一种求解翻箱问题的启发式算法

在集装箱堆场,翻箱操作不可避免,为降低翻箱次数,提高作业效率,有必要找到一种有效的方法来解决这一问题.在已知每个集装箱提箱顺序的前提下,如何安排翻箱作业顺序是典型的NP难问题.为此提出了一种启发式算法,并通过算例实验与已有算法的结果进行对比,实验结果表明本文提出的算法较优.     

考虑翻箱作业时出口箱堆场作业调度优化

基于出口箱的堆场操作实务,考虑堆场起重机取箱作业的现实约束,以作业过程中翻箱次数最少为目标,对堆场作业调度问题进行建模,提出了两阶段混合动态规划算法,将启发式规则嵌入动态规划算法中,以避免出现状态数"组合爆炸"增长的情况.通过仿真算例,并与实际调度规则及现有研究方法所得调度方案进行对比,验证了模型以及优化算法的有效性与实用性.结果表明,所提出的模型和算法可以在较短的求解时间内获得多组装船方案,且其翻箱次数显著降低.     

基于现实约束的集装箱装船顺序优化

基于给定的集装箱堆场的堆存状态和集装箱船配载图,并考虑海关放关与否的现实约束,构建以最小倒箱量为目标的集装箱装船顺序优化模型,进而开发启发式算法.数值实验显示了模型及算法的有效性与实用性.     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。     

集装箱堆场收发箱管理Multi-Agent系统研究

考虑集装箱码头堆场管理的动态性、复杂性和分布式特点,在对集装箱堆场作业工艺分析的基础上,建立了堆场收发箱管理Multi-Agent系统模型,系统地分析了Agent基本结构和功能,分别基于两级调度策略和翻箱期望最小设计了收、发箱箱位优化Agent,提出了Agent间的通信和协作机制.算例仿真表明该系统能有效改进收发箱管理性能.     

基于集装箱堆场翻箱问题历史研究成果的探究

集装箱堆场为提高堆场效率,减少船舶在港时间,在岸桥、场桥、龙门吊、集卡及其它们之间的协同运作和集装箱的操作方面都做出了努力,集装箱翻箱问题作为影响集装箱堆场的重要指标也受到了高度的重视。已有的文献已经对堆场中的翻箱问题做出了一定的研究,并取得了一定的成果,对堆场实际运作提供了理论支持。本文主要是通过对已有文献中针对翻箱问题的解决方案进行归纳总结,结合对实际堆场的调查提出目前解决翻箱问题的关键点和未来可能的研究方向。     

考虑碳排放和预约机制的送箱集卡多码头调度问题

考虑送箱集卡多码头调度的低碳、高效化要求,及为解决集卡不规律到达导致码头拥挤问题而提出的集卡预约集港机制,以单一外堆场调用送箱集卡数量最小及多集装箱码头调度方案碳排放总量最小为目标,构建了单堆场多码头送箱集卡调度模型.设计了改进的蚁群算法对该模型进行求解,得到按时间段划分的港外堆场多码头集卡低碳送箱方案,通过算例验证了所构建模型和算法的有效性.结果表明,考虑碳排放和预约机制的送箱集卡多码头调度方案所需集卡数量少,工作时间短,兼顾了集装箱码头集卡送箱作业低碳和高效的要求.     

集装箱场地箱位分配问题

为减少集装箱在装船时的翻倒箱次数,针对出口集装箱在堆场贝内箱位分配问题进行研究。以往的研究假设集装箱的重量概率分布在整个集港过程中保持不变,由于该假设与实际情况不相符合,该文考虑了集装箱的重量概率分布随堆存状况可变的情形,使其更加符合实际情况,并构建了一个带约束的随机动态规划模型。在求解算法方面,小规模算例可直接通过动态规划模型求得最优解。针对大规模算例,提出了两阶段的启发式算法:第一阶段基于邻域搜索的启发式算法,设计出各重量组的集装箱在不同堆垛形态下的优先堆放次序;第二阶段设计了基于翻滚策略的箱位堆放局部优化算法。数值计算结果表明:适用于小规模算例的动态规划算法和适用于大规模算例的两阶段启发式算法都能显著改善解质量,减少翻倒箱次数。     

