不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.     

带二维装箱约束的客货滚装船配载决策

客货滚装船长期处于人工配载状态,其独特性导致其无法直接采用已有滚装船配载方法.为提高客货滚装港口配载的决策水平,针对配载过程的两阶段和二维装箱特性,以船舱面积利用率最大为目标,构建客货滚装船配载决策模型.为实现大规模求解,设计偏随机密钥混合遗传算法求解,算法由多阶段启发式嵌入偏随机密钥遗传算法构成.多阶段启发式首先通过首层配载、主体配载和补充配载三段启发式完成初始解构造,其次采用横纵倾优化策略调整船舶稳性.算例研究表明,偏随机密钥混合遗传算法表现良好,且在大规模应用实验中鲁棒性较好,可实现客货滚装船的有效配载.     

带二维装箱约束的客货滚装船配载决策

客货滚装船长期处于人工配载状态，其独特性导致其无法直接采用已有滚装船配载方法.为提高客货滚装港口配载的决策水平，针对配载过程的两阶段和二维装箱特性，以船舱面积利用率最大为目标，构建客货滚装船配载决策模型.为实现大规模求解，设计偏随机密钥混合遗传算法求解，算法由多阶段启发式嵌入偏随机密钥遗传算法构成.多阶段启发式首先通过首层配载、主体配载和补充配载三段启发式完成初始解构造，其次采用横纵倾优化策略调整船舶稳性.算例研究表明，偏随机密钥混合遗传算法表现良好，且在大规模应用实验中鲁棒性较好，可实现客货滚装船的有效配载.     

集装箱船舶装箱排序问题的两阶段算法

集装箱船舶装箱排序问题综合集装箱装船顺序与船舶贝内排箱,是一类典型的组合优化问题.考虑堆场发箱顺序和船舶配载之间的关联,构建集装箱船舶装箱排序问题的数学模型.针对构建的优化模型,鉴于已有方法难以直接对其进行求解,基于两阶段分层求解思想设计SWO-HES两阶段算法.算法第1阶段利用吱呀轮算法(SWO)大邻域导向式搜索的特点优化集装箱装船顺序问题;第2阶段将SWO的结果作为输入,基于启发式规则和演化策略算法(ES)构造混合演化策略算法(HES)优化船舶贝内排箱问题.最后,通过不同规模算例的研究,将SWO-HES与常见智能算法、基于实际装船规则的启发式算法进行对比分析,验证模型与算法的有效性.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

集装箱码头装船顺序和场桥行驶路径联合优化

为降低倒箱量、缩短场桥作业时间,在已知船舶配载图和堆场堆存状况的条件下,研究了出口箱装船顺序及场桥行驶路径联合优化问题.以作业时间衡量装船顺序产生的倒箱量及场桥行驶路径,建立作业时间最短为目标的整数规划模型,设计均衡倒箱量和场桥作业时间的启发式算法对模型进行求解,提出了问题下界的求解方法,同时,设计算例比较了启发式算法与下界的差异,为码头调度人员提供决策支持.     

集装箱船舶全航线配载优化模型与改进遗传算法

以集装箱船舶稳性、强度、载荷为约束条件,以全航线倒箱量最小和吃水差最优为目标函数,建立了集装箱船舶全航线多目标配载优化模型。利用启发式算法获得初始可行解,利用改进了的遗传算法进行优化,并用1841 TEU、3开口的集装箱船舶进行实例验证。计算结果表明：与传统遗传算法相比,改进的遗传算法能在1．967 s内求得全航线上5个挂靠港口的配载计划,并能求得5个港口的满意解;在求得的满意解中,船舶倒箱量均为0,吃水差的绝对值分别为0．0035、0．0008、0．1097、0．0011、0．3712 m,均在船舶行驶的合理范围0～0．5 m内;对于不同挂靠港数量的其他航线,改进的遗传算法能在5s内快速获得合理的配载计划。可见,优化模型与改进的遗传算法可行。     

基于两阶段启发式算法的公路网布局研究

为形成科学、合理的公路网布局方案,为公路网布局实践提供理论支撑,以节点重要度为基础,在一定的约束条件下,以满足节点间的运输需求为目的,以路网总旅行时间最小为目标构建混合整数规划模型.在此基础上,以路段重要度和运输需求为启发式条件,设计基于随机游走算法和模拟退火算法的两阶段启发式算法,对MATLAB生成的随机算例进行求解.计算结果表明,在算法迭代初期,节点重要度较大的节点优先被连通,伴随迭代次数的增加和一定的随机扰动,节点在实现全部连通的基础上以路网总旅行时间最小为目标进行优化,最终获得目标函数值最优的公路网布局方案.算例求解过程符合公路网规划实践规律,表明了该模型和算法的有效性,同时表明模拟退火算法对随机游走算法求得的初始解具有一定的优化效果.可以看出,两阶段启发式算法能在较短时间内求解NP-hard问题并获得相对满意的解,可为求解大规模网络优化问题提供一定的方法借鉴.     

