Hindawi

Los problemas matemáticos en Ingeniería Volumen 2019,

Número de artículo 9492583, 14 páginas
https://doi.org/10.1155/2019/9492583

Artículo de investigación

Diseño óptimo de distribución del equipo Cabina del barco Basado en SLP
Método y Algoritmo Genético

Jinghua Li, 1 Hui Guo, 1 Shichao Zhang, 2 XiaoyuanWu, 2 y Liuling Shi 2

1 Facultad de Ingeniería de la construcción naval, de la Universidad de Ingeniería de Harbin, Harbin 150001, China

2 Shanghai Waigaoqiao Shipbuilding Co., Ltd., Shanghai 200137, China

La correspondencia debe dirigirse a Hui Guo; hui0625@hrbeu.edu.cn

Recibido el 30 de agosto de de 2018; 13 revisada de noviembre de de 2018; Aceptado 09 de enero 2019; Publicada el 21 de enero de 2019

Editor Académico: Alessio Ishizaka

Copyright © 2019 Jinghua Li et al. Este es un artículo de acceso abierto distribuido bajo la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución
y reproducción en cualquier medio, siempre que la obra original esté debidamente citados. La sala de máquinas es el corazón de un barco, y casi todos los equipos
electromecánicos themain que apoya el trabajo a bordo se puede encontrar aquí. Encontrar una manera de organizar el equipo en un espacio de la cabina pequeña es un factor
esencial en el diseño y la construcción de un buque. Sin embargo, en la investigación existente, cuando un algoritmo inteligente se utiliza para optimizar el diseño de una cabina,
el modelo matemático establecido no es completa y la solución no ha sido evaluado. La solución óptima obtenida no es factible para el diseño real de un barco. Esto puede
conducir a redesignwork innecesaria, que afecta gravemente la eficiencia del diseño y aumenta los costes de diseño. Con el fin de resolver los problemas anteriores, el presente
documento se refiere de forma innovadora a un método de planificación sistemática de Layout (SLP) (normalmente aplicado a la disposición de equipos de la planta) a la cuestión
disposición del equipo de la cabina. El método SLP se utiliza para analizar cuantitativamente la relación de adyacencia y logística entre dispositivos, y se obtiene la relación
integración mutua entre los dispositivos de manera que un esquema de diseño preliminar puede ser recuperada. El modelo problema se construye teniendo en cuenta diversos
factores tales como la relación integral entre el equipo y la estabilidad de la cabina, y la correspondiente función de la función y la restricción objetivo son establecidos para
diseñar además de las variables, operadores y pasos del algoritmo genético. La solución inicial obtenida a partir del método SLP se utiliza como parte de una solución inicial para
el algoritmo genético, y el algoritmo genético se utiliza para optimizar el problema. Por último, el Proceso Analítico Jerárquico (AHP) se utiliza para evaluar y optimizar varios
grupos de mejores esquemas obtenidos mediante la ejecución de múltiples algoritmos genéticos y seleccionar los mejores esquemas. El diseño experimental demuestra que el
método de diseño integrado tiene cierta viabilidad y la superioridad.

1. Introducción
La sala de máquinas es el corazón de un barco. Una gran cantidad de equipo
principal apoyar el trabajo a bordo está dispuesto en la sala de máquinas. La
organización de todo tipo de equipos efectivamente es un problema importante [1].
Un diseño razonable puede reducir en gran medida el ciclo de diseño y
construcción de buques y, al mismo tiempo, reducir los costos y garantizar la
seguridad de las operaciones del buque. Con la investigación y la aplicación de un
algoritmo inteligente, la combinación de un algoritmo de optimización y el equipo de
diseño inteligente ha estado atrayendo cada vez más atención.
problemas de diseño se derivan problemas del mundo real fromactual. A menudo,
los problemas reales son difíciles de describir con precisión en el lenguaje
matemático. Por lo general, los supuestos se pueden utilizar para simplificar los
problemas reales y luego describirlos en lenguaje matemático para establecer
modelos matemáticos correspondientes. Por otra parte, estos cálculos se com-
plicado. La complejidad computacional de los problemas de diseño es un problema
no determinista que implica la complejidad del polinomio; es decir, una solución
exacta al problema no se puede encontrar en un tiempo limitado. Por lo tanto, la
mayoría de los problemas de diseño a menudo terminan no con una solución
óptima, sino más bien una solución factible que satisface las restricciones y tiene un
mejor rendimiento [3].

El problema de diseño implica una gran cantidad de contenido, que es

esencialmente una combinación multidisciplinar complejo opti- problema En cuanto a la optimización de los diseños de las instalaciones, el
mización [2]. Su complejidad se refleja en dos aspectos: por un lado, el período de la Ilustración comenzó en el siglo 20 y se encendió la década de
modelo es complejo. Más 1930. No había una teoría sistemática y
2 Los problemas matemáticos en Ingeniería
método debido a las limitaciones de los tiempos, sino que se basó en la experiencia
subjetiva de los seres humanos [4]. Desde la década de 1940 hasta la década de 1960, el
tema de la distribución de la instalación entró en un período de rápido desarrollo. Durante
este período, los investigadores utilizaron la teoría de sistemas, la cibernética y otros
métodos cuantitativos para optimizar los diseños de las instalaciones y ha logrado buenos
resultados [5]. Desde la década de 1970, con la popularidad de los ordenadores y la
aparición de diversos algoritmos inteligentes, el problema de optimización de distribución de
la instalación ha entrado una vez más otro período de vigoroso desarrollo [6]. El uso de
algoritmos inteligentes para optimizar el diseño de las instalaciones se ha cambiado por
completo los procesos de negocio del pasado, y algoritmos inteligentes son ampliamente
utilizados para resolver con éxito el problema de la distribución de las instalaciones de
diseño [7-17].
La optimización de la disposición de los equipos camarote de barco, como una rama
de la optimización de distribución de la instalación también ha sido un tema candente en los
últimos años. Con el tiempo, muchos estudiosos han llevado a cabo un gran trabajo de
investigación y ha logrado ciertos resultados. En la actualidad, en términos del problema de
diseño de los equipos de cabina, más investigación ha combinado el problema de diseño
con el algoritmo inteligente, optimizado el algoritmo, y produjo una solución mejor. AI ¨
Olcer introdujo amultiobjective genética
algoritmo y multiatributo conjunto difuso en el diseño de la disposición de la cabina de
un barco ro-ro, que mejoró la eficiencia de la configuración de la cabina [18]. Y. Yang
propuso un método de diseño de optimización de distribución de las instalaciones
para el mantenimiento de la cabina como un método para mejorar la eficiencia y la
calidad del diseño y la facilidad de mantenimiento construyó un modelo matemático
para la optimización del diseño de mantenimiento. Un algoritmo de optimización
enjambre de partículas mejorado también se utilizó para mejorar la eficiencia de
cálculo y precisión y resolver efectivamente themultipeak problema de optimización
[19]. Wang YL genera el valor inicial del algoritmo genético basado en el método de
energía y luego se usa el mejor algoritmo genético para diseñar la disposición de
cabina de la nave, que resolvió el problema de la evaluación disposición en cierta
medida [20, 21]. Literatura [22-25] elabora la aplicación del algoritmo genético en el
problema de disposición de los equipos en detalle y demuestra que el algoritmo
genético tiene buena solidez a este tipo de problemas a través de ejemplos. Zheng
XL propone un método basado en la teoría de juegos para promover el proceso
de toma de decisiones multidisciplinario involucrado en el diseño de la
disposición de cabina barco y, al mismo tiempo, desarrolló una estrategia de
juego no cooperativo, y se determinó la cantidad de equipo y mobiliario
necesario para la ubicación correspondiente con el fin para lograr el más alto
rendimiento posible en la cabina [26]. La investigación anterior sólo utiliza
algoritmos inteligentes para resolver el problema, sin embargo, no tuvo en
cuenta la forma de generar una solución inicial más eficaz, no evaluó la solución
obtenida, y no puede determinar si la solución era la solución más factible.
En 1961, Richard Joseph propuso por primera vez un método sistemático
distribución de las instalaciones [27], lo que permitió a los diseñadores de la planta
para realizar análisis cuantitativos basados ​en datos objetivos de los análisis
cualitativos anteriores que se habían basado en la experiencia subjetiva. La aplicación
de este método no se limita al ámbito industrial, pero también se utiliza para diversos
tipos de optimización de distribución de la instalación (entre otros) y que todavía se
utiliza, mejorado, e innovó en la actualidad. El método de planificación Layout
sistemática (SLP) se aplica generalmente a la
diseño de la disposición de las instalaciones del taller [28-30], y la investigación
sobre la aplicación del método SLP a la disposición de las instalaciones de la
nave es relativamente raro. Hu Yao et al. optimizado el complejo problema de
optimización combinación multiobjetivo para el diseño de posición del interior
de la cabina de un barco volumétrica y aplicado ampliamente el método de SLP
con el método heurístico y el algoritmo genético (GA) en el algoritmo inteligente
para resolver el problema y optimizar la solución [31 ]. Sin embargo, sólo se
detalla la ubicación de los diferentes compartimentos y no optimiza el diseño
del interior de la cabina. Por otra parte, simplemente usando el método SLP
para resolver el diseño de los equipos de cabina sólo cumple con los requisitos
de adyacencia y logística de los equipos y no garantiza que el régimen cumple
envía la estabilidad y otros requisitos de rendimiento.
El Proceso Analítico Jerárquico (AHP) es un método de análisis de decisión
ponderada jerárquico propuesto por el Pitts- burgh Operaciones University
Profesor Investigador Saaty a principios de 1970 cuando estaba estudiando el
tema del Departamento de Defensa de Estados Unidos [32]. Z Gao et al. logrado
buenos resultados utilizando el Proceso Analítico Jerárquico (AHP) y el método
de [33] Salida Pure Análisis Envolvente de Datos (DEA). Cuando Wang YL et al.
presentado la cabina de la nave inteligente, se utilizó el método AHP para
evaluar varios esquemas obtenidos mediante el uso del algoritmo, y finalmente
se seleccionó la solución óptima [21]. Los estudios anteriores muestran que es
factible y eficaz para aplicar el método AHP al equipo de optimización de diseño,
pero todavía hay poca investigación sobre la aplicación de este método para el
diseño de equipos de cabina de la nave.
Basado en la investigación anterior, este trabajo de manera creativa se
aplica el método SLP a los equipos de cabina problema de optimización de
diseño, establece un modelo matemático correspondiente y utiliza un algoritmo
genético para resolverlo. Finalmente, el método AHP se utiliza para evaluar los
múltiples conjuntos de soluciones obtenidas. El resto del artículo se estructura
de la siguiente manera. Sección 2 utiliza el método SLP a analizar los requisitos
de adyacencia de los equipos de cabina y los requisitos de eficiencia de la
circulación de personal y, sobre esta base, de- termina una interrelación integral
entre equipos dife- rentes, determinando así las restricciones posicionales a
través de varias piezas de equipo y usando esto como el método de evaluación.
Sección 3 considera exhaustiva factores como el peso de la cabina, la distancia
y la estabilidad y constructos modelos matemáticos y las limitaciones
correspondientes. La sección 4 detalla el diseño de operador del algoritmo
genético y genera una configuración de cabina basado en el algoritmo genético.
Sección 5 se basa en el método AHP y evalúa el esquema generado en la
Sección 4 para determinar un esquema de mejor lay- a cabo. La sección 6
concluye la investigación e identifica el trabajo futuro.
2. Análisis de SLP simplificado
Disposición de Equipo
SLP es el método más antiguo utilizado en el diseño de la distribución de la
fábrica y el taller de equipos. Se utiliza la relación entre la logística y nonlogistics
de equipo como la línea principal y
Los problemas matemáticos en Ingeniería 3

