多场桥分区域平衡策划下的集装箱堆场箱位分配问题

集装箱码头堆场出口箱箱位分配和场桥调度对码头运营效率有重要影响. 为了合理分配箱位和调度场桥, 采用分区域平衡策划方法, 在给定批量任务下, 考虑场桥实际作业中的安全距离, 以均衡各场桥作业任务量和减少场 桥的非装卸时间为目标, 建立混合整数规划模型, 并设计遗传算法求解, 通过不同批量任务的实验分析验证所提出方法的有效性. 研究表明, 分区域平衡策划方法可以更好地解决箱位分配和箱区多场桥联合作业的优化问题.

     

基于网络流的自动化集装箱码头堆场空间分配

为解决自动化集装箱码头堆场空间分配问题,突出自动化集装箱码头堆场的布局特征以及制定堆存计划时的特点,将堆存计划视为一个具有时间和空间维度的网络优化问题,提出一种基于网络流的自动化集装箱码头堆场空间动态分配的模型,并使用禁忌搜索算法来求解。结果表明,通过该方法可以确保同一时间段内作业的进口箱和出口箱均衡的分配在箱区中,同时满足场桥的"重进重出"。最后对CPLEX和禁忌搜索算法求解的结果进行比较,证明了禁忌搜索算法的优越性。     

不确定环境下码头堆场设备集成调度优化

集装箱码头堆场设备调度优化中,对确定条件下的内集卡和场桥的联合调度研究较多,且没有考虑外集卡的随机到达情况。考虑内集卡和场桥作业过程中的不确定性因素,包括：内集卡行驶速度,场桥行走速度和作业时间,并考虑外集卡随机到达堆场对于内集卡调度作业的影响,构建了不确定因素条件下的堆场设备集成调度优化模型,其优化目标是在考虑外集卡随机到达的情况下,最优化堆场设备的作业时间。设计了求解模型的粒子群算法,并比较了一般确定性模型和考虑不确定因素优化模型的结果。算例结果表明,所建立的模型和算法能有效真实地反映不确定因素对集装箱码头堆场设备作业的影响。     

面向哈佛体系结构的集装箱码头场桥作业调度

集装箱码头堆场作业调度问题一直是国内外相关研究的热点和难点,但由于码头作业的动态性、开放性、强耦合性和复杂性,堆场主要装卸设备场桥的调度配置问题一直未能有较好的解决方案。故提出面向哈佛体系结构的基于Agent建模和仿真模式,并将计算机操作系统中的磁盘臂调度算法和基于仿真的优化思想引入到上述模型中。通过构建相应的多Agent系统仿真得出敏捷高效鲁棒的场桥调度和配置解决方案,从而帮助集装箱码头提高服务水平和竞争力。     

基于蚁群算法的集装箱堆场起重机优化调度

集装箱堆场起重机(场桥)优化调度是在确定场桥配置数量的基础上,对场桥进行任务分派,使得场桥的行走时间最短。通过动态地调整信息素更新方式、限制信息表的范围来克服蚁群算法容易停滞的缺点。利用改进的蚁群算法对场桥的任务调度问题进行了探讨,并实现了求解。仿真结果表明,蚁群算法求解场桥调度问题时,得到了较好的结果,提高了场桥的工作效率。     

基于桥吊迁移的集装箱码头连续泊位分配算法研究

集装箱码头资源（包括泊位、桥吊、堆场等）的高效利用已经被深入研究很多年了, 然而对于泊位分配中桥吊分配的研究大多停留在静态分配最大数量桥吊上。为了弥补静态分配桥吊的不足, 第一次研究了基于两船之间桥吊迁移的泊位分配问题, 通过桥吊迁移的决策方法, 最终设计出了一个新的泊位分配算法。实验证实设计的算法能更好地提高码头作业效率, 表明了桥吊迁移在港口作业中的有效性。     

带有缓存区的集装箱码头AGV和场桥的联合调度

为提高自动化集装箱港口设备AGV（Automated Guided Vehicle）和堆场场桥的工作效率,减少它们之间衔接作业的相互等待时间,建立了带有缓存区设置的集装箱码头AGV和堆场场桥的联合调度模型。利用遗传算法进行算例求解,得到相应的调度方案和以场桥的作业延迟时间、AGV的总行驶时间及场桥等待AGV时间之和最小为目标的完工时间。再针对不同的缓存区容量的设置进行调度方案完工时间的结果比较。实验结果表明,缓存的设置可以有效减少AGV和堆场场桥衔接作业中相互等待的时间,而缓存区容量在一定范围内对于完成作业时间有较大影响。     

考虑场桥效率的集卡失约优化仿真

码头外集卡预约系统能够有效的减少港口拥堵，提高港口作业效率，但是失约率是影响预约系统的重要因素。为研究失约对预约系统的影响，降低外集卡在闸口和堆场排队时间，建立考虑场桥资源配置的具有失约现像的集卡预约优化模型。模型利用马尔可夫和排队论分别计算外集卡在闸口和堆场的等待时间，应用matlab仿真，对模型进行深入探讨并给出详细的数值性能分析，同时量化了失约现象对预约系统损耗的影响，得出了不同失约率成本最低值。     

