1.一种基于扩散进化生成的港口泊位和岸桥分配方法，其特征在于，包括以下步骤：步骤1，对原图像进行加噪，生成训练数据；

步骤2，训练扩散模型；

步骤3，通过扩散模型生成甘特图，采用遗传算法完成对甘特图的辅助优化工作。

2.根据权利要求1所述的方法，其特征在于，步骤1包括：基于港口泊位和岸桥分配的历史规划方案得到可行甘特图 ，对可行甘特图 添加了一次噪声得到的噪声图为 ，在添加了一次噪声的噪声图 的基础上再次添加一次噪声得到的噪声图像为 ，重复T次后得到的噪声图像记为 ，将向可行甘特图 中添加噪声得到噪声图像 的过程记为，将向噪声图 中添加噪声得到噪声图 的过程记为 ，定义控制第一张噪声图像中噪声和原图像的比例系数为 ，控制第二张噪声图像中噪声和原图像的比例系数为 ，控制第t张噪声图像中噪声和原图像的比例系数为 ，且满足如下大小关系：，则对于从第t‑1代到第t代的加噪过程，有：

 （1），

其中， 表示对于噪声图像 生成的以 为均值， 为方

差的高斯分布，其中I为单位图像，t取值为1 T。

~

3.根据权利要求2所述的方法，其特征在于，步骤2包括：扩散模型的训练过程是使用一个神经网络去学习步骤1中的加噪过程的逆过程，设定神经网络具有参数 ，具有参数 的神经网络由图像 生成图像 的过程为 ，用数学公式表示为： （2），

其中， 是网络需要学习的均值， 是网络需要学习的方差，

表示对于中间噪声图像 生成的以 为均值，

为方差的高斯分布；

将 转化为如下形式：

 （3），

其中， 表示具有参数 的神经网络预测的噪声， 是中间参数，具体形式为1和比例系数 的差， 表示从 到 的累乘： （4），

 （5），

在学习过程中使用的损失函数为：

 （6），

其中 是服从标准正态分布的噪声，通过加噪过程中的独立性，得到： （7）。

4.根据权利要求3所述的方法，其特征在于，步骤3包括：在每一代获取由扩散模型生成的中间去噪图像，对中间去噪图像添加服从高斯分布的噪声得到NP张中间图像，此时NP就是遗传算法中的染色体种群大小；将NP张中间去噪图像进行图像展平操作，将二维矩阵转换成一维向量，此时所述一维向量中的元素是0 255的灰度值，将一维向量中的元素进行归~一化处理，压缩到0 1区间内，然后归一化处理后的一维向量当作染色体，进行遗传算法的~选择、交配、变异操作，并进行适应值评估，进行迭代后，获取最优染色体，将一维向量中的元素值乘以255变换到0 255区间内并进行四舍五入操作，再将所述一维向量按展平的逆过~程转换回二维矩阵，从而得到经过遗传算法辅助优化过的中间噪声图像。

5.根据权利要求4所述的方法，其特征在于，步骤3中，根据中间噪声图像，依据港口泊位和岸桥分配问题的数学约束，即停靠在岸边的船舶之间的间距 不小于安全距离 ，船舶的长度 满足 ，船舶停靠时间 满足 ，其中 表示船舶的最小长度， 表示船舶的最大长度， 表示船舶的最短停靠时间， 表示船舶的最长停靠时间，船舶数量为 ，得到与当前中间噪声图像最相近的甘特图，具体包括：步骤3‑1，设定当前扩散模型生成第s代中间噪声图像 ，首先针对该中间噪声图像中的灰度值进行归一化，即将灰度值从原先0 255的范围变换到0 1的范围，然后对灰度值~ ~进行四舍五入操作将灰度值变换成只有0和1的形式，接着依次遍历图像中所有像素点，在遍历到第一个灰度为0的像素点时开始统计所述像素点所在的灰度值为0的区域的大小，区域沿水平方向的长度为时间长度，沿垂直方向的长度为占用岸线长度，如果所述区域的形状是不规则的，则先通过对所述区域周围的灰度值为1的像素点灰度值赋0的操作将区域转变成规则的矩形，然后将统计得到的时间长度、占用岸线长度和矩形个数与所述问题的数学约束进行比较，其中矩形的长对应停靠时间，矩形的宽对应船舶长度，矩形个数对应船舶数量，如果大小不符合问题约束范围，则对矩形大小进一步修正，如果矩形的长或宽超过了约束范围，则在对应超出约束范围的方向上将区域边缘的灰度值从0赋值成1；如果矩形的长或宽没达到约束范围，则在对应未达到约束范围的方向上将区域边缘的灰度值从1赋值成0；此外对新得到的只有0、1灰度值的图像，针对其中0灰度值代表的矩形块之间的距离进行统计并与问题约束进行比较，如果小于约束条件则先计算当前间隔到符合约束条件的最小值之间的差值，然后将离原点更远的那个矩形在小于约束条件的方向上整体向外平移差值大小的距离，并重新统计所有矩形块之间的距离，如果还有矩形块之间的距离小于约束条件则重复步骤3‑1；

步骤3‑2，在调整完所有矩形之后再将图像的0、1灰度值转换回0、255灰度值，从而得到与当前第s代中间噪声图像最相近的甘特图 ，将甘特图 展平并归一化灰度值后得到的一维向量为 ，一维向量 的第i个元素为 ，通过如下公式定义适应值评估函数： （8），

其中 是输入到评估函数中的中间噪声图像经展平和灰度值归一化操作后得到的向量的第i个元素；优化目标就是最小化适应值评估函数 。

6.根据权利要求5所述的方法，其特征在于，步骤3中，所述遗传算法的选择操作是通过轮盘赌算法来完成的，包括如下步骤：步骤3‑3，首先根据群体中的每个染色体的适应值得到群体所有染色体的适应值总和，并分别计算每个染色体适应值与群体适应值总和的比，设第j个染色体的适应值与适应值总和的比为 ，模拟共分为NP个扇形区域的轮盘在转动的过程中指针扫过的过程，每扫过一个区域，就将 累加到累加值 上，直到 大于随机生成的(0,1)之间随机数时，将对应的j输出，从而选择出了一个染色体；

步骤3‑4，重复步骤3‑2共NP次，就选择出了下一代的染色体种群。

7.根据权利要求6所述的方法，其特征在于，步骤3中，所述遗传算法的交叉操作采用单点交叉操作，对于每个染色体，生成一个随机数r，将随机数r与事先定好的交配概率 进行比较，如果r大于 则对染色体不进行交配操作，否则进行如下交配操作：对每两个染色体，在染色体上随机选择一个点A1，将染色体上该点A1之后的所有基因片段与另一个染色体的进行交换。

8.根据权利要求7所述的方法，其特征在于，步骤3中，所述遗传算法的变异操作是对于每个染色体上的每个基因生成一个随机数r，将随机数r与事先定好的变异概率 进行比较，如果随机数r大于变异概率 则不进行变异操作，否则对于基因进行突变，突变值选定为0 1之间的随机数。

~

9.一种采用如权利要求1 8任一项所述的方法实现的基于扩散进化生成的港口泊位和~岸桥分配系统，其特征在于， 包括加噪模块、训练模块和优化模块；

所述加噪模块用于对原图像进行加噪，生成训练数据；

所述训练模块用于训练扩散模型；

所述优化模块通过扩散模型生成甘特图，采用遗传算法完成对甘特图的辅助优化工作。

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述的方法的步骤。