基于泊位计划的集装箱码头岸桥动态调度优化

所谓基于泊位计划的集装箱码头岸桥动态调度问题,是指在计划周期内,在每艘船舶均已安排了靠泊时间和靠泊位置的前提下,将有限的岸桥资源在船舶上的装卸任务间进行动态分配与排序,以最大限度地减少计划期内所有船舶的滞港时间. 在充分考虑岸桥不能交叉作业、装卸任务有作业顺序要求等现实约束下,对此问题构建了非线性数学规划模型,基于问题自身的特点设计了基于任务排序的染色体结构,用遗传算法进行求解. 通过与文献中单船的调度结果的对比、单船岸桥调度与多船动态岸桥调度结果的对比,以及多船动态岸桥调度的仿真实验,证明了模型及算法的有效性.     

基于改进樽海鞘群算法的卸车调度优化

针对港口载煤列车的卸车调度流程主要依靠工人经验进行调度作业,存在决策时间长、作业冲突和列车在港时间过长等问题.以列车在港时间最少为总优化目标,在已知列车到港时间及堆垛与煤种对应关系的前提下,考虑工作机械可用性、作业流程可达性及其相互约束关系等因素,构建了卸车调度数学模型.提出了一种基于改进樽海鞘优化算法的优化调度方法.引入自适应惯性权重,可有效地提高算法收敛速度;引入随机柯西变异策略,可有效地提高算法寻优能力.5个测试函数的测试结果表明:相比于樽海鞘优化算法、自适应樽海鞘优化算法、粒子群算法与鲸鱼优化算法,改进樽海鞘优化算法收敛速度更快,精度更高.港口堆场作业实际数据的仿真实验表明:改进樽海鞘优化算法可优化出满意的卸车调度任务,减少了火车总在港时间,提高了港口总体的工作效率.     

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.     

铁水联运港站的铁路作业区轨道门吊优化配置

根据铁路作业区内装卸作业的要求和特点,引入允许作业时间概念,将铁路作业区轨道门吊配置问题分为轨道门吊调度问题和数量优化配置问题.通过建立混合整数规划模型,对轨道门吊进行柔性调度,使装卸作业最大完工时间最小、轨道门吊作业均衡以及任务期内运营成本最低.此外,设计了基于使用权分配的遗传算法对模型进行求解.最后选取集装箱卸车过程作为算例对算法和模型进行验证,结果表明,提出的轨道门吊优化配置模型能对作业区轨道门吊数量进行合理配置,提高了装卸作业效率.     

考虑换船作业的长江干线集装箱船舶调度

考虑换船作业情况,建立以总运输成本最小为目标的非线性规划模型,提出包括船舶选择、挂靠港选择和运输任务指派三方面内容的不定期集装箱船舶调度优化方法;针对模型特点,考虑基因融合及基因修复,设计改进遗传算法对问题进行求解,应用案例获得集装箱船舶调度优化方案;采用多算例方法将考虑换船作业与不考虑换船作业的调度方案进行对比分析. 结果表明,考虑换船作业可以降低运输总成本,减少船公司的投入运力,有效提高投入运力的综合利用率,增强船公司的竞争力,为船公司制定船舶调度方案提供决策参考.     

基于多代理机制的车间作业调度算法动态混合生成策略

针对根据具体问题设计调度算法很难适应变化的生产作业调度问题,本文提出了基于多代理机制的车间作业调度算法动态混合生成策略,该策略根据具体的生产任务,判断生产类型,继而根据问题动态生成算法,对问题进行计算,形成调度序列,使得生产调度算法能够更好地适应动态变化的车间生产环境.通过仿真实验,验证了本系统的有效性.     

基于多代理机制的车间作业调度算法动态混合生成策略

针对根据具体问题设计调度算法很难适应变化的生产作业调度问题,本文提出了基于多代理机制的车间作业调度算法动态混合生成策略,该策略根据具体的生产任务,判断生产类型,继而根据问题动态生成算法,对问题进行计算,形成调度序列,使得生产调度算法能够更好地适应动态变化的车间生产环境.通过仿真实验,验证了本系统的有效性.     

双链遗传算法在作业车间调度中的应用

针对简单遗传算法在解决作业车间生产调度问题时存在收敛效率低与过早收敛的局限,将一种改进的遗传算法--"双链遗传算法"应用于求解作业车间生产调度问题.与简单遗传算法相比,双链遗传算法在解决作业车间调度问题上,显著提高了搜索效率,还增强了避免早熟的能力.对双链遗传算法求解作业车间调度问题的某些策略和基本步骤作了简要的归纳和总结,编制了双链遗传算法求解作业车间调度问题的程序,通过调度例子测试表明了算法的有效性和可行性.     

集装箱码头作业系统层次化、并行、异构与可重构计算模型

基于计算思维和计算透镜, 分析了集装箱码头的装卸作业与调度决策, 基于“并行计算”、“异构计算”和“可重构计算”提出了计算物流视角下的集装箱码头作业层次化、并行、异构与可重构计算模型; 将计算机科学领域中多种典型计算体系结构的设计思想和运作机制, 泛化、迁移、修正、融合和定制到集装箱码头作业系统中, 设计了面向此计算模型的混合调度策略, 提出了集装箱码头调度新的抽象计算模型与工程解决路径; 以某大型集装箱码头为实例, 基于集装箱码头作业层次化、并行、异构与可重构计算模型, 进行了物流广义计算自动化的设计与性能评估。研究结果表明: 采用计算模型能确定码头的集装箱吞吐量上限, 实例中约为码头年设计能力的2.75倍; 在满负荷情况下, 基于等待作业集装箱队列的负载均衡调度策略和基于等待作业船型的负载均衡调度策略均能将大型集装箱干线船舶物流广义计算任务延迟缩短约17 h; 在明显作业过载时, 前者能将物流广义计算任务延迟减少100~110 h, 后者能减少约120 h; 在满负荷和作业过载情况下, 2种策略均能缩短大型集装箱干线船舶物流广义计算访问存储时间1~2 h, 后者在作业过载情况下表现更佳; 2种策略都能很好地优先服务重点班轮集合, 且有各自对应的适用状况和调度重点, 码头管理者可根据具体情况选择适用。      

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。