基于遗传算法的北极东北航线多目标航速优化方法及装置

摘要

本发明提供了一种基于遗传算法的北极东北航线多目标航速优化方法及装置，其方法包括：构建符合北极东北航线的环境干扰阻力模型；基于北极东北航线的航行特征建立航行相关参数，基于所述航行相关参数建立多目标优化函数并确定约束条件；根据所述多目标优化函数和约束条件，并基于遗传算法，构建多目标航速优化模型；获取船舶各航段的航行数据，并基于所述多目标航速优化的模型对各航段的航行数据进行计算，得到各航段的优化航速。本发明提供的基于遗传算法的北极东北航线多目标航速优化模型通过计算北极东北航线的船舶航行总航程的航运最低成本及航行最短时间，能够满足减排背景下的航运企业对于降低成本缩短航运周期的需求。

说明书

技术领域

本发明涉及船舶航行检测领域，具体涉及一种基于遗传算法的北极东北航线多目标航速优化方法及装置。

背景技术

北极东北航线以其独特的地理优势自21世纪初成为航运界关注的焦点，北极东北航线作为近年来的热点航线，由于北极地区特殊的地理位置还没有较多的研究用于该区域，同时基于北极东北航线的航速优化研究也甚少。现在常用的航速优化方法有交通流建模法、网络优化模型法、逼近理性解排序法等，这些方法的模型与公式清晰易懂，使用起来非常方便。

但北极地区有着不同于其他水域的环境影响，航行于该区域的船舶要时刻警惕海冰威胁。为应对海冰威胁，北极东北航线需要在一些航段引入破冰船以保障船舶安全通行，上述方法大多通过专家评价法获得，这使得这些方法在一定程度上有失客观性，特别是对于海冰以及破冰船引入所带来的影响很难通过评价方式来定量估计，并且对于优化过程中的各项参数也很难得到量化。

综上，现有技术中缺乏针对北极东北航线的航速优化问题的相关研究，导致船舶在北极东北航线的航行难以实现船速、运营成本以及运营时间之间的平衡。

发明内容

有鉴于此，有必要提供一种基于遗传算法的北极东北航线多目标航速优化方法及装置，解决现有技术中由于缺乏针对北极东北航线的航速优化问题的相关研究，导致船舶在北极东北航线的航行难以实现船速、运营成本以及运营时间之间的平衡的技术问题。

