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。     

考虑装卸顺序的岸桥与集卡协调调度问题研究*

为解决集装箱港口岸桥和集卡资源紧张的现状,减少集装箱处理时间,针对岸桥和集卡协调调度问题,在只有进口箱的条件下,综合考虑岸桥干涉和集装箱优先级等约束,建立一个以最小化最大完工时间为目标的混合整数线性规划模型,并使用遗传算法(GA)求解该模型。其次对不同规模的问题分别使用遗传算法(GA)和粒子群算法(PSO)求解并比较。实验结果表明,对于该问题模型遗传算法(GA)算法优于粒子群算法(PSO)算法,遗传算法是有效的。     

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。     

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间窗约束,又考虑了轨道吊间干扰和安全距离、轨道吊和集卡接续作业和等待时间等现实约束。针对遗传算法在局部搜索能力方面的不足,将启发式规则与遗传算法相结合设计了求解轨道吊与集卡协同调度问题的混合遗传算法（HGA）,并进行了数值实验。实验结果验证了所提模型和混合算法的有效性。最后通过设计实验分析集装箱数量、岸边箱占比、轨道吊数量和集卡数量对轨道吊完工时间和集卡完工时间的影响,发现同等集装箱数量下岸边箱占比提高时,应通过增加轨道吊数量来有效缩短完工时间。     

集装箱码头设备配置与作业调度集成优化研究

合理配置与调度自动化集装箱码头岸桥、场桥和AGV（automated guided vehicle）等设备对提高码头作业效率,减少能耗具有重要意义。在集装箱码头缓冲区容量有限的条件下,结合AGV路径无冲突约束,建立了以最小化船舶在港时间和最小化总能耗为目标的多目标混合整数规划模型,并设计了双层遗传算法求解方法。以某市自动化集装箱码头为例,针对不同集装箱作业规模和决策目标进行仿真实验,对不同AGV路径冲突避免策略下的运行能耗进行比较。结果表明,以最小化船舶在港时间和最小化能耗为目标的AGV联合调度可在不发生路径冲突的前提下显著提高码头运行效率,降低能耗。     

龙门吊与集卡协同调度问题研究

在港口码头作业中,龙门吊的作业与集卡的作业之间存在着非常紧密的联系,如何更好地同步龙门吊与集卡之间的作业,对减少集装箱船的在港时间非常有效。同时考虑了龙门吊与集卡的协同调度,很好地考虑了龙门吊与集卡之间的同步。在此基础之上,首次考虑了实际作业中存在的一些约束,如多台龙门吊在同一个箱区作业时由于共享一个双向轨道而存在的龙门吊间不能相互跨越的约束。另外还有龙门吊间的安全距离约束,工作优先约束等。构建了一个数学模型来描述问题,目标是使得所有作业总完工时间最短。由于问题计算的复杂性,引进了一种多层遗传算法来求解模型,最后算例验证了算法的有效性。     

基于时间窗的双小车岸桥与AGV协调调度研究

针对自动化集装箱码头（automated container terminals,ACT）的自动导引车 ( automatic guided vehicle,AGVs) 与自动化双小车岸桥（double-trolley quay cranes,QCs）协调调度优化问题,以上海洋山港四期工程的实际布局和装卸工艺为基础,考虑装卸同时进行条件下以最小化任务总完工时间为目标,建立带有时间窗约束的双小车岸桥和AGV的协调调度模型,并采用遗传算法对实际算例进行求解。通过灵敏度分析,验证了该模型及算法的有效性,并对遗传算法参数设置的有效性进行检验。结果分析表明,该调度方法有助于提高自动化集装箱码头的作业效率,减少集装箱船的在港时间,提高码头竞争力。     

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。     

考虑能耗节约的集装箱码头双小车岸桥与AGV联合配置及调度优化

合理调度集装箱码头的装卸设备以减少生产过程中的能耗, 对实现其低碳绿色化发展具有重要意义. 针对集装箱码头向自动化发展过程中的双小车岸桥与AGV (Automated guided vehicle)联合配置及调度问题, 考虑AGV续航时间、双小车岸桥中转平台容量和堆场缓冲支架容量约束, 以岸桥的能耗最小为第一阶段模型的优化目标, 以AGV运输过程的能耗最小为第二阶段目标建立两阶段优化模型; 设计枚举法求解第一阶段模型, 改进遗传算法求解第二阶段优化模型. 以洋山四期自动化集装箱码头为例进行实验分析, 针对不同船舶在港总装卸时间和AGV配置原则进行实验, 验证了模型和算法的有效性, 结果表明以最小化能耗为目标的双小车岸桥与AGV联合调度可在岸桥主小车不延误的前提下, 显著减少AGV的配置数量.     

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车（AGV）在自动化集装箱码头（ACT）执行任务过程中的电量问题，提出基于改进的非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）的考虑AGV充电策略的集成调度。首先，在岸桥、场桥和AGV集成调度模式下，考虑AGV在不同作业状态下的耗电量，并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型；其次，为提高传统NSGA-Ⅱ的性能，设计自适应NSGA-Ⅱ，并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化（MOPSO）算法进行性能对比；最后，设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明：相较于传统NSGA-Ⅱ算法，自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明：增加AGV充电次数能够减少AGV的充电时间，且调整设备数量配比至3∶3∶9和3∶7∶3时，场桥和AGV的时间利用率分别达到最高。可见，AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。     

Maximizing the number of dual-cycle operations of quay cranes in container terminals

An important objective of all schedules in a port is to minimize turnaround time of vessels. An operation schedule for Quay Cranes (QCs) can significantly affect the turnaround time of a vessel. Recently dual cycling techniques have already been used for reducing the number of operation cycles of QCs in some advanced container terminals. This study attempts to minimize the number of operation cycles of a QC for discharging and loading containers in a ship-bay, which is equivalent to maximizing the number of dual cycle operations. A formulation in QC scheduling problems is proposed as a mixed integer programming model. A hybrid heuristic approach is proposed to solve this model. The algorithm applied in this study takes two types of sequencing into account, i.e. inter-stage sequencing (hatch sequencing) and intra-stage sequencing (stack sequencing in the same hatch). This approach hybridizes a certain reconstructive Johnson’s rule with an effective local search method. Finally, certain data in real cases are used to evaluate the effectiveness of the proposed approach.     