Tabla 1: Definición de nivel de intensidad de la demanda adyacente y coeficiente.

grado de resistencia coeficiente de esfuerzos Sentido

1 1 La necesidad de adyacencia es muy alto

2 0.8 la demanda más alta de adyacencia

3 0.6 la demanda contigua

4 0.4 la demanda de adyacencia menor

5 0.2 La necesidad de adyacencia es muy baja

6 0 No hay requisitos de adyacencia

adopta un conjunto de símbolos y formas expresivas leyenda de trabajo concisos y, a través del Tabla 2: Tipo de dispositivo.

proceso de diseño, resuelve el problema de equipo de talleres de diseño de diseño de ubicación

No. Nombre del dispositivo
[34-36] fábrica y. El equipo cabina problema de diseño es, en el análisis final, la optimización de la
1 Anfitrión
disposición de los equipos, por lo que el método SLP también se pueden utilizar en el diseño de

optimización de la disposición de los equipos de cabina. Sin embargo, independientemente del tipo 2 Alternador

de esquema de trazado que se utiliza, todavía hay algunas diferencias entre los dos problemas de 3 bomba de uso general para la parte inferior de la cabina

diseño. La razón principal de esta diferencia es que el diseño de la disposición ubicación del equipo 4 bomba de trituración de aguas residuales

de la cabina es diferente fromthe diseño designof el sistema de producción. El diseño de la 5 Extintor de incendios
disposición del sistema de producción considera principalmente factores de logística de transporte.
6 Depósito de combustible
investigación relevante muestra que alrededor del 20% de los costes de procesamiento se utiliza
7 gabinete de aguas residuales domésticas
para el transporte de materiales, y el diseño de equipos razonable puede reducir el costo de
8 escalera 1
transporte de materiales en al menos un 10% -20% [37]. Sin embargo, en cuanto a la disposición de

los equipos de cabina, el factor de relación de la logística no es el factor principal, y la influencia de 9 escalera 2

la relación de adyacencia es mayor. Por lo tanto, cuando se utiliza el método SLP, es necesario

hacer ajustes a los elementos constitutivos para el análisis tanto de la demanda adyacente y la Tabla 3: Distribución de la intensidad de la demanda adyacente en la cabina. No.
relación de circulación. Al mismo tiempo, es necesario utilizar el coeficiente de intensidad de

cuantificar la correlación demanda entre los elementos constitutivos. y la influencia de la relación de 1 2 3 4 5 6 7 8 9

adyacencia es mayor. Por lo tanto, cuando se utiliza el método SLP, es necesario hacer ajustes a 1 / 0,6 0 0 0 0 0 0 0
los elementos constitutivos para el análisis tanto de la demanda adyacente y la relación de 2 / / 0.4 0,4 0 0.2 0,4 0 0
circulación. Al mismo tiempo, es necesario utilizar el coeficiente de intensidad de cuantificar la
3 / / / 0,8 0 0,2 0 0 0
correlación demanda entre los elementos constitutivos. y la influencia de la relación de adyacencia
4 / / / / 0 0 0,8 0 0
es mayor. Por lo tanto, cuando se utiliza el método SLP, es necesario hacer ajustes a los elementos
5 / / / / / 0,6 0 0.6 0.6
constitutivos para el análisis tanto de la demanda adyacente y la relación de circulación. Al mismo
6 / / / / / / 0 0 0
tiempo, es necesario utilizar el coeficiente de intensidad de cuantificar la correlación demanda entre

los elementos constitutivos. 7 / / / / / / / 0 0

8 / / / / / / / / 0

9 / / / / / / / / /
2.1. El análisis de la intensidad de la demanda entre Adyacente sobre Equipos. De
acuerdo con ciertos criterios de diseño, la resistencia a la demanda adyacente de cada
pieza del equipo se determina y se expresa por la clase de resistencia y coeficiente de
De acuerdo con el equipo en la Tabla 2, los criterios de diseño son como sigue:
fuerza. La resistencia a la demanda de adyacencia entre los dispositivos se determina
el motor principal y el generador debe estar más cerca, y la distancia desde el otro
de acuerdo con ciertos criterios de disposición y se expresa por el nivel de intensidad y
equipo es muy separadas; la bomba total al final de la cabina no está relacionado con
el coeficiente de intensidad
el funcionamiento de otro equipo; el grado relativo de la bomba de pulverización de
aguas residuales y el tanque de aguas residuales vida es más alto y se deben colocar
• •• ∈ [0, 1] indica la intensidad de la demanda adyacente entre el
en una posición relativamente cerca; extintores de incendios deben colocarse cerca
equipo • y •; el mas largo • •• indica que la demanda de adyacencia entre • y •
del depósito de combustible y escaleras para facilitar el acceso.
es fuerte. • •• = 0
indica que los dispositivos • y • no tiene ninguna necesidad de adyacencia; • •• =

1 indica que los dispositivos • y • debe ser adyacente. Matriz

La matriz de distribución de A específica de la relación descrita
• = [• ••] • × • es una matriz de distribución que representa la intensidad de la
anteriormente de acuerdo con el método de análisis en términos de la relación
demanda adyacente, en el que sólo la relación de adyacencia entre el equipo • y
logística y nonlogistics utilizando el método de SLP se muestra en la Tabla 3.
• se considera, mientras que la relación de adyacencia entre • y • no se repita y
marcada como vacía. Al mismo tiempo, no hay adyacencia del equipo en • = •. La
relación correspondiente entre el grado de fuerza y ​el coeficiente de la fuerza
no está presente. Como se muestra en la Tabla 1 [38], el factor de resistencia 2.2. El análisis de la intensidad de la relación de circulación entre el equipo. En
de la tabla se determina de acuerdo con la relación de la demanda entre los cuanto a la disposición de los equipos de cabina, así como la necesidad de
dispositivos. considerar los requisitos adyacentes de las operaciones entre los distintos
equipos, sino que también es
4 Los problemas matemáticos en Ingeniería

Tabla 4: Definición de la clase de resistencia y coeficiente de relación de circulación.

grado de resistencia coeficiente de esfuerzos Sentido

1 1 La demanda de la circulación es muy alto

2 0.8 La alta demanda para la circulación

3 0.6 la demanda de circulación general

4 0.4 La baja demanda para la circulación

5 0.2 La demanda de la circulación es muy baja

6 0 la demanda no la circulación

Tabla 5: Distribución distribución de intensidad de relación en la cabina. No. misma que entre el equipo 2 y el equipo 1; sólo uno de ellos se cuenta.

