考虑潮汐影响的泊位分配与船舶调度集成优化

针对港口作业中大船需乘潮进出港口的现实,研究潮汐影响下的泊位分配与船舶进出港次序集成优化问题.考虑船舶偏好泊位与进出港时段等约束,以到港船舶作业时间成本、偏离偏好泊位成本和滞期成本之和最小为目标,构建混合整数线性规划模型,并设计了改进禁忌搜索算法来求解.在算法中,为修正无效与质量较劣的解设计了修复策略;为提高算法的搜索效率,给出了集中性解与多样性解的数量的变化方式与长——短禁忌表.算例分析验证了模型和算法的有效性,可为集装箱港口的作业调度提供参考.     

低碳经济下的港口泊位分配模型及其算法实现

航运公司正在进行前所未有的努力以减少船舶的燃油消耗量及碳排放量,而港口所制定的泊位分配计划对于船舶的油耗量和碳排放量有着直接的影响。由于船舶的到港时间是港方制定泊位分配计划的关键参数,因此将船舶到港时间作为决策变量引入传统的泊位分配（BAP）模型中,设计了港口与船方协调调度的新的泊位分配策略--VAT（Variable Arrival Time）策略,同时将船舶油耗和碳排放量融入BAP 模型的目标函数中,建立了船舶油耗量最小和船舶离港延迟时间最短的双目标优化模型。采用多目标遗传算法对该模型进行求解,并用仿真算例验证了该策略的有效性。计算结果表明,VAT策略可以大大削减航运公司的燃油消耗和船舶的碳排放,同时可以提高港口的服务水平,缩短船舶在港等待时间。     

基于蚁群算法的泊位调度问题

在集装箱港口的运作中,泊位调试系统是制约集装箱港口降低船舶在港时间和运营成本的主要瓶颈之一。泊位调度的目标就是确定集装箱港口船舶的停靠泊位和停泊时间。将码头看成离散泊位的集合,以船舶的在港时间最短为目标,应用蚁群算法对该问题进行优经研究,在满足各种约束条件的基础上,充分的利用好码头资源。利用蚁群算法的正反馈和并行搜索特点提高解的质量2和稳定性,通过对某集装箱码头的案例分析,说明该算法的有效性和实用性。     

基于量子遗传混合算法的泊位联合调度

为了提高集装箱港口服务效率,减少船舶服务的拖期费用,针对港口硬件（泊位、拖轮、岸桥）既定条件下的拖轮-泊位联合调度问题,新建了以最小化总体船舶在港时间和总拖期时间为目标的数学模型,设计了一种混合算法进行求解。首先,分析确定了将量子遗传算法（QGA）和禁忌搜索（TS）算法进行串行混合的策略;然后,依据该联合调度问题特点,在解决算法实施中的关键技术问题（染色体结构设计和测量、遗传操作、种群更新等）的同时,采用了动态量子旋转门更新机制;最后,用生产实例验证了算法的可行性及有效性。算法实验结果表明,与人工调度结果相比,混合算法的总体船舶在港时间和总拖期时间分别减少了24%和42.7%;与遗传算法结果相比,分别减少了10.9%和22.5%。所提模型及算法不仅能为港口船舶的入泊、离泊和装卸作业环节提供优化作业方案,而且能增强港口竞争力。     

基于船时效率的岸桥配置优化

在集装箱码头系统中,对船舶进行有效的岸桥配置有助于缓解岸边资源紧张的现状,提高码头的运营效率。针对连续泊位下动态到港船舶的泊位分配和岸桥配置的集成优化问题,对船舶的岸桥配置进行基于船时效率的动态调整,以最小化包括船舶延迟靠泊成本、偏离偏好泊位成本、延迟离港成本和岸桥重新配置成本在内的总成本为目标建立模型,并根据基于船时效率的岸桥配置的调整规则设计了启发式算法,结合遗传算法（GA）对问题进行求解。最终通过算例分析,验证了提出的模型和算法在解决实际港口中泊位分配和岸桥配置问题上的有效性,并通过与未考虑岸桥配置进一步调整的传统GA计算的结果进行比较,证实了提出算法的优化效果。     

基于滚动窗策略的港口海铁联运集装箱转运优化

为了解决港口海铁联运转运集装箱作业规模过大的问题,采用滚动窗策略方法研究港口船舶与列车之间转运进口集装箱作业问题,在每个窗口内建立以列车在港停留时间和集装箱在堆场的堆存时间总时间最小为目标的整数规划模型,设计双层遗传算法进行求解。在此基础上,分别讨论了以固定任务数量和固定时间长度为滚动窗口的情况,对比发现以固定时间长度为窗口的滚动窗策略更适用,并将其与已有的调度策略研究成果作比较分析。最后,设置实验比较双层遗传算法和单层遗传算法,并对设备的工作能力进行灵敏度分析。结果表明,滚动调度策略可以灵活解决大规模集装箱转运问题,双层遗传算法的解优于单层遗传算法的解,增加装卸线数和轨道起重机工作能力可以提高集装箱转运效率。     

