集装箱码头泊位分配-装卸桥调度干扰管理模型

针对集装箱码头作业过程中,由于干扰事件导致泊位与装卸桥调度计划难以顺利实施这一难题,运用干扰管理方法,从码头作业成本、船舶等待成本以及计划偏离度三个方面度量系统扰动,建立泊位分配-装卸桥调度干扰管理模型,提出求解干扰管理模型的仿真优化法,设计基于局部重调度与禁忌搜索算法的仿真优化算法,利用算例对模型与算法的有效性进行了验证.计算结果表明:与全局重调度算法相比,基于局部重调度的算法可以提高计算效率,同时,干扰管理模型能够考虑各方的利益,因此得到的干扰应对方案更科学.     

面向随机环境的集装箱码头泊位-岸桥分配方法

针对船舶抵港时间和装卸时间的随机性,建立了面向随机环境的集装箱码头泊位-岸桥分配模型,其优化目标是最小化船舶的平均等待时间.考虑到模型求解的复杂度,本文设计了一种改进的遗传算法,并根据模型最优解的特点减少了搜索空间.试验算例验证了模型能够模拟码头泊位-岸桥分配问题的随机决策环境并能反映决策者对待风险的态度和偏好,其算法在允许的运算时间内能获得稳定的满意解.     

集装箱码头ALV调度与堆场位置分配集成优化模型

针对自动化集装箱码头水平搬运作业和堆场作业,提出一种集成调度优化方法,以最小化最大完工时间为目标,同时考虑船舶装、卸作业,建立自动升降车(automated lifting vehicles,ALV)调度与堆场位置分配集成优化模型,提出求解模型的优化算法,设计基于遗传算法的启发式算法,利用算例对模型与算法的有效性进行了验证.计算结果表明,提出的启发式算法可以提高运算效率,能够在很短的时间内对大规模算例求出高质量的解.另外,集成优化模型同时考虑码头多个作业环节,有利于提高自动化集装箱码头的装卸作业效率.     

基于遗传算法的泊位连续化动态调度研究

针对泊位调度问题,将岸线连续化,建立了泊位的动态调度模型。考虑到岸边起重机的分配对泊位调度中船舶的集装箱装卸作业时间的影响,根据规则建立了分配岸边起重机和确定船舶集装箱装卸作业时间的算法。基于泊位连续化动态调度模型建立了分段的染色体编码,分别反映船舶靠泊服务顺序和靠泊位置信息。基于实例,通过仿真计算,与泊位离散化动态调度进行了比较和分析。     

集装箱码头集卡配置优化的闭合排队网络模型

以集装箱码头同贝同步装卸作业为研究对象,以提高码头作业效率、提升服务能力为目标,研究码头内部集卡数量配置优化问题.将码头作业系统视为服务网络,构建码头同贝同步装卸作业的闭合排队网络模型,刻画集卡在各个环节的作业过程,分析不同设备配置下码头作业系统服务能力,揭示制约码头整体作业效率关键环节.以码头作业成本最小为目标,考虑集卡在各个环节的排队等待时间及设备利用率,建立了基于同贝同步装卸作业的集卡数量优化模型,并设计算法对模型进行求解.本研究从服务网络角度揭示了码头作业效率与岸桥、集卡、场桥配置的关系,为码头设备调度与服务流程设计提供了依据.     

集装箱码头同贝同步装卸作业的序列优化模型

同贝同步装卸是集装箱码头提高装卸作业效率和资源利用率的有效途径和方法.其调度的复杂性体现在需要同时决策装、卸船两类集装箱在受堆场翻箱约束和舱口盖限制情况下的作业序列.针对该问题的柔性准备时间、成组调度和优先顺序约束等特点,本文建立了同贝同步装卸作业的整数规划模型.为求解模型,设计了基于遗传算法和贪婪规则的混合求解算法.最后,通过将算例实验结果与不考虑翻箱和舱口盖限制的简单下界进行比较,验证了模型与算法的有效性,说明所建立的模型有利于提高集装箱码头的装卸作业效率.     

集装箱码头集成调度模型与混合优化算法

为提高集装箱码头作业中各种设备的协调性,提高整体作业效率,建立了集成调度模型,模型集成了装卸桥、集卡与龙门吊的调度问题.同时,设计了求解模型的混合优化算法,此算法集成了神经网络良好的近似估计功能与模拟退火算法有效的搜索能力.算法流程是:初始化集装箱装卸序列;基于一定的分配规则为集装箱分配作业设备;采用模拟退火算法搜索解空间,更新装卸序列.在算法过程中,用神经网络预测目标函数,并且过滤明显的劣质解.最后,通过算例分析验证了模型与算法的有效性.结果表明,混合优化算法可以提高模型求解效率,对于规模为400个集装箱的调度问题,平均偏差为7.52%,计算时间为8.9s,模型与算法可行.     

有限预知信息下集装箱码头泊位与岸桥联合在线调度北大核心CSCDCSSCI

针对码头船舶作业计划中通常存在较大比例的、需要临时排班的加班船需求,提出了具有有限预知信息的集装箱码头泊位与岸桥联合调度over-list在线模型。在分配每艘船舶服务请求时假设预知后续一个船舶请求的信息,并着重考虑了由3个相连泊位组成的混合型泊位类型、配置5个岸桥且只存在两种请求的联合调度模型;针对最小化最大完工时间的优化目标,设计出了具有最优竞争比5/4的联合调度在线策略;同时,证明了当缺少预知能力时不存在竞争比小于4/3的在线策略。上述结论表明,有限的预知能力可以有效地改进联合调度策略的竞争性能。数值实验结果进一步验证了所设计策略具有良好的执行性能。     

支线航运网络下集装箱分配与船舶调度联合优化北大核心CSCD

将产生集装箱运输任务的货源点加入至轴辐式航运网络的支线运输网络中,构建了三级支线运输网络.考虑货源点集装箱在不同喂给港的分配对支线船舶运输成本的影响,以三级支线网络的总运输成本最小为目标,建立了集装箱分配与支线船舶调度联合优化模型.针对模型,首先设计两阶段算法进行求解;然后,基于列生成的思想设计了整合优化求解算法.算例实验表明对于小规模算例,整合优化算法的求解结果与Gurobi的计算结果仅相差1%左右;对于大规模算例,整合优化算法的求解结果均优于Gurobi,从而验证了整合优化算法的效率;此外,整合优化算法的求解结果相比于两阶段算法有显著提高,证明了整合优化集装箱分配与支线船舶调度的重要性.     

集装箱码头装卸作业顺序多目标优化调度模型

集装箱码头装卸是码头作业的基础环节,其作业进度和稳定性直接影响集装箱船舶的在港时间.针对码头装卸作业顺序优化问题中作业时间不确定并且可拆分的特点,本文建立了同时最小化作业总完工时间及"岸边无集卡与堆场无集卡的时间和"的多目标混合整数规划模型.所建立模型的作业时间变量受到决策变量影响且可行域不规则,使得其求解复杂性和难度增加且帕累托前沿解难以搜寻.为求解模型,设计了基于仿真模拟与调度经验规则的PNSGA-Ⅱ算法.最后,通过与传统NSGA-Ⅱ算法比较,以及对在静态情景与动态情景下的算例实验进行统计对比,验证了所建立模型与PNSGA-Ⅱ算法可有效求解集装箱码头装卸作业顺序优化问题,并对码头生成高效稳定的装卸作业调度方案提供决策支持.