1 2 3 4 5 6 7 8 9

1 / 0,8 0 0 0 0 0 0 0
2.3. Análisis de la Relación Fuerza Integral entre el equipo. La tabla
completa inter-relación entre dispositivos es una combinación de la
2 / / 0.6 0,6 0 0.2 0,4 0 0
distribución de la demanda adyacente y la relación de circulación análi- sis,
3 / / / 0,8 0 0 0,2 0 0
y las dos relaciones están integrados uno con el otro para producir una
4 / / / / 0 0 0,8 0 0
tabla. A través de un análisis exhaustivo de la relación entre las piezas de
5 / / / / / 0,6 0 0.6 0.6 equipo, la ubicación de cada pieza de equipo es razonablemente
6 / / / / / / 0 0 0 planificada y la disposición de los equipos de la cabina es más razonable.
7 / / / / / / / 0 0

8 / / / / / / /
9 / / / / / / /
necesario considerar el flujo de personal con el fin de garantizar la ubicación del
equipo es conveniente para la instalación el personal, el funcionamiento y la
evacuación.
Utilizando • •• para expresar la fuerza de la relación de circulación entre
el personal, • •• = 0 indica que no hay relación culación cir- entre • y •; es decir,
la gente no operan equipos de • a •; • •• = 1 indica que
• y • la circulación es muy alta; es decir, la frecuencia de personal de operación de •
a • es muy alto. Matrix B es una matriz de distribución que representa la
intensidad de las relaciones de circulación, grado relación de distribución, y la
distribución coeficiente de intensidad, como se muestra en la Tabla 4 [38].
Para que la relación de circulación, consideramos principalmente la
operación del personal 's de los equipos y la relación de circulación desde
el host a las escaleras durante la evacuación. Para que la relación de la
logística, la disposición de las tuberías y cables entre el motor principal y el
generador se considera principalmente, así como la utilización total de la
bomba y el polvo de agua viva en la parte inferior de la cabina. La
intensidad de la relación logística entre la bomba de trituración y el armario
de agua viva también es relativamente pequeña. Haciendo referencia a la
norma correspondiente para motor de la nave roomdesign [39-42], la
relación de circulación entre el equipo está claramente definido en la
norma. Haciendo referencia a los correspondientes reglamentarias en la
norma, la situación personal y logística del equipo en la cabina se
determinan.
En la Tabla 5, cabe señalar que no hay flujo
relación entre el propio equipo, ya que no hay grado de intensidad de flujo
entre el equipo 1 y el equipo 1; la intensidad de flujo entre el equipo 1 y el
equipo 2 es el
/ 0
Cuando la intensidad de la demanda adyacente y la intensidad de la
/ /
relación de circulación son todos determinados, el objetivo sub- puede
ponderarse para ser transformado en un coeficiente de fuerza multidiana
para obtener la resistencia relación integral del análisis SLP, y • •, • se expresa
por la siguiente fórmula: • •, • se determina por la siguiente fórmula:
• •, • = • 1 • •, • + • 2 • •, • (1)
En la fórmula, • •, • y • •, • representar dos valores de resistencia entre las cabinas •
y • y • 1 y • 2 son los coeficientes ponderados. se determina la importancia relativa
de la relación de adyacencia y la relación de circulación. La relación de
importancia • 1: • 2 ( valor ponderado) debe estar generalmente en el intervalo de 1:
3 ~ 3: 1. Cuando • 1: • 2 < 1: 3, la disposición se ve afectada por la relación de
adyacencia, y el objetivo clave de la planificación es la relación circulación
cuando se dispone el equipo. Cuando • 1: • 2> 3: 1, indica que la relación de
adyacencia entre dispositivos es dominante [43]. Cuando se despliegan los
dispositivos, se han previsto los dispositivos que ocupan una proporción
importante en la relación de adyacencia. Debido a que el equipo de la cabina
está en la operación real de la nave, la relación de adyacencia es más
importante y la relación de adyacencia razonable puede ahorrar una gran
cantidad de espacio de la cabina con el fin de que la tubería y el circuito se
pueden organizar más razonable. Haciendo referencia al valor de este peso en
[44], por lo tanto, este artículo se echa • 1: • 2 = 4: 1, es decir, • 1 = 0.8
y • 2 = 0.2. La matriz F distribución para sintetizar la fuerza de correlación se
muestra en la Tabla 6.
El nivel de correlación integrado puede estar además determinamos en
base a los datos de la Tabla 6, es decir, el nivel de correlación global entre
dispositivos en el método de SLP. El nivel se expresa como {A, MI, YO, O, U} y
el intervalo de la intensidad que corresponde al nivel en el ejemplo es {[ 0,8,
1], [0.6, 0.8), [0,4, 0,6), [0,2, 0,4), [0, 0,2)}. La distribución de rango se
muestra en la Tabla 7.
Los problemas matemáticos en Ingeniería 5

Tabla 6: Distribución Integral intensidad relación entre dispositivos. No. colocación. Un buen diseño del equipamiento interior puede coordinar la relación entre
el funcionamiento del equipo camarote de barco, garantizar el funcionamiento del
sistema, mejorar la eficiencia de la circulación de la tripulación de cabina, y reducir el
1 2 3 4 5 6 7 8 9
consumo de tiempo de la circulación. En problemas de diseño de ingeniería, las formas
1 / 0.64 0 0 0 0 0 0 0
de disposición básicos incluyen la disposición de una sola línea, la disposición de
2 / / 0.44 0.44 0 0.2 0,4 0 0
líneas múltiples, disposición del sitio, la disposición de anillo y el diseño en forma de U.
3 / / / 0.79 0 0.16 0.04 0 0 La mayor parte de las literaturas nacionales relacionados se refieren al diseño del sitio
4 / / / / 0 0 0,8 0 0 y el diseño de varias líneas como la disposición de varias líneas. El diseño básico se
5 / / / / / 0,6 0 0.6 0.6 muestra en la Figura 1 [35]. La posición de disposición en la figura está representado

6 / / / / / / 0 0 0 por dos números de serie: el número superior izquierda es el número de posición de la

7 / / / / / / / 0 0 disposición, y el número inferior derecha es el número de las instalaciones para ser

colocado. Combinado con el marco estructura de la cabina,
8 / / / / / / / / 0

9 / / / / / / / / /

Tabla 7: Distribución de Comprehensive nivel de relación entre los dispositivos. No. El modelo de topología de la cabina y el equipo se muestra en la Figura 2.
En la imagen, la esquina inferior izquierda de la cabina es el punto original, • • representa
la longitud del dispositivo
1 2 3 4 5 6 7 8 9
•, ℎ •• representa el espaciado horizontal mínima entre los equipos • y •, ℎ •0 representa
1 / mi UUUUUUU
el espacio horizontal mínima entre los equipos • y el límite de la cabina, y Δ
2 / / yo yo UO yo UU
•
3 / / / mi UUUUU representa la distancia neta entre el equipo • y el dispositivo
4 / / / / UU UNA UU • - 1 o el límite. El rango de valores es [ 0, 1,5], • soportes para el dispositivo de
5 / / / / / mi T mi mi separación de filas, • 0 representa la distancia desde el primer dispositivo de línea

6 / / / / / / UUU con el límite taller, • • es el • coordenadas del centro del dispositivo •, y • • es el • coordenadas

7 / / / / / / / UU del centro del dispositivo •.

8 / / / / / / / / T

9 / / / / / / / / /
Este documento presenta los algoritmos genéticos para la optimización
posterior, por lo que el propósito del análisis SLP es determinar la relación
posicional de una parte de los equipos con rel- tivamente alta resistencia amplia
relación. En el inition def- del grado de relación SLP, el más alto nivel “A” debe
estar cerca. La bomba de polvo de aguas residuales viviente y el gabinete de
aguas residuales domésticas pueden estar juntos con el fin de facilitar el
tendido de cables y tuberías. De acuerdo con los requisitos de la zona de cada
equipo itemof, las restricciones de posición del algoritmo se determinan de
acuerdo a la optimización del algoritmo, y la disposición preliminar de la
secuencia equipo ( 7 4 3 1 2 6 8 5 9) es obtenido. Los resultados del análisis por
encima de SLP se pueden utilizar como parte de la secuencia de dispositivos
3.2. Función objetiva. El objetivo de la optimización configuración de cabina es
colocar correctamente el equipo de una manera que asegure la estabilidad de la
estructura y el funcionamiento de la nave. Por lo tanto, la función objetivo tiene que
cumplir los dos objetivos de la intensidad de flujo y fuerza adyacente de acuerdo con
el método de SLP. Además, es necesario tener en cuenta el equilibrio y el centro de
gravedad requisitos, ment Organizar- equipo uniforme y así sucesivamente [39-42].
(1) objetivo de intensidad adyacentes. Cuanto mayor sea la estrecha relación
betweendevices, mayor es la intensidad de flujo y la más pequeña es la distancia entre los
dispositivos, por lo que la función objetivo para la definición de la fuerza de adyacencia es
como sigue:
9

en la solución inicial del algoritmo genético para acelerar la convergencia del • 1 ( •) = 8 Σ Σ • × • (•) (2)
algoritmo genético. •=1 •=•+1

