确定每个码头的使用顺序和时间分配以最小化船只的等 待和延迟时间 2.如何在满足码头容量和停靠时间限制的前提下最大化港口的 运营效率和收益 3.如何根据船只的到达和离开时间表合理安排每个码头的使用 以满足不同船只的优先级和关系以及最小化等待和延迟时间 请解决 问题 1 如何确定每个码头的使用顺序和时间分配以最小化船 只的等待和延迟时间 问题 2 如何在满足码头容量和停靠时间限制的前提下最大化 港口的运营效率和收益 问题 3 如何根据船只的到达和离开时间表合理安排每个码头 的使用以满足不同船只的优先级和关系以及最小化等待和延迟时 间 以下是相关数据 1.船只的种类和数量总量 散货船30 艘 集装箱船20 艘 液化气船10 艘 2.码头的类型和数量 散货码头3 个 集装箱码头2 个 液化气码头1 个 3.每艘船只停靠所需的时间 散货船4 小时 集装箱船6 小时 液化气船8 小时 4.每个码头的容量和停靠时间限制 散货码头每天最多可停靠 4 艘散货船每艘船只停靠时间不超 过 8 小时。 集装箱码头每天最多可停靠 3 艘集装箱船每艘船只停靠时间 不超过 12 小时。 液化气码头每天最多可停靠 2 艘液化气船每艘船只停靠时间 不超过 16 小时。 5.港口的运营成本和收益 港口的每日运营成本为 10 万元。 散货船每次停靠可为港口带来 15 万元的收益。 集装箱船每次停靠可为港口带来 20 万元的收益。 液化气船每次停靠可为港口带来 25 万元的收益。 6.船只的到达和离开时间表 散货船每天有 10 艘散货船到达每艘船只停靠时间随机平 均为 6 小时。 集装箱船每天有 6 艘集装箱船到达每艘船只停靠时间随机 平均为 8 小时。 液化气船每天有 3 艘液化气船到达每艘船只停靠时间随机 平均为 10 小时。 7.船只之间的优先级和关系 散货船优先级最低集装箱船次之液化气船优先级最高。 如果有多艘船同时到达液化气船优先停靠。 8.港口和码头的地理布局和拓扑结构 港口位于海岸线附近有多个码头码头之间相互连接船只可 以在码头之间转移。 9. 港口的负载和运营效率数据 散货码头每天平均负载 80%。 集装箱码头每天平均负载 70%。 液化气码头每天平均负载 60% 问题一
如何确定每个码头的使用顺序和时间分配以最小化船只的等待和延迟时间
为了最小化船只的等待和延迟时间可以遵循以下步骤来确定每个码头的使用顺序和时间分配 根据船只的优先级和关系确认液化气船是否有需要停靠的。如果有优先分配液化气码头给液化气船。 对于剩下的散货船和集装箱船根据每个码头的负载情况和停靠时间限制选择合适的码头来停靠。 确定每个码头的使用顺序可以采用以下策略 首先选择空闲且满足停靠时间限制的码头让船只尽快开始装卸货物。其次考虑负载情况优先选择负载较低的码头以平衡各个码头的负载。同时考虑船只的优先级优先满足集装箱船的停靠需求然后是散货船。 根据船只的到达和离开时间表合理安排每个码头的使用时间。可以使用调度算法如最早截止时间优先Earliest Deadline First来决定船只的停靠时间 根据船只的优先级和关系确定码头的使用顺序。例如优先安排液化气船停靠。
确定每个码头的使用时间以满足停靠时间限制并均衡利用资源。可以利用调度算法如最短作业优先SJF算法。
码头使用时间表
散货码头 [24, 18, 12, 6]
集装箱码头 [18, 12, 6]
液化气码头 [12, 6]
好的让我们来看一个具体的例子。假设我们有一个散货码头和三艘散货船散货码头的时间表为 [24, 18, 12, 6]
从时间表中可以解读如下
第一艘散货船停靠的时间是从第 6 个时间单位开始到第 18 个时间单位结束。
第二艘散货船停靠的时间是从第 12 个时间单位开始到第 24 个时间单位结束。
第三艘散货船停靠的时间是从第 18 个时间单位开始到第 24 个时间单位结束。
这意味着第一个停靠的船只停留了 12 个时间单位从第 6 个到第 18 个时间单位第二个停靠的船只停留了 12 个时间单位从第 12 个到第 24 个时间单位第三个停靠的船只停留了 6 个时间单位从第 18 个到第 24 个时间单位。 import random
import pandas as pd
from openpyxl import Workbookships [{type: 散货船, quantity: 30, time_needed: 4},{type: 集装箱船, quantity: 20, time_needed: 6},{type: 液化气船, quantity: 10, time_needed: 8}
]terminals [{type: 散货码头, quantity: 3, time_limit: 8},{type: 集装箱码头, quantity: 2, time_limit: 12},{type: 液化气码头, quantity: 1, time_limit: 16}
]# 生成船只到达时间表
def generate_schedule():schedule []for ship in ships:quantity ship[quantity]average_time ship[time_needed]for i in range(quantity):arrival_time random.randint(0, 24)schedule.append({ship_type: ship[type], arrival_time: arrival_time})return sorted(schedule, keylambda x: x[arrival_time])# 分配码头使用顺序和时间分配
