基于混合交叉作业的码头集卡路径优化模型

针对集装箱在码头堆场分散堆放的情况和码头泊位装卸作业的状态要求,研究了以岸桥组合为作业单元的集卡作业路径优化问题.与传统的作业方式不同,综合考虑了集卡作业方式要求、集卡作业组数量、泊位作业岸桥安排、集装箱堆放地点数量及各地点堆放集装箱箱量情况,以及它们相互之间的关联和协调关系,设计了集装箱码头集卡作业组对于泊位多岸桥装卸混合交叉作业下的路径优化模型.通过算例对模型进行验证,该模型优化的作业安排能够有效提高集卡的利用效率和集装箱码头的生产作业效率.     

多类型任务复合作业的堆场龙门吊调度问题研究

在集装箱码头,龙门吊是负责在集装箱堆位和集卡之间进行集装箱搬运的主要设备,其作业效率对提升集装箱码头的服务水平至关重要.为了提升集装箱堆场龙门吊的作业效率,本文根据龙门吊实际作业情况,对集装箱堆场龙门吊的多类型任务复合作业问题进行研究.以优化龙门吊作业任务开工时间延迟的惩罚成本为目标,基于整数规划方法建立了多类型任务复合作业下的堆场龙门吊调度模型,并针对模型特点设计了基于GA的智能求解算法.最后,以某码头的实际作业数据为基础,进行了案例计算和对比,验证了该模型和求解算法的有效性.     

集装箱码头混合交叉作业集成调度模型

针对集装箱码头进出口作业系统中泊位分配、装卸作业、水平搬运等诸多环节之间的关系,分析了现有进出口作业系统对集装箱码头生产效率与运营成本的影响。运用系统工程优化理论,提出混合交叉作业集成调度方法与同步优化技术,以泊位分配、设备配置、集装箱卡车(集卡)行驶路径为决策变量,以集装箱码头最小运营成本为目标函数,建立了三阶段集成调度优化模型,设计了双层遗传求解算法。在双层遗传算法中,上层遗传算法用于搜索集装箱码头设施设备的合理配置组合,下层遗传算法在上层算法的基础上优化集卡行驶路径。计算结果表明:与独立装卸作业过程相比,使用混合交叉作业集成调度模型时,集卡数量为22veh,减小了66.2%,集卡行驶总距离为10 389.8km,减小了17.4%;与单独调度方式相比,使用混合交叉作业集成调度模型时,集卡行驶总距离减小了14.5%,码头运营总成本为84 266.2元,降低了4.6%。可见,使用集装箱码头混合交叉作业集成调度模型,能有效提高集装箱码头生产效率,明显降低运营成本。     

基于萤火虫算法的集装箱码头集卡路径多目标优化研究

在两艘船同时作业情况下,建立以集卡总行驶距离最短及完成两船所有装卸任务的时段内各箱区间作业量不平衡性最小的多目标优化模型。在模型求解时,采用新颖的萤火虫算法求解,编码方式采用离散整数编码,每个整数编码表示对应的集卡作业回路运行次数。最后通过舟山甬舟集装箱码头案例分析,较好的解决了集卡路径优化问题,为码头运营者提供了一定的决策支持,也验证了模型与算法的有效性与实用性。     

集装箱码头物流作业Agent间的重构

在介绍集装箱码头物流作业流程的基础上,通过引入计算Agent和作业角色Agent,构建了基于Multi-Agent的集装箱码头物流作业重构系统框架和结构,研究了重构中作业角色Agent的工作过程,用强化学习算法设计了作业角色Agent;构造了在基于Multi-Agent的集装箱码头物流作业重构中计算Agent重构模型,并用双层规划理论实现了相邻作业角色Agent的协调。以集装箱码头集卡作业和岸桥作业两相邻作业重构为例说明了重构是有效的,有利于提高集装箱码头物流作业系统的可靠性和协调性。     

不确定因素下的集装箱码头车船间装卸作业集成调度

为了提高集装箱码头的效率,建立了集装箱码头车船装卸作业集成调度模型;考虑了装卸同步作业与一些实际约束条件,如岸桥、龙门吊间干扰和安全距离等,以及生产调度中的不确定因素,如岸桥、集卡的速度变化等,设计了改进的多层遗传算法求解模型;为了确定随机变量的具体值,在传统的遗传算法中引入蒙特卡罗法,为了使得集装箱在集卡间均衡分配,在传统的遗传算法中引入均衡算子;通过试验验证模型和算法的可行性和有效性,并进行了改进的多层遗传算法中引入均衡算子与未引入均衡算子间的对比试验。分析结果表明:引入均衡算子后的装卸作业完成总时间为7 437.8s,比未引入均衡算子减少760.3s,且在引入均衡算子的试验中50FEU集装箱均匀分配给了5辆集卡,而在未引入均衡算子的试验中未能均匀分配;固定龙门吊和岸桥数量,改变集卡的数量,通过比较每组试验中作业总完成时间和边际效益值,得出当集装箱数量为80、90、100FEU时,最优设备配比为3台龙门吊、10辆集卡和4台岸桥。可见,改进的多层遗传算法可以提高集装箱码头车船装卸作业的效率,是解决集装箱装卸作业集成调度问题的一种有效方法。     

