考虑服务公平性的连续泊位-岸桥集成分配

泊位和岸桥是集装箱码头非常最要的资源,合理的分派与调度可以有效地提高作业效率.目前泊位和岸桥的集成调度模型中大多以最小化船舶在港总时间或最小惩罚成本为目标函数,忽略了码头对船舶服务的公平性.为此,通过扩展现有的连续泊位分配模型,兼顾船舶惩罚成本及船舶等待与岸桥分配的公平性,建立多目标的连续泊位分配模型.设计一个三阶式邻域搜索算法, 该启发式算法包括邻域搜索安排船序列、停泊位置搜索和分配调整岸桥3个阶段.实验结果显示,不同的邻域策略取得的最优解不同,通过设置最优的邻域策略可以获取最优的目标函数值.实验表明,该模型与算法可以在接受的时间内取得最优解,相关成果可以为码头对船舶服务的公平性研究提供理论依据.     

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     

集装箱码头连续泊位与岸桥联合调度

为提高集装箱码头运作效率,在计划周期内,将有限的泊位和岸桥资源合理的分配给船舶,并在船舶上的装卸任务间进行动态调度,提出了基于任务的连续泊位与岸桥协调调度的模型,通过遗传算法对该模型进行求解。本文通过实例,验证了该模型和算法的有效性。     

基于吸引子布局算法求解码头泊位岸桥分配问题

泊位和岸桥资源是港口码头的重要稀缺资源,如何合理的安排调度船舶靠泊和岸桥工作对港口码头的作业效率有极其重要的影响.同时研究了泊位分配与岸桥调度分配问题,通过将靠泊时间、岸桥使用以及泊位占用进行抽象化,成为一种矩形评价块,并将整体靠泊作业过程转化为一种新的三维矩形布局问题进行研究.计算表明,将传统建模方法转化为空间布局模型可全面考虑靠泊过程中各类型资源的占用,并可有效提高各类资源在靠泊作业中的总体宏观效率,与传统建模和算法相比有明显的优越性和更全面的统筹性.     

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.     

基于船舶优先权的泊位和岸桥耦合优化

泊位和岸桥的有效管理一直是港口码头的重要问题.优先权主要影响船舶在靠泊过程中靠泊顺序以及靠泊时间.利用泊位和岸桥的耦合思想建立模型,通过船舶的作业量确定船舶的优先权,并将优先权作为泊位分配的目标函数的影响因子.在优先权的影响下首先确定泊位分配计划,在耦合过程中,泊位分配计划影响岸桥分配计划.这样,优先权就影响了整个船舶的泊位分配以及岸桥分配的作业情况.通过对具体算例的分析,验证了优先权对实际作业港口的影响.结果对港口具有实际应用的价值,拓展了泊位和岸桥耦合优化的研究.     

基于多目标烟花算法的泊位-岸桥整合调度研究

泊位和岸桥是集装箱港口的两种相互关联的稀缺资源,也是船舶在港口停泊时间长短的两个决定因素。其合理的分配与调度一直是制约港口发展的重要问题,如何合理地提高泊位与岸桥的使用效率是提高集装箱码头的接纳力,提升集装箱码头生产力和服务水平的前提。本文以集装箱码头泊位-岸桥为研究对象,结合港口的实际运营情况,给出了泊位-岸桥联合调度的一个混合整数非线性规划的多目标优化模型,设计改进的多目标烟花算法对此模型进行求解,通过对爆炸产生的火花进行最优判定、变异操作,并对Pareto前端解应用外部档案机制进行存储。并进一步以国内某港口的某段时间内的实际运营情况为例,检验模型和算法的正确性。     

基于岸桥成本分析的集装箱港口泊位和岸桥分配问题

针对岸桥作业成本对装卸活动的影响,建立集装箱码头离散型泊位和岸桥集成分配的混合整数规划模型,结合具体算例,运用优化软件求解.在分析船舶在港相关成本时,通过比较不同成本比率下船舶靠泊结果,得到港口应该设置的等待成本与装卸成本比率;再根据设置成本比率后的模型,考虑在不同总岸桥数量配置下船舶在港总成本最小值的趋势,获得使目标函数最小的合适总岸桥数.研究结果表明,岸桥固定成本投入不同会影响港口船舶泊位分配和岸桥配备.     

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%.     

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。     

养护车辆路径规划的鲁棒性优化方法

通过引入养护时间的有界不确定性集合,建立了路径规划问题的鲁棒优化模型,以使总服务成本最小化.设计开发分支切割算法,对该问题进行精确性求解.通过蒙特卡罗模拟法从总服务成本和服务水平两方面对解的鲁棒性进行评价,并对方案的鲁棒性水平进行敏感性分析.实验表明,利用鲁棒优化模型得到的解对服务时间偏差的敏感性较低.     

