单向航道散货港口船舶调度优化

为提高单向航道散货港口的泊位利用率,研究多港池的散货港口船舶调度优化问题。考虑船舶间需保持安全航行距离、进出港时段交替条件和成簇进出港规则等现实约束,以进港船舶总等待时间最小为目标,构建了混合整数线性规划模型。基于问题的特点,设计了启发式规则与模拟退火算法相结合的混合算法进行求解。在数值实验中分别将该算法的结果同下界值和两种现实调度方案对比。结果表明,运用混合算法求解的结果与下界值的平均相对偏差为5.28%,较两种现实调度方案的目标值优化率提升显著,且平均泊位优化率分别为6.74%和4.71%,验证了方案及算法的有效性。     

考虑潮汐影响的离散型泊位和岸桥集成调度

泊位和岸桥是集装箱港口最紧缺的资源,二者的调度问题存在很强的内在关联。针对大型船需乘潮进出港的离散型泊位,为提高集装箱码头运作效率和客户满意度,将泊位分配、岸桥指派和岸桥调度集成为一体。首先,考虑潮汐的影响以及岸桥作业中可动态调度的现实,以计划期内所有抵港船舶的岸桥作业成本和滞期成本之和最少为目标,建立一个混合整数规划模型,然后设计了一个嵌入启发式规则的遗传算法对其进行求解。最后,算例结果中给出了每艘船舶在确切时刻对应的具体岸桥和每个岸桥的动态作业时间窗,并通过与单独优化的方案对比,验证了集成方案的有效性。     

考虑时间和油耗的拖轮多目标优化调度研究

进出港口的大型船舶需向港口申请拖轮协助以进行靠离泊作业。拖轮调度是港口重要的计划事项之一。针对拖轮调度过程中需要平衡完工时间和油耗量以提高港口服务水平和降低拖轮公司经营成本的问题，本文以最小化拖轮最大完工时间和最小化拖轮总油耗量为目标，构建了混合整数规划拖轮多目标优化调度模型。模型还考虑了潮汐港口大量船舶在潮水期间集中进出港的特点，并根据拖轮在调度过程中的不同状态分类计量其产生的油耗量，以使模型更接近实际状况。为求解模型，运用了带有精英策略的非支配排序遗传算法(NSGA-II),算法采用一维实数编码，以事件建模思想设置适应度函数，并结合拖轮调度特点设计了遗传算子，求得的Pareto前沿解和算法对比验证了该算法的有效性。最后，以广州港港口拖轮调度实际运作数据作为算例，验证了模型的可行性与有效性，为港口拖轮调度计划提供了决策依据。     

集装箱码头泊位计划的鲁棒优化模型

针对集装箱码头作业中的不确定性因素,构建泊位计划的鲁棒优化模型与算法,目的是降低不确定性因素对集装箱码头作业系统的影响。首先,提出泊位计划鲁棒性度量指标,利用算例对各指标的效果进行分析。在此基础上,设计泊位计划鲁棒优化的两阶段优化算法。算法的第一阶段不考虑泊位计划的鲁棒性,以船舶总延误时间最小为目标;算法的第二阶段以所选择的鲁棒性指标最大为目标,以第一阶段获得的船舶总延误时间为约束条件,获得鲁棒调度方案。最后,研究作业资源(装卸桥数量)的变化对泊位计划鲁棒性的影响。算例分析表明,权重松弛量是有效的度量泊位计划鲁棒性的指标,两阶段算法可以有效解决泊位计划鲁棒优化问题。     

煤炭码头船货匹配下泊位动态分配多目标优化模型及算法

本文针对输出型煤炭码头船货匹配下泊位动态分配问题,构建了堆场-取装线-泊位-船舶联合分配优化数学模型,并设计了采用仿真推演策略解码的遗传算法求解。首先,综合考虑船舶、泊位、堆场、取装线、煤种、航道开放时间和装船作业规则等要素,以船舶在港时间最短和作业效率最大为目标建立了相应的多约束多目标优化模型。然后,综合多目标优化、遗传算法以及仿真推演技术,设计了相应的遗传算法求解,包括:组合式编码、采用仿真推演策略的解码方法,追加了具有合法性检查的染色体生成算法,设计了采用多种策略的遗传操作等。最后实例表明,本算法的执行效率高而且优化效果好。     

