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.     

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。     

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.     

MAS与启发式算法结合的汽车滚装码头堆场作业调度

基于汽车码头堆场资源调度问题的基本假设,将MAS技术与启发式算法结合,进行分布式汽车码头堆场作业调度研究.首先建立汽车滚装码头堆场作业系统数学模型,通过模型求解确定调拨策略,根据调拨策略制定高效的汽车滚装码头堆场计划以提高堆场利用率.然后采用Anylogic仿真软件对计划制定的策略建立仿真模型,实现多个Agent之间的复杂交互.最后依据某汽车码头运营的历史数据,分析不同策略下以往堆场计划的执行状况,确定新的堆场作业计划,同时建立评价指标以评判设计策略的优劣,为堆场计划的制定提供依据,也为汽车码头合理的运营管理提供支持.通过仿真实验验证了模型的可信性和系统的实用性.     

基于效率规则的混合作业车间调度算法应用研究

为了求解混合作业车间调度问题,本文提出一种基于效率规则的作业车间调度算法．引入工件加工的效率函数,进而以工件的效率函数值进行初排排序再调节排序,从而实现了混合作业车间快速高效优化排产．同时,运用该种算法开发了作业车间调度系统,并对实际混合作业车间调度实例进行求解验证,计算结果表明该算法具有很好的调度优化效果,可以很好地应用于混合作业车间调度．     

求解柔性作业车间调度问题算法综述

柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)是一类典型的组合优化问题,也是几个经典的NP-hard问题之一.由于其应用的广泛性和求解的复杂性,这一问题受到了众多学者的关注.基于此,针对现有的关于FJSP的相关研究进行归类总结,将已有的求解方法分为精确算法、启...     

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。     

车间作业调度问题中调度规则算法的设计方法研究进展

 调度规则是解决实际生产中的动态车间作业调度问题的有效方法,但它的效率取决于系统特征、加工条件参数和调度目标,因此没有一个规则在所有的调度环境下都比其他规则要好。综述了调度规则的发展、分类及特点,并对调度规则的设计方法进行总结。介绍了调度规则的设计方法,包括早期使用的手工方法和表现较好的智能方法,给出进化算法、遗传规划和数据挖掘方法,并分析比较了其优缺点。针对调度规则设计方法存在的不足,指出了未来的研究方向。     

求解作业车间调度问题的粒子群优化算法

讨论了作业车间调度问题的数学表达模型,考虑将粒子群优化算法与差异演化算法的优点结合起来,提出求解作业车间调度问题的新的混合粒子群优化算法,对7个标准算例的仿真结果表明了算法的有效性和优越性.     

基于模拟退火算法的集装箱场桥调度优化

为了降低码头的运营成本,提高客户满意度,在分析集卡送箱进场作业流程的基础上,运用时间窗函数,建立以场桥与集卡相互等待时间最短以及场桥移动距离最短为目标的数学模型,根据模型特点设计模拟退火算法,实例数据代入的结果验证了该模型及算法的有效性。     

求解具有时空约束的板坯库天车调度问题Memetic算法

研究了钢铁企业板坯库天车调度问题,考虑了时间和空间以及热轧计划等实际限制,建立了一个板坯出库天车调度模型.针对天车调度问题具有实时性和不可交叉性的特点,设计了基于优先关系的天车分配编码方式、离散事件动态仿真解码、自适应交叉算子以及在交叉和变异后进行模拟退火局域搜索的Memetic算法.通过某钢厂板坯出库过程中天车调度的实际数据对模型和算法进行仿真测试,实验结果表明:该算法具有很高的收敛性和稳定性,满足实际生产需要.     

港口集装箱码头轮胎式龙门吊优化调度研究

随着贸易全球化的到来,集装箱运输业飞速发展,港口集装箱码头受到越来越多的重视。轮胎式龙门吊体积大,作业效率低,该环节 已经成为码头作业的瓶颈。提出了轮胎式龙门吊优化调度混合整数规划模型,研究了定量作业条件下的龙门吊优化调度问题,通过实际案例分 析为码头管理者提供决策支持。     

集装箱码头集卡与岸桥协调调度优化

在同时装卸集装箱作业的情况下,考虑了集装箱卡车的运输时间和岸桥的作业时间,建立基于时间最少的优化模型.利用进化计算的特点,设计求解此优化模型的进化算法,进行了数值仿真试验,在合理时间内获得了最优数值结果.此模型和方法为码头集卡线路优化问题提供了决策支持.     

考虑能耗优化的多目标原油短期调度问题研究

针对在原油管道运输过程中的能耗优化问题,该文提出了一个以最小化管道转运能耗、供油罐使用个数、蒸馏塔使用供油罐的切换次数、原油在供油罐和管道中的混合成本为目的的多目标优化模型.然后,针对原油短期调度问题的特点,提出了一种改进的交叉和变异算子.最后,该文对比分析了8种综合性能较好的多目标进化算法.实验结果表明:NSGA-III算法在求解该问题时的性能较优.与现有研究对比,该算法在减少调度过程中的能耗和原油混合成本方面具有显著效果.     

基于启发式算法的全泊位岸桥调度研究

为了提高码头的作业效率,保证到港船只能在最短的时间内完成作业,建立了全泊位岸桥调度模型。在岸桥的可移动范围内,为了降低岸桥的闲置时间,提高利用率,一个贝位可由多台桥吊交替进行作业。根据宁波港码头实际的操作情况,设计了一种钻孔作业的启发式算法,将箱量较多的重点贝位的操作进行优先考虑。然后,岸桥再根据贝位的平均作业量进行分配作业,确保船只作业在最短的时间内完成。计算结果表明:船只能够在计划时间内完成作业,甚至能改善不准时到港船只造成的时间延迟所产生的不良后果。     

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     

基于遗传算法的船舶分段堆场调度研究

针对船舶分段移动计划主要依靠经验以及缺乏有效调度的现状,研究建立以分段移动度最小为目标的优化模型,综合考虑了分段在堆场中的停放位置及进、出场路径.通过遗传算法选择分段在堆场中停放位置的最优方案,并构建启发式规则确定分段在堆场中的最优进、出场路径, 从而实现对模型的求解.最后以某船厂实际数据为例,对模型在堆场调度问题中的应用进行了实例验证,结果表明, 所研究方法可求解得出较优的堆场作业计划,并实现堆场资源的高效利用.