Los significados de las letras de la fórmula anterior son los siguientes:

(1) • 1 ( •) es la suma del producto de la matriz de equipo de adyacencia

3. Modelo matemático y la restricción Condiciones para la A y la distancia D entre los dispositivos.
optimización del sitio de motor Disposición (2) D es la matriz de distancia entre los dispositivos, calculado utilizando la
siguiente fórmula:
••••• + •••••• • - • • •••••
• •• = •••••• • - • • (3)
3.1. Establecimiento de un modelo matemático para la optimización de la Sala de
Máquinas Diseño. El problema de optimización de diseño también puede ser (2) Objetivo Circulation Intensidad. Cuanto mayor sea el grado de relación
considerado como un problema de planificación de ruta. El primer problema es estrecha entre dispositivos es, mayor es la fuerza adyacente y el menor • •• es,
establecer un modelo de entorno de la configuración de la cabina. En este por lo que el definitionof la fuerza adyacente función objetivo es la siguiente:
documento, el equipo de cabina se simplifica y abstrae como sigue: suponer que la
disposición de los equipos en el espacio de la cabina es rectangular y la colocación 9

de los componentes internos del equipo también es la óptima • 2 ( •) = 8 Σ Σ • × • (•) (4)

•=1 •=•+1
6 Los problemas matemáticos en Ingeniería

1 2 3 4 5 1 2 3 1 2 3

2 45 3 1 4 1 5 4 1 5

4 5 5 6
Disposición sola fila

3 6 3 84 6 7

6 7 9

2 2 9 8

diseño de varias líneas Plano del sitio

una 1 2 4 3 2 1

si 1 y cinco 4 1 5 01

A: número de ubicación de 8 3 5
diseño

3 4 3
b: Número de instalaciones

para ser expuesto 7 4 6

2 sesenta 2

6 5 7 8 9 10

8 7 6 8 7 9

diseño del anillo diseño en forma de U

Figura 1: Clasificación de las formas de diseño.

(3) Requisitos de la nave de estabilidad. Con el fin de mejorar la estabilidad de la

Y nave y garantizar que el buque tiene una gran talón cuando se navega, aseguran
que el álgebra de par y el valor absoluto de los equipos para la sección de medio
longitudinal son tan pequeñas como sea posible. La distancia entre el centro de
gravedad del dispositivo y la sección longitudinal se calcula como
ℎ j0 ΔD

metro j

• 3 ( •) = •••••••••••Σ9 ••( ••- • (6)

s 2) •••••••••••
l •=1

yj (4) ArrangedUniformly de dispositivos. máquinas auxiliares deben disponerse lo

más cerca posible a alrededor de las cabinas, principalmente porque si las
metro k metro sol
máquinas auxiliares están dispuestos centralmente en el lado de la línea
Xk ℎGk s0 longitudinal de la góndola de la nave, habrá un nivel de líquido libre en el equipo
cuando el equipo está funcionando normalmente. Esto hará que el momento de
0 X inercia de ser desequilibrada, lo que afecta a la estabilidad del buque. La siguiente

Figura 2: Modelo de topología entre la cabina y el equipo. fórmula se utiliza para controlar el equipo que se ha dispuesto de manera uniforme
en la cabina.

Los significados de las letras de la fórmula anterior son los siguientes:

• 4 ( •) = •••••••••••Σ9 (• • - • (7)
2) •••••••••••
(1) • 2 ( •) es la suma del producto de la circulación equipo matriz fuerza •=1

B y la distancia D entre los dispositivos.

De acuerdo con el modelo matemático del principio de diseño, se
puede determinar que la función objetivo de la cabina es
(2) D es la matriz de distancia entre los dispositivos, calculado utilizando la
siguiente fórmula:

••••• + •••••• • - • • ••••• • (•) = min 4 Σ • • ( •) (8)

• •• = •••••• • - • • (5) •=1
Los problemas matemáticos en Ingeniería 7

3.3. Restricción •• V ••• • •• • ••••

• •• = {{{ 1,
(1) el equipo no se superponen. Cuando está dispuesto equipo de cabina 0, ••ℎ••
de la nave, se debe asegurar que no hay interferencia entre el equipo:
• = 1, 2,. . . , 9; • = 1, 2,. . . , •

(11)
•••••• • - • • ••••• ≥ [(• • + • •)
+ ℎ ••] • •• • ••,
2 dónde • es el número total de líneas en el diseño del dispositivo.

•, • = 1, 2,. . . , 9 ( 9) (2) Durante el cálculo de la disposición de los equipos de la cabina de la nave, se

requiere que cada dispositivo a aparecer sólo una vez, lo que es
La fórmula para la solución del eje horizontal del dispositivo es

Σ • •• = 1, • = 1, 2,. . . , 9; • •, • • ≥ 0, Δ • ≥ 0 (12)
• • = • • + ( • • + • •) + ℎ •• + Δ • •=1
2
(10)
(3) El peso de los equipos mecánicos dispuestos en los lados izquierdo y derecho
debe mantenerse tan equilibrada como sea posible para evitar el balanceo del barco
= ℎ •0 + Δ • + ( • • + 2• •) + ℎ •• + Δ •
2 causado por la diferencia de peso en ambos lados, y • es la anchura de la cabina.

La fórmula para la solución de la ordenada del equipo es

Σ ••≈ Σ ••
• • = ( • - 1) • + • 0, (13)
0≤•≤• / 2 • / 2 <•≤•

Si • •• = 1; • = 1, 2,. . . , 9; • = 1, 2,. . . , •. En resumen, el modelo matemático se establece como

9 9

• (•) = 8 Σ Σ • × • (•) + 8 Σ Σ • × • (•) + ••••••••••• 9 Σ Σ 9 (• 9 - •2) •••••••••••

• • ( • • - •2) ••••••••••• + •••••••••••
•=1 •=•+1 •=1 •=•+1 •=1 •=1

•••••
{{{{{{{{{{{{{{{{{{{•••••• ≥ [(• • + • •)
•- •• + ℎ ••] • •• • ••, •, • = 1, 2,. . . , 9 (14)
2
•
•.•. Σ • •• = 1, • = 1, 2,. . . , 9; • •, • • ≥ 0, Δ • ≥ 0, • = 1, 2,. . . , 9 Σ
•=1

••≈ Σ ••
0≤•≤• / 2 • / 2 <•≤•

De esta manera, de acuerdo con las reglas y ENCE diseño experimental de la de flujo del algoritmo genético. El análisis específico es como sigue.
disposición de los equipos de cabina, la función objetivo y las restricciones se
determinan, y luego se establece el modelo matemático del diseño de la disposición de
la cabina, que está listo para el siguiente paso mediante el cual el genética algoritmo
4.1. La codificación cromosoma. Codificación de expresiones de transposición extiende usando
se utiliza para la optimización inteligente.
dos listas de símbolos de dispositivo y el espaciamiento red son

4. Diseño de Algoritmos Genéticos [{• 1, • 2, . . . , • •} , { Δ 1, Δ 2, . . . , Δ •}] (15)

En este trabajo, el algoritmo genético se utiliza para resolver themodel. El

algoritmo genético puede ser independiente del campo específico del problema y dónde • • representa el número de serie del dispositivo y Δ •

tiene una fuerte solidez a este tipo de problema [45-50]. Por lo tanto, el algoritmo representa la separación neta entre el dispositivo • - 1 y el dispositivo

genético puede resolver el problema de diseño del equipo de la cabina. •. Al mismo tiempo, la estrategia automática al ajuste de líneas que se adopte; es
decir, cuando la suma de las longitudes de los dispositivos en la misma fila y la

De acuerdo con las características del modelo de optimización separación mutua real supera el límite máximo de longitud de espacio lateral, el
multiobjetivo de equipo de cabina, este documento diseña la codificación último dispositivo del banco entra automáticamente en la siguiente línea.
cromosoma, cruce, mutación, y el algoritmo
8 Los problemas matemáticos en Ingeniería

4.2. Población inicial. La población inicial se genera aleatoriamente. Con el fin de Tabla 8: esquema de diseño.

acelerar el proceso de convergencia del algoritmo genético, la primera

NO Esquema de diseño
secuencia de símbolos dispositivo en la población inicial puede ser reemplazada
por la secuencia de símbolos dispositivo superior obtenido por el método de 1 [ 8,5], [2,1], [3,4,6], [7,9]

SLP. En este caso, la secuencia de la cabina obtiene por el método SLP 2 [ 7], [4,3], [2,9,6], [1,8,5]

3 [ 9], [7,8,5], [3,4,6], [2,1]

(7 4 3 1 2 6 8 5 9) se utiliza en lugar a fin de que se forma la población 4 [ 8], [5,9], [3,4,7], [6,2,1]
inicial. 5 [ 9], [1,2,7], [5,3,4], [8,6]

6 [ 9,6], [8,5,1], [7,3,2]

