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.     

集装箱码头考虑集卡能耗的岸桥集卡协调调度

随着环境污染和资源紧缺的加剧,绿色港口逐渐成为未来港口发展的必然趋势。因此针对岸桥集卡协调调度,建立了一个考虑集卡能耗和岸桥集卡作业时间的多目标数学模型。由于岸桥和集卡作业时间及集卡能耗这两个目标既有联系,又有一定程度的冲突,因而使用多目标优化的方法平衡这两个目标,并且采用遗传算法结合Matlab数学软件求解模型。算例结果表明:考虑集卡能耗的调度比不考虑集卡能耗的调度更节约调度成本,从而验证了模型和算法的有效性。     

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。     

集装箱码头岸桥与集卡集成调度问题研究

岸桥与集卡是集装箱码头的重要资源。为了提高码头的装卸效率,针对集装箱码头岸桥和集卡的集成调度问题,以完工时间最小为优化目标,考虑集装箱之间优先关系和岸桥安全边际的实际约束,建立混合整数线性规划模型,利用改进粒子群算法(IPSO)对模型进行求解,制定了粒子编码和解码规则,设计了一种新的速度更新策略来改进解的质量。实验表明,将改进算法的结果与优化软件CPLEX所求得的最优解比较,IPSO算法求得12组数值算例的平均偏差为0.582%,且CPLEX计算时间的跨度随着计算规模的扩大从2.92 s到1 h,而IPSO的求解时间控制在50 s之内,并得到最优解,证明了该模型和算法可以快速有效地解决岸桥与集卡的集成调度问题。     

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。     

遗传算法在车辆优化调度中的应用

旅行商问题是车辆优化调度中的NP难题,对旅行商问题进行描述,并建立了数学模型。介绍了遗传算法的基本思想,给出用遗传算法求解旅行商问题的过程,仿真实验证明该算法是有效的。     

双循环操作策略下集装箱码头岸桥与集卡多船作业联合优化模型

针对当前集装箱码头采用的双循环集卡操作策略,对码头岸边集装箱起重机(岸桥)和集装箱卡车(集卡)多船作业的联合优化问题进行研究.使用运筹学线性规划方法,建立岸桥和集卡联合优化混合整数规划模型.设计数学仿真算例,对比双循环操作策略之于单循环操作策略的优劣势.对模型的灵敏度进行了分析,验证了不同场景下模型的结果.实验结果表明,相对单循环操作策略,双循环操作策略平均能减少20%的装卸作业时间,减少集卡空载率,说明本文建立的优化模型能够较好地处理双循环操作策略下码头岸桥和集卡多船作业的联合优化问题.     

集卡和岸桥协同下的集装箱码头集卡路径选择

为使集卡运输和岸桥装卸两个环节能够协同优化,以集卡总运行时间最短为目标,构建集卡作业面模式和岸桥装卸协同作业模式下的集卡路径选择模型,并基于模型设计仿真算例。计算结果表明,模型能够有效解决集卡作业面作业和岸桥装卸协同作业同步优化的问题,较大程度地提高码头的生产运作效率。     

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     

遗传算法求解TSP的进化策略

本文提出用遗传算法（ＧＡ）求解旅行商问题（ＴＳＰ）的一整套进化策略，包括染色体的编码、反向运算、循环运算、交换运算．其中除反向运算外，均与通常的ＧＡ算法所采用的策略不同．文中解释了它们的几何意义．用该算法求解中国３１个城市的ＴＳＰ问题得到了１５４０４公里的新的路径长度．计算结果表明整个算法是有效的     

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.     

孔群钻削机械手的运动规划和加工路径优化

为提高加工效率,对用于钢琴弦轴板孔群钻削加工的三轴直角坐标机械手的运动规划和加工路径优化方法进行了研究.首先采用抛物线过渡的线性插值算法对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹.然后以最短加工路径为目标,以无碰撞地绕过所有障碍物为约束条件,建立了孔群加工路径规划问题的数学模型,并采用分层优化的遗传算法获得了孔群加工的优化路径.最后以6种型号弦轴板为例进行计算,结果验证了算法的有效性.     

孔群钻削的运动规划和加工路径优化研究

本文对三轴直角坐标机械手的运动规划和加工路径优化方法进行研究。此设备用于钢琴弦轴板群孔钻削加工。首先,采用抛物线过渡的线性插值算法,对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹。然后,基于遗传算法,以最短加工路径为目标,以无碰撞地绕过所有的障碍物为约束条件,获得孔群钻削的优化加工路径。并以六种型号弦轴板进行计算验证,计算结果验证了算法的有效性。     

基于进化策略的港口集装箱装船作业优化

使用一种进化策略算法对港口集装箱装船作业顺序进行优化 .首先对港口集装箱码头的结构及其装船作业过程进行分析 ,针对集装箱装船作业排序问题 ,建立了考虑位置约束和设备约束等条件的优化目标函数 ,给出了目标解的染色体表达方式和基于混合变异的进化机制 ,并通过实例计算和分析验证了算法的实用性 .     

基于集装箱任务组时间窗的堆场场桥调度模型建立与求解

有效的场桥调度模型对于减少集卡等待时间从而增加集装箱码头的产出量是非常关键的.考虑实际操作中单场区内多台场桥同时工作、互有干扰以及存取箱同时操作等约束,建立了基于任务组时间窗的以集装箱作业时间延迟或提前量最小为目标的数学模型.采用Gurobi进行优化求解本模型求得大规模堆场上场桥作业调度问题.经实际算例计算发现所得结果与实际相符.该模型在解决集装箱码头大规模问题中以及在获取解的质量与获取解所需时间上都优异于其他模型.     

演化动态优化中的机器学习策略述评

综述了结合机器学习策略的演化动态优化研究,从数据、预测最优解位置、改进演化算法搜索等方面讨论分析了该领域的研究现状和关键技术,并总结了该领域目前存在问题和挑战。     

铁路车流径路优化的遗传算法设计

将铁路车流径路的优化问题分解为两个:车流排列离散空间中车流排列优化,车流排列的评价计算.在给出车流排列的评价函数的定义后,引入旅行商问题的描述,把车流排列优化问题归约为TSP问题,从而给出了车流排列优化的复杂性分析.引入优先权编码,定义种群个体的适应值函数和相应的遗传操作,给出相应的遗传优化算法,并以实际运营数据为依据,进行仿真计算.通过同禁忌搜索法计算结果比较,遗传算法虽然在解的精度上略逊一筹,但计算工作量小得多,硬件要求也没有禁忌搜索法高.因此,具体选用应以具体情况而定.条件允许,最好将两种算法结合起来使用.     

汽车导航系统的动态路径规划优化模型与算法研究

汽车的普及化增加了城市交通的内在压力,对汽车导航系统的动态路径规划优化可以给驾车人在有限的城市道路中找出一条最佳行车路径.本文介绍了一种实用的动态路径规划方法.采用一个实时的路线地图,地图包括交通信号,道路类别和行车道的数目.建议的解决方案是使用病毒感染的遗传算法.该方法是将公路干线的一部份视为病毒.通过交叉和感染确定近期病毒的最佳组合.在驾车的过程中,当交通挤塞经常变化时,使用病毒感染实时路线,将产生一个可供选择的行车路线.最后给出病毒遗传算法的试验仿真结果.     

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.