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。     

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。     

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。     

不确定环境下的岸桥集卡协调调度耦合模型建立与求解

集装箱码头系统是一个由多个子系统组成的复杂的生产系统,系统内资源的调度也是非线性的复杂问题,同时涉及多种多样的不确定性因素。从不确定性的角度出发,主要考虑码头装卸设备运行参数的概率分布,研究岸桥和集卡之间的协调调度问题。采用多学科变量耦合优化设计的方法,同时考虑了集装箱任务的时间窗约束,分别建立集卡分派子模型和集卡配置子模型。并将完工时刻和集卡数量作为公用设计变量连接两个子模型,建立了协调调度耦合模型。选取上海港某码头的数据编写算例,在Visual Studio 2012环境下调用Gurobi4.0求解该耦合模型,反复迭代计算后得出最优的集卡分派方案相对于最初的调度方案,总延误时间成本下降了90.69%,集卡数量下降了30.76%,验证了本模型的有效性和实用性。     

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。     

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。     

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。