基于遗传算法和粒子群优化的列车自动驾驶速度曲线优化方法

针对列车自动驾驶（ATO）过程中的精准停车、准时性、舒适性以及能耗问题,提出一种基于遗传算法与粒子群优化（GAPSO）算法结合的ATO速度曲线优化方法。首先,建立列车ATO运行多目标优化模型,将列车过分相区断电惰行纳入控制策略,并对运行控制策略进行分析;其次,对粒子群优化（PSO）算法进行改进,采用非线性动态惯性权重和改进的加速度系数,并将遗传算子融入其中,从而构成一种全新的GAPSO算法,且验证了GAPSO算法在全局搜索和局部搜索能力以及收敛速度上的优越性。最后,通过GAPSO算法对工况转换点进行寻优,以获取一组满足多目标优化的工况转换点速度,进而得到最优目标速度曲线。仿真实验结果表明,所提优化方法在总体运行时间满足准时性要求的前提下,使能耗降低了13.29%,舒适性提高了26.62%,停车误差降低了21.62%。由此可见,优化后的列车目标速度曲线能够满足多目标要求,该方法为列车ATO多目标优化提供了一种可行的解决方案。     

自动化码头双小车岸桥与AGV协调调度问题研究

为研究自动化集装箱码头中自动导引运输车（Automated Guided Vehicle，AGV）与双小车岸桥（Double-Trolley Quay Crane，QC）的协调调度问题，考虑双小车岸桥中转平台及其容量限制，并以双小车岸桥门架小车时间窗为约束，建立以集装箱任务最大完工时间最小化为目标的混合整数规划模型。设计启发式算法，由中转平台的容量求得岸桥门架小车操作集装箱任务的时间窗，并采用遗传算法进行求解，给出相应的AGV调度优化方案，解决两大设备的协调调度问题。最后，以10组实验为例，比较了遗传算法与粒子群算法的优化结果。结果表明两种算法一致，且基于遗传算法的模型求解收敛速度更快，从而验证了该算法的可行性。     

一种基于电压岛的NoC低能耗路由算法

针对基于电压频率岛的片上网络路由算法通信能耗高的问题,提出一种确定性路由算法.应用遗传算法综合考虑电压岛的电压和频率对能耗与延迟的影响,在满足时延约束的条件下得到能耗较低的确定性路由路径,降低通信能耗.通过对遗传算法罚函数的改进,减少通信热点.实验结果表明,与已有算法相比,该算法以少量的硬件开销为代价,可得到通信能耗和通信热点两方面的优化.     

无线传感器网络软故障诊断算法

在无线传感器网络中,软故障节点会产生并传输错误数据,这不仅会形成错误的决策,还会消耗能量,为此,提出一种基于节省能量的故障诊断(EFD)算法。该算法利用节点感知数据的空间相似性,通过对邻点所感知的传感数据进行比较,确定检测节点状态。对于网络中存在的节点瞬时故障,该算法引用TF模型思想,避免了不必要的数据比较,减少了时间冗余的检测次数。仿真结果表明:EFD算法能够提高网络诊断精度,同时可以降低诊断过程的能量消耗。     

时间窗下单船岸桥调度——基于数学规划和规则的启发式算法

在考虑任务属性中的任务优先顺序和不可同时执行要求,岸桥属性中的岸桥时间窗、转移时间、初始位置、安全距离和装卸速度等因素下,以单艘船舶的最短岸桥作业时间为目标函数,建立单艘船舶岸桥调度的混合整数线性模型P1。计算数据采集于宁波某集装箱港口,通过简化模型P2求解岸桥调度模型P1的下限边界值和排程数据,在此基础上,运用基于规则的启发式算法求解模型P1的岸桥调度时序表。计算结果表示本组合算法能较好地得到满意解,而且比较符合港口实际。     

Yard crane scheduling in a container terminal for the trade-off between efficiency and energy consumption

Green transportation has recently been the focus of the transportation industry to sustain the development of global economy. Container terminals are key nodes in the global transportation network and energy-saving is a main goal for them. Yard crane (YC), as one type of handling equipment, plays an important role in the service efficiency and energy-saving of container terminals. However, traditional methods of YC scheduling solely aim to improve the efficiency of container terminals and do not refer to energy-saving. Therefore, it is imperative to seek an appropriate approach for YC scheduling that considers the trade-off between efficiency and energy consumption. In this paper, the YC scheduling problem is firstly converted into a vehicle routing problem with soft time windows (VRPSTW). This problem is formulated as a mixed integer programming (MIP) model, whose two objectives minimize the total completion delay of all task groups and the total energy consumption of all YCs. Subsequently, an integrated simulation optimization method is developed for solving the problem, where the simulation is designed for evaluating solutions and the optimization algorithm is designed for exploring the solution space. The optimization algorithm integrates the genetic algorithm (GA) and the particle swarm optimization (PSO) algorithm, where the GA is used for global search and the PSO is used for local search. Finally, computational experiments are conducted to validate the performance of the proposed method.     

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。