4.3. Función de fitness. Debido a la estrategia automática salto de línea, no hay
ningún dispositivo fuera de la zona de cabina en la dirección del eje X. Por lo
tanto, sólo es necesario para determinar si la última fila excede el área de la
cabina en la dirección del eje Y. el orden correspondiente de los segmentos intermedios. En este ejemplo, el
segmento medio del Niño 1 es ( • 5 • 9 • 7 • 1), el segmento medio del Niño 2 es ( • 9 •
1 • 3 • 4), los números de dispositivos en conflicto del Niño 1 son • 5 y • 7, y las
• 0 + ( • - 1) • ≤ • •, partes que faltan son • 3 y • 4. Por lo tanto, es necesario el uso de la • 3 y
• • = {{{ 0, (dieciséis)
••ℎ••
• 4 del segmento medio del Niño 2 para llenar la posición. El orden del
complemento se complementa con el fin de • 3 y
whereH es la anchura del compartimento, es una pena capaz irrazonable, y T es
• 4 en ( • 9 • 1 • 3 • 4), y niño 2 también se rellena como se describe anteriormente. Por lo tanto, el
un valor de penalización grande positivo de 500.
resultado es:
La función de adecuación es:

Niño 1: una )
aaaaaaaaa
1 (• + 3 2179546 8

••• ( V •) = (17)
• •) (Niño 2: ( 6 5431982 7
)
aaaaaaaa

En la fórmula, • es la función objetivo.

4.6. Variación. La operación de mutación sólo funciona en la parte de separación

4.4. Seleccionar. El mecanismo de selección de la ruleta se adopta - es decir, la
probabilidad de cada individuo que está siendo seleccionado es proporcional al
grado de fitness. Si el tamaño de la población es M y la condición física del
individuo
entonces la probabilidad de que el individuo
• es ••• ( V •),
• se selecciona es
neta del dispositivo, suponiendo que la secuencia de espaciado de red para un
cromosoma dado es { Δ 1, Δ 2, . . . , Δ •}.
Especificar el punto mutado Δ • de acuerdo con la probabilidad de mutación, r es un
número entero dado y [ • min, • max] es la gama de valores de espaciado de red del
dispositivo. Entonces, dentro de este intervalo, R separación neta puede ser generado

•• = ••• ( V •) / Σ • = 1, 2,. . . , •) - en otra al azar: { Δ 1

• = 1 ••• ( V •) ( • •, Δ 2•,
2 •, . . . , Δ • •}.
palabras, la población se selecciona de acuerdo con la probabilidad de Sustitución del punto de variación Δ • con { Δ 1 •, Δ 2•,
2 •, . . . , Δ • •}, r
obtener una nueva población, y más alta la aptitud, mayor es la nuevos cromosomas pueden ser producidos. Lo mejor que uno puede ser
probabilidad de que se seleccionará el individuo. seleccionado del cromosoma r nuevo para reemplazar el cromosoma originales. En
este caso • = 10, [• min, • max] = [ 0, 1,5].

4.5. Cruzar. La operación de cruce adopta el método ing Match- parcial del
4.7. Descodificación. El diseño adopta la estrategia automática al ajuste de líneas. Por lo
programa de reparación transversal de unión de dos puntos. El programa de
tanto, se añade una matriz con el Layout nombre de campo con el algoritmo para
reparación puede hacer que el nonpopulation Los individuos en la cruz convertirse
almacenar el número de secuencia de cada línea de equipos después de cada secuencia
individual dentro de la población, garantizando así la buena marcha del algoritmo.
de dispositivos es generado por la iteración. El esquema de la disposición resultante es los
Los pasos de implementación específicos del método de cruce son los siguientes:
datos de la matriz.

Para los padres de un padre y dos, encontrar al azar dos números del 1 al
9, como la posición de intersección.
4.8. Flujo algoritmo. Sobre la base de los ajustes anteriores, los parámetros del algoritmo
Padre 1: una
7 2431956 8
)
aaaaaaaaa GA se establecen como sigue: tamaño de la población es de 50, la probabilidad de cruce
es 0,6, probabilidad de mutación es de 0,1 y el número máximo de iteración es 200. El
(Padre 2: ( 6 3179582 4
)
aaaaaaaa
flujo algoritmo GA se muestra en la Figura 3.
Intercambiar las partes entre las dos posiciones transversales de los padres.

El uso de software MATLAB para optimizar la solución, el programa se puede

Niño 1: una
7 2179556 8
)
aaaaaaaaa ejecutar varias veces a fin de obtener varios grupos de mejores soluciones y seleccionar
varios conjuntos de soluciones como el sistema de selección, como se muestra en la
(Niño 2: ( 6 3431982 4
)
aaaaaaaa
Tabla 8.
Después de que el cruce, el mismo padre tendrá números de dispositivo Debido a la disposición de varias líneas y la estrategia de la palabra-wrap, cada
duplicadas, no repetitivo números de dispositivo será retenido y números de soporte representa una línea y comienza en la primera línea.
dispositivos en conflicto se asignará en
Los problemas matemáticos en Ingeniería 9

comienzo
La construcción de una jerarquía
modelo

La construcción de una solución de

modelo
matriz juicio jerarquía
estructural

población inicial

especie única jerárquica

prueba de consistencia

función de aptitud
computacional

Cumplir con
No
las condiciones

Sí
Es menor que el número
si orden total Hierarchical
prueba de consistencia

No

No
Seleccionar Cumplir con las

condiciones

resultado de salida

sí
Cruzar

determinar el
Fin
peso

Variación Figura 4: Análisis AHP diagrama de flujo.

La generación de
nuevas poblaciones
Figura 3: Flujo de algoritmo.
5. Cabina de base-AHP Layout esquema de selección
5.1. El principio básico de AHP Método. El Proceso de archy quía Analítica
(AHP) se refiere a un complejo Problemas de toma de decisiones
multiobjetivo un sistema, que se descompone el objetivo en múltiples
objetivos o criterios y luego se descompone este en múltiples niveles de
indicadores múltiples (o criterios, restricciones). El orden jerárquico único
(peso) y ordenación total se calculan mediante el uso de un método de
cuantificación difusa índice cualitativo, que se utiliza como el
systemmethod de focalización (multi-indicador) y una decisión de
optimización multi-régimen. Es adecuado para un sistema de destino con
hierarchically- indicadores de evaluación entrelazados, y el valor objetivo
es culto difi- el fin de describir cuantitativamente el problema de decisión.
Por supuesto,
cierto nivel (por ejemplo, más de cuatro). En este caso, el Fuzzy Proceso
Analítico Jerárquico (FAHP), que combina las ventajas del método Fuzzy y el
Proceso Analítico Jerárquico (AHP), puede resolver este problema bien [51].
Sin embargo, sólo hay tres indicadores de evaluación en el nivel de criterio del
problema estudiado en este trabajo, por lo que el proceso analítico jerárquico
nonfuzzy ha sido capaz de obtener un esquema de evaluación mejor. Al utilizar
el método AHP para modelar problemas, se requieren en general los siguientes
pasos: la construcción de un modelo jerárquico, la construcción de una matriz
de juicio (comparación por pares), jerárquico único pedido y la comprobación
de coherencia, orden total jerárquica y la comprobación de coherencia [52].
El diagrama de flujo análisis AHP muestra en la Figura 4 es cado esta-, y luego
se evalúan los siguientes seis esquemas basados ​en esto.
5.2. Proceso óptima
(1) establecer un modelo de estructura jerárquica. De acuerdo con el objetivo
decisión de este documento, se define la capa de destino como sigue: determinar
una solución óptima. De acuerdo con los indicadores pertinentes para evaluar la
disposición de la ubicación
10 Los problemas matemáticos en Ingeniería

Objetivo capa T:

T: Determinar la distribución óptima

esquema

capa Criterios Z:

Z1: vía de
Z2: razonamiento Adyacente seguridad de la cabina
circulación razonable

capa de solución P:

P1: Plan 1 P2: Plan 2 P3: Plan 3 P4: Plan 4 P5: plan de 5 P6: Plan 6 Z3:

Figura 5: Diagrama de Jerarquía.

equipo de cabina, la capa de criterio se define como sigue: el grado razonable Tabla 9: tabla de criterios de proporción.

de la línea de circulación (es decir, cuando la ruta operación entre el equipo en

Escalada Factor i factor de relación j
el esquema es más bajo y la ruta de evacuación es la más corta, la
1 Igualmente importante
racionalidad de la ruta de circulación del esquema es más alto); adyacente al
3 Algo importante
grado razonable (es decir, más el equipo debe estar en estrecha proximidad
en la correlación completa proporcionada por el método SLP, el más razonable 5 Más fuerte importante

la proximidad del esquema es); el grado de seguridad de la cabina (es decir, el 7 fuertemente importante

diseño de la esquema debe estar más cerca del peso de los lados izquierdo y 9 Extremadamente importante

derecho, y mejor es la estabilidad, mayor es la seguridad de la cabina); y la 2,4,6,8 valor intermedio de dos sentencias adyacentes
capa esquema es los seis esquemas para la disposición de los equipos de
cabina. La estructura jerárquica se muestra en la Figura 5.

