具有服务优先级别的动态离散泊位调度优化

研究具有不同服务优先级别的船舶动态到达情形下的离散泊位调度问题.以泊位分派和船舶作业开始时间为决策变量,为优化码头作业效率和船公司客户满意度,以最小化船舶总在港时间与加权延迟时间之和为目标建立数学模型.采用基于修改后的先到先服务等规则的启发式算法生成初始解,以此为基础设计结合禁忌深度搜索和模拟退火算法框架的混合算法对问题进行优化求解.不同问题规模下的数据仿真试验表明,该算法可以快速、有效地解决此类问题.     

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。     

集装箱码头泊位与岸桥协调调度优化

为缩短船舶在港停留时间,提出以船舶在港时间最小为目标的泊位与岸桥协调调度优化方法.对泊位调度与岸桥分配这两个相互关联的问题进行系统分析与集成,基于免疫遗传算法对所建模型进行相应的算法开发.对某港集装箱码头的数值仿真实验表明,泊位与岸桥协调调度比单独调度可更有效提高集装箱码头的装卸效率,减少船舶在港时间.     

基于粒子群算法的泊位分配集成优化研究

泊位分配直接影响着港口船舶的进港靠泊时间和作业效率.为获得合理的集装箱码头泊位分配计划,建立了以最小化船舶在港时间和码头运营成本的集成优化模型,并应用粒子群算法进行求解.通过与Gurobi软件求解结果进行对比,发现在求解大规模的船舶调度问题时,粒子群算法在求解时间上比Gurobi更有效.     

随机环境下连续泊位和岸桥集成分配问题研究

泊位和岸桥是集装箱港口非常最要的资源,对随机环境下连续泊位和岸桥进行合理的分派与调度可以有效地提高作业效率。考虑连续泊位上船舶离港延时惩罚、偏好泊位的影响,以最小化船舶总在港时间为目标,建立连续泊位和岸桥的集成分配模型。采用VC++开发仿真程序,以邻域搜索的重调度算法对模型进行求解。考虑船舶抵港时间和装卸时间具有一定的随机性,在最优解的基础上进行随机波动分析。实验结果显示,当抵港时间发生波动时,船舶靠泊计划的最大偏差值为2.7 h;而当装卸时间发生波动时,船舶靠泊计划的最大偏差值为42.9 h。实验表明,由装卸时间波动导致的船舶总在港时间偏差远大于由抵港时间波动导致的偏差,从而为船舶抵港与装卸不确定环境下的船舶靠泊计划制定提供理论依据。     

不规则型泊位与岸桥集成分配问题的优化建模和算法研究

泊位和岸桥作为港口的有限资源，对其进行优化分配有利于提高港口的作业效率，加快船舶的离港时间.由于地理条件的限制，一些港口的泊位线不呈一条直线型，而是呈“L”或“F”等形状，岸桥无法在这些不连续的泊位线上自由移动，该类泊位无法按照连续型泊位分配问题进行优化，而按照离散泊位进行优化会极大浪费泊位线的空间.本文针对不规则型泊位和岸桥集成分配问题，根据船舶停靠的相对位置和时间建立了线性规划数学模型，结合问题特性和变量关系，提炼出三个有效不等式，并采用CPLEX软件对加入不等式前后的模型分别进行求解.针对问题规模增加后，CPLEX求解时间较长的问题，本文采用了粒子群算法进行求解，并提出具有随机搜索策略的速度更新方式，避免算法陷入局部最优.实验结果表明，加入有效不等式后，模型的求解时间降低了83.39%;改进的粒子群算法比标准粒子群算法获得的优化解降低了25.21%.     

抵港时间不确定的多目标泊位-岸桥分配

针对不确定性因素造成的船舶提前或延迟到港的问题,考虑船舶抵港时间不确定性,建立以船舶在港时间和港口装卸成本最小化为目标的泊位-岸桥分配非线性混合整数多目标规划模型,利用优化技术处理非线性多目标问题.研究结果表明:模型能有效减少船舶抵港时间不确定性对港口运营造成的损失,优化船舶装卸操作成本和船舶在港作业时间,为集装箱码头提供了更合理的解决方案.     