集装箱港口集群下多港口多泊位联合调度方法

目前对港口和泊位的调度研究尚停留在单港口多泊位,而在集装箱港口集群条件下对多港口多泊位实行船舶的联合调度可以充分实现港口资源的优化配置。为了充分利用港口资源,实现船舶在港时间最短,且服从船公司运输成本最低的目的,建立了集装箱港口集群下多港口多泊位联合调度的多目标非线性决策模型,并按照模型决策空间所具有的特殊条件,设计了改进的遗传启发式算法,结果表明船舶靠泊成本大幅降低,港口利用率大幅提高。通过大量真实和随机算例验证了算法的有效性和稳定性,证明了模型和算法实用有效。     

桥吊可动态分配的连续泊位分配问题算法

研究在允许桥吊动态分配的情况下集装箱码头的连续泊位动态分配问题,并建立以船舶在港时间最小为目标的动态泊位分配模型;然后基于兄弟-儿子方法对船舶的位置进行调整以规划桥吊使桥吊不交叉。在相同算例下,比现有方法得到的船舶在港时间更少,从而验证了模型及算法的有效性。     

多目标约束处理方法求解泊位岸桥联合分配问题

为了制定合理高效的泊位岸桥联合分配方案,加快船舶周转,本文针对船舶动态到港的连续泊位建立了以船舶总在港时间最短为目标的泊位岸桥联合分配混合整数非线性模型.通过多目标约束处理策略将复杂约束的违反程度转化为另一个目标,从而将原单目标优化模型转化为双目标优化模型,并用基于快速非支配排序的多目标遗传算法(NSGA-II)对其进行求解.同时,针对问题特点,分别设计了基于调整、惩罚函数、可行解优先和综合约束处理策略的单目标遗传算法对原模型进行求解.通过多组不同规模的标准算例对本文的方法进行测试,验证了基于多目标约束处理策略的方法求解效果相较于单目标约束处理策略的方法更加高效和稳定.     

不确定环境下集装箱码头泊位与岸桥联合调度

在集装箱码头操作系统中,有效的泊位岸桥调度计划有助于提高码头的运营效率和客户满意度。针对船舶到港时间和装卸作业时间随机的泊位岸桥联合调度问题,综合考虑了连续泊位下船舶偏离偏好泊位产生的惩罚时间,并通过添加延缓时间的方法来吸收不确定性因素带来的影响。为了体现调度计划的鲁棒性,将延缓时间添加在目标函数中,建立了以船舶在港总时间、偏离偏好泊位的惩罚时间、客户满意度和延缓时间之和最小化为目标的混合整数规划模型,提出一种自改变遗传算法和启发式靠泊相结合的改进遗传算法对模型进行求解;通过算例分析,证明了提出的改进遗传算法在计算不确定环境下的泊位岸桥联合调度问题的有效性。     

基于蚁群算法的泊位调度优化与仿真

在全球贸易经济聚焦在中国的同时,港口的吞吐能力成为目前港口业的主要矛盾。提高泊位这个环节的运作能力,减少船舶在港时间,增加港口的吞吐能力成为主要研究对象。本文采取仿真模型与优化算法相结合的研究方法,把泊位调度问题转化为旅行商问题,建立了一个泊位岸桥协调调度,通过蚁群算法建立数学模型,使船舶在港时间最短为目标建立函数,求得最佳调度方案。用ProModel建立船舶到港停泊及离港仿真模型。验证泊位调度优化的有效性,以便指导港口实际的泊位调度。     

基于作业链的泊位与岸桥协同调度研究

针对泊位与岸桥协同调度问题,引入"链式优化"思路,用作业链的方法分析集装箱装卸作业过程,首先将泊位计划作为开始链单元,采用资源节点优化策略进行分析,以最小化船舶在港总成本为目标建立模型;然后将岸桥卸船作业作为结束链单元,采用任务节点优化策略进行分析,以最小化岸桥最大完工时间为目标建立模型.考虑到作业链的整体性能,设计嵌...     

单船岸桥分配与调度集成优化模型

针对集装箱码头泊位确定条件下的单船岸桥(QC)分配和调度问题,建立了线性规划模型.模型以船舶在泊作业时间最短为目标,考虑多岸桥作业过程中的干扰等待时间与岸桥间的作业量均衡,并设计了嵌入解空间切割策略的改进蚁群优化(IACO)算法进行模型求解.实验结果表明:与可用岸桥全部投放使用的方法相比,所提模型与算法求得结果平均能够节省31.86%的岸桥资源;IACO算法与Lingo求得的结果相比,船舶在泊作业时间的平均偏差仅为5.23%,但CPU处理时间平均降低了78.7%,表明了所提模型与算法的可行性和有效性.     