De acuerdo con el valor de escala en la Tabla 9, la capa de criterios contiene

tres criterios: el grado razonable de línea de circulación Z1, el grado razonable de
Z2 de adyacencia, y el grado de seguridad de la cabina Z3. El esquema de diseño
(2) establecer una jerarquía de matrices juicio. Cuando deter- minar el peso entre
óptimo se determina en relación a la capa de destino, de acuerdo con
los factores en cada nivel, si es sólo un resultado cualitativo, a menudo es difícil
especificaciones de la sala de máquinas de barco de diseño y las referencias [42,
de ser aceptado por los demás. El significado de la matriz de juicio es que el
53], y los dos puntos se anotó para obtener la matriz juicio de la capa de criterio
problema de destino no se compara con todos los factores, pero los dos se
para la capa de destino.
comparan entre sí, y las dificultades implicadas en la comparación de factores
con diferentes propiedades se comparan tanto como sea posible con el fin de
mejorar la precisión. Por ejemplo, teniendo la capa de destino en la Figura 5 (la
determinación del esquema de diseño óptimo) como el estándar, es más
importante para juzgar la racionalidad de la línea de circulación de la capa de 1 12 1
5 ]]]]]
criterio y el grado razonable del nivel adyacente. • •• es el resultado de la
• •• = [[[[[ (19)
comparación de la importancia del elemento • y el elemento •, y el grado de 2 1 13 5

importancia se asigna de acuerdo con la Tabla 9. La matriz formada por el 31

resultado de la comparación de dos pares que se llama la matriz de juicio. La
matriz juicio tiene las siguientes propiedades:

Del mismo modo, establecer la matriz de decisión de la capa de esquema

para la capa criterio [42, 53]. •1 •• indica la importancia del esquema • y el
esquema • relativa a la racionalidad de la línea de circulación capa criterio; •2 •• indica
la importancia del esquema • y el esquema • relativa a la racionalidad de la
capa de criterio; •3 •• indica la importancia del esquema •
• •• = 1 (18)
• ••
Los problemas matemáticos en Ingeniería 11

Tabla 10: Resultados de la jerárquicas solución única especie. matriz de Tabla 11: RI indicador de consistencia aleatorio media valor estándar. norte

juicio • •• •1 •• •2 •• •3 •• 1 2 3 4 5 6 7 8 9

máximo valor propio 3.004 6,489 6.351 6.146 RI 0 0 0.58 0.89 1.12 1.24 1.32 1.41 1.45

0,122 0,272 0,357 0,252

0,230 0,228 0,242 0,256 Tabla 12: Matriz de juicio de valor CR.

0,644 0,184 0,103 0,144

vector de características matriz de juicio • •• •1 •• •2 •• •3 ••
0,109 0,103 0,082
CR 0,003 0,079 0,057 0,024
0,130 0,105 0,171

0,078 0,091 0,096

(4) Clasificar jerárquico individual prueba de consistencia. Si es posible o no para

confirmar la orden jerárquico, es necesaria una comprobación de coherencia. Esta
y el esquema • en relación con la seguridad y la razonabilidad del compartimiento denominada comprobación de coherencia se refiere a la determinación de la gama
criterios. inconsistencia permisible para la matriz M. En este documento, el valor propio
distinto de cero único de la uniformmatrix de orden n es n y el valor propio más

112324112312 grande de la orden matriz recíproco positivo n-ésimo es M, si y sólo si M es un

[[[[[[[[[[[[[[[[ ]]]]]]]]]]]]]]]] uniformmatrix. El índice de consistencia definición •• es

12 1

2 1 2 3 2 13 1 •• = λ máx - • (21)
•1 •• = •-1
3 1 2 1 2 1 12 1 1
Teniendo en cuenta que la desviación de la consistencia puede ser

3 1 2 1 3 14 causado por uno de cualquier motivo aleatorio, al probar si la matriz juicio

1 tiene consistencia satisfactoria, también es necesario comparar la CI con el
21 211 31 índice de azar consistencia RI para obtener el coeficiente de prueba CR, y la
fórmula es como sigue:
1 2 4 3 5 2 12 1 2 3 4
[[[[[[[[[[[[[[[[[ ]]]]]]]]]]]]]]]]]
2 14 1
•• = •• (22)
••
211 2 1 2 13
•2 •• = (20) Generalmente, si CR <0,1, la judgmentmatrix se considera que pasar la
1
prueba de consistencia; de lo contrario, no hay consistencia satisfactoria. El índice
3 1 2 1 2 1 15 1
de consistencia aleatorio RI está relacionado con el orden de la matriz de juicio y el
orden de la matriz es generalmente más grande. La probabilidad de una desviación
411 2 1 3 12
1 aleatoria uniforme también es mayor, y la relación correspondiente se muestra en

21 211 31 la Tabla 11.

11331211232 Calcular el valor CR de cada matriz juicio accord- ing a la fórmula anterior,
[[[[[[[[[[[[[[[[ ]]]]]]]]]]]]]]]]
2 13 1 como se muestra en la Tabla 12.
Se puede ver de la Tabla 12 que el valor CR de cada matriz juicio es
menos de 0,1, lo que indica que la matriz de juicio establecido en este
2 1 2 1 2 13 1
documento es correcta.
•3 •• =
3 1 2 1 12 1 1 12
(5) La Orden total de la Jerarquía. Calcular el peso de todos los factores en
1 2 1 2 12 1 un cierto nivel de la importancia relativa de más alto nivel (objetivo total) se
denomina el orden total de la jerarquía. Este proceso se lleva a cabo, en
orden, desde el nivel más alto al más bajo nivel. El peso de cada factor en
2 1 2 1 12 1
la parte inferior se calcula según la siguiente fórmula:

(3) Hierarchical Ordenar individual. El vector propio correspondiente al valor

propio más grande λ máx de se normaliza la matriz de juicio (de modo que la suma
de los elementos en el vector es igual a 1) y se denota como ω. El elemento de ω es ••=• Σ •• ω• (• = 1, 2,..., •) (23)
el peso ordenamiento del mismo factor de nivel de la importancia relativa de un •=1

factor del factor de nivel anterior. Este proceso se denomina ordenamiento

jerárquico individual. El vector normalizado se establece en ω, el peso de cada dónde • • es el peso del factor i-ésimo • • de la capa de solución a la capa de
factor. Los resultados de la solución se muestran en la Tabla 10. destino factor de T. m, n es el número de capa de destino y de capa criterio
factores. • • es el peso del factor j-ésimo • • en la capa de criterio para el factor de
capa de destino A. ω •
12 Los problemas matemáticos en Ingeniería

Tabla 13: Hierarchical orden total.

capa Z •1 •2 •3
Z-capa de pedido total de capa de destino P
capa P 0,122 0,230 0,644

•1 0,272 0,357 0,252 0,277

•2 0,228 0,242 0,256 0,248

•3 0,184 0,103 0,144 0,138

•4 0,109 0,103 0,082 0,090

•5 0,130 0,105 0,171 0,150

•6 0,078 0,091 0,096 0,092

Tabla 14: Calcular los valores de los parámetros requeridos. matriz de En comparación con el simple uso de algoritmos inteligentes, el método de diseño integrado puede

con más precisión cuantitativa analizar y expresar la relación entre cada dispositivo y lo utilizan para
juicio •1 •2 •3
evaluar la solución producida por el algoritmo, lo que mejora la exactitud de la solución factible en
•• • 0,098 0,070 0,029 cierta medida. Por otro lado, hay relativamente pocos estudios sobre la aplicación del método SLP a
•• 0,122 0,230 0,644 la disposición de los equipos de cabina. Este documento ofrece algunas ideas para usar este

•• • 1.240 1.240 1.240 método para optimizar el diseño de los equipos de cabina. Al mismo tiempo, se introduce el método

de AHP en el nente eva- y selección de esquema de distribución del equipo. La idea es simple y

clara, y no hay necesidad de establecer el modelo matemático complejo. Es muy eficaz para el

es el peso del factor de capa de programa para el factor capa criterio • •. sistema de toma de decisiones multiobjetivo, y la información cuantitativa necesaria después de la

simplificación es simple y fácil de ser aceptado por los tomadores de decisiones. Mediante el análisis

De acuerdo con los pasos anteriores, el peso de cada factor en la capa de destino es de los factores subjetivos y difusos, el error del sistema se reduce y la corrección del esquema de

como se muestra en la Tabla 13. diseño seleccionado se puede garantizar en mayor medida. Por supuesto, el método de diseño

global que se propone en este texto todavía tiene algunas deficiencias en la expresión y limitaciones

(6) jerárquica total del pedido prueba de consistencia. En primer lugar, calcular el valor del modelo. La investigación adicional y la discusión se requieren con el fin de mejorar aún más la

CR de acuerdo con la siguiente fórmula: eficacia del método de diseño integrado. el método de diseño global que se propone en este texto

todavía tiene algunas deficiencias en la expresión y limitaciones del modelo. La investigación

adicional y la discusión se requieren con el fin de mejorar aún más la eficacia del método de diseño
• = 1 •• • • •)
•• = (Σ • (24) integrado. el método de diseño global que se propone en este texto todavía tiene algunas
(Σ • • = 1 •• • • •)
deficiencias en la expresión y limitaciones del modelo. La investigación adicional y la discusión se

requieren con el fin de mejorar aún más la eficacia del método de diseño integrado.
Los valores de los parámetros necesarios para resolver la ecuación anterior se pueden

obtener como se muestra en la Tabla 14.