基于滚动计划的堆场出口箱存储位置分配两阶段模型

考虑出口箱进场时间的随机性,将集装箱堆场出口箱箱位分配问题分为两个阶段进行研究:(1)在滚动计划的基础上,以最小化场内集卡运输距离为目标建立整数规划模型,对到场出口箱进行箱区分配;(2)以取箱装船过程中贝位内翻箱数最小和平衡贝位内各堆栈箱数为目标,建立堆场出口箱具体箱位分配的多目标优化模型.应用Matlab软件中Yalmip工具箱编程求解,通过数值实验验证了模型的有效性.实验结果表明,该方法能够有效解决堆场出口箱箱位分配问题,减小堆场设备作业量,并通过减少翻箱操作提高码头作业效率.     

集装箱堆场出口箱箱位分配多目标优化模型

为了合理分配集装箱堆场出口箱箱位,考虑出口箱进场时间的随机性以及出口箱重量的不确定性,以取箱装船过程中尽量避免翻箱操作、最小化存储成本、使各堆栈中箱子数均衡为目标建立堆场出口箱箱位分配的多目标优化模型.应用MATLAB软件中YALMIP工具箱编程求解.针对此模型,设计3组实验,分析贝位中已占用箱位数对箱位分配的影响,以及各堆栈中箱子数均衡与存储成本之间的关系.结果表明该模型能够从总体上实现对出口箱箱位分配的优化并能尽量避免取箱装船过程出现翻箱操作.     

铁路集装箱中心站堆场空间资源均衡调度模型

铁路集装箱中心站作为铁路集装箱运输网络的重要节点,其资源调度策略直接影响铁路集装箱运输组织和服务质量。对铁路集装箱中心站堆场空间资源均衡调度问题进行研究,在集装箱到场和离场时间已知的前提下,建立了铁路集装箱中心站堆存空间资源均衡调度模型,设计了启发式算法来平衡堆场各箱区的作业量,均衡堆存空间资源的利用。算例验证表明:提出的模型和算法能够有效的均衡中心站堆场各箱区空间资源的利用,提高中心站资源的利用效率。     

基于同贝同步装卸的岸桥与集卡协同调度

集装箱码头岸边装卸桥同贝同步装卸船模式下,岸桥装卸作业序列决策和集卡调度协同优化是保障同步装卸率的关键,属NP难问题。考虑集卡和岸桥作业之间的紧密衔接、堆场翻箱影响、船舶舱盖等空间约束,构建以岸桥装卸总次数及堆场翻箱次数最小化、岸桥最大完工时间最小化、集卡等待时间最小化为目标的岸桥装卸序列决策与集卡调度联合优化数学模型。设计改进遗传算法-改进非支配排序多目标遗传算法（IGA-INSGA-Ⅱ）两阶段算法,利用IGA求解船舶贝位内岸桥装卸集装箱作业序列;基于装卸作业序列优化方案和INSGA-Ⅱ,提出岸桥最早可作业时间优先的集卡任务指派策略,设计分段式编码及解码方法,求解集卡任务分配与指派问题。通过算例,将设计的算法与常见智能算法进行对比分析,验证了模型与算法的有效性。     

集装箱堆场问题的一个数学模型及其算法

讨论了集装箱堆场中一个常见的问题,即若干个不同重量的集装箱按一定顺序到达,要将这些箱子三个一垛码好,先到先码,后到后码,尽量轻箱在下,重箱在上,以保证装船时重箱在下,轻箱在上.因为在大多数情况下,无论怎样码放,都免不了捣箱.因此,如何码放才能使捣箱数最小是值得研究的问题,此问题可能是N-P难的问题,所以本文给出了这一问题的一个启发式算法.     