滚装甩挂运输空重集装箱调度研究

为了平衡陆海联运过程中空重集装箱的运力,降低物流成本,提高多式联运的效率,分析了滚装甩挂运输模式下的空载与重载集装箱调度问题,以牵引车总行驶成本最小化为目标构建了混合整数规划模型。运用Matlab软件生成一系列随机算例,以节约算法结合邻域搜索为基础,设计两阶段启发式算法对随机算例进行求解,其结果符合物流实践,证明了模型和两阶段启发式算法的准确性和有效性,同时表明邻域搜索算法对节约算法求得的初始解有较好的再优化效果。     

基于BP神经网络的集装箱船舶配载问题研究

针对集装箱船舶对配载的快速性、高效性需求,根据BP神经网络对历史数据的分析,结合集装箱船舶的特性深入研究集装箱智能配载方案.基于集装箱船配载图和各卸货港信息等历史数据,通过BP神经网络对历史数据进行训练优化,挖掘其中规律,从而快速生成对各类集装箱合适的配载位置,优化装船作业,提高集装箱船舶配载效率,达到节约成本的效果.最后采用实船数据进行测试,仿真结果与实际配载结果差异率不大,说明该研究方向对于集装箱配载方案优化是有效的.     

基于时间不确定的集装箱码头靠泊计划优化

集装箱班轮运输具有较强的计划性，但在实际中，由于天气等原因仍存在运行时间不确定性，对制定靠泊计划产生重要影响.针对这一问题，研究集装箱班轮运行时间的偏差规律；根据问题特点和集装箱班轮靠泊规则，构建基于运行时间不确定的集装箱码头靠泊计划优化模型；设计以遗传算法为外层框架，嵌入仿真过程构成优化循环的算法，针对问题特点设计初始择优策略进行求解.最后，以大连港集装箱码头作业为实际背景进行建模和计算，取得了较好的结果.实例分析和算法测试证明了本文所建模型和算法的有效性.     

内河集装箱港锚地—泊位资源配置多目标决策

鉴于锚地—泊位资源配置直接影响内河集装箱港的运作效率,且受到内河航道及岸线等设施资源制约,本文在考虑船舶通行安全的基础上,运用随机服务理论,以港口总成本和船舶在港等待时间最小为目标,建立内河集装箱港锚地—泊位配置的多目标规划模型,设计了一种针对非线性整数规划问题的实代码遗传算法,并以重庆某集装箱港作为算例,验证该模型的合理性和算法的有效性,同时分析了不同船舶到港强度和泊位服务强度下的锚地—泊位最佳配置关系,为建立和拓展内河集装箱港资源优化和配置提供理论基础.     

一种集装箱船配载问题改进算法探讨

集装箱船配载问题是整个集装箱海上运输工程中重要的一个环节。在装箱问题的降序最先适应算法和降序最优适应算法的基础上,提出了一个改进的降序最优适应的集装箱船配载算法,模拟配载的结果表明该算法能够较好解决集装箱船配载问题的求解。     

“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.     

���ģʽ�¼�װ��ѳ���λָ���Ż�ģ��

所谓混堆模式下集装箱堆场箱位指派问题,是指混堆模式下,在待作业箱区为已知情况的前提下,确定集装箱在指定箱区中的最优堆存位置,以最大限度地控制堆场倒箱率,提高堆场装卸作业效率.在滚动式计划的基础上,充分考虑了不同作业箱型与倒箱作业的内在联系,依据堆场混堆的作业规则定义了作业箱优先等级,以新增集装箱压箱数最小为目标对此问题构建了箱位指派优化模型,基于问题自身的特点设计了相应的启发式算法进行求解,通过实际算例进行验证.验证结果表明,该模型及算法比港口现有混堆堆存策略有较大改进.