基于滚动窗策略的岸桥集卡联合调度问题研究*

为应对集装箱码头突发事件的发生,采用滚动窗策略研究岸桥集卡的联合调度问题,在每个窗口内建立以最小化最大完工时间为目标的数学模型,并用遗传算法进行求解。在此基础上,讨论了以固定任务数量及固定时间长度为滚动窗口的情况,对比发现以时间为窗口的滚动窗策略更为适用。并分析了系统发生岸桥故障时滚动窗策略的性能,结果表明滚动窗策略能很好地应对突发事件。最后并将其与已有的动态调度研究成果作比较分析。     

不确定干扰约束下外集卡提箱策略

为提高集装箱码头作业效率,降低不确定干扰因素对外集卡提箱作业的影响,提出以滚动窗口策略处理干扰因素的方法,并建立以作业延误惩罚成本与场桥移动成本最小化为目标的混合整数模型,采用遗传算法（GA）进行求解。首先,利用滚动窗口策略得到在无干扰因素情况下的外集卡提箱作业调度方案;其次,当出现干扰因素时触发滚动窗口再调度机制对外集卡提箱作业顺序重新安排;最后,计算出各滚动窗口内最优的调度方案,提出总计划时间内最优作业方案。通过对不同情景下的案例求解结果进行对比分析,实验结果表明在无干扰情况下,滚动窗口策略下的最小作业成本比传统作业方式下降低了9%,而在干扰情况下滚动窗口策略优于传统作业方式15%,进而验证了算法的有效性以及滚动窗口策略对外集卡提箱作业的优越性。     

基于窗口的印刷车间作业动态调度研究

为了解决实际印刷车间突发设备故障和紧急插单问题,采用滚动窗口技术结合遗传算法的方法,建立适合实际印刷车间生产的动态再调度模型;设定若干印品订单、机器设备的加工工序以及各工序加工时间、工序约束条件等,以订单的最大最小加工时间和再调度的偏离度为多目标优化,采用周期与事件混合驱动策略,将滚动窗口再调度机制和遗传算法相结合进行流程设计和编码,构建印刷车间再调度模型;采用标准问题FT06和FT01验证了文章设计的模型算法的有效性和可行性;运行程序,模拟正常加工时紧急插单和机器故障突发时,系统生产新的调度计划即调度甘特图,仿真结果表明该动态调度模型可以用于印刷作业的正常排产调度,在遇突发状况时可生成稳定、符合交货日期的再调度方案。     

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。     

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。     

基于滚动变时间窗的重组批处理机调度研究

针对具有等待时间限制和工件动态到达的重组批处理机调度问题,以拖延时间和最小为目标,提出基于滚动变时间窗的三层混合调度算法。该调度算法是应用滚动时域策略,将重组批处理机调度问题分解为许多变时间窗的子问题;每个子问题调度分三层执行：即产生触发并传递参数、重组批及排序、派工并更新参数。通过实时调度仿真平台和CPLEX平台进行实例验证,结果表明基于滚动变时间窗的三层混合调度算法能够在较短计算时间内获得满意优化解。     

基于改进遗传算法的单机成组作业调度

提出了单机成组作业调度的改进遗传算法。优化目标为总流程时间的单机成组作业调度问题明显是NP-hard问题,此问题的多项式求解方法不能求取最优解,而一些启发式算法也只能求出此问题的次优解。为获得单机成组作业最优调度,通过采用整数实值编码,随机采样选择,单点交叉以及变异检查,设计了单机成组作业调度的改进遗传算法。仿真结果表明,算法能够找到此问题的最优解,其性能优于加权最短加工时间(WSPT)启发式算法。改进遗传算法能够灵活解决各种单目标调度及多目标调度问题。     

基于滚动窗口策略下场桥实时调度研究

在实施场桥调度方案时,总会出现各种不确定干扰因素使得原先的方案不能正常实行。对此,提出一种在滚动窗口策略下处理不确定干扰因素的场桥调度方案,即当出现干扰时,触发窗口再调度机制,以减少干扰的影响。并且建立以任务完成最小延迟量的混合整数规划模型,用改进的遗传算法求解。考虑到滚动窗口策略方法受到几个参数的影响,还对滚动策略的滚动窗口大小进行研究,通过算例分析得出较合适的参数搭配,使得场桥作业效率提高,达到任务完成最大延迟量最小化的目标。     

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。     

基于遗传算法的出口集装箱送箱时间窗优化

基于对港口出口集装箱送箱时间窗的分析,综合考虑港口闸口处作业量平衡及堆场空间资源利用率两个影响港口整体服务质量的因素,在此基础上建立数学模型,在一个滚动计划周期内为出口集装箱分配送箱时间窗。通过数值实验证明,该模型能显著降低闸口作业不平衡量,从而提高港口资源利用率,同时缩短送箱集卡在闸口排队等待服务的时间。     