集装箱码头送箱集卡预约与场桥调度协同优化

针对送箱集卡随机到港引起的场桥作业不均衡,以及高峰时段场桥资源紧缺、集装箱码头拥堵等问题,构建送箱集卡预约与场桥调度协同优化的二层规划模型.上层目标为集卡在闸口的排队等待时间、预约集港导致集港时段调整的集卡数及所有预约时段未完成作业量所需的场桥时间最小,下层目标为每个预约时段未完成作业量所需的场桥时间最小.设计并行遗传算法求解模型,并以天津东方海陆集装箱码头为例进行算例分析.结果表明,预约集港能够降低集卡在闸口的排队等待时间,且送箱集卡预约和场桥调度的协同优化比独立决策更有利于提高集港效率.     

集装箱码头铁水联运装卸设备协同调度

集装箱码头铁路作业区是开展集装箱铁水联运的主要场所,其效率将影响集装箱铁水联运的整体效率,因而,建立了以装卸过程总完成时间最短为目标的龙门吊、集卡和场桥的协同调度问题的混合整数规划模型,既考虑了装卸同步,又考虑了龙门吊间的干扰和安全距离、龙门吊和场桥走行时间及缓冲区等现实约束,并考虑了集卡堵塞问题.为了求解模型,设计了改进的多层遗传算法.最后通过实验验证了模型和算法的有效性和可行性,证明了考虑集卡堵塞问题是有必要的,并给出了50个和100个集装箱的设备最佳配比.     

集卡与岸桥及场桥联合调度模型优化

分析了集装箱码头中的集卡与岸桥、场桥联合调度;基于集卡运输时间与等待岸桥、场桥时间之间的权重系数考虑,建立了以等待岸桥、场桥作业时间与集卡运输时间之和最小为目标的联合调度优化模型,为集装箱码头装卸作业调度提供了决策支持;算例验证了模型的有效性和实用性。     

基于微进化算法的铁路物流中心集装箱装卸资源调度优化

以铁路物流中心集装箱功能区装卸设备资源为研究对象,考虑物联网物流信息共享平台应用背景下的集装箱门吊作业调度问题,综合考虑外集卡司机的满意度和铁路物流中心内部装卸资源的作业效率,以外集卡平均延误时间最短和轨道门吊最大作业时间最小为优化目标,建立基于物联网平台下的集装箱门吊调度多目标优化模型,并设计了基于优势基因结构进化机制的微进化算法进行求解.经算例表明,微进化算法所采用的优势基因结构机制及原始对偶算子能够有效地适应环境的不确定性,较传统遗传算法在求解效率及质量上有较大优势.     

集卡与岸桥及场桥联合调度模型优化

分析了集装箱码头中的集卡与岸桥、场桥联合调度;基于集卡运输时间与等待岸桥、场桥时间之间的权重系数考虑,建立了以等待岸桥、场桥作业时间与集卡运输时间之和最小为目标的联合调度优化模型,为集装箱码头装卸作业调度提供了决策支持;算例验证了模型的有效性和实用性。     

基于“作业面”模式下集卡配置的仿真研究

为了合理利用集装箱码头的固有资源,提高码头的作业效率,通过集卡调度优化模型算出集卡的最优行驶路径并带入仿真模型中对案例进行分析,得出了在“作业面”模式下集卡配置量与码头作业效率及集卡阻塞时间之间的关系,旨在使码头的装卸效率和资源的浪费状况达到可接受的平衡状态而给出集卡合理配置量的建议。     

带时间窗的中心站多车程集卡调度优化研究

为解决铁路集装箱中心站与周边货源地间的公铁联运多车程集卡集疏调度问题,将货源地的每一集装箱集疏需求视为一个任务节点,以集卡调度总成本最小为目标,综合考虑集卡容量和集装箱集疏时间窗等约束,构建允许同一集卡重复利用的多车程集卡调度优化模型,并设计改进的遗传算法求解该模型。为均衡集卡工作时间,以调度模型确定的最佳集卡数量和车程集合为输入,进一步构建以集卡作业时间之差最小为目标的集卡车程分配模型,并借助Gurobi精确求解每一集卡的最佳车程任务。以郑州铁路集装箱中心站为例进行实验验证,结果表明：本文所提方法能有效解决公铁联运集装箱在集疏环节的集卡调度问题;相较于单车程模式,多车程模式下集卡调度成本平均减少了60.31%;车程分配优化可以将集卡作业时间最大差值减少14.3%以上,提高了集卡作业时间的均衡性。     

“船舶—堆场—列车”混堆堆场箱位分配模型

集装箱海铁联运港口堆场作业箱型复杂,为了提高港口作业能力和效率,基于进口、出口箱的混合堆存方式,对"船舶-堆场-列车"作业堆场箱位分配问题进行研究."船舶-堆场-列车"作业堆场负责堆存通过船舶、列车及外集卡进出港口的集装箱.本文在待分配箱的作业时间及箱区已知的前提下,以集装箱堆存产生的压箱数最小为目标,建立"船舶-堆场-列车"作业混堆堆场箱位分配模型,根据模型特点设计了启发式算法进行求解,并进行算例分析.结果表明,所建模型和求解算法能够有效减少堆场的压箱数,满足箱型堆存要求,提高港口作业效率.     

