集装箱港口船舶配载计划研究综述

梳理了集装箱港口船舶配载计划问题的国内外文献,从配载计划的分类、影响因素与求解方法三方面回顾了其研究现状和成果,探讨了目前研究中存在的不足与后续的研究方向。研究结果表明：在论文题目中直接点明主贝位规划问题或者箱位分配问题的文献越来越少,更多的是直接点明“配载计划问题”;多数文献考虑了船舶稳性、船舶强度、集装箱属性(尺寸、质量、类型等)、岸桥属性等影响配载计划问题中的几个因素,只有极少数文献将配载计划问题的影响因素全部考虑在内,因此,为了使研究更贴近港口实际操作,综合考虑配载计划问题的影响因素将成为未来的研究重点;配载计划还受到港口内其他作业的影响,因此,为了提高港口的作业效率和运营水平,应综合考虑集装箱港口各个区域之间的相互作用;随着铁水联运的发展,铁路集装箱也会堆放在船舶上,因而在配载计划问题中也需要考虑铁路集装箱的影响;多数文献都设计了智能算法,并获得了较多的优化解,但是为了更加直观形象地展示求解结果,应该将仿真优化与算法计算结合在一起。     

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.     

基于运载能力的铁路集装箱中心站轨道吊与集卡协同优化

为解决铁路集装箱中心站设备资源有限的问题,本文基于集卡实际运载能力,研究铁路集装箱中心站集卡“一车两箱”模式下,“轨道吊-集卡”协同优化问题,并构建以集卡作业完成时间最短为目标的整数规划模型,同时,考虑集卡运输不同尺寸集装箱的决策以及轨道吊的安全约束等实际情况。为求解模型,设计考虑轨道吊分配策略的遗传模拟退火算法,并进行3组不同规模的实验,验证模型和算法的可行性和有效性。实验结果表明,与传统集卡“一车一箱”模式下,“轨道吊-集卡”协同作业相比,集卡“一车两箱”模式下,作业完成时间平均缩短了13.3%,并且随着算例规模的增大,集卡“一车两箱”模式的作业完成时间缩短越明显;同时,集卡“一车两箱”模式下,轨道吊作业更加灵活且作业量更均衡;此外,当铁路集装箱中心站集卡资源有限时,集卡“一车两箱”模式也可以提高设备的利用率。     

社区公交票制票价制定策略研究

社区公交是为方便社区居民的出行,解决“最后一公里”出行难题而开设的公交线路,因此它的票制票价制定也要符合社会、居民、公交企业的要求。本文在分析常规公交票价的影响因素基础上,结合社区居民出行特点,研究了社区公交票价与公交需求的关系,给出了社区公交票价制定的原则,提出了社区公交票制票价制定的策略。     

集装箱码头集成调度研究综述

按照不同的研究区域, 总结了集成调度在码头前沿、码头堆场以及码头前沿和堆场间等方面的国内外文献, 并提出了未来的研究方向。研究结果表明: 多数文献研究的是传统集装箱码头的集成调度问题, 并取得了较多成果, 也有少数文献研究了自动化码头的集成调度问题, 随着科技的发展和自动化码头的增多, 在今后的研究中, 应结合自动化码头的特点, 研究自动化码头内的设备集成调度问题; 多数文献都是在静态或确定情况下研究集装箱码头的集成调度问题, 只有极少数文献考虑了码头生产调度过程的动态或不确定性, 因此, 随着研究的逐步深入, 动态或不确定因素下的集成调度问题将成为未来的研究重点; 多数文献均建立了以时间、成本最小或二者相结合的目标函数, 虽然也有助于提高码头的生产效率, 但是依旧存在一定的局限性, 随着能源问题的日益严重, 在未来的研究中, 应建立均衡能耗和其他优化目标的多目标模型; 多数文献中设计了启发式算法, 并获得了较好的优化解, 为了使求解方法更加多元化, 应将算法计算与仿真验算相结合; 随着多式联运的兴起, 应在考虑铁路作业区对整个集装箱码头影响的基础上研究铁路作业区与码头间的集成调度问题。     

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。     

考虑配载计划的铁路集港箱位指派

为了提高集装箱港口内堆场的装卸作业效率, 建立了以压箱数最小为目标的出口集装箱箱位指派模型; 考虑铁路运输箱成批到达和公路运输箱到达存在随机性的不同特点以及配载计划的影响, 设计了基于预测方法的启发式算法; 根据公路运输箱的到达特点, 利用马尔科夫链预测公路运输箱的到达顺序; 考虑箱位指派模型的特点, 设计了箱位指派求解算法对铁路运输箱和公路运输箱进行箱位指派, 利用MATLAB软件仿真测试了提出的模型与算法; 通过小规模试验验证了模型和算法的可行性和有效性, 并进行了2组大规模对比试验, 一组对比试验为铁路运输箱和公路运输箱混合堆存模式与铁路运输箱和公路运输箱分开堆存模式, 另一组对比试验为提出的算法与传统堆存算法。分析结果表明: 混合堆存模式比分开堆存模式的压箱数少27.9%, 提出的算法比传统堆存算法的压箱数少37.7%;混合堆存模式可有效减少压箱数, 提出的算法不仅可以有效解决小规模集装箱堆存问题, 还可以解决大规模集装箱堆存问题, 有效提高了堆场的装卸效率, 为集装箱的装船作业提供了便利。