集装箱码头堆场翻箱与外集卡提箱顺序同步优化方法

针对集装箱码头提箱作业过程中,由于外集卡的提箱顺序与目标箱在堆场的堆存位置不匹配导致大量翻箱这一难题,以码头的作业成本和外集卡的延误成本之和最小为目标,建立堆场翻箱与外集卡提箱顺序同步优化模型,优化外集卡的提箱顺序、龙门吊的任务分配以及翻箱方案。设计基于动态规划的启发式算法求解模型,并利用算例对模型与算法的有效性进行了验证。结果表明:与目前码头普遍采用的提箱方式相比,通过调整外集卡提箱顺序并同时优化翻箱方案以及龙门吊的任务分配可以降低堆场翻箱率,减少龙门吊的移动成本,从而节省提箱作业的总成本。     

预倒出口箱区的多场桥调度优化

在集装箱出口箱区堆场的实际作业中,常将待提箱提前翻倒至一空闲箱区,使其装船前以船舶配载图的倒序堆垛,以提高装船效率。为提高初始出口箱区的预翻作业效率,针对该箱区的多场桥调度优化问题进行研究。以实施预翻作业的某一出口箱区为研究对象,在船舶配载图已知的前提下,考虑作业场桥间保持安全距离且不可跨越的条件,兼顾满足经验翻箱规则等现实约束,侧重作业过程中实时翻箱,构建了以场桥作业总行走时间最小为优化目标的线性规划模型,并设计了分支定价算法。在算例实验中,通过与非实时预翻箱方案、FCFS方案以及下界进行对比,验证了模型及算法的有效性,可为集装箱码头出口箱堆场的场桥调度提供参考。     

考虑翻箱的场桥调度和提箱集卡数量的集成优化

在集装箱码头的进口箱堆场中,码头预约机制、待提箱的实时位置和场桥作业调度方案是制约堆场作业效率和堵塞情况的关键。为缓解进口箱堆场的拥塞情况并提高作业效率,在固定的预约时段内,考虑实时压箱量最少的翻箱规则,兼顾场桥间不可跨越和保持安全间距等现实约束,以场桥最长完工时间最小为目标,构建数学优化模型,设计了嵌入修复算子的改进遗传算法用于求解;通过算例实验验证了算法的有效性和方案的优越性,可为堆场实际作业提供决策参考。     

考虑动态加权A星算法的预翻箱作业优化

为改善堆场作业效率，提出考虑堆场翻箱位规则的集装箱预翻箱作业优化模型并使用动态加权A星算法进行求解，进而确定满足作业规则限制的最优移动序列。基于集装箱装船过程的预翻箱作业，将预翻箱作业过程的贝位布局抽象为A星算法的状态节点，以错误堆叠箱和翻箱迭代深度计算总成本函数，引入动态加权因子控制翻箱迭代方向，提出新颖的搜索分支规则选择有效分支进行搜索。通过上海港码头和相关文献的算例进行实验，结果表明，设计的动态加权启发式函数能够有效改善寻优过程中跳出局部最优解的能力，验证了考虑堆场运作规则-翻箱位规则的算法有效性和稳定性。研究成果能够普遍适用于作业工艺和贝位布局不同的集装箱码头预翻箱作业，能够为堆场运作优化提供决策参考。     

基于两阶段混合动态规划算法的龙门吊路径优化

产业界已出现利用多台轨道式龙门吊同时作业以提升集装箱码头装船效率的情况,由于需要确定每台龙门吊的取箱作业集合以及增加了“避免碰撞”、“顺次移动”等现实约束,故其移动路径规划问题在模型建立与求解上比单台轨道式龙门吊更为复杂。本文针对两台轨道式龙门吊同时作业的情形,建立了龙门吊移动路径网络模型,并开发了基于贪婪算法与动态规划的两阶段混合算法,并通过仿真算例,借助与基于实际调度规则所得到的调度方案的对比,验证了模型及优化算法的有效性与实用性。     

一种多策略引导的电磁场优化算法求解作业车间调度问题

电磁场优化算法是目前一种比较新颖的群智能优化算法,其利用不同极性电磁场所产生的引斥力,使电磁粒子朝最优解移动。针对标准电磁场优化算法在求解作业车间调度问题时容易陷入局部极值点、收敛精度差等问题,提出了一种多策略引导的电磁场优化算法。算法中粒子受到三种不同来源的引斥力,在迭代过程中通过计算每种移动策略的临代电差、累计电差和综合电差来决定粒子的引导方式,并通过概率变异算法来避免陷入局部最优解。通过作业车间调度问题FT、LA系列测试实例仿真实验,对新算法与其他算法的测试结果进行比较分析,研究表明该算法具有更高的求解精度和更快的计算速度。     