集装箱码头间互拖的集卡甩挂运输调度问题

集装箱码头间的互拖是一种促进相邻码头资源重新组织与优化的协作方式,集装箱甩挂运输能够解耦互拖与港内作业之间的复杂耦合关系。为了提高互拖的集装箱甩挂运输的有效性,满足码头间协调的时间要求和对集卡资源的有效利用,提出了互拖集卡甩挂运输调度的两阶段方法。首先建立互拖任务之间的时间关系网络,然后在此基础上建立集卡调度的混合整数规划模型。算例分析说明了该方法的有效性;演示集卡作业任务序列,分析其码头作业量分布对于港内作业调度的影响。研究结果提供了码头间互拖集卡甩运输的一种参考方法。     

集装箱码头间互拖的集卡甩挂运输调度问题

集装箱码头间的互拖是一种促进相邻码头资源重新组织与优化的协作方式,集装箱甩挂运输能够解耦互拖与港内作业之间的复杂耦合关系。为了提高互拖的集装箱甩挂运输的有效性,满足码头间协调的时间要求和对集卡资源的有效利用,提出了互拖集卡甩挂运输调度的两阶段方法。首先建立互拖任务之间的时间关系网络,然后在此基础上建立集卡调度的混合整数规划模型。算例分析说明了该方法的有效性;演示集卡作业任务序列,分析其码头作业量分布对于港内作业调度的影响。研究结果提供了码头间互拖集卡甩运输的一种参考方法。     

集卡提箱预约配额与场桥配置的联合优化

在集卡提箱预约中,集装箱码头场桥配置和预约配额的联合优化是缩短集卡等待时间,提升资源利用率的关键. 针对提箱作业的实际特点,构建了双目标整数规划模型,设计了基于非支配排序遗传算法的求解方法. 当码头需求较少时,采取动态调整随机分配场桥最佳;当码头需求较高时,采取动态调整与按需配置相组合的方式最佳. 以国内某码头为原型,通过不同规模的算例实验,验证了模型和算法的有效性. 所提方法可快速生成高质量、多样化的前沿解,实现了场桥资源与集卡作业需求的匹配优化,为码头管理者在资源投入与集卡等待时间的权衡中,提供了决策支持.     

集卡提箱预约配额与场桥配置的联合优化

在集卡提箱预约中,集装箱码头场桥配置和预约配额的联合优化是缩短集卡等待时间,提升资源利用率的关键. 针对提箱作业的实际特点,构建了双目标整数规划模型,设计了基于非支配排序遗传算法的求解方法. 当码头需求较少时,采取动态调整随机分配场桥最佳;当码头需求较高时,采取动态调整与按需配置相组合的方式最佳. 以国内某码头为原型,通过不同规模的算例实验,验证了模型和算法的有效性. 所提方法可快速生成高质量、多样化的前沿解,实现了场桥资源与集卡作业需求的匹配优化,为码头管理者在资源投入与集卡等待时间的权衡中,提供了决策支持.     

集卡动态调度路径优化算法

从整体调度的角度出发,分析了整个码头作业面的动态调度方案,提出了一种新的集装箱卡车(集卡)动态调度路径的自适应蚁群算法。运用码头GPRS系统,以集卡速度、流量、位置等相关数据建立了感知链。通过判断阻塞状况和调整可行点集,确定了信息素浓度更新策略与转移概率计算方法。针对码头路网的复杂性和蚁群算法的实时计算效率,设计了蚁群算法的步骤。将信息熵引入到蚁群算法中,运用MATLAB软件,对集卡的动态调度方案进行了仿真计算。计算结果表明:当初始集卡速度分别为50、75km.h-1,初始集卡流量分别为800、1 000veh.h-1时,集卡行驶的最短路径为4.3km,行驶时间为0.057h;集卡行驶的最优路径为8.3km,行驶时间为0.111h。可见,该算法能有效缓解码头阻塞问题,提高集卡利用率和码头作业效率。     

集装箱海铁联运港口混堆堆场箱区均衡分配模型

集装箱海铁联运港口堆场是集装箱港口作业的重要节点,主要堆存通过水运、铁路及公路等不同运输方式进出港口的集装箱,涉及作业箱型种类多,堆存策略直接影响港口的生产作业效率。以箱区作业量均衡为目标对集装箱海铁联运港口混堆堆场的箱区分配问题进行研究。在滚动计划的基础上,以堆场箱区作业量均衡为目标,建立混堆堆场箱区分配模型,设计了模拟退火算法求解,并进行算例分析。结果表明:所建模型能够有效降低混堆堆场箱区工作量的不平衡性,求解算法可有效收敛获得较优解,优化堆场箱区分配,提高港口作业效率。