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。     

干扰约束下考虑分组作业面的岸桥AGV联合调度

为解决自动化码头海侧多阶段设备作业的协调问题,加快集装箱在码头内部的周转过程。考虑干扰约束下分组作业面的的岸桥自动导引小车（AGV）联合调度问题。以岸桥、AGV完工时间和AGV等待时间加权总和最小为目标,考虑岸桥实际操作中的干扰约束与AGV堵塞等待等情况,建立岸桥与AGV联合调度优化模型。提出岸桥动态调度与AGV分组作业面调度模式,设计不同规模的算例,并采用遗传算法（GA）进行求解,将计算结果与传统调度模式进行对比。结果表明,该算法能有效提高岸桥与AGV作业效率,降低AGV的等待时间与堵塞次数,为码头实际作业提供依据。     

自动化集装箱港口考虑AGV伴侣的AGV调度优化问题研究

为提高自动化集装箱港口设备的工作效率,提出了一种新的集装箱进出口工艺：堆场—场桥—AGV伴侣—AGV—岸桥。在考虑AGV伴侣容量限制的基础上,建立了带时间窗约束的AGV调度混合整数规划模型,设计了启发式算法求解AGV伴侣时间窗,采用粒子群算法进行求解,得出了相应AGV调度优化方案。求解结果表明,AGV伴侣的设置能有效改善AGV与场桥间的协调性、设备间的等待时间;并且AGV伴侣容量一定时,场桥的等待时间随着AGV的数量增加而减少。     

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。     

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。     

自动化码头考虑缓冲区的设备协调调度优化

为研究自动化码头缓冲区的设置对装卸设备作业协调性的影响,针对“双小车岸桥+AGV+缓冲支架+自动化轨道吊”的装卸工艺,利用缓冲有限的柔性流水车间调度理论建立集成调度优化模型,设计了以NEH启发式算法产生初始解的遗传算法对模型进行求解,得出相应的设备调度优化方案与完工时间,并通过对比遗传算法与粒子群算法的运算结果验证了提出的模型与算法的有效性,进而分析了不同缓存区容量对完工时间以及设备使用率的影响。结果表明,设置缓冲区能有效提高不同设备之间的作业协调性,显著减少AGV的使用数量与作业完工时间。     

干扰约束下集装箱码头全岸线岸桥调度研究

为实现自动化码头岸桥作业方案的动态调整与优化,提升作业效率,以全岸线的岸桥为研究对象,在岸线以贝位为单位划分的基础上,考虑岸桥装卸作业过程中的安全距离、作业顺序以及贝位任务量等因素,建立了以最小化岸桥最大完工时间和等待时间为目标的混合整数规划模型,并设计了改进的遗传算法对该模型进行求解。通过不同情形的实际算例对模型和算法进行了验证。计算结果表明,该模型可以有效解决全岸线的岸桥调度问题,并得到更优的调度结果;同时改进的遗传算法计算时间随着算例规模的扩大而减少,并且解的质量更高,进而验证了在提升自动化码头作业效率上,全岸线岸桥调度的有效性。     

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.     

AGV作业调度模型及改进的DE算法研究

AGV作业调度问题的求解结果对AS/RS的运行效率具有重要影响。通过必要的简化,建立了AGV作业调度问题的静态优化模型。可知静态AGV作业调度问题实质是一种带约束的多重TSP问题,属于典型的NP完全问题,目前还不存在可在多项式时间内求解的确定算法。提出了一种改进的差分演化算法用于求解该问题。为了适应AGV作业调度问题的特点,新算法设计了新的两段编码方法,对多个DE算子进行了改造。还提出了基于生存时间的种群多样性增强机制,用于增强算法的搜索能力,避免陷入局部最优。仿真实验显示,该算法可以有效提高AGV作业调度的效率,验证了相关改进机制的有效性。     