汽车滚装码头泊位调度优化模型与算法研究

本文研究滚装码头混合泊位分配和劳动力分配的联合调度优化问题。首先,考虑潮汐时间窗约束、装卸劳动力约束、泊位缆桩分布约束以及泊位不规则布局因素,建立以最小化船舶总服务时间为目标的混合整数规划模型。其次,采用内外嵌套算法设计策略,提出求解该类问题的组合算法。其中,外层是多种群并行进化的遗传算法,生成多种船舶计划顺序,内层为基于规则的启发式算法,用于计算给定计划顺序的目标函数值。然后,基于实际运营数据,生成多组不同规模的算例进行全面数值实验,结果表明所提出的算法可在10分钟内求解包含50艘船、100个泊段的算例。最后,开展基于真实滚装码头运营实例的案例分析,对所提模型和算法在实际码头调度问题中的适用性与高效性进行验证。     

基于改进模拟植物生长算法的集装箱码头插船调度优化

为解决临时接受计划外船舶到港作业的插船调度问题,建立了综合考虑港口安排插船作业的成本最小优化模型,将模拟植物生长算法(PGSA)改进后进行求解。经过对实际案例进行计算分析后表明,所建模型和算法可以有效解决上述问题并取得了较好结果。为验证算法的有效性,同时引入遗传算法进行计算对比,结果显示经改进的PGSA在求解过程中具有较好的收敛速度与精确度。采用本文建立的模型和算法能够快速解决临时插船的调度调整问题,为集装箱码头在特殊情况下泊位调度优化提供了解决问题的思路和方法。     

基于泊位偏好与岸桥干扰的泊位和岸桥分配

泊位和岸桥是集装箱港口资源中最紧缺的资源,合理的泊位分配和岸桥调度可以提高集装箱港口的资源利用率和港口的运作效率和效益。针对泊位偏离和岸桥工作损失两个因素,文章建立了集装箱港口泊位和岸桥的混合整数线性规划模型;运用采集自宁波某典型集装箱港口的数据,用Gurobi优化软件和两阶段启发式算法对模型进行了求解;对计算结果进行了经济性分析。计算结果表明:该港口的岸线资源利用率为46%时,1000m~1600m基本没被利用;18台岸桥要比16台岸桥的目标值更优,求解时间更短,而且18台岸桥的平均利用率为80%,为此,建议该港口再增加两台岸桥。同时发现:随着船舶规模的增加,Gurobi优化求解的时间增长较快,而两阶段启发式算法仍能在很短时间内求得准优解。     

具有泊车机器人服务的共享停车供需匹配模型与和声搜索算法

泊车服务机器人(PVR)可以方便变换车辆泊位的特征为深入发掘共享停车资源的时空利用价值提供了契机。针对“如何在利用好PVR上述优点的同时，减少不必要的移位操作，并降低频繁移位操作带来的事故风险”的问题，建立了满足已知可接受停车需求的预约式共享停车供需匹配优化模型，并设计了对应的和声搜索算法。通过将不同时段的车辆与泊位匹配集合视为对应时段的声调，并进一步将不同时段声调的组合视为和声，建立了模型可行解与和声搜索算法基本概念的映射关系。利用同一时段内任意两个共享泊位上停放车辆的泊位互换实现对该时段声调的微调。数值算例的分析验证了模型与算法的有效性。新的理论不仅可以有效减少共享停车服务中PVR不必要的移位操作，而且给出了存在PVR服务条件下实现合理供需匹配的有效方法。     

考虑空重箱转换的港口集装箱甩挂运输问题研究

针对港口堆场与内陆腹地客户之间的空重集装箱运输问题,本文结合甩挂运输的特点将客户的进出港需求拆分为相互关联的空箱和重箱任务,实现单个决策期内运输系统中集装箱的状态转换与回收工作。状态转换受集装箱货物装卸时间影响,因此需要合理调度牵引车路线,以满足前置任务约束。针对此类问题的特点,本文建立了空重箱运输任务整合的整数规划模型,并设计了基于集群选择的改进蚁群算法进行求解。最后,通过不同规模的仿真算例与现有数学模型及优化算法对比结果可知,本文所提出的改进蚁群算法在此类问题的最优解搜索中具有良好的稳定性和求解效率。     

Berth scheduling for container terminals by using a sub-gradient optimization technique

A method for establishing a berth schedule consisting of berthing times and berthing positions of containerships in port container terminals is addressed in this paper. Each vessel requires a specific amount of space on the berth during a predetermined length of time for unloading and loading containers. The berth schedule must be constructed in a way to satisfy requests from carriers on berthing times and minimize handling efforts during ship operation. A mixed integer program is formulated for the berth-scheduling problem, which can be solved using a commercial package. In order to overcome the computational load of the mixed integer program, the formulation is converted into another integer linear program in which the solution space of the berth and the time is discretized. A Lagrangean relaxation model of the discretized model is solved using a sub-gradient optimization technique. Results of a numerical experiment are provided and discussed.     