def assign_terminals():terminal_assignments []terminal_capacity {terminal[type]: terminal[quantity] for terminal in terminals}remaining_time {terminal[type]: terminal[time_limit] for terminal in terminals}ships.sort(keylambda x: x[time_needed])for ship in ships:assigned Falsefor terminal in terminals:if terminal_capacity[terminal[type]] 0 and remaining_time[terminal[type]] ship[time_needed]:terminal_assignments.append({ship_type: ship[type], terminal_type: terminal[type], time_needed: ship[time_needed]})terminal_capacity[terminal[type]] - 1remaining_time[terminal[type]] - ship[time_needed]assigned Truebreakif not assigned:terminal_assignments.append({ship_type: ship[type], terminal_type: None, time_needed: None})return terminal_assignments# 保存结果为 Excel 表格
def save_to_excel(terminal_assignments):df pd.DataFrame(terminal_assignments)df.columns [船只类型, 码头类型, 时间需求]wb Workbook()ws wb.activefor r in df.columns:ws.cell(row1, columndf.columns.get_loc(r) 1).value r # 设置表头for i, row in enumerate(df.itertuples(), start2):for j, value in enumerate(row[1:], start1):ws.cell(rowi, columnj).value valuewb.save(terminal_assignments.xlsx)# 主函数
def main():schedule generate_schedule()for ship in schedule:print(f船只类型: {ship[ship_type]}, 到达时间: {ship[arrival_time]})print(----------)terminal_assignments assign_terminals()for assignment in terminal_assignments:print(f{assignment[ship_type]}: {assignment[terminal_type]} ({assignment[time_needed]}小时))# 保存结果为 Excel 表格save_to_excel(terminal_assignments)# 运行主函数
if __name__ __main__:main() 该代码使用了一种简单的贪心算法来确定每个码头的使用顺序和时间分配以最小化船只的等待和延迟时间。具体步骤如下 根据船只的优先级顺序依次处理每艘船只。
对于每艘船只遍历每种类型的码头选择可用的码头并计算当前船只在该码头上的等待时间。
选择等待时间最短的码头将船只分配给该码头并更新码头使用时间表。
更新港口的收益和成本。
重复步骤2-4直到所有船只都被处理完毕。
统计船只的等待时间并将等待时间绘制成柱状图。
输出每个码头的使用时间表以及港口的总收益、总成本和净收益。
需要注意的是该代码使用的贪心算法并不能保证得到全局最优解它只能得到一个较好的局部解。如果需要更精确的最优解可以尝试使用其他优化算法如动态规划或遗传算法。
具体的算法公式如下
输入数据
船只的种类和数量 ship_types, ship_counts
码头的类型和数量 dock_types, dock_counts
每艘船只停靠所需的时间 dock_times
每个码头的容量和停靠时间限制 dock_capacity, dock_time_limit
港口的运营成本和收益 operating_cost, revenue
船只的到达和离开时间表 arrival_times, average_stay_times
船只之间的优先级和关系 priority_order
初始化码头使用时间表 dock_schedule每个码头的使用时间列表初始化为空。
初始化总收益 total_revenue 和总成本 total_cost 为 0。
初始化等待时间列表 wait_times 为空。
