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.     

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。     

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.     

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.     

堆场集装箱预翻箱问题

针对堆场集装箱预翻箱问题,提出对应的启发式算法,根据堆场实际情况,在考虑单个贝内集装箱服务的船舶数,再依次考虑目的港、重量这两个因素的基础上,建立了时空网络模型.随着贝内集装箱数目的增加,预翻箱问题变成一个NP-Hard问题,时空网络模型难以求解,因此又提出了对应的启发式算法,并证明了其在计算时间上的压缩.通过对贝内最优层高差进行研究,发现当相邻集装箱的层高差为2时,可以优化集装箱的预翻箱操作.     

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。     

自动化码头支架式单悬臂箱区下场桥调度

为提高自动化码头的箱区作业效率,提出支架式单悬臂箱区布局方案,在此基础上进行场桥调度.考虑场桥间的安全距离及支架缓冲区数量约束,建立整数规划模型,并设计遗传算法对模型进行求解,并对两种布局下场桥调度进行对比.结果表明,在支架式单悬臂箱区布局下,场桥作业效率提高14.50%,场桥等待时间减少65.99%.支架式单悬臂箱区布局可更好地解决多场桥联合作业的优化问题,提高箱区作业效率,为自动化码头箱区规划提供了新思路.     

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.     

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.     

求解带平衡约束矩形布局问题的混合算法

以卫星舱布局为背景,针对二维带平衡约束的矩形集在圆容器内的布局问题,提出了一种混合算法,即带压缩策略的动态匹配算法,并与粒子群优化算法结合起来.对于给定的圆容器,将整个布局过程分为4个阶段,相应地将圆容器分成8个区域.每次放置矩形时,动态匹配算法先根据系统质心动态选择装填区域,然后在该装填区域中根据排序函数选择待布矩形.压缩策略用来压缩圆容器,粒子群优化算法用来优化排序函数的参数.在测试集上的计算结果表明:相对于已有算法,提出的混合算法更加有效.     

多vCPU环境中基于容器的科学工作流调度策略

现有科学工作流调度研究较少考虑计算资源的多道程序设计,难以同时实现有效的容器共享并优化任务并行度与资源利用率。为了解决以上难点,文章提出了一种分布式多vCPU环境中基于容器技术的分段式工作流调度策略。该策略通过分段调度方法,降低启发式算法的解空间大小,使用带遗传算子的自适应离散粒子群优化算法(ADPSOGA),在设备使用成本的约束下优化各个工作流的完成时间,并制定一种容器与设备间的动态伸缩方案,实现容器的复用并解决单个设备中任务并行时的资源争用问题。结果表明：ADPSOGA的性能优于其他同类启发式算法,并且分段调度方法与容器伸缩方案在工作流调度方面表现出良好的性能,能很好地适应因任务并行度增加所带来的影响。     

基于拖车路径优化的集装箱船配载模型研究

在分析影响集装箱的装载效率时,考虑场内拖车在码头堆场和岸边装卸桥之间的移动距离,将配载问题看成是以码头堆场B ay位上的集装箱为供给、船舶B ay上的空箱位为需求的运输问题,以场内拖车将码头堆场集装箱送到岸边装卸桥所运行的距离最短为目标,建立配载模型并应用Hop fie ld神经网络模型进行计算机模拟.模拟结果说明,所提出的优化模型可以减少场内拖车运行的距离,提高集装箱装载效率,为合理进行集装箱船配载提供了一个参考模型.     

A Decision Support Method for Truck Scheduling and Storage Allocation Problem at Container

Truck scheduling and storage allocation, as two separate subproblems in port operations, have been deeply studied in past decades. However, from the operational point of view, they are highly interdependent. Storage allocation for import containers has to balance the travel time and queuing time of each container in yard. This paper proposed an integer programming model handling these two problems as a whole. The objective of this model is to reduce congestion and waiting time of container trucks in the terminal so as to decrease the makespan of discharging containers. Due to the inherent complexity of the prob-lem, a genetic algorithm and a greedy heuristic algorithm are designed to attain near optimal solutions. It shows that the heuristic algorithm can achieve the optimal solution for small-scale problems. The solutions of small-and large-scale problems obtained from the heuristic algorithm are better than those from the genetic algorithm.     

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。     

集装箱码头出口街区作业调度优化

为提高集装箱码头装船作业效率,以最小化街区间作业不均衡程度为目标,考虑集卡数量、街区与泊位的距离及街区可用容量3种因素对目标值的影响,构建了街区分配与集卡指派一体化线性规划模型,并设计了两阶段算法进行求解。第一阶段,运用穷举法求解最优的集卡指派数量与作业箱量的非整数松弛解;第二阶段运用分支定界法求解作业箱量的最优整数解,并确定装载至同一船舶的出口箱的街区,以及每一街区需指派集卡的数量。数值实验表明,两阶段算法能在短时间内求得最优解,并能缩短集装箱装船时间。     

Integrated Quay Crane and Yard Truck Schedule Problem in Container Terminals

Quay crane and yard truck scheduling are two important subproblems in container terminal operations which have been studied separately in previous research. This paper proposes a new problem for the integrated quay crane and yard truck scheduling for inbound containers. The problem is formulated as a mixed integer programming (MIP) model. Due to the intractability, a genetic algorithm (GA) and a modified Johnson's Rule-based heuristic algorithm (MJRHA) are used for the problem solution. In addition, two closed form lower bounds are given to evaluate the solution accuracy. Computational experiments show that the solution algorithm can efficiently handle the scheduling problem and that the integrated methods are very useful.     

融合启发式搜索的改进极快决策树算法在多规格货物智能混合装载中的应用

针对多规格货物装载效率较低问题,提出了一种融合启发式搜索的改进极快决策树智能装箱算法,该算法首先计算并择优选取样本信息熵,然后构建生成货物装箱决策树模型,最后基于启发式搜索方法对货物装载后的剩余空间进行合并再利用。通过保证决策树每个节点装入货物体积最大,对待装货物进行快速决策。最后,基于七组异构性逐渐增强的货物数据对算法进行仿真实验,结果表明：本算法在保证较高集装箱利用率的情况下实现了快速装箱。