基于神经网络的图形化泊位分配系统研究

结合集装箱码头公司的实际生产情况,探讨了神经网络技术用于船舶在港时间的预测,并论述了自动泊位分配的算法设计和计算机泊位分配系统的实现。     

基于改进蚁群算法的船舶主尺度优化

在基本蚁群算法(ACA)基础上重构解空间,并加入混沌映射机制得到改进蚁群算法(IACA).分别用该方法和基本蚁群算法求解同一船舶主尺度(船长、船宽、吃水、型深等)优化问题,并与混沌优化的结果进行对比,结果表明改进蚁群算法搜索效率更高,全局优化稳定性更强.在此基础上,就改进蚁群算法中的参数对主尺度优化的影响进行了分析,发现全局优化结果与参数的选取有直接关系,只有合理设计参数才能得到船舶主尺度优化的全局最优点.     

集装箱码头连续型泊位与岸桥集成调度

摘要：
针对集装箱码头泊位与岸桥两类资源分配的问题,提出了以最小化船舶总在港时间为目标、同时决策泊位与岸桥分配计划的方法,建立了连续型泊位和岸桥集成调度的数学模型.采用拆分决策对象的双层循环迭代算法对模型进行求解.算法的上层使用遗传算法优化船舶优先级和岸桥数目;下层基于船舶优先级决策泊位和岸桥集成调度计划,并通过数据实验证明了该算法的有效性和优越性.
关键词：
集装箱码头; 泊位分配; 岸桥分配; 集成调度
中图分类号： TP 29; U 691
文献标志码： A     

抵港和装卸时间不确定情况下的离散泊位分配问题

在港口实际运营中,由于船舶航速变化、天气因素、岸桥机械故障、岸桥效率变化、人员安排变动等原因,船舶的抵港和装卸时间产生不同程度的波动,影响泊位分配计划的可操作性.为研究船舶抵港和装卸时间这两种不确定情况对于制定泊位分配计划的影响,本文针对离散泊位,建立了集装箱码头泊位分配的混合整数规划模型,并设计算例,采用Cplex求解.通过考虑抵港和装卸时间波动的随机性,计算不同波动程度下的船舶总在港时间,并与确定情况进行比较,得到两种不确定情况对于船舶总在港时间的影响规律.     

基于混合算法的多目标连续泊位-岸桥集成调度研究

为了多角度考虑,合理地提高码头作业效率和客户满意度.针对集装箱码头连续泊位,考虑船舶动态到达且船舶有优先级条件下的泊位-岸桥集成调度优化问题.首先,建立了基于船舶总在港时间最少、总等待时间最少,泊位偏离惩罚最小、超出计划离港时间惩罚最小的多目标泊位-岸桥集成调度一阶段模型和最小化岸桥移动成本的岸桥具体分配二阶段模型.然后,提出了一种将细菌觅食、粒子群、克隆免疫、变领域搜索相结合的混合算法.最后,用提出的算法和Cplex软件对模型算例进行求解,针对不同目标,得出具体调度方案.实验表明:混合算法比细菌觅食算法、粒子群算法和克隆免疫算法有更好的精度并且具有较快求解速度;同时具体调度方案会随着目标函数的不同而发生相应的变化,各个目标之间存在约束关系,验证了混合算法和模型的有效性.     

基于Memetic算法的集装箱码头泊位应急调度策略

针对集装箱码头因船舶压港产生的应急调度问题,提出一种基于Memetic算法的泊位应急调度策略.首先,通过人机交互方式确定一系列不同长度的恢复时间;其次,在每段恢复时间内采用Memetic算法对相应船舶集合进行重调度,以实现甩港船舶数最少的优化目标;最后,通过综合分析恢复时间和优化结果确定最终方案.试验结果表明,该优化策略可使集装箱码头在尽量完成船舶作业的同时,以最快速度恢复到正常生产秩序,可供集装箱码头应急决策时参考.     