对于每个船只类型 ship_type in priority_order
对于该类型船只的数量 ship_counts[ship_types.index(ship_type)]
初始化 dock_type 为空字符串
初始化 min_wait_time 为正无穷
对于每个码头类型 dock in dock_types
如果该码头未达到容量上限 dock_schedule[dock] dock_capacity[dock]
计算船只的等待时间 wait_time max(arrival_times[ship_type] - max(dock_schedule[dock] [0]), 0)
如果 wait_time min_wait_time
更新 min_wait_time 为 wait_time
更新 dock_type 为 dock
如果 dock_type 仍然为空字符串
输出找不到可用码头的信息
继续处理下一条船只
否则将船只分配给 dock_type 码头
将 0 添加到 dock_schedule[dock_type]
为船只更新码头使用时间表 dock_schedule[dock_type]加上平均停靠时间 average_stay_times[ship_type]
增加收益 total_revenue revenue[ship_type]
增加成本 total_cost operating_cost
将 min_wait_time 添加到 wait_times 列表中
绘制等待时间柱状图
使用绘图库绘制柱状图x轴为船只索引y轴为等待时间柱状图表示每艘船只的等待时间。
输出码头使用时间表及统计数据
输出每个码头的使用时间表 dock_schedule
输出总收益 total_revenue
输出总成本 total_cost
输出净收益 total_revenue - total_cost
这就是该算法的具体步骤和计算公式。通过依次处理每个船只并选择合适的码头算法尽量减少船只的等待和延迟时间并优化港口的收益与成本。
mport numpy as np
import matplotlib.pyplot as plt# 船只的种类和数量总量
ship_types [散货船, 集装箱船, 液化气船]
ship_counts [30, 20, 10]# 码头的类型和数量
dock_types [散货码头, 集装箱码头, 液化气码头]
dock_counts [3, 2, 1]# 每艘船只停靠所需的时间
dock_times {散货船: 4, 集装箱船: 6, 液化气船: 8}# 每个码头的容量和停靠时间限制
dock_capacity {散货码头: 4, 集装箱码头: 3, 液化气码头: 2}
dock_time_limit {散货码头: 8, 集装箱码头: 12, 液化气码头: 16}# 港口的运营成本和收益
operating_cost 10
revenue {散货船: 15, 集装箱船: 20, 液化气船: 25}# 船只的到达和离开时间表
arrival_times {散货船: 10, 集装箱船: 6, 液化气船: 3}
average_stay_times {散货船: 6, 集装箱船: 8, 液化气船: 10}# 船只之间的优先级和关系
priority_order [散货船, 集装箱船, 液化气船]# 初始化码头使用时间表
dock_schedule {dock: [] for dock in dock_types}# 最小化等待和延迟时间并统计收益和成本
total_revenue 0
total_cost 0
wait_times []
for ship_type in priority_order:for _ in range(ship_counts[ship_types.index(ship_type)]):dock_type min_wait_time np.inf# 遍历每种类型的码头选择最佳码头for dock in dock_types:if len(dock_schedule[dock]) dock_capacity[dock]:wait_time max(arrival_times[ship_type] - max(dock_schedule[dock] [0]), 0)if wait_time min_wait_time:min_wait_time wait_timedock_type dock# 处理找不到可用码头的情况if dock_type :print(fNo available dock for {ship_type}.)continue# 更新码头使用时间表、收益和成本dock_schedule[dock_type].append(0)dock_schedule[dock_type] [time average_stay_times[ship_type] for time in dock_schedule[dock_type]]total_revenue revenue[ship_type]total_cost operating_costwait_times.append(min_wait_time)# 绘制等待时间的柱状图
plt.bar(range(len(wait_times)), wait_times)
plt.xlabel(Ship Index)