基于泊位偏好与服务优先级的泊位和岸桥分配

针对泊位计划的泊位和岸桥联合分配问题,考虑在泊效率、船舶岸桥的平均作业速度,服务岸桥数量,船舶服务优先级,泊位偏好,准备时间和最迟必须离开时间共七个因素,以24 h内所有船舶的在港时间最短为目标函数,建立整数非线性规划模型(INLP).运用Gurobi软件和遗传算法进行求解,得出泊位计划的工作目标:昼夜计划表.并对实验结果进行岸桥平均作业台数分析.     

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.     

基于同贝同步装卸的岸桥与集卡联合调度优化模型

为解决岸桥同贝同步装卸时多环节作业协调问题,加速集装箱在码头内部的周转,研究基于岸桥同贝同步装卸作业的岸桥与集卡联合调度问题.以船舶装卸完工时间最短为目标,建立岸桥与集卡联合调度优化模型,优化岸桥与集卡的任务分配及作业序列.岸桥同贝同步装卸增加了集卡作业环节,不同于传统作业时多阶段混合流水车间问题,其模型更加复杂,求解更加困难.针对大规模问题,设计了启发式算法进行求解,并将求解结果与下界值进行对比分析.结果表明,该启发式算法能有效提高岸桥与集卡联合调度模型的求解速度,有助于提高岸桥同贝同步装卸作业效率,为码头实际作业提供依据.     

集装箱码头岸桥分配与集卡调度整合问题研究

岸桥分配与集卡调度是相互联系相互影响的问题,如果要提高码头装卸效率,就必须协调好两者的调度关系。针对集装箱码头岸桥和集卡的协同调度问题,以使进口箱和出口箱的总完工时间最短为目的,考虑了集卡路径约束和岸桥实际操作情况等实际约束,构建了边装边卸的混合整数规划模型。由于模型比较复杂,因此采用了分层方法来实现两种设备的协调调度,并用改进的遗传算法来求解模型。实验表明,通过将改进算法的结果与标准化软件CPLEX所求得的最优解或下界比较,算法求得6组最优解且剩余算例平均偏差小于5%;在求解时间方面,随着岸桥、集卡和集装箱数量的增加,CPLEX求解时间跨度由1 s到1 h快速增长,而改进算法求解却仅仅需要几十秒,因此说明改进的算法可以快速有效地解决岸桥和集卡的协同调度问题。     

考虑多种类干扰事件的集装箱码头泊位分配问题

为有效抵抗各类干扰事件对集装箱码头泊位分配计划的影响,有必要制定具有一定鲁棒性且易于恢复调整的泊位分配计划.本文从事前角度出发,针对集装箱码头的泊位分配问题开展以下研究:首先,对码头内干扰泊位分配计划实施的事件进行识别和分类;然后,通过量化以上干扰事件在泊位分配模型中产生的影响,并以最小化船舶的等待时间成本、离港延误时间成本和泊位偏移成本为目标,提出考虑多种类干扰事件的混合整数规划模型;最后,针对该模型设计了启发式算法——吱吱轮算法,对大规模下的泊位分配问题进行求解.通过随机生成的算例,验证了考虑多种类干扰事件的泊位分配模型和吱吱轮算法的有效性.相较于确定性模型,该模型生成的泊位分配计划更具鲁棒性,在发生干扰事件的情况下更易于码头进行计划调整.     

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.     

基于遗传算法的电梯群控鲁棒优化模型

针对电梯群控调度过程中交通流不确定的问题,建立了鲁棒优化模型,利用遗传算法对所建模型进行求解.对于不确定线性优化问题,研究了不确定集的选择以及模型鲁棒对等式转化方法.仿真实验中,利用电梯群控虚拟仿真环境对鲁棒优化调度算法在不同交通流下进行了验证.以300人/15 min的混合交通流模式为例,鲁棒优化算法的平均候梯时间比静态分区算法降低12.77 s;平均乘梯时间比最小等待时间算法降低9.7 s;电梯启停次数比静态分区算法少8次.实验结果表明,鲁棒优化调度算法对不同交通模式具有更好的适应性,可以减小交通流不确定性的影响,提高电梯群控调度性能.     

集装箱港口装卸作业设备集成调度

为提高集装箱港口的装卸效率,采用混合Flow Shop调度理论,将集装箱任务的装卸过程看作岸桥装卸、集卡运输和场桥装卸的三阶段混合Flow Shop调度问题,建立装卸任务完工时间最小化为目标的集成调度混合整数规划模型.使用矩阵编码方式的遗传算法对模型和算例进行求解,结果表明:集成调度方法比岸桥、集卡、场桥协调调度方法更具有现实意义,通过扩大任务规模,遗传算法求解结果与模型下界进行比较,当集装箱任务规模在100个以上时,求解结果与模型下界之间差距都在5%以内,证明了算法有效性.