出口箱随机入港下的箱区选择与箱位分配协调调度

针对出口箱随机入港下的分散堆放与随机选位对集装箱卡车行驶和场桥取箱作业的影响,提出了出口箱的箱区选择与箱位分配协调调度问题,并以箱区位置、箱量分配、箱位分配为决策变量,以集装箱卡车接运单位TEU平均作业时间最少、场桥作业成本最低为目标,构建了出口箱箱区选择与箱位分配两阶段非线性整数规划模型.设计了基于遗传算法的双层启发式算法,上层用于箱区搜索,确定出口箱堆放箱区及箱量分配;下层用于箱位搜寻,并依据场桥取箱顺序规则,确定具体堆放箱位或重选堆放箱区.通过算例分析结果表明:与集中入港下集中堆放相比,对出口箱随机入港下分散堆放的箱区选择与箱位分配进行协调调度同步优化,可以减少单位TEU平均装卸时间5.46%,并显著降低堆场作业成本,模型与算法可行有效.     

集装箱船全航线Bay位排箱优化模型

针对集装箱配载问题的复杂性,提出了集装箱船在一个航次中挂靠多个港口的混装Bay位的排箱模型.该模型以例箱量最少为目标,忽略集装箱的尺寸及箱内货物类型等因素,仅考虑倒箱对配载的影响.以Bay位某列是否存在倒箱为设计变量,以全航线倒箱数量最少为目标建立优化模型,并利用隐式图启发式搜索技术对各个港口的集装箱进行安排.计算机模拟结果表明,所提出模型能快速产生倒箱数最少的全航线Bay位排箱方案.     

基于模拟退火算法的场桥调度研究

集装箱码头的运作效率受场桥调度作业的影响很大,场桥调度合理与否对集装箱码头的整体运作效率具有至关重要的影响。高效的场桥调度方案不仅要满足给定配载计划下的种类和数量需求,而且要最小化场桥行走距离。为确定场桥的行走顺序和取箱方案,建立了以总完成时间最短为目标的场桥装载调度作业混合整数规划模型。分别运用启发式算法和模拟退火算法,对模型进行求解,并通过算例分析验证了算法及模型,表明模拟退火算法的结果要优于启发式算法,如当堆场数量为55个时,模拟退火算法要比启发式算法节约46 min,随着贝和集装箱类型的增加,模拟退火算法可节约更多的时间,同时还减少了龙门吊行走的路径,从而有效地提高了集装箱码头的运营效率。     

集装箱堆场箱位分配及多场桥调度协同优化问题

为提高集装箱码头堆场作业效率和降低运营成本,对堆场箱位分配及多场桥调度协同优化问题进行了研究.采用分区域平衡策划方法进行场地策划,考虑场桥间安全距离和场桥作业量均衡,以场桥移动成本和空闲成本之和最小为目标,建立集装箱堆场箱位分配及多场桥调度协同优化模型.为增强遗传算法的全局搜索能力,将模拟退火思想引入到遗传算法进化过程中,设计模拟退火遗传算法进行求解.通过数值实验验证了算法的有效性,并针对箱区不同规模的出口箱量进行实验分析,结果表明分区域平衡策划方法可以更好地解决箱位分配及多场桥调度协同优化问题.     

集装箱码头箱区规划的并行仿真优化方法

运用面向对象的离散事件系统仿真建模方法,通过对现代集装箱码头的生产、管理和装卸工艺的分析,构建了一个包括船舶、锚地、泊位、岸桥、堆场龙门起重机、内部集卡、外部集卡和大门系统等在内的集装箱码头整体作业系统的仿真模型.针对集装箱码头堆场中的箱区规划问题,采用仿真模型与优化算法相结合的基于仿真的优化方法(SBO)进行了求解,并将基于MPI消息传递标准的并行集群计算方法引入该求解过程,很好地解决了基于仿真的优化方法中存在的计算代价过大的问题.     

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.     

自动化集装箱码头堆场内双起重机调度模型与算法

为提高自动化集装箱码头堆场的作业效率,针对堆场同一箱区的两端作业(堆存或取出),考虑双起重机时空同步约束条件,以最小化作业总完成时间为目标,建立双起重机调度混合整数规划模型,确定起重机在每个时间点上所处贝位及其作业状态(移动或装卸),设计遗传算法对大规模任务数量问题进行求解.算例分析结果表明,在大规模问题上,GA在解的质量上逐渐优于CPLEX算法,且运算时间远小于CPLEX,证明了该双起重机调度模型与算法的有效性及合理性.