plt.ylabel(Wait Time)
plt.title(Wait Time for Each Ship)
plt.show() 问题二 如何在满足码头容量和停靠时间限制的前提下最大化港口的运营效率和收益 为了在满足码头容量和停靠时间限制的前提下最大化港口的运营效率和收益可以采取以下策略 优化码头的使用效率根据码头的容量和停靠时间限制合理安排船只的停靠顺序和时间分配使得码头始终保持高效利用。 最大化收益结合船只的收益和到达时间表优先选择能够带来较高收益的船只进行停靠尽量将高收益的船只置于前沿以最大化港口的收益。 动态调整根据实际情况不断监测和评估各个码头的负载和运营效率根据需求灵活调整船只的停靠顺序和时间分配以最优化港口的运营效率和收益。 问题2的关键是在满足码头容量和停靠时间限制的情况下最大化港口的运营效率和收益。这可以通过确定每个码头的使用顺序和时间分配来实现。以下是一个可能的解决方案使用python编程来优化港口的运营
创建一个模型以码头为变量船只类型为约束目标函数为最大化收益。
定义变量
X[i][j]码头i停靠船只类型j的数量
Y[i]码头i的使用时间
定义约束条件
每个码头的使用时间不超过停靠时间限制
码头的总容量不超过每天的最大容量限制
每种类型船只的数量不超过到达时间表中每天的船只数量
码头的使用时间必须大于等于零
每个码头只能停靠对应类型的船只
根据船只的优先级和关系设置优先停靠顺序
定义目标函数
最大化总收益即船只的停靠收益减去港口的运营成本
使用python中的优化库如PuLP 或者 Pyomo根据模型求解器进行求解。
根据求解结果得到每个码头的使用顺序和时间分配以实现最小化船只等待和延迟时间并最大化港口的运营效率和收益。 from pulp import *# 数据
ships [散货船, 集装箱船, 液化气船]
docks [散货码头1, 散货码头2, 散货码头3, 集装箱码头1, 集装箱码头2, 液化气码头]
ship_capacity {散货船: 4, 集装箱船: 3, 液化气船: 2}
dock_capacity {散货码头1: 4, 散货码头2: 4, 散货码头3: 4, 集装箱码头1: 3, 集装箱码头2: 3, 液化气码头: 2}
stop_time {散货码头1: 8, 散货码头2: 8, 散货码头3: 8, 集装箱码头1: 12, 集装箱码头2: 12, 液化气码头: 16}
operating_cost 100000
revenue {散货船: 150000, 集装箱船: 200000, 液化气船: 250000}# 创建问题
problem LpProblem(Port Optimization, LpMaximize)# 创建决策变量
dock_vars LpVariable.dicts(Dock, (docks, ships), lowBound0, catInteger)
dock_time_vars LpVariable.dicts(DockTime, docks, lowBound0, upBound24, catContinuous)# 设置目标函数
problem lpSum(dock_vars[dock][ship] * revenue[ship] for dock in docks for ship in ships) - operating_cost# 设置约束条件
for ship in ships:problem lpSum(dock_vars[dock][ship] for dock in docks) ship_capacity[ship]for dock in docks:problem lpSum(dock_time_vars[dock]) stop_time[dock]problem lpSum(dock_vars[dock][ship] for ship in ships) dock_capacity[dock]for dock in docks:for ship in ships:problem dock_vars[dock][ship] dock_capacity[dock] * dock_time_vars[dock] / stop_time[dock]# 求解问题
problem.solve()# 输出结果
print(最大化收益: $, value(problem.objective))
print(码头使用情况:)
for dock in docks:for ship in ships:if dock_vars[dock][ship].varValue 0:print(f{dock} 停靠 {dock_vars[dock][ship].varValue} 艘 {ship})
from pulp import *
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams[font.family] Arial Unicode MS
# 数据
ships [散货船, 集装箱船, 液化气船]
docks [散货码头1, 散货码头2, 散货码头3, 集装箱码头1, 集装箱码头2, 液化气码头]
ship_capacity {散货船: 4, 集装箱船: 3, 液化气船: 2}
dock_average_load {散货码头1: 0.8, 散货码头2: 0.8, 散货码头3: 0.8, 集装箱码头1: 0.7, 集装箱码头2: 0.7,液化气码头: 0.6}