考虑时间窗的集装箱港口场桥全局调度优化

合理高效的场桥调度计划有助于减少场桥与集卡相互等待的时间从而提高港口的运营效率,考虑到在实际操作中会出现多箱区多场桥同时工作、互相冲突等情况,建立了以场桥移动成本和延误成本最小化为目标的数学模型,利用计划时间段和时间窗的概念对场桥作业进行约束,通过遗传算法编码进行求解,并将计算结果与实际操作及其他算法的优化结果相对比,进而验证该模型和算法的有效性和稳定性。     

考虑阻塞的集装箱堆场集卡路径控制策略

针对集装箱堆场内作业车辆多,道路狭窄且数量有限的特点,提出了以道路资源为研究对象的思想,并给出了基于欧拉方法的集卡路径控制策略.详细论证了欧拉方法在集卡路径控制中的实现过程,定义了欧拉因子、距离因子和路径选择因子,使集卡能够从时间和空间两个方面预测堆场道路的畅通或阻塞趋势,从而选择较畅通且距离较短的路线行驶.实验表明,该方法能有效提高堆场作业效率,减少堆场作业时间.     

全岸线集装箱装卸桥调度模型研究

集装箱装卸桥是集装箱物流多式联运的关键设备,处于整个集装箱物流的重要节点。集装箱装卸桥的调度计划直接影响集装箱码头的运作效率。通过对集装箱码头装卸桥生产过程的研究,建立全岸线集装箱装卸桥调度与分配的混合整数动态规划模型,并采用基于段编码技术的遗传算法,进行模型优化求解;优化后的集装箱装卸桥调度方案的生产效率和生产作业均衡有明显改善。     

集装箱码头场桥协同调度研究

针对集装箱港口场桥调度过程中场桥移动路径具有冲突性的特点,提出了将集中决策和多agent建模相结合的优化方法,充分发挥集中决策的高效性和多agent建模的灵活性。通过数值实验和以往的调度方法进行了比较,结果显示得到的调度结果具有良好的可行性。     

混堆集装箱箱区内场桥调度模型与算法

在混堆模式下的集装箱港口中,场桥（YC）调度是否合理直接影响着堆场的作业效率。考虑到混堆箱区内各任务对应的内集卡或外集卡到达时刻的不同,以及内外集卡优先级别的差异,构建了一个以所有集卡的等待成本和场桥的总移动成本最小为目标的场桥调度（YCS）模型,并设计了对应的遗传算法,给出了相应遗传算子的操作规则,通过算例的求解验证了模型与算法的有效性。     

Workload-based yard-planning system in container terminals

Traditionally, the yard-planning problem has been considered to be the assignment of yard spaces to arriving vessels in practices of container terminals. This study proposes an integrated decision-making framework for the yard-planning that simultaneously considers various resources such as storage space, yard cranes, and traffic area in container terminals for planning. The decision-making framework in this study is based on a mathematical model, which supports intelligent yard-planning activities considering work-loads on various related resources. Further, it is shown that the decision-making framework for the yard-planning can be extended to that for simultaneous decisions on yard plans and handling capacity of yard cranes per block. A heuristic algorithm is also proposed in order to reduce the computational time for planning. Numerical experiments are conducted to validate the models and algorithms proposed in this study.     

Choice of loading clusters in container terminals

The storage allocation in the export yard of a container terminal determines the efficiency of container loading. Even if the yard manager has optimised the allocation of export containers to avoid rehandling, conflicts among loading quay cranes can still occur. Thus, all the possible handlings during loading must be considered when organising the yard space. In previous studies, the yard storage allocation has been assessed based on the subblock, which consists of several adjacent bays. However, to minimise all possible handlings in the loading process at the terminal, optimising more flexible storage clusters is also important. Thus, our aim in this research is to model the choice of loading clusters and derive a more flexible allocation strategy for organising the space in the export yard. A bi-objective model is built, which considers both the transportation distance and handling balance between blocks. A model aimed at minimising all possible handlings in the export yard for the loading process is also developed, and several of the insights derived can inform yard management in real-life operations. It is proven that the handling requirements have a significant effect on the choice of loading clusters, and yard managers should consider the various features of liner and loading processes when organising their storage space.     

A＊算法在轨道式龙门起重机提箱作业优化中的应用

集装箱翻箱问题是影响集装箱码头堆场机械操作效率的一个重要的因素。为了解决在堆场中应用不同装卸机械所产生的相关问题,本文选取轨道式龙门起重机作为堆场装卸机械,建立以码头堆场机械作业时间最短为目标．满足堆场实际作业要求的提箱优化数学模型。应用启发式算法A＊算法对问题进行求解,并通过对实例的研究,验证A＊算法的正确性和有效性。     

堆场龙门吊调度问题研究

在集装箱码头作业中,龙门吊是非常重要的码头资源,如何更合理地调度龙门吊对减少船舶在港时间,提高码头效率有重要意义。在综合考虑龙门吊在时间和空间上的不可跨越性以及其他约束条件的基础上,建立了龙门吊调度问题的混合整数规划模型,目标是使得集卡的等待时间最短。由于问题计算的复杂性,引进遗传算法来求解模型;算例验证了算法的有效性,与已有的模型进行比较,证明了该模型的优越性。