Los datos de la Tabla 14 deben colocarse en la fórmula anterior con el fin

de obtener la relación de consistencia CR = 0,038 de la orden total de la
jerarquía, que es inferior a 0,1 [54].
Basado en el análisis anterior, de acuerdo con los pesos de los seis esquemas de
Disponibilidad de datos
la Tabla 13, la clasificación de los seis esquemas de disposición se puede obtener
como sigue: Esquema 1> Esquema 2> Esquema 5> Esquema 3> Esquema 6> Esquema
Los datos utilizados para apoyar las conclusiones de este estudio se incluyen
4. Por lo tanto, después del análisis AHP, Esquema 1 es la solución óptima entre los
dentro del artículo.
seis esquemas de diseño.

Conflictos de interés
6. Conclusiones
Los autores declaran que no tienen ningún conflicto de intereses.
En este trabajo, el problema del diseño óptimo de distribución del equipo
camarote de barco está resuelto. El método SLP se utiliza para analizar y
determinar la relación integral entre cada elemento del equipo. análi- sis
Contribuciones de los autores
fuerza la circulación es muy útil para los diseñadores para elegir el diseño
más eficaz de la maquinaria y equipo. Además del análisis de la intensidad de Jinghua Li y Hui Guo contribuyeron igualmente a este trabajo.
la circulación, también es importante analizar la ruta del personal cuando
entran en la cabina durante su trabajo, para facilitar el trabajo del personal.
Estos problemas no son considerados en el diseño tradicional configuración Expresiones de gratitud
de cabina. Al mismo tiempo, el algoritmo genético se utiliza para resolver el
modelo. Finalmente, el método AHP se utiliza para evaluar y optimizar el Esta investigación ha sido financiada por el Ministerio de Industria y Tecnología de
esquema y se obtiene un esquema de diseño más adecuado. información establecidos en los República Popular China [Subvención número 2.016.543] y
la Fundación Nacional de Ciencias Naturales de China [Subvención número 51679059].
Los problemas matemáticos en Ingeniería
referencias
[1] S.-Y. Kim, B.-Y. Luna y S.-C. Shin, “Criterio de evaluación de
diseño disposición de la maquinaria en una sala de máquinas barco” Diario de la Producción
de la nave, vol. 25, no. 3, pp. 117-125, 2009. [2] A. Kusiak y SS Heragu, “El problema
distribución de las instalaciones,”
European Journal of Operational Research, vol. 29, no. 3, pp. 229-
251, 1987.
[3] SS Heragu ANDA. Kusiak, “problema de diseño de la máquina en la flexibilidad
sistemas de fabricación” La investigación de operaciones, vol. 36, no. 2, pp. 258-268, 1988.
[4] H. Wiendahl P y P. Nyhuis, Planificación de las instalaciones, Springer Berlin
Heidelberg, 2014.
[5] RD Meiler y K.-Y. Gau, “El problema de distribución de la instalación:
tendencias y perspectivas recientes y emergentes” Diario de sistemas de fabricación, vol.
15, no. 5, pp 351-366, 1996. [6] Z. Liu y G. Yao, “distribución de las instalaciones Diseño:.
El pasado, el presente
y el futuro” Revista de la Universidad de Jiangsu de Ciencia y Tecnología, 2001.
[7] J. Balakrishnan y CH Cheng, “Una nota sobre“un genético híbrido
algoritmo para el problema de diseño dinámico planta”,” Revista Internacional de
Economía de la Producción, vol. 103, no. 1, pp. 87-89, 2006. [8] M.-J.Wang, MH Hu,
andM.-Y. Ku, “Una solución a la desigual
instalaciones de la zona problema de diseño por el algoritmo genético” Las computadoras en la
industria, vol. 56, no. 2, pp. 207-220, 2005.
[9] AR McKendall y J. Shang, “sistemas de hormigas Híbridos en el
dinámica problema de distribución de la instalación” Computadoras e Investigación Operativa, vol.
33, no. 3, pp. 790-803, 2006.
[10] H. Samarghandi, P. Taabayan, y FF Jahantigh, “Una partícula
optimización de enjambre para la fila solo problema distribución de las instalaciones,”
Computadoras e Ingeniería Industrial, vol. 58, no. 4, pp. 529-534,
2010.
[11] S. Kulturel-Konak y A. Konak, “Un nuevo compartimiento flexible relajado
representación de la estructura y la optimización de enjambre de partículas para el área desigual
distribución de las instalaciones problema” ción EngineeringOptimiza-, vol. 43, no. 12, pp.
1263-1287, 2011.
[12] H. Hosseini-Nasab y L. Emami, “Un enjambre de partículas híbrido
optimización para el problema de distribución de la instalación dinámica” Revista Internacional de
Investigación sobre la Producción, vol. 51, no. 14, pp. 4325-4335,
2013.
[13] R. Kothari y D. Ghosh, “Un algoritmo genético eficiente para
una hilera distribución de las instalaciones,” Cartas de optimización, vol. 8, no. 2, pp. 679-690, 2014.
[14] B. Naderi y B. Naderi, Un híbrido Multi-genética de la población
El algoritmo para el Fondo dinámico diseño problema, Elsevier Science
Publishers BV, 2014.
[15] N. Banduka, M. Mladineo, y M. Eric, “Diseño de un diseño
usando el software Schmigallamethod combinedwith herramienta vistable”
Revista Internacional de modelos de simulación, vol. 16, no. 3, pp. 375-385, 2017.
[16] M. Ficko y I. Palcic, “Diseño de un diseño utilizando la modificados
método del triángulo, y los algoritmos genéticos,” Revista Internacional de
modelos de simulación, vol. 12, no. 4, pp. 237-251, 2013. [17] YJ Xiao, Y. Zheng, LM
Zhang, y YH Kuo, “A combinarse
zona-LP y algoritmo de recocido simulado para-área desigual problema distribución
de las instalaciones,” Los avances en ingeniería y gestión de producción, vol. 11, no. 4,
pp. 259-270, 2016. [18] AI ¨
Olcer, C. Tuzcu, y O. Turan, “Una optimización multi-objetivo integrado
y difuso multi-atributiva grupo de toma de decisiones para la disposición
técnica de subdivisión de los buques Ro-Ro” Applied Soft Computing, vol. 6, no.
3, pp. 221-243, 2006.
13
[19] X. Luo, Y. Yang, Z. Ge, X. Wen, y F. Guan, “Maintainability-
distribución de las instalaciones basadas diseño óptimo de la cabina de la nave,” Inter- nacional
Revista de Investigación de Producción, vol. 53, no. 3, pp. 677-694,
2015.
[20] YLWang, C.Wang, Andy. Lin, “optimización configuración de cabina de la nave
diseño basado en el método de algoritmo genético mejorado,”
Mecánica Aplicada y Materiales, vol. 300-301, pp. 146-149,
2013.
[21] Y. Wang, C. Wang, Z. Ji, y X. Zhao, “Un estudio sobre inteligente
diseño de la disposición de la cabina de la nave,” La construcción naval de China, vol. 54, no.
3, pp. 139-146, 2013.
[22] K. Hauser y CH Chung, “algoritmos genéticos para la disposición
optimización en crossdocking operaciones de una planta de fabricación” Revista
Internacional de Investigación sobre la Producción, vol. 44, no.
21, págs. 4663 a 4680 de 2006.
[23] ZJ Gang, FE Min, y LZ Min, “Non solapado genética
algoritmo para el problema de diseño con las limitaciones de comportamiento,”
Revista de la Universidad de Tecnología de Dalian, vol. 39, no. 3, 1999. [24] F.
Ozcelik y AA Islier, “Generalización de unidireccional
bucle problema de diseño y solución mediante un algoritmo genético,”
Revista Internacional de Investigación sobre la Producción, vol. 49, no. 3, pp. 747-764,
2011. [25] KY Tam, “algoritmos genéticos,
optimización de la función,
y el diseño de distribución de la instalación” European Journal of Operational Research, vol.
63, no. 2, pp. 322-346, 1992. [26] ZX Liang, L. Yan, y JZ Shang, “diseño de la disposición de la
cabina de la nave
utilizando la teoría de juegos,” Revista de Ciencia y Tecnología Marina,
vol. 13, no. 4, pp. 446-454, 2008. [27] T.-K. Chien, “Un estudio empírico de la distribución de las
instalaciones utilizando una
modificado procedimiento SLP,” Diario de Gestión de Tecnología de Fabricación, vol.
15, no. 6, páginas 455-465, 2004. [28] DP Van Donk y G. Gaalman, “La seguridad
alimentaria e higiene.:
planificación de diseño sistemático de los procesos de alimentos” Inge- niería
química Investigación anddesign, vol. 82, no. 11, pp. 1485-1493, 2004. [29] K.-H. Liu,
S.-L. Hwang, M.-H. Hsieh, S.-F. Max Liang, y
C.-F. Chuang, “la planificación de diseño sistemático en la interfaz hombre-máquina: Una
evaluación de alarmdisplayswith proximidad espacial de los accidentes diagnóstico de
reactor de agua en ebullición avanzado”
Revista Internacional de Ergonomía Industrial, vol. 51, pp. 30-
42, 2016.
[30] GB Benitez, FS Fogliatto, RB Cardoso, FS Torres, CS
Faccin, y JM Dora, “Planificación Disposición sistemática de un irradiar logía zona de
notificación para optimizar el rendimiento de los radiólogos,”
Diario de procesamiento de imágenes digitales, vol. 31, no. 2, pp. 193-200, 2018. [31] HU
Yao, Z., Jiang, Z. Xiong et al., “El diseño optimizado
Diseño de tipo de volumen Barco Cabinas Basado en SLP y GA,”
Chinese Journal of Buque de Investigación, vol. 8, no. 5, pp. 19-26, 2013. [32]
EWL Cheng, H. Li, y DCK Ho, analítico Jerárquico
Proceso (AHP) [M] // Enciclopedia de Bioestadística, John Wiley & Sons, Ltd., 2016.
[33] Z. Gao, K. Yoshimoto, S. y Ohmori, “Aplicación de AHP /
DEA a la selección de distribución de la instalación “, en Actas de la 3ª
Conferencia Conjunta Internacional en Ciencias Computacionales y optimización,
CSO 2010: Desarrollo teórico y Engineer- ing Práctica, pp. 252-254, China, mayo
de 2010. [34] K. Zhou, Z. Du, B. Liu, R. Zhang, Y. Wang, y B. Wang,
“Estudio sobre el diseño de un taller compañía de motocicletas diseño basado en la
planificación sistemática (SLP),” en Actas de la Conferencia Interna- cional sobre
Procesamiento de Imágenes y Reconocimiento de Patrones en Ingeniería Industrial, Pp.
1683-1688, Sociedad Internacional para la Óptica y Fotónica, Xian, China, 2010.
 14 Los problemas matemáticos en Ingeniería

