考虑缓冲区容量的岸桥、AGV和堆场起重机集成调度

为了提高自动化集装箱码头装卸设备之间的协调程度和作业效率,针对码头卸船过程中岸桥、自动化导引车(automated guided vehicle,AGV)和堆场起重机的集成调度问题,考虑了堆场交接缓冲区的容量约束,以最小化卸船任务完工时间为目标,建立了考虑缓冲区容量约束的集成调度混合整数线性规划模型,确定各装卸设备作业序列并优化缓存位-任务的分配关系.设计了优先级偏随机密钥遗传算法和贪婪插入启发式对问题求解.实验结果验证了模型和算法的有效性,并得出适当的缓冲区容量能够缩短船舶在港时间,降低码头水平运输区域压力,提高AGV利用率.     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

基于仿真优化的自动化集装箱码头双ARMG调度研究

为了提高自动化集装箱码头的装卸作业效率,针对堆场箱区内双自动轨道式集装箱龙门起重机(ARMG)调度问题,在考虑ARMG之间协调性、缓存区容量限制的基础之上,以作业总时间最短和ARMG间的行驶距离之差最小为目标,建立双ARMG协调调度的混合整数规划模型,针对模型求解的复杂度,采用遗传算法与仿真相结合的方法对模型进行求解。算例分析表明:采用仿真优化方法使集装箱在中转区的等待时间远小于CPLEX算法,中转效率提高72%,大大提高了ARMG之间的作业的协调性,也为自动化集装箱码头的未来发展研究和提高港口的综合竞争力提供了重要参考。     

自动化集装箱码头多载AGV调度问题研究

多载AGV是一种自动化集装箱码头水平作业设备,它可以同时搬运多个集装箱,可缩小AGV流的规模,增大AGV的利用率.为了提高自动化集装箱码头的作业效率,考虑了垂岸式集装箱堆场布局,以最小化作业总费用为规划目标,以作业限制、时间窗长度、负载平衡等为约束条件,以事件驱动的调度策略为研究方法,建立了多载AGV调度问题的混合整数规划模型.同时利用GUROBI和遗传算法求解多载AGV的作业总费用和空载率,并与相同条件下单载AGV的作业总费用和空载率对比,验证了多载AGV的优越性.     

集装箱码头AGV调度优化

为了解决集装箱码头自动导航车AGV(Automatic Guided Vehide)调度优化问题,建立以无效最短时间为原则的数学模型,采用Netlogo软件模拟仿真,比较了“作业线”和“作业面”两种调度模式,验证所建立数学模型的合理性以及“作业面”调度模式的优越性.在验证实验模型的基础上进行了仿真实验的应用,通过假设,以运载900 TEU为例,设置车道数为2车道和3车道,以及岸桥与AGV的配比为1∶4,1∶5,1∶6时,对比分析不同模拟环境下AGV的等待率,实验结果是当车道数为3以及岸桥与AGV的配比为1∶6时,AGV的等待率为3.71%,为6种模拟情况中的最佳AGV和岸桥配置方式.该结果能够在一定程度上对自动化集装箱码头的调度作业提供参考和借鉴,提高自动化集装箱码头的作业流畅性,更好配合越来越大型化的集装箱船装卸作业,提升码头的作业效率和信息化水平,实施有效的作业管理.     

自动化集装箱码头AGV调度与换电双层模型求解

为降低自动化集装箱码头AGV换电问题对码头整体作业效率的影响,首先分析了AGV调度和换电的相互影响和内在联系.其次考虑AGV耗电差异和换电阈值等约束以最小化最终完工时间为目标建立AGV调度模型(上层模型),考虑换电站数量和排队等约束以最小化换电总时间为目标建立AGV换电模型(下层模型),并针对两者之间的双层耦合关系,设计换电需求和换电方案为公用变量进行解耦.最后使用自动化集装箱码头实际作业参数设计算例,分别采用GAMS求解器和遗传算法循环迭代求解.算例结果表明,双层耦合模型合理地决策了AGV调度和换电问题,换电排队时间控制在4 min之内,降低了AGV换电总时间和最终完工时间,提升了AGV利用率.     

单装单卸模式下集装箱装卸系统集成调度优化

从考虑三阶段作业的整体调度出发,对集装箱码头装卸设备调度进行集成优化,考虑了码头集装箱装卸作业中的设备的特点,以最小化系统所有集装箱作业的总完成时间（makespan）为目标函数,建立了一个混合整数规划模型.另一方面,考虑到大规模情况下不易求解的问题,以减少设备阻塞时间和空闲时间为目标,设计了基于岸桥阶段作业能力的轮廓适合启发式算法,求得集装箱码头集成调度问题的近最优解.通过数据实验,验证了算法的可行性和优越性.     

差分进化算法求解自动堆垛起重机调度问题

[目的]研究了自动化码头双自动堆垛起重机(Automatic stacking crane,ASC)调度问题,为了提高堆场的作业效率,考虑ASC作业过程中的干扰和冲突,以极小化所有作业的总完工时间为目标,建立自动化码头双ASC调度问题的混合整数规划模型.[方法]通过CPLEX求解器对模型进行求解.为了解决中等规模问题,设计了基于任务编码的离散差分进化算法进行求解,并把求解结果与遗传算法求解结果进行对比分析.[结果]所设计的离散差分进化算法能够在要求的时间内解决自动化码头双ASC调度问题;[结论]相较于遗传算法,本文提出的算法寻优能力更强.     

基于改进蚁群算法的集装箱装卸顺序优化研究

为缩短船舶在港时间,提高码头的作业效率,应用改进蚁群算法对集装箱装卸顺序的组合优化问题进行求解。首先结合柔性作业车间调度理论与集装箱装卸过程中船舶和岸桥的实际情形,建立集装箱装卸顺序调度模型;然后针对基本蚁群算法易出现早熟现象和收敛速度慢等问题,通过动态的改变信息素的挥发度与信息素强度,同时按照改进的信息素更新策略更新各路径的信息素,从而跳出局部最优;最后运用C#.NET语言对基于改进蚁群算法的集装箱装卸顺序问题进行仿真与步骤分析,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,能够对集装箱装卸顺序优化,缩短作业时间。     

集装箱码头集卡作业的路径选择

为合理使用集装箱码头的集卡资源,提高集装箱码头的装卸搬运作业效率,建立在作业面作业模式下,综合考虑岸桥作业时间、场桥作业时间的基于时间最短的集卡调度模型,并进行了数值仿真,旨在解决在不同船舶装船作业和卸船作业同时进行前提下集装箱码头集卡作业路径选择问题.结果表明,该模型很好地解决了集装箱码头集卡作业路径选择问题,提高了集装箱码头的作业效率.