Dynamic rolling strategy for multi-vessel quay crane scheduling

This paper focuses on the container loading and unloading problem with dynamic ship arrival times. Using a determined berth plan, in combination with the reality of a container terminal production scheduling environment, this paper proposes a scheduling method for quay cranes that can be used for multiple vessels in a container terminal, based on a dynamic rolling-horizon strategy. The goal of this method is to minimize the operation time of all ships at port and obtain operation equilibrium of quay cranes by establishing a mathematical model and using a genetic algorithm to solve the model. Numerical simulations are applied to calculate the optimal loading and unloading order and the completion time of container tasks on a ship. By comparing this result with the traditional method of quay crane loading and unloading, the paper verifies that the quay crane scheduling method for multiple vessels based on a dynamic rolling-horizon strategy can provide a positive contribution to improve the efficiency of container terminal quay crane loading and unloading and reduce resource wastage.     

Modeling rolling batch planning as vehicle routing problem with time windows

This paper considers the rolling batch planning problem of grouping and sequencing a given set of slabs into several rolling units in iron and steel industry. The existing mathematical methods often used for the problem are traveling salesman problem (TSP) and vehicle routing problem (VRP), but these methods are not precise, because the position limitation of some slabs in a rolling unit scheduling is not considered. Therefore we suggest a new model, vehicle routing problem with time window (VRPTW) to describe the rolling batch planning problem, in which the position limitation of slabs are quantified as the time constraints. Several solution methods including the genetic algorithm are presented for solving the problem and the computational results show that the genetic algorithm is superior to other methods.In this paper, the vehicle routing problem with time window (VRPTW) of combinational optimization is used to analyze and model the rolling batch planning problem. Genetic algorithm and heuristic are used to solve the problem. Simulation results based on the actual production data show that this model is precise and the genetic algorithm based method is very promising.     

基于遗传算法的滚动调度策略*

本文研究了动态加工环境下的一类Ｊｏｂ－Ｓｈｏｐ调度问题，提出了一种基于遗传算法的滚动调度策略，其要点是：１）借鉴预测控制的思想，采用ｔｉｍｅ－ｂａｓｅｄ和ｊｏｂ－ｂａｓｅｄ的滚动调度策略适应动态环境和要求的多变性。２）以遗传算法和分派规则相结合，处理考虑与操作序列有关的工件安装时间和工件到期时间约束的复杂调度问题。文中给出了在工件到期时间发生改变的动态环境中两种滚动调度算法的调度结果，并与静态调度     

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,设计嵌套循环算法进行求解,内循环中用遗传算法分别求解泊位岸桥分配模型和岸桥调度模型,外循环中用岸桥数量作为公用变量对两个模型进行传递和反馈,寻找协同调度最优解。与单独调度进行对比,结果表明协同调度的优化效果更好;与粒子群算法、蚁群算法和蜂群算法的求解结果进行比较,表明遗传算法在求解质量和效率方面都更优,证明了提出的模型和算法能够有效解决此问题。     

动态环境下集装箱码头堆场出口箱箱位分配建模与算法研究

箱位分配是集装箱码头运作优化管理的关键问题.针对出口箱交箱时间的动态不确定性,提出两级调度策略,将出口箱位分配问题分解为贝位分配和贝内具体箱位分配,分别建立规划模型优化龙门吊大车行使距离和翻箱量,并针对两级调度策略特点分别设计开发基于禁忌搜索的求解算法.模拟实验表明,所提出的方法能够适应动态条件变化,改善调度效果,并在合理时间内获得满意解.     

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。     

The parcel hub scheduling problem: A simulation-based solution approach

This research presents an interesting scheduling problem common to freight consolidation terminals. This previously unstudied problem involves scheduling a set of inbound trailers to a fixed number of unload docks. The objective is to schedule the trailers to the unload docks to minimize the time span of the transfer operation. This study focuses on freight consolidation terminals in the parcel delivery industry. A simulation-based scheduling algorithm that uses a genetic algorithm to drive the search for new solutions is proposed. In addition to the introduction and discussion of the parcel hub scheduling problem, the contribution of this research is an approach that serves as the initial effort to solve this practical problem.     

An efficient algorithm for solving a new mathematical model for a quay crane scheduling problem in container ports

This paper presents a novel, mixed-integer programming (MIP) model for the quay crane (QC) scheduling and assignment problem, namely QCSAP, in a container port (terminal). Obtaining an optimal solution for this type of complex, large-sized problem in reasonable computational time by using traditional approaches and optimization tools is extremely difficult. This paper, thus, proposes a genetic algorithm (GA) to solve the above-mentioned QCSAP for the real-world situations. Further, the efficiency of the proposed GA is compared against the LINGO software package in terms of computational times for small-sized problems. Our computational results suggest that the proposed GA is able to solve the QCSAP, especially for large sizes.