[35] Q.-L. Lin, H.-C. Liu, D.-J. Wang, y L. Liu, “Integración
planificación de diseño sistemático con la teoría de restricción borrosa para diseñar y optimizar
la distribución de las instalaciones para el funcionamiento de teatro en los hospitales” Diario de
fabricación inteligente, vol. 26, no. 1, pp. 87-95, 2013.
[36] SS Hosseini, SA Mirzapour, y KY Wong, “Mejora
problemas de distribución de la instalación de varios pisos utilizando la planificación
sistemática diseño y simulación” Comunicaciones en Informática y Ciencias de la Información, vol.
409, pp. 58-69, 2013.
[53] Z. Gao, K. Yoshimoto, S. y Ohmori, “Aplicación de
AHP / DEA para la selección distribución de la instalación,”en Actas de la Tercera
Conferencia Internacional Conjunta sobre Ciencias de la Computación y
optimización, IEEE Computer Society, 2010. [54] AHP Morice, IA Siegler, y BG
Bardy, “Acción-
patrones de percepción en el rebote pelota virtual: La lucha contra la latencia del sistema y
el seguimiento de validez funcional” Journal of Neuroscience Methods, vol. 169, no. 1, pp.
255-266, 2008.

[37] S. Xue, ZP Xu, H.Hong et al., “Aplicaciónde Disposición sistemática

La planificación de la producción Diseño de la tienda: Un estudio de caso,” Diario de Ingeniería

Industrial, 2011.

[38] Z.-R. Li, L. Qin, y Z.-Q. Cao, “Aplicación del método SLP en
diseño de las instalaciones de disposición en el taller” Mecánica Aplicada y Materiales, vol.
190-191, pp. 28-32, 2012. [39] Z. Zhihua, Introducción a la planta de energía marina, Harbin
Inge-
niería University Press, 2002. [40] Z. Shuwen, Principio y diseño de planta de
energía marina,
Nacional de la Industria de Defensa Press, 1980. [41] L. Jinming, Principio y diseño

de planta de energía marina,

Nacional de la Industria de Defensa Press, 2014. [42] L. Jianguang, Directrices para el

diseño de la Marina y Marina

Dispositivos de alimentación de ingeniería, HuazhongUniversity de Ciencia y Tecnología de Prensa
de 2010.

[43] KQ Zhou, RJ Zhang, JA Liu et al., “Aplicación de SLP a la

Diseño de la disposición del Taller en aMotorcycle Company” Diario de Ingeniería
Industrial, 2011.
[44] Y. Zheng y B. Zhan, “optimización de diseño basado en SLP de logis-
tics instalaciones del taller de Post Courier Huai'an,”en Actas de la 3ª Conferencia
Internacional sobre Información de Transporte y Seguridad, ICTIS 2015, pp. 848-851,
China, junio de 2015. [45] F. Azadivar y J. Wang, “optimización de distribución de la
instalación utilizando
simulación y algoritmos genéticos” Revista Internacional de Investigación sobre
la Producción, vol. 38, no. 17, pp. 4369-4383, 2000. [46] TD Mavridou y PM
Pardalos “, recocido simulado y
algoritmos genéticos para el problema de distribución de la instalación: una encuesta,”

Optimización y aplicaciones de cómputo, vol. 7, no. 1, pp. 111-126, 1997. [47] L.

Garc'ıa-Hern'
Andez, A. Ara' uzo-Azofra, H. Pierreval, y
L. Salas Morera, “Estructuras de codificación y operadores utilizados en la distribución de las
instalaciones Problemas con Algoritmos Genéticos”, en
Actas de la Novena Conferencia Internacional de 2009 sobre Diseño de Sistemas
Inteligentes y Aplicaciones, pp. 43-48, Pisa, Italia, noviembre de 2009.

[48] ​X. Liu y X. Li, “An genéticos mejorados algoritmos basados

Enfoque en la cadena de suministro-orientedFacility Sistema de Programación
Diseño,”en Actas del Congreso Mundial sobre Inteligente Automatización y control, IEEE
2006.

[49] R. Pinto, “Una herramienta Planificador de distribución de la instalación basada en genética

Algoritmos “, en Actas de la Inteligencia Computacional,

IEEE, 2016.

[50] RK Hasda, RK Bhattacharjya, y F. Bennis, “Modified

algoritmos genéticos para resolver problemas de diseño, instalación” Inter-
nacional Diario de Diseño Interactivo y Manufactura, vol.
11, no. 3, pp. 713-725, 2017.

[51] ZJ Jun, “Proceso FuzzyAnalytical Jerarquía,” Sistemas difusos y

Matemáticas, vol. 14, pp. 80-88, 2000.
[52] RH Chiu, LH Lin, y SC Ting, “Evaluación de Puerto Verde
Factores y rendimiento: un análisis AHP, Fuzzy” Matemáticamente problemas de cal en
Ingeniería, vol. 2014, no. 5, el artículo ID 802976, páginas 12, 2014.
Avances en Avances en Diario de
El World Diario de
La investigación de operaciones Ciencias de la Decisión Aplicada Scientific Diario Probabilidades y estadísticas
Hindawi www.hindawi.com Hindawi www.hindawi.com Hindawi www.hindawi.com Hindawi www.hindawi.com
Publishing Corporation http://www.hindawi.com Hindawi www.hindawi.com

volumen 2018 volumen 2018 volumen 2018 volumen 2018

2013 volumen 2018

Revista Internacional

de Matemáticas y

Ciencias

matemáticas

Diario de

Mejoramiento
Hindawi www.hindawi.com Hindawi www.hindawi.com

volumen 2018 volumen 2018

Ingeniería Matemática
Enviar sus manuscritos a las
www.hindawi.com

Revista Internacional de
ingeniería Revista Internacional de

Matemática Análisis
Hindawi www.hindawi.com Hindawi www.hindawi.com

volumen 2018 volumen 2018

Diario de Los avances

avances en laen los Los problemas matemáticos en Revista Internacional de Dinámica discretos en la
Análisis complejo Análisis
Nu numérico
Análisis merical Di? Ecuaciones diferenciales Naturaleza y Sociedad
Hindawi www.hindawi.com Hindawi www.hindawi.com Hindawi www.hindawi.com Hindawi www.hindawi.com Hindawi www.hindawi.com

volumen 2018 Volumen 2018 Volumen

2018 volumen 2018 volumen 2018 volumen 2018

Revista Internacional de Diario de Diario de Resumen Análisis y Avances en

Análisis estocástico Matemáticas Espacios de funciones Aplicada Física matemática
Hindawi www.hindawi.com Hindawi www.hindawi.com Hindawi www.hindawi.com Hindawi www.hindawi.com Hindawi www.hindawi.com

volumen 2018 volumen 2018 volumen 2018 volumen 2018 volumen 2018