Multi-objective and prioritized berth allocation in container ports

This paper considers a berth allocation problem (BAP) which requires the determination of exact berthing times and positions of incoming ships in a container port. The problem is solved by optimizing the berth schedule so as to minimize concurrently the three objectives of makespan, waiting time, and degree of deviation from a predetermined priority schedule. These objectives represent the interests of both port and ship operators. Unlike most existing approaches in the literature which are single-objective-based, a multi-objective evolutionary algorithm (MOEA) that incorporates the concept of Pareto optimality is proposed for solving the multi-objective BAP. The MOEA is equipped with three primary features which are specifically designed to target the optimization of the three objectives. The features include a local search heuristic, a hybrid solution decoding scheme, and an optimal berth insertion procedure. The effects that each of these features has on the quality of berth schedules are studied.     

An optimization heuristic for the berth scheduling problem

Berths are among the most important resources in a port. In this research we present an optimization-based approach for the berth scheduling problem, which is to determine the berthing time and space for each incoming ship. The neighborhood-search based heuristic treats the quay as a continuous space. In additional to basic physical requirements, this model takes several factors important in practice into consideration, including the first-come-first-served rule, clearance distance between ships, and possibility of ship shifting. Computational experience is provided.     

兼顾成本与时间保证率的泊位及岸桥协同调度优化

针对集装箱班轮根据船期表按计划到离港的运行规律以及港口企业追求低运营成本的需求,本文以集装箱班轮按计划离港保证率最大和码头作业成本最低为目标,构建了泊位及岸桥协同调度多目标优化模型;设计了叠加式局部搜索算法,将其嵌入到带精英策略的非支配排序遗传算法中,经过相互交叉反馈运算,得到Pareto非劣解;采用“性价比”的概念和量化方法,选择出对港口和船公司的利益偏向最小的实施方案,解决了在Pareto解集中寻优的问题。最后,以大连港集装箱码头的生产实际为例,验证了上述优化模型及算法的合理性和有效性。     

基于人机交互—蚁群算法的港口疏船调度优化

为解决因港口无法正常作业导致大量船舶压港后的疏船调度问题,从同时兼顾船公司和港口方利益出发,建立了船舶平均在港时间最短、额外作业成本最低、生产秩序恢复最快的调度生产多目标优化模型。利用多属性效用理论将多目标转换为单目标,并构建了相应的评价函数,采用改进的蚁群算法并结合人机交互以及邻域搜索方法求解,最后以大连港集装箱码头实际案例进行验证。结果表明,与通常调度方法相比,文中建立的优化模型能够更好地解决疏船问题;对比常规的蚁群算法,改进后的算法搜索效率更高。上述模型和算法为集装箱码头的生产组织调度提供了新的优化思路和方法。     

Berth allocation planning in the public berth system by genetic algorithms

This paper addresses the problem of determining a dynamic berth assignment to ships in the public berth system. While the public berth system may not be suitable for most container ports in major countries, it is desired for higher cost-effectiveness in Japan’s ports. The berth allocation to calling ships is a key factor for efficient public berthing. However, it is not calculated in polynomially-bounded time. To obtain a good solution with considerably small computational effort, we developed a heuristic procedure based on the genetic algorithm. We conducted a large amount of computational experiments which showed that the proposed algorithm is adaptable to real world applications.     

基于Shapley值的港口船舶清污协议费费率定价方法研究

针对我国港口船舶清污协议费的定价问题,兼顾公平与效率原则,在根据船舶在港口发生污染事故的风险水平划分其风险等级的基础上,运用Shapley值的简化公式对港口清污资源的总配置成本进行分摊,计算得出每艘船舶每天所需分摊的配置成本,消除了短期船舶靠泊的动态性对分摊结果的影响,是制订港口清污费费率征收标准的理论依据。算例分析结果表明现行船舶清污协议费征收标准过高,本文计算的分摊结果兼顾了公平与效率的原则,并且证明了其满足个体理性,集体理性以及联盟稳定性的要求。     

Berth and quay crane allocation: a moldable task scheduling model

We study the problem of allocating berths to incoming ships and assigning the necessary quay cranes to the ships at a port container terminal. We formulate the problem as the moldable task scheduling problem by considering the tasks as ships and processors as quay cranes assigned to the ships based on the observation that the berthing duration of a ship depends on the number of quay cranes allocated to it. In the model, the processing speed of a task is considered to be a non-linear function of the number of processors allocated to it. We present a suboptimal algorithm that obtains a feasible solution to the discrete version of the problem from the continuous version, that is, where the tasks may require fractional quantities of the resources. We conducted computational experiments to evaluate the performance of the algorithm. The computational results show that the average behaviour of the algorithm is very good.