多AGV和机器集成的多目标柔性作业车间调度研究

为解决智能制造环境中具有多时间和多AGV约束的柔性作业车间调度问题,构建了以最小化最大完工时间、最小化总延期、最小化设备总负荷为目标的机器/AGV双约束多目标调度模型,模型中综合考虑加工时间、工件到达时间、交货期等多时间因素,进行了多AGV和机器集成调度。为求解该模型,设计了新的AGV调度规则和改进的NSGA-算法,算法中提出了基于工序的扩展染色体编码方式和基于AGV分配的贪婪式解码策略,同时设计了不同参数控制的多种群二元锦标赛选择和分段交叉变异策略以及基于Pareto级的去重精英保留策略,以促进个体协同优化搜索。通过实例实验,分析了不同AGV数量任务分配方案下的模型有效性,对4个案例的仿真测试和同类算法比较解也验证了改进NSGA-算法求解该模型的有效性。     

考虑AGV避碰的自动化码头多资源协同调度

为解决自动化码头岸桥、AGV、场桥三个资源协同调度中AGV的路口碰撞问题,考虑任务分配、AGV的避碰约束,建立一个所有任务最大完工时间最小化为目标的混合整数规划模型。通过设置路口的相容和冲突相位,使处于相容相位的AGV可以同时通过。对考虑避碰规则和不考虑避碰规则的实验数组进行分析,比较其解的优劣性。实验结果表明在考虑避碰规则下的AGV能有效减少冲突次数,实现相容相位小车的避碰,使调度结果更优化,提高整个作业流程的效率。     

含有运输小车的柔性作业车间调度研究

在实际的柔性作业车间调度中,不但工件需要加工时间,而且工件在各个机器之间利用AGV(自动导引小车)转移也需要占用一定的时间,因此对柔性作业车间调度中考虑AGV运输时间的研究更具有实际意义。针对此问题,本文建立含有AGV的柔性作业车间调度的数学模型,针对问题自身特点对遗传算法进行改进,引入局部搜索策略加强局部寻优能力,将模拟退火算法作为局部搜索策略加入全局搜索中,增强了算法的收敛性能。通过在仿真实验平台上的实验数据结果可以看出,本算法有比较好的效果。     

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。     

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。     

自动化集装箱码头AGV配置与调度耦合问题研究

针对自动导引小车（Automated Guided Vehicle，AGV）数量偏多导致的自动化码头水平运输区域拥堵的情况，采用多学科变量耦合优化设计的方法对自动化码头AGV调度与AGV配置问题进行研究。先以最小化岸边等待时间为目标建立AGV调度模型，再以最小化AGV数量为目标建立AGV配置模型。并将完工时刻和AGV数量作为公用设计变量连接两个模型，建立了协调调度耦合模型。设计算例，利用遗传算法（Genetic Algorithm，GA）收敛速度快的特点对该耦合模型进行求解，经反复迭代计算后得出最优AGV数量与AGV调度方案。最后，扩大算例规模，设计9组实验，比较了GA、粒子群算法（Particle Swarm Optimization，PSO）和蚁群算法（Ant Colony Optimization，ACO）的求解结果，结果表明随着算例规模的增大，GA的求解能力更为突出，从而验证了设计的算法的可行性。     

自动化码头AGV充电与作业的集成调度研究

为了提高自动化集装箱码头AGV（Automated Guided Vehicle）的作业效率,根据采用电力驱动的AGV作业时的充电需求和运输过程的特性,考虑了垂岸式集装箱堆场布局和AGV充电过程对实际作业的影响,以最大化AGV充电利用率、最小化最末任务完成时间、最小化AGV空载时间为目标,以AGV充电后的续航能力等为约束条件,以遗传算法为研究方法,构建了考虑充电过程的自动化码头AGV作业的调度模型。通过算例分析,对比了遗传算法与混合整数规划算法的求解效果,分析了参与运输的AGV数量对运输时间的影响,也验证了遗传算法给出的调度方案的可信性。最后得出结论：针对该问题,遗传算法可以快速、高效地给出值得信赖的AGV调度方案。     

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。     

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。     

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。