中文摘要：

将数据驱动的理论和方法应用于调度领域，形成基于数据驱动的优化调度理论，解决调度数据的属性约简、调度知识表达和调度知识学习等问题，将取得的理论研究成果应用于多站点内河航运协调调度问题，解决内河航运协调调度中的调度规则不明确、调度模型难以建立、模型求解困难等难题。采用粗糙集理论对调度数据的数据属性进行约简，对提高数据的可存储性、节约存储空间、简化后续数据分析难度等有重要作用。采用反馈型人工神经网络对调度知识进行表达，充分利用人工神经网络处理非线性、大型问题上的优点。应用强化学习算法对调度知识的学习过程、效率等进行深入研究。理论研究成果应用于多站点内河航运协调调度问题，在应用问题研究中进一步对基于数据驱动的优化调度理论进行完善。本课题的理论研究成果可应用于其它调度领域，例如先进制造过程中的调度问题；应用研究成果可应用于三峡-葛洲坝的协调调度、类似的同一流域上有多个船闸的协调调度等。

结论摘要：

对基于数据驱动的调度理论及在多站点内河航运协调调度问题上的应用进行了深入研究。建立了船舶调度的模型，目标函数为运行费用最小和平均等待时间最小，约束条件包含时间约束和空间约束。提出基于数据驱动方法确定使目标函数达到最小的开闸次数，应用蚁群算法进行求解，得到详细的船舶排挡计划。进一步研究了基于数据的调度方法的收敛性，分析了该方法的误差来源于二个方面，分别为应用历史数据近似当前的到达船舶信息，和应用蚁群算法求解带来的误差。应用粗糙集理论对大量的船舶属性进行约简。利用串联排队理论研究了三峡-葛洲坝水利枢纽的联合调度问题，建立了三峡-葛洲坝水利枢纽船舶通航的联合调度模型，并应用串联排队理论求解该模型，能够加快三峡-葛洲坝水利枢纽调度计划的编排时间和编排效率，从而提高三峡-葛洲坝水利枢纽的通航能力。选择京杭大运河上苏北段的邵伯、淮安、淮阴三个船闸作为实例，进行多站点通航的研究，建立了多站点之间相互协调的调度模型，应用仿真优化的方法进行求解。本项目组成员在项目执行期间在国际期刊上发表SCI 收录论文3篇、EI收录论文8篇、其它论文4篇；另有2篇论文待发表。