stop_time {散货码头1: 8, 散货码头2: 8, 散货码头3: 8, 集装箱码头1: 12, 集装箱码头2: 12, 液化气码头: 16}
dock_capacity {散货码头1: 4, 散货码头2: 4, 散货码头3: 4, 集装箱码头1: 3, 集装箱码头2: 3, 液化气码头: 2}
operating_cost 100000
revenue {散货船: 150000, 集装箱船: 200000, 液化气船: 250000}# 创建问题
problem LpProblem(Port Optimization, LpMaximize)# 创建决策变量
dock_vars LpVariable.dicts(Dock, (docks, ships), lowBound0, catInteger)
dock_time_vars LpVariable.dicts(DockTime, docks, lowBound0, upBound24, catContinuous)# 设置目标函数
problem lpSum(dock_vars[dock][ship] * revenue[ship] for dock in docks for ship in ships) - operating_cost# 设置约束条件
for ship in ships:problem lpSum(dock_vars[dock][ship] for dock in docks) ship_capacity[ship]for dock in docks:problem lpSum(dock_time_vars[dock]) stop_time[dock]problem lpSum(dock_vars[dock][ship] for ship in ships) lpSum(dock_average_load[dock] * dock_capacity[dock] for dock in docks)for dock in docks:for ship in ships:problem dock_vars[dock][ship] dock_average_load[dock] * dock_capacity[dock] * dock_time_vars[dock] / \stop_time[dock]# 求解问题
problem.solve()# 输出结果
print(最大化收益: $, value(problem.objective))
print(码头使用情况:)
dock_usage {}
for dock in docks:dock_usage[dock] sum(dock_vars[dock][ship].varValue for ship in ships)for ship in ships:if dock_vars[dock][ship].varValue 0:print(f{dock} 停靠 {dock_vars[dock][ship].varValue} 艘 {ship})# 创建柱状图
plt.bar(docks, dock_usage.values())
plt.xlabel(码头)
plt.ylabel(使用情况)
plt.title(港口码头使用情况)
plt.show() 问题三
如何根据船只的到达和离开时间表合理安排每个码头的使用以满足不同船只的优先级和关系以及最小化等待和延迟时间
为了根据船只的到达和离开时间表合理安排每个码头的使用以满足不同船只的优先级和关系以及最小化等待和延迟时间可以采取以下策略 根据船只的优先级和关系确定液化气船是否有需要停靠的并优先分配液化气码头给液化气船。 对于剩下的散货船和集装箱船根据每个码头的负载情况和停靠时间限制选择合适的码头来停靠。 结合船只的到达和离开时间表使用调度算法如最早截止时间优先Earliest Deadline First或最短剩余处理时间Shortest Remaining Processing Time来决定船只的停靠顺序和时间分配。 在安排船只的停靠顺序时考虑船只的优先级关系。确保优先级较高的船只有较高的停靠优先级并尽早安排它们的停靠以减少等待和延迟时间。 动态调整根据实际情况持续监测船只的到达和离开时间情况以及各个码头的负载和运营效率对船只的停靠顺序和时间进行灵活调整以最小化等待和延迟时间
按照船只的优先级降序遍历每种船只类型。
对于每种船只类型按照船只的到达时间顺序进行遍历。
选择空闲时间最短的码头计算当前船只需要等待的时间等于前一艘船只离开时间与当前船只到达时间的差。
更新使用时间和等待时间将当前船只的离开时间即到达时间加上装卸时间加入到相应码头的使用时间列表中并将等待时间累加到相应码头的等待时间中。
重复步骤3和4直到所有船只都被安排到合适的码头上。
这样在船只到达和离开时间表的基础上每个码头的使用顺序和时间分配就能满足不同船只的优先级和关系并尽可能地最小化等待和延迟时间。
根据上述代码可以通过以下步骤来合理安排每个码头的使用以满足不同船只的优先级和关系并最小化等待和延迟时间
定义船只的种类和数量、船只的停靠时间以及每个码头的容量和停靠时间限制。
定义港口的运营成本和每种船只的收益。
随机生成船只的到达和离开时间表。
定义船只的优先级。
初始化每个码头的使用时间和等待时间。