为了解决上述技术问题，一方面，本发明提供了一种基于遗传算法的北极东北航线多目标航速优化方法，包括：

构建符合北极东北航线的环境干扰阻力模型；

基于北极东北航线的航行特征建立航行相关参数，基于所述航行相关参数建立多目标优化函数并确定约束条件；

根据所述多目标优化函数和约束条件，并基于遗传算法，构建多目标航速优化模型；

获取船舶各航段的航行数据，并基于所述多目标航速优化模型对各航段的航行数据进行计算，得到各航段的优化航速。

在一些可能的实现方式中，所述环境干扰阻力模型包括风力干扰模型、波浪干扰力模型以及海冰干扰力模型；

其中，风力干扰模型，表示为：

式中：Fw 为风干扰力；Kw为风压系数；At为船舶水线面以上的正投影面积；ρa为空气的密度；vrw为船舶相对风的速度；

波浪干扰力模型，表示为：

式中:F

海冰干扰力模型，表示为：

式中：Fi为碎冰阻力；fr为傅汝德数；W为船宽；Hi为冰厚度；In为海冰密集度的n次幂；ρi冰密度；g为重力加速度；vr为船舶实际航速。

在一些可能的实现方式中，所述基于北极东北航线的航行特征建立航行相关参数，包括：

根据北极东北航线的航线特征确定总航程的费用相关参数、船舶航行相关参数信息和各航段信息相关参数；

其中，所述各航段信息相关参数包括：硫排放管制区外航段信息相关参数和硫排放管制区内航段信息相关参数，和/或，有冰航段信息相关参数。

在一些可能的实现方式中，所述基于所述航行相关参数建立多目标优化函数，包括：

根据所述总航程的费用相关参数建立总航运成本目标函数：

C=C

其中，C为总航运成本，C

根据所述船舶航行相关参数信息和各航段信息相关参数建立总航行时间目标函数：

其中，T为总航行时间，i为航段数，

在一些可能的实现方式中，确定所述约束条件，包括：

以航运最低成本以及航行最短时间为第一约束条件；

以在总航程中硫排放管制区外航程相对硫排放管制区内航程比率最大，同时在总航程中确保硫排放管制区外航程最小的航行线路为第二约束条件；

以船舶破冰航行航速不超过航段安全航速为第三约束条件；

以总航程的总航段数量为正整数为第四约束条件。

在一些可能的实现方式中，所述基于所述多目标优化函数和约束条件构建多目标航速优化的遗传算法，包括：

初始化种群：确定个体编码为实数编码方式，设定种群数量、最大迭代次数、交叉概率、变异概率；

建立适应度函数：根据所述总航运成本目标函数和总航行时间计算对应的航运成本以及航行时间的目标值；

选择个体：比较同一代个体之间的适应度值，去除适应度低的个体保留适应度高的个体进入下一代循环；

交叉：随机选用父代的两条实数编码染色体进行交叉操作；

变异：选择实数编码染色体的上表示船舶航速的基因进行单体变异；

输出：输出满足预设迭代次数的最优结果，并以最优结果确定多目标航速优化模型。

在一些可能的实现方式中，所述各航段的优化航速满足船舶在总航程的航运最低成本及航行最短时间。

另一方面，本发明还提供了一种基于遗传算法的北极东北航线多目标航速优化装置，包括：

干扰模型建立模块，用于构建符合北极东北航线的环境干扰阻力模型；

优化函数建立模块，用于基于北极东北航线的航行特征建立航行相关参数，基于所述航行相关参数建立多目标优化函数并确定约束条件；

遗传算法构建模块，根据所述多目标优化函数和约束条件，并基于遗传算法，构建多目标航速优化模型；

优化航速计算模块，用于获取船舶各航段的航行数据，并基于所述多目标航速优化模型对各航段的航行数据进行计算，得到各航段的优化航速。

另一方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现上述实现方式中所述的基于遗传算法的北极东北航线多目标航速优化方法。

最后，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现上述实现方式中所述的基于遗传算法的北极东北航线多目标航速优化方法。

采用上述实施例的有益效果是：本发明提供的基于遗传算法的北极东北航线多目标航速优化方法，首先通过建立符合北极东北航线的环境干扰阻力模型，确定多个环境干扰因素，再确定船舶航行相关参数并建立目标优化函数确定约束条件，通过遗传算法建立同时考虑航运成本和航行时间的航速多目标优化模型，计算北极东北航线的船舶航行总航程的航运最低成本及航行最短时间，通过将包含北极东北航线航行特征的多元参数结合构建的多目标优化模型，对船舶航行总航程中各航段的航速进行优化，实现运营成本以及运营时间之间的平衡，能够满足减排背景下的航运企业对于降低成本缩短航运周期的需求。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的基于遗传算法的北极东北航线多目标航速优化方法一实施例的流程示意图；

图2为本发明提供的多目标航速优化遗传算法一实施例的流程示意图；

图3为本发明提供的基于遗传算法的北极东北航线多目标航速优化装置一实施例的结构示意图；

图4为本发明提供的电子设备一实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，示意性的附图并未按实物比例绘制。本发明中使用的流程图示出了根据本发明的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本发明内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

对具体的实施例进行描述之前，对本发明的背景技术及发明构思进行描述：

现在常用的航速优化方法有交通流建模法、网络优化模型法、逼近理性解排序法等，这些方法的模型与公式清晰易懂，使用起来非常方便。北极地区有着不同于其他水域的环境影响，航行于该区域的船舶要时刻警惕海冰威胁。为应对海冰威胁，北极东北航线需要在一些航段引入破冰船以保障船舶安全通行，这显然会对船舶营运成本造成较大影响。上述方法大多通过专家评价法获得，这使得这些方法在一定程度上有失客观性，特别是对于海冰以及破冰船引入所带来的影响很难通过评价方式来定量估计，并且对于优化过程中的各项参数也很难得到量化。本篇发明中借用多目标优化的理念，使用遗传算法考虑政策、环境等参数对我国北极东北航线上的主航船舶进行航速优化。

而遗传算法可以很好地综合北极东北航线上的风力干扰影响、波浪干扰影响、海冰干扰影响，建立同时考虑航运成本和航行时间的航速多目标优化模型，以满足减排背景下的航运企业对于降低成本缩短航运周期的需求，并能更好地推进我国在中欧北极东北航线的营运优势。

综上，北极东北航线作为近年来的热点航线，由于北极地区特殊的地理位置还没有较多的研究用于该区域，同时基于北极东北航线的航速优化研究也甚少，但由于北极所处环境的特殊性与复杂性，针对北极东北航线航速优化有以下突出困难。