基于改进遗传算法的泊位岸桥协调调度优化

针对集装箱码头资源调度不合理造成资源浪费的问题,在考虑岸桥装卸成本的基础上,以在港集装箱船总的作业成本最小为优化目标,建立了基于非线性混合整数规划的泊位岸桥协调调度优化模型。为使模型更加接近码头操作的实际情况,模型假设船舶装卸时间依赖于为其分配的岸桥数。采用基于可拓关联函数的改进遗传算法对模型进行求解。改进算法强调了不可行解的重要性,用可拓关联度来衡量种群中不可行解的优劣程度,通过在种群迭代中始终保持一定数量的不可行解来维持种群多样性,从而克服传统算法局部搜索能力较差的缺陷。数值实验验证了模型和算法的可行性和有效性,与不考虑岸桥装卸成本的模型相比,能够有效减少港口资源的浪费。     

海铁联运港口混合作业模式下轨道吊与集卡协同调度

在集装箱海铁联运港口中,铁路作业区作为连接铁路运输和水路运输的重要节点,其装卸效率将影响集装箱海铁联运的整体效率.首先,对比分析了"船舶-列车"作业模式和"船舶-堆场-列车"作业模式的特点,并结合海铁联运港口实际作业情况提出了混合作业模式.然后,以轨道吊完工时间最短为目标构建混合整数规划模型,既考虑了班列和船舶的作业时...     

离散泊位布局下的泊位岸桥动态协调调度

为了制定合理的集装箱码头泊位岸桥资源调度计划,提高码头作业效率和客户满意度,基于离散泊位布局,建立了以在港集装箱船总的服务成本最小为优化目标的动态泊位岸桥协调调度模型。设计了遗传算法对模型求解,通过将部分约束条件嵌入算法结构简化了模型求解难度,并对算法迭代过程中的不可行解采用逐时刻基因调整策略进行修复。经过若干算例的数值实验,验证了模型和算法的可行性和有效性。     

潮汐影响下泊位和岸桥双目标联合调度仿真

针对集装箱船舶大型化导致的港口航道现有水深无法满足大型船舶安全吃水深度,需要借助潮水上涨进出航道的现状,研究了潮汐影响下连续型泊位和动态岸桥联合调度问题。建立了以最小化船舶周转时间和岸桥在船舶间移动次数的双目标混合整数规划模型。基于问题特点,设计了Epsilon约束精确算法和带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)分别求解小规模和大规模算例的Pareto最优解集,所得结果验证了模型和算法的正确性与有效性。通过潮汐周期灵敏度分析评估了潮汐周期长度对岸桥工作效率和港口服务质量的影响。仿真结果表明,建立的优化模型能够帮助港口企业有效降低潮汐对生产作业的影响,同时提供一组高效的Pareto最优泊位岸桥调度方案提高工作效率和经济效益。     

基于多目标遗传算法的集装箱码头泊位—岸桥分配问题研究

为获得合理的集装箱码头泊位—岸桥分配方案,建立了以最小化船舶在港时间和码头生产成本为目标的优化模型。提出一种多目标遗传算法用于求解该模型,算法中采用染色体组的方式表示可行解,给出了多个约束条件下的交叉算子运算规则,个体的各目标值结合岸桥分配启发式算法求得,并应用Pareto分级方法进行适应度值评价;同时给出了最终实施方案的选择策略。试验算例表明,与单目标优化相比,提出的优化方法能获得使码头综合效益较大的满意解。     

桥吊迁移的港口连续泊位分配问题在线算法

集装箱码头资源的高效利用已被研究多年,而多数是在预知所有船舶作业的相关信息(到港时间、船舶尺寸等)的离线情况下建模与计算.现实中,却因一些突发因素(如恶劣天气、设备故障等)使预知信息不可靠,以至原调度方案不可行,从而降低港口作业效率及资源浪费.故在桥吊可迁移的连续泊位分配模式下,首次结合在线算法思想,提出泊位与桥吊调度的模型,并设计相应的在线调度算法.利用平滑分析方法给出算法的平滑竞争比,实验证实算法可行性.     

双向航道集装箱港口船舶调度优化算法

针对拥有双向航道的集装箱港口中船舶进出港所遇到的会遇和追越等问题,提出了一种重点考虑服务规则的新型船舶调度优化算法。首先,同时考虑双向航道的现实约束和港口夜航的安全规定;然后,构建了以所有船舶在港总等待时间最小为目标的混合整数规划模型来得出最佳的船舶进出港次序;最后,设计了嵌入聚合策略的分支切割算法对模型进行求解。通过数值实验可知,运用嵌入聚合策略的分支切割算法所得结果与下界值的平均相对偏差为2.59%。同时,与模拟退火算法与量子差分进化算法的对比结果表明,所提的分支切割算法所得的目标函数值相较于两个对比算法所得目标函数值分别减少了23.56%和17.17%,验证了该算法的有效性。在用所提算法得到方案的敏感性分析中比较了不同抵港安全时间间隔和船舶类型比例对方案结果的影响,为双向航道集装箱港口的船舶调度优化提供了决策支持。