基于Memetic算法的泊位和岸桥分配问题

泊位是港口资源中最紧缺的资源,合理的泊位分配和岸桥调度可以提高集装箱码头的作业效率,研究了集装箱码头泊位和岸桥的同时优化问题。将泊位与岸桥的分配问题抽象为二维装箱问题,然后建立了泊位、岸桥同时优化的混合整数线性规划模型,并提出了Memetic算法进行求解。计算结果表明,在求解大规模船舶指派优化问题时,使用Memetic算法求解比使用Gurobi软件求解在计算时间上具有明显的优越性。     

基于分类分析的集装箱码头泊位分配研究

数据挖掘技术已广泛应用于各行各业,并产生了明显的经济效益,但针对泊位分配方面的研究并不是很多.笔者以集装箱码头泊位分配为研究对象,选取影响因素,利用数据挖掘分类技术中的ID3方法分析相关数据,对泊位分配方案进行分析,最终得到泊位分配分类规则,为集装箱码头泊位分配提供新策略.仿真验证该新策略减少了单船在港时间和所有船次在港总时间,提高了集装箱码头生产效率.     

基于 CHC 算法的集卡与岸桥协调调度优化问题

集卡调度与岸桥调度是集装箱码头作业的两个重要子问题,针对其运营效率是一个动态持续的NP-hard调度问题,考虑到集卡在对集装箱作业时的不确定和动态性到达,提出了一种新的调度规则,建立了集卡与岸桥作业的协同调度数学模型,基于计算复杂性,采用改进的遗传算法,即CHC算法进行求解。实验证明,该模型及算法能够在更大程度上提高码头的整体运作效率,提高码头设备的利用率,减少资源的闲置。     

航道尺度对集装箱码头泊位有效利用率的影响

进港航道已经成为制约港口通过能力发挥的因素之一,在港口规划时应考虑航道尺度对泊位有效利用率的影响。本文以集装箱码头为例,将船舶航行作业过程引入港口生产作业仿真模型;根据相关行业规范,设计一系列仿真试验方案并确定仿真模型参数;定量分析集装箱码头泊位有效利用率与泊位数、航道线数和航行历时之间的影响关系,为合理确定集装箱码头泊位有效利用率、估算年泊位通过能力提供理论依据。结果表明,在选取合理泊位有效利用率时,进港航道尺度不可忽略,尤其是单线长航道。同时,建议在实际工程中采用计算机仿真技术来评价港口总平面布置方案,保证港口整体高效运营。     

连续泊位—岸桥—集卡调度模型构建及应用

随着港口的发展,港口码头物流资源的高效利用愈发重要．为了实现港口码头作业效率的总 体最优,将集卡作业面和作业线相结合模式应用于模型构建过程,以计划期内所有到港船舶总费用 最少为目标函数建立了连续泊位—岸桥—集卡调度模型．模型从系统的角度出发,将泊位分配、岸 桥分配和集卡指派看作完整的作业系统,实现了泊位、岸桥和集卡的集成调度．针对此模型,进行遗 传算法的设计和编程求解,并通过求解结果得到了相对最优的调度方案．数值实例验证了模型和算 法的实用性和有效性．结果表明：调度方案不仅减少了作业集卡的数量,而且缓解了不同岸桥间作 业量不均衡的情况．     

集装箱码头作业调度双层规划模型及求解算法

为提高作业调度的整体性，建立了集装箱码头作业调度双层规划模型，其中上层为装卸桥调度优化模型，下层为集卡动态路径模型，通过上下层模型间的反馈与相互作用决定集装箱码头作业调度的整体优化方案．为了求解模型，设计了基于遗传算法的求解方法，并且应用实际算例对模型和算法的有效性进行了验证．计算结果表明双层规划模型与算法不但可以降低集卡空驶距离、减少所需集卡数量，而且可以缓解码头内交通拥挤、提高作业系统的可靠性．     

集装箱码头集卡调度模型与Q学习算法

研究集装箱码头装卸过程中集卡调度问题,建立了集卡调度动态模型,目的是使装卸桥等待时间最小.设计了基于Q学习算法的求解方法,获得在不同状态下的集卡调度策略.提出了应用Q学习算法求解集卡最优调度时系统状态、动作规则、学习步长与折扣因子的选择方法.结果表明,随着集卡数量的增加,Q学习算法获得的结果优于最长等待时间、最远距离、固定分配集卡等调度策略.     

集装箱码头泊位生产调度均衡优化

目的 解决缩短船舶在港作业时间产生的负面效应,使集装箱码头泊位调度更加优化.方法 建立了综合考虑船舶靠泊位置、靠泊时刻及装卸速度的均衡优化模型.在求解中采取人机交互与自适应遗传算法相结合的方式,设计了相应的优化算法,并通过算例对模型及算法的有效性进行了验证.结果 目标函数通过对靠泊位置、靠泊时刻、装卸速度的综合调整,可以获得以趋于均衡为目标的调度组织方案.融入调度人员的实际经验,能够在可行的范围内获得更优的满意解.结论 解决了生产调度均衡优化问题,使得生产调度的优化结果 更为贴近实际.     