使用贪婪算法按照船只的优先级和到达时间合理安排码头的使用
对于每种船只类型按照船只的到达时间顺序进行遍历。
选择空闲时间最短的码头根据当前船只的到达时间和已有船只的离开时间计算船只需要等待的时间。
更新选择的码头的使用时间和等待时间将当前船只的离开时间添加到码头的使用时间列表中并将等待时间累加到码头的等待时间中。
计算港口的总收益和总成本根据每种船只的数量和收益以及港口的运营成本。
输出每个码头的使用情况和等待时间。
输出港口的总收益和总成本。
通过这样的安排方式可以根据船只的到达和离开时间表合理安排每个码头的使用以满足船只的优先级和关系并尽可能地最小化等待和延迟时间。
基于船只的到达和离开时间表以及船只的停靠时间可以确定每艘船到达码头的时间点和离开码头的时间点。
对于每个船只类型根据船只的优先级和到达时间进行排序。
为每个船只选择一个最优的码头来停靠以尽量满足优先级高的船只和减少等待时间。
假设第 i 艘船的到达时间为 t_arrive_i码头选择函数为 f(i)。则可以使用以下数学公式来选择每艘船停靠的码头
f(i) argmin(t_wait_j) for j in {1, 2, …, M}
其中t_wait_j 表示第 j 个码头的等待时间M 表示码头的数量。
码头选择函数可以计算每个码头的等待时间并选择最小等待时间的码头作为船只的停靠码头。
t_wait_j max(0, t_leave_j - t_arrive_i)
其中t_leave_j 表示第 j 个码头上最后一艘船的离开时间。
在码头选择完毕后将船只与对应码头进行匹配更新各个码头的使用情况和等待时间。
计算港口的总收益和总成本根据每种船只的数量和收益以及港口的运营成本。
总收益 ∑(船只数量 * 单位收益)
总成本 运营成本
输出每个码头的使用情况和等待时间。
输出港口的总收益和总成本。
import numpy as np# 船只的种类和数量
ship_types [散货船, 集装箱船, 液化气船]
ship_counts {散货船: 30, 集装箱船: 20, 液化气船: 10}# 船只的停靠时间
ship_durations {散货船: 4, 集装箱船: 6, 液化气船: 8}# 每个码头的容量和停靠时间限制
dock_capacities {散货码头: 4, 集装箱码头: 3, 液化气码头: 2}
dock_limits {散货码头: 8, 集装箱码头: 12, 液化气码头: 16}# 港口的运营成本和收益
operating_cost 100000
earnings_per_ship {散货船: 150000, 集装箱船: 200000, 液化气船: 250000}# 船只的到达和离开时间表
ship_schedules {散货船: np.random.randint(0, 24, size10),集装箱船: np.random.randint(0, 24, size6),液化气船: np.random.randint(0, 24, size3)
}# 船只的优先级
ship_priorities {散货船: 3, 集装箱船: 2, 液化气船: 1}# 初始化每个码头的使用时间和等待时间
dock_usage {散货码头: [], 集装箱码头: [], 液化气码头: []}
dock_wait {散货码头: 0, 集装箱码头: 0, 液化气码头: 0}# 按优先级和到达时间合理安排码头的使用
for ship_type in sorted(ship_priorities, keyship_priorities.get):for arrival_time in ship_schedules[ship_type]:best_dock Nonemin_wait float(inf)# 选择空闲时间最短的码头for dock, usage in dock_usage.items():if len(usage) dock_capacities[dock]:if len(usage) 0:wait_time max(0, dock_limits[dock] - arrival_time)else:wait_time max(0, usage[-1] dock_limits[dock] - arrival_time)if wait_time min_wait:best_dock dockmin_wait wait_time# 如果存在合适的码头则更新使用时间和等待时间if best_dock is not None:dock_usage[best_dock].append(arrival_time ship_durations[ship_type])dock_wait[best_dock] min_wait# 计算港口的总收益和总成本
total_earnings sum(ship_counts[ship_type] * earnings_per_ship[ship_type] for ship_type in ship_types)
total_cost operating_cost# 输出每个码头的使用情况和等待时间
for dock, usage in dock_usage.items():print(f{dock}: {usage}等待时间{dock_wait[dock]} 小时)# 输出港口的总收益和总成本