(1)一般而言的船速优化模型对于气象因素主要考虑风力干扰影响和波浪干扰影响，但由于北极所处地理位置的特殊性，该优化模型需要引入海冰干扰影响这一概念。

(2)该优化模型所需目标函数需要对船舶航行过程中的各项指标拟定适量并且足够的参数。

(3)庞大的优化计算过程依托于遗传算法。然而，优化的结果是否理想取决于算法中对“种群数量”、“种群代数”、“交叉概率”以及“变异概率”的选取密切相关。比如代数选择过多会造成算法运算时间过长，代数选择过少则会使得优化结果不够理想。其余三个变量的选取同样影响优化结果的理想性。

因此发明要解决的问题就是提供一种可以在北极地区适用的多目标优化模型，并基于遗传算法的结果对船舶平均航速进行规划，形成在兼顾排放政策并且平均船速变化不大的前提下可以大幅的减少营运成本。北极东北航线作为新航线，还有很多相关研究没有投入到该地区，本片发明可为北极航行减排、降低航运成本上提供技术支持。

以下分别对具体实施例进行详细说明，需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本发明实施例提供了一种基于遗传算法的北极东北航线多目标航速优化方法及装置。

如图1所示，图1为本发明提供的基于遗传算法的北极东北航线多目标航速优化方法一实施例的流程示意图，该基于遗传算法的北极东北航线多目标航速优化方法包括：

S101、构建符合北极东北航线的环境干扰阻力模型；

S102、基于北极东北航线的航行特征建立航行相关参数，基于所述航行相关参数建立多目标优化函数并确定约束条件；

S103、根据所述多目标优化函数和约束条件，并基于遗传算法，构建多目标航速优化模型；

S104、获取船舶各航段的航行数据，并基于所述多目标航速优化模型各航段的航行数据进行计算，得到各航段的优化航速。

与现有技术相比，本发明提供的基于遗传算法的北极东北航线多目标航速优化方法，首先通过建立符合北极东北航线的环境干扰阻力模型，确定多个环境干扰因素，再确定船舶航行相关参数并建立目标优化函数确定约束条件，通过遗传算法建立同时考虑航运成本和航行时间的航速多目标优化模型，计算北极东北航线的船舶航行总航程的航运最低成本及航行最短时间，通过将包含北极东北航线航行特征的多元参数结合构建的多目标优化模型，对船舶航行总航程中各航段的航速进行优化，实现运营成本以及运营时间之间的平衡，能够满足减排背景下的航运企业对于降低成本缩短航运周期的需求。

在本发明的一些实施例中，步骤S101中，环境干扰阻力模型，包括：

风力干扰模型，表示为：

式中：Fw 为风干扰力；Kw为风压系数；At为船舶水线面以上的正投影面积；ρa为空气的密度；vrw为船舶相对风的速度；

波浪干扰力模型，表示为：

式中:F

海冰干扰力模型，表示为：

式中：Fi为碎冰阻力；fr为傅汝德数；W为船宽；Hi为冰厚度；In为海冰密集度的n次幂；ρi冰密度；g为重力加速度；vr为船舶实际航速。

需要说明的是，船舶在北极东北航线航行时会受到海浪、海冰、大雾、海风等环境干扰力的影响，从而航行速度和燃油消耗受到影响。为简化计算程度，本文考虑风干扰力、波浪干扰力、海冰干扰力等3种会对航速直接产生较大影响的常见环境干扰力，建立相应的环境干扰力模型。且在海冰干扰力模型中，对于不同的船舶种类n的取值有所不同，根据实践所得n=2的时候所的结果误差值最小，最符合冰区航行的实际情况。

