基于差分进化算法的自动化集装箱码头AGV调度问题

[目的]自动化集装箱码头的水平运输作业是影响港口物流效率的关键环节,通过优化自动导引车(Automated guided vehicle,AGV)的任务分配,减少装卸作业的时间,提高港口生产效率.[方法]在同时考虑集装箱装卸作业的基础上,就AGV调度问题建立混合整数规划(MIP)模型,优化目标为极小化岸桥完工时间.考虑到该问题具有NP困难性,设计了离散差分进化(DDE)算法进行近似求解.[结果]通过数值仿真验证了MIP模型和DDE算法的有效性.[结论]结果表明上述模型和算法可以为自动化集装箱码头的装卸作业提供帮助.     

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.     

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.     

垂岸式集装箱码头自动化跨运车作业任务分派与序列优化

自动化跨运车(Automated Straddle Carrier,ASC)是一种自动化集装箱码头水平作业设备,可直接在岸桥下从地面存取集装箱,同时在堆场也可直接存取集装箱,其作业不会直接影响岸吊等其他设备的作业效率,具有独立性.考虑垂岸式集装箱堆场布局,以最小化完成时间和空驶时间为目标,建立ASC作业安排的混合整数规划模型,确定ASC的作业序列.根据数值实验结果,分析ASC数量配置的影响,以及完成时间和空驶时间之间的均衡关系.     

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.     

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.     

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.     

基于启发式算法的自动化跨运车作业调度

针对自动化集装箱码头自动化跨运车(automated straddle carrier,ASC)的调度问题,首先建立混合整数规划模型,基于ASC可以独立完成集装箱在岸边和堆场之间的运输作业这一特性,将自动化集装箱码头ASC的作业调度问题转化为同时取货送货问题,并提出一种先完成先执行(first finished first insert,FFFI)启发式算法进行求解,实现集装箱任务分配,确定ASC的作业序列,计算每辆ASC的使用率.最后,通过改变集装箱任务数和ASC数量验证该算法的有效性和可行性.     

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。