自动化码头桥吊、自动引导车以及龙门吊的联合调度

以实现船舶在港停靠时间最短为目标,以自动化码头的整个水平运输系统为研究对象,在考虑自动化码头装卸工艺方案的基础上,建立了一个自动化码头桥吊、自动引导车以及龙门吊的联合调度模型,该模型可以实现集装箱码头整个水平运输系统的最优化调度。通过一个算例对模型有效性进行验证,结果显示:同传统按经验调度的方案进行对比,码头作业效率提高了26%,该联合调度模型有助于提高集装箱码头的作业效率,减少船舶在泊时间,提高码头竞争力。     

基于AutoMod的堆场作业的仿真研究

利用AutoMod仿真软件,模拟集装箱码头集疏运的静态运行模式,通过计算,比较分析专用泊位与公用泊位集疏运的处理时间,从而辅助管理者做出决策,满足集装箱码头运输快速有效的需求,缩短船舶在港停泊时间,有效利用人力、泊位、堆场和装卸设备资源等。     

改进灰狼算法及其在港口泊位调度中的应用

为提升港口泊位调度的效率,提出一种基于改进灰狼算法的船舶调度优化方法.针对灰狼算法收敛速度慢、寻优精度不高等不足,引入Sin混沌初始化,增强初始种群的均匀性和遍历性;引入头狼引领策略,加快算法收敛,提高算法效率;引入合作竞争机制,增强算法局部搜索的能力;在灰狼种群位置更新时引入自适应权值,以满足不同时期的寻优要求.为验证改进灰狼算法的有效性,将该算法与其他6种不同算法进行对比实验.结果表明:改进灰狼算法的收敛速度明显快于其他6种算法,在不同测试函数的仿真中均能得到所求函数的最优值,且该算法独立运行20次取得解的标准差均为0,表明该算法对不同维度的求解问题均具有很好的抗扰性;在港口泊位调度的应用中,经过该算法优化后,所有船舶停留总时间较优化前缩短了14.7%,大幅度缩短了船舶的在港时间.该算法在船舶调度优化中取得了满意的应用效果,能够得出相对较佳的调度方案,实现泊位停靠最优化,为港口泊位调度优化提供了新方法.     

基于狮群算法的数字孪生车间调度问题优化

针对柔性作业车间调度问题,提出一种基于狮群算法的数字孪生柔性作业车间调度方法。基于实际生产过程的需求,使用狮群算法生成柔性作业车间调度初始方案,建立物理车间与虚拟车间实时交互的数字孪生柔性作业车间调度模型,在搭建的虚拟车间中对初始调度方案根据设备利用率进行方案优化。采用数字孪生模型解决设备故障等车间突发事件对生产进程的影响问题。通过使用真实车间数据对机加工车间生产调度过程试验,结果表明,采用狮群算法求解柔性作业车间调度问题,搜寻能力强,搜索速度快,可以在不同规模的问题中找到更优的解决方案;狮群算法结合数字孪生的柔性作业车间调度方案能够整体优化系统性能,有效处理扰动带来的延长生产时间问题。     

连续泊位下集装箱港口泊位与桥吊协同调度优化研究

集装箱港口作为集装箱运输中极其重要的枢纽,其运作效率的好坏关系到港口企业的运营成本和客户的满意度。由于泊位与桥吊资源是港口的稀缺资源,其调度优化的优劣直接关系到港口的作业效率。首先建立了一个关于泊位分配混合整数规划模型,为到达的船舶分派泊位和桥吊数量,然后建立了一个桥吊调度的混合整数规划模型对具体的岸桥进行调度,算例结果显示利用文中建立的模型能够得到较好的满意解。     

面向分布实时嵌入式系统的任务优化调度算法

文章针对负载难以准确预知且动态变化的复杂分布实时嵌入式系统,提出了一种基于快速模型预测控制的任务调度算法,通过动态调整分配在各个处理器上的任务QoS,使得每个处理器的CPU利用率保持在参考值附近,保证了任务的实时性;利用多参数二次规划的方法求解模型预测控制中的约束优化问题,可有效减小算法的执行时间.实验结果表明算法有效且负载极小.     

改进多目标进化算法的云工作流调度

针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。     

基于两阶段启发式算法的多场桥作业调度研究

场桥作业调度对集装箱码头整体运营效率具有重要影响。在分析多台场桥协同作业的基础上,考虑场桥实际作业中不可相互跨越与安全距离等特有约束,建立了场桥作业调度问题的混合整数规划模型。针对模型求解的复杂度,设计了两阶段启发式算法,最后通过数据实验对模型与算法的有效性进行了验证。