进一步地，在本发明的一些实施例中，步骤S102中，所述基于北极东北航线的航行特征建立航行相关参数，包括：

根据北极东北航线的航线特征确定总航程的费用相关参数、船舶航行相关参数信息和各航段信息相关参数；

其中，所述各航段信息相关参数包括：硫排放管制区外航段信息相关参数和硫排放管制区内航段信息相关参数，和/或,有冰航段信息相关参数。

基于所述航行相关参数建立多目标优化函数，包括：

根据所述总航程的费用相关参数建立总航运成本目标函数：

C=C

其中，C为总航运成本，C

根据所述船舶航行相关参数信息和各航段信息相关参数建立总航行时间目标函数：

其中，T为总航行时间，i为航段数，

其中，确定目标函数的约束条件，包括：

以航运最低成本以及航行最短时间为第一约束条件；

以在总航程中硫排放管制区外航程相对硫排放管制区内航程比率最大，同时在总航程中确保硫排放管制区外航程最小的航行线路为第二约束条件；

以船舶破冰航行航速不超过航段安全航速为第三约束条件；

以总航程的总航段数量为正整数为第四约束条件。

在本发明具体的实施例中，首先，将航线总航程分为所有区段航程S

表1 参数含义表

表1中，MGO代表船用轻柴油，LSFO代表低硫燃料油，SECA代表硫排放管制区。

需要说明的是，冰区航程可能会与硫排放管制区外航程以及硫排放管制区内航程重合，其中，冰区航程需要破冰航行，会产生额外的破冰费用，而在硫排放管制区内的航程需使用低硫燃料油（LSFO），使得船舶在该航程内的排放符合该区域的政策。

基于北极东北航线的航行相关参数建立多目标优化函数并确定约束条件，确定各参数之间的关系，其关系如下：

总航运成本目标函数：

C=C

总航运时间目标函数：

机输出功率：

燃油费：

Cl=Cl,s+Cl,o

其中，Cl,s为硫排放管制区内燃油费，Cl,o为硫排放管制外燃油费。

碳税：

CCO2=δQCO2

其中，QCO2为船舶在硫排放管制区内外CO2排放总量，即

固定成本：

Cf=Cf’T

其中，Cf’为每天的固定成本，美元/h。

破冰费：

其中，Cb’为单位时间破冰费，美元/h。

约束条件为：

min C（1）

min T（2）

i=1,2,...,n（5）

n∈Z+（6）

其中，（1）~（2）式表示该模型求取过程中求解目标是寻找航运最低成本以及航行最短时间，即第一约束条件；（3）式为硫排放管制区内外航速关系约束，寻求总航程中硫排放管制区外航程相对硫排放管制区内航程比率最大，同时在总航程中确保硫排放管制区外航程最小的航行线路，即第二约束条件；（4）式是针对需要破冰的复杂航段，目的是保证航行安全，航速不应该超过该航段安全航速，即第三约束条件；（5）~（6）式为总行段数量约束条件并保证航段数量为正整数，即第四约束条件。

进一步地，在本发明的一些实施例中，步骤S103中，基于所述多目标优化函数和约束条件构建多目标航速优化的遗传算法，包括：

初始化种群：确定个体编码为实数编码方式，设定种群数量、最大迭代次数、交叉概率、变异概率；

建立适应度函数：根据所述总航运成本目标函数和总航行时间计算对应的航运成本以及航行时间的目标值；

选择个体：比较同一代个体之间的适应度值，去除适应度低的个体保留适应度高的个体进入下一代循环；

交叉：随机选用父代的两条实数编码染色体进行交叉操作；

变异：选择实数编码染色体的上表示船舶航速的基因进行单体变异；

输出：输出满足预设迭代次数的最优结果，并以最优结果确定多目标航速优化模型。

在本发明具体的实施例中，如图2所示，图2为本发明提供的多目标航速优化遗传算法一实施例的流程示意图；

多目标航速优化的遗传算法建立过程中，优化的结果是否理想取决于算法中对“种群数量”、“种群代数”、“交叉概率”以及“变异概率”的选取密切相关。比如代数选择过多会造成算法运算时间过长，代数选择过少则会使得优化结果不够理想。在本实施例中种群初始化时，个体编码为实数编码方式，种群数量设置为200，最大迭代次数设置为500、交叉概率设置为0.8，变异概率设置为0.01。

进一步地，在本发明具体的实施例中，在步骤S104中，在完成对参数模型构建以及算法撰写步骤之后，需要对具体案例进行优化演练。具体过程需要采集船长、船宽、船舶吃水、以及总吨等船舶参数，根据航行路线将其分为合适的若干个航段，通过查询获取各航段气象数据。将收集的各航段气象数据、海冰数据、SECA边界信息、航线数据、MGO与LSFO市场价格数据。

需要说明的是，波浪干扰力模型中海浪设定为标准海浪，波长选取0.8倍船长以计算得出波向角,由于海浪和海冰之间相互作用是动态且十分复杂，为简化计算，在收集到航段信息中有冰航段只考虑海冰干扰力和风干扰力。将各项数据代入算法即可得到在第一次迭代下的航速优化结果。