print(f港口总收益: {total_earnings} 万元)
print(f港口总成本: {total_cost} 万元) import simpy
import random# 船只类
class Ship:def __init__(self, ship_id, ship_type, arrival_time, dock_time):self.ship_id ship_idself.ship_type ship_typeself.arrival_time arrival_timeself.dock_time dock_time# 码头类
class Dock:def __init__(self, dock_id, dock_type, capacity, limit_time):self.dock_id dock_idself.dock_type dock_typeself.capacity capacityself.limit_time limit_timeself.queue [] # 等待队列def request_dock(self, env, ship):with self.capacity.request() as req:# 到达码头前的等待时间wait_time env.now - ship.arrival_timeprint(f{ship.ship_type}船 {ship.ship_id} 到达码头 {self.dock_id}等待时间{wait_time}小时)# 进入等待队列self.queue.append(ship)yield reqself.queue.remove(ship)# 开始停靠print(f{ship.ship_type}船 {ship.ship_id} 开始在码头 {self.dock_id} 停靠)yield env.timeout(ship.dock_time)print(f{ship.ship_type}船 {ship.ship_id} 完成在码头 {self.dock_id} 的停靠)# 港口类
class Port:def __init__(self):self.env simpy.Environment()self.docks [] # 码头列表self.profit 0 # 收益值def create_docks(self, num_docks, dock_type, capacity, limit_time):for i in range(num_docks):dock Dock(i, dock_type, capacity, limit_time)dock.capacity simpy.Resource(self.env, capacity)self.docks.append(dock)def simulate(self, ships):for ship in ships:self.env.process(self.manage_ship(ship))self.env.run()def manage_ship(self, ship):# 选择优先级最高的码头进行停靠dock min(self.docks, keylambda x: x.dock_type)yield self.env.process(dock.request_dock(self.env, ship))def calculate_profit(self, ship):if ship.ship_type 散货船:self.profit 15elif ship.ship_type 集装箱船:self.profit 20elif ship.ship_type 液化气船:self.profit 25# 示例数据
ship_arrival_times {散货船: 10, 集装箱船: 6, 液化气船: 3}
ship_dock_times {散货船: 4, 集装箱船: 6, 液化气船: 8}
dock_capacity {散货码头: 4, 集装箱码头: 3, 液化气码头: 2}
dock_time_limit {散货码头: (0, 8), 集装箱码头: (0, 12), 液化气码头: (0, 16)}# 创建港口和码头
port Port()
port.create_docks(3, 散货码头, 4, (0, 8))
port.create_docks(2, 集装箱码头, 3, (0, 12))
port.create_docks(1, 液化气码头, 2, (0, 16))# 生成船只列表
ships []
for ship_type, num_ships in ship_arrival_times.items():for i in range(num_ships):arrival_time random.randint(1, 24)dock_time ship_dock_times[ship_type]ship Ship(i 1, ship_type, arrival_time, dock_time)ships.append(ship)# 优先级排序按散货船、集装箱船、液化气船排序
ships.sort(keylambda x: x.ship_type, reverseTrue)# 进行模拟
port.simulate(ships)# 打印结果
print(f港口总收益: {port.profit}万元)