集装箱码头班轮船期准班率的优化

为提高集装箱码头班轮船期准班率,提出基于动态泊位分配的优化数学模型.在考虑桥吊分配前提下,该模型以船舶离港实际开航时间与船期表要求开航时间的平均绝对时间差最小为优化目标,分别应用微粒群算法(PSO)和遗传算法(GA)求解该数学模型.仿真结果表明:两种算法均可使船期延误时间减少40%;PSO算法较GA算法具有更快的收敛速度.     

基于改进蚁群算法的船舶路径规划算法与避碰仿真实验

近年来,船舶正逐渐向智能化和自主化方向发展,船舶路径规划作为实现船舶智能化的基础,已成为学术界的研究热点。蚁群算法作为最常用的元启发式算法之一,在解决路径规划问题上取得了不错的效果,但仍然存在若干缺陷。为解决蚁群算法实现船舶路径规划时存在的迭代速度慢、路径安全性较低等问题,采用启发式和融合式策略改进算法：在蚁群算法迭代初期,引入人工势场,提高算法迭代效率;将路径长度、路径安全性和路径平滑性约束函数融入信息素更新规则,保障船舶航行路径安全;构建混合蚁群静态路径规划算法,加入船舶避碰方法,搭建船舶动态路径规划算法。为验证路径规划算法的可行性和稳定性,设计各种仿真环境并进行了对比分析,结果表明,改进后的蚁群算法收敛速度快,且路径规划更加贴合实际。     

泊位调度问题的GATS混合优化策略

在集装箱港口的运作中，泊位调度系统是制约集装箱港口降低船舶在港时间和运营成本的主要瓶颈之一．泊位调度问题是NP难问题，本文分别应用遗传算法GA和混合优化策略GATS对泊位调度问题的非线性规划模型进行了求解，与遗传算法相比，混合优化策略GATS增加了种群多样性，加速了进化过程，避免陷入局部极小解。     

改进蚁群算法优化车辆路径问题的研究

研究采用改进的蚁群算法优化带约束的车辆路径的问题。考虑的约束条件包括路径约束、时间窗约束和容量约束。主要目的是提出一种改进的蚁群算法进行车辆路径优化,构建配送车辆行驶路线,实现配送路线总成本的最小化。从三方面对蚁群算法进行了改进：对参与条件转移概率的候选节点列表进行预处理减少路线构建过程计算的时间复杂度;提出插入式节约算法用于改进蚁群初始配送路线提高寻优精度;基于蚁群系统对信息素更新策略进行改进,加快算法收敛速度。基于Solomon基准数据集,与近年来已取得的研究成果展开对比实验,证明提出的改进算法在提高求解精度和搜索效率方面的有效性,在优化带约束条件的车辆路径问题时的实用性,拓展了蚁群算法的应用领域。     

排队模型对船舶等待时间的影响分析

利用排队理论，从船舶到港的间隔时间和泊位的服务时间等因素出发，研究了不同的排队模型对船舶在港等待时间的影响，可为港口生产管理决策理论依据。     

单亲遗传算法求解飞机降落排序问题的研究

为了保证飞机在降落时安全畅通,对飞机的降落排序进行了有效的排序,以单亲遗传算法(PGA)为基础,建立了以航班延误总时间最小为目标函数的规划模型,对着陆飞机排序进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究.仿真结果表明PGA算法在延误时间方面远低于先到先服务算法、模拟退火算法以及蚁群算法,但在计算性能上稍差于没有优化的先到先服务算法,因此提出该算法的可行性.     

小窗口蚁群算法解决旅行商问题的应用与分析

本文先介绍基本蚁群算法模型,并应用此法对TSP(旅行商问题)进行了求解。然后运用小窗口蚁群算法解决TSP问题,通过与基本蚁群算法的比较,认为小窗口蚁群算法无论是在解的优化上还是运行时间上都优基本蚁群算法。