本发明实施例中，将多元优化的概念运用于北极东北航线，实现了优化过程中各项参数的量化，在模型构建过程中对于例如海冰这样传统方法难以考虑的环境因素能够先建立公式进而细化带入所需研究航段进行算法计算，这相比于传统航速优化引入过多主管决策引入遗传算法对数据进行处理更加客观可靠。本篇发明创新的将遗传算法与船舶多目标航速优化相结合，预期为在北极东北航线上航行船舶降低运营成本的同时减少船舶排放，为北极地区提供出一套新的研究思路。

为了更好实施本发明实施例中的基于遗传算法的北极东北航线多目标航速优化方法，在基于遗传算法的北极东北航线多目标航速优化方法的基础之上，对应的，本发明实施例还提供了一种基于遗传算法的北极东北航线多目标航速优化装置，如图3所示，基于遗传算法的北极东北航线多目标航速优化装置300包括：

干扰模型建立模块，用于构建符合北极东北航线的环境干扰阻力模型；

优化函数建立模块，用于基于北极东北航线的航行特征建立航行相关参数，基于所述航行相关参数建立多目标优化函数并确定约束条件；

遗传算法构建模块，用于根据所述多目标优化函数和约束条件，并基于遗传算法，构建多目标航速优化模型；

优化航速计算模块，用于获取船舶各航段的航行数据，并基于所述多目标航速优化模型对各航段的航行数据进行计算，得到各航段的优化航速。

上述实施例提供的基于遗传算法的北极东北航线多目标航速优化装置300可实现上述基于遗传算法的北极东北航线多目标航速优化方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述基于遗传算法的北极东北航线多目标航速优化方法实施例中的相应内容，此处不再赘述。

如图4所示，本发明还相应提供了一种电子设备400。该电子设备400包括处理器401、存储器402及显示器403。图3仅示出了电子设备400的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

处理器401在一些实施例中可以是一中央处理器（Central Processing Unit，CPU），微处理器或其他数据处理芯片，用于运行存储器402中存储的程序代码或处理数据，例如本发明中的基于遗传算法的北极东北航线多目标航速优化程序。

在一些实施例中，处理器401可以是单个服务器或服务器组。服务器组可为集中式或分布式的。在一些实施例中，处理器401可为本地的或远程的。在一些实施例中，处理器401可实施于云平台。在一实施例中，云平台可包括私有云、公共云、混合云、社区云、分布式云、内部间、多重云等，或以上的任意组合。

存储器402在一些实施例中可以是电子设备400的内部存储单元，例如电子设备400的硬盘或内存。存储器402在另一些实施例中也可以是电子设备400的外部存储设备，例如电子设备400上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。

进一步地，存储器402还可既包括电子设备400的内部储存单元也包括外部存储设备。存储器402用于存储安装电子设备400的应用软件及各类数据。

显示器403在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。显示器403用于显示在电子设备400的信息以及用于显示可视化的用户界面。电子设备400的部件401-403通过系统总线相互通信。

在一实施例中，当处理器401执行存储器402中的基于遗传算法的北极东北航线多目标航速优化程序时，可实现以下步骤：

构建符合北极东北航线的环境干扰阻力模型；

基于北极东北航线的航行特征建立航行相关参数，基于所述航行相关参数建立多目标优化函数并确定约束条件；

基于所述多目标优化函数和约束条件构建多目标航速优化的遗传算法；

获取船舶各航段的航行数据，并基于所述多目标航速优化的遗传算法对各航段的航行数据进行计算，得到各航段的优化航速。

应当理解的是：处理器401在执行存储器402中的基于遗传算法的北极东北航线多目标航速优化程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面相应方法实施例的描述。

进一步地，本发明实施例对提及的电子设备400的类型不做具体限定，电子设备400可以为手机、平板电脑、个人数字助理(personal digital assistant，PDA)、可穿戴设备、膝上型计算机(laptop)等便携式电子设备。便携式电子设备的示例性实施例包括但不限于搭载IOS、android、microsoft或者其他操作系统的便携式电子设备。上述便携式电子设备也可以是其他便携式电子设备，诸如具有触敏表面(例如触控面板)的膝上型计算机(laptop)等。还应当理解的是，在本发明其他一些实施例中，电子设备400也可以不是便携式电子设备，而是具有触敏表面(例如触控面板)的台式计算机。

相应地，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质用于存储计算机可读取的程序或指令，程序或指令被处理器执行时，能够实现上述各方法实施例提供的基于遗传算法的北极东北航线多目标航速优化方法中的步骤或功能。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件（如处理器，控制器等）来完成，计算机程序可存储于计算机可读存储介质中。其中，计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上对本发明所提供一种基于遗传算法的北极东北航线多目标航速优化、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。