考虑充电因素的自动化集装箱码头AGV任务分配模型

自动化集装箱码头中,AGV(自动引导车)负责衔接岸桥和场桥两个装卸作业设备,被认为是影响整体效率的关键环节之一。为刻画AGV充电特征,降低作业成本,提高自动化集装箱码头系统作业可靠性,本文通过时空网络图刻画AGV运输任务和充电过程,以运输成本最小为目标,构建任务分配优化与充电时机选择模型。为求解模型,基于分支定价算法框架设计求解方法,首先通过Dantzing-Wolfe原理将模型分解为基于路径的集合划分主问题和一个存在电量等资源约束的最短路径子问题,其次设计标号修正算法求解。实验结果表明,本文模型算法能够提高模型的求解质量,有效优化AGV作业顺序并选择合适的充电时机,提升AGV任务分配方案的可靠性,并进一步分析了最大电池容量、行驶距离的变化对AGV使用数量、充电次数以及码头作业效率的影响。     

基于状态节点网络的龙门吊路径优化问题研究

为提升集装箱堆场的作业效率和服务水平,研究了集装箱堆场龙门吊的作业路径问题。将龙门吊的作业任务划分为阶段任务和阶段内子任务后,通过定义状态、状态值以及状态间距,提出了基于状态节点网络的龙门吊路径优化模型。并针对模型的特点,设计求解算法,算法由递归算法生成状态节点空间,用整数编码的遗传算法进行状态组合寻优。最后,以某集装箱码头实际作业数据为基础,进行了模型和算法的验证计算,结果显示基于状态节点网络的路径优化方法有效地减少了龙门吊的作业移动距离。     

考虑车载容量的多区型仓库拣货路径优化研究

拣货作业是仓库核心作业之一,占据仓库运营大量的时间成本和资金成本.针对多区型仓库拣货路径优化问题,对多区型仓库布局、货位坐标、路径等问题进行了定义,构建了多区型仓库拣货路径优化建模,接着通过大量实验确定了人工鱼群算法在求解拣货路径问题时的最优算法参数组合,通过演示性实验验证了模型与算法的有效性,最后从波次订单对实验结果的影响、车载容量对实验结果的影响和算法对比分析3个方面验证了人工鱼群算法的实用性和优越性.结果表明,所建立的多区型仓库拣货路径优化的模型及其求解方法,能够有效提高仓储拣货作业效率.     

考虑越库作业的连锁超市配送路径优化研究

针对大型连锁超市物流配送成本较高的问题,通过分析连锁超市的实际情况和越库作业的实施要求,提出越库配送运作模式.以车辆运输成本、操作成本和库存持有成本最小化为目标,建立带有多越库配送中心的车辆路径模型,将配送过程分为集货、送货两阶段,同时,考虑到产品种类需求的多样化,采取集货过程车辆协同进行和送货过程车辆需求拆分的方式.针对问题的特点设计了一个求解的遗传算法,通过扫描算法优化初始种群,最后结合算例对模型和算法进行验证分析.结果表明,越库作业能有效地提高连锁超市的运作效率,降低超市物流成本.     

考虑路径冲突的AGV配置与调度优化

合理调度有限的码头资源以满足船舶的装卸时间要求是自动化集装箱码头的重要目标之一。针对自动化集装箱码头自动导引车(automated guided vehicle,AGV)配置与调度问题,考虑船舶装卸时间要求和AGV运输过程中的路径冲突,提出分阶段调度策略。将船舶装卸作业分为卸船阶段、装卸同步阶段、装船阶段三个阶段,在每个阶段中,建立以最小化最大完工时间和最小化AGV空载和等待时间为双目标的调度优化模型,并设计基于NSGA-Ⅱ的启发式算法求解。根据本阶段的实际完工时间,从最优解集中选择下一阶段AGV的配置与调度方案。最后对比其他调度方案表明本文调度方案能够满足集装箱船的装卸时间要求,且提高了AGV的利用率,更符合码头实际作业要求。     

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。     

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。     

“货到人”拣选系统机器人任务分配的鲁棒双层规划模型

在电商“货到人”拣选系统中,如何调度系统中的机器人并对任务进行合理地分配决定着整个系统的运行效率与成本。分析“货到人”拣选系统作业流程,建立机器人数量配置、机器人调度与机器人任务分配的双层规划模型。上层模型以批量订单完成总成本最小为目标函数,以机器人调度为决策变量,构建整数规划模型;下层模型以机器人完成所有任务的平均空闲率最小为目标函数,以任务分配为决策变量,考虑机器人在完成任务过程中由于调度、避障、路径规划等导致的行走距离不确定因素,构建鲁棒优化模型。上层的调度结果制约了下层的最小平均空闲率,下层的任务分配结果影响上层的最小成本,上下层结果共同决定机器人配置决策。利用遗传算法求解模型,通过实例仿真验证了模型的有效性。     

考虑客户满意度的计划外来船靠泊调度模型及算法

为解决船舶临时请求靠港而调整调度的特殊需求,建立了以客户满意度最大和额外作业成本最小为目标的双目标优化模型,利用改进模拟植物生长算法予以求解,求解中采取确定-随机策略确定初始生长点,以固定步长和变步长混合方式构建邻域,并融入分层非支配排序方法。确定兼顾船公司和港口方利益的调度方案时,利用Pareto前沿分布特点,对船公司和港口方的偏向度进行量化,选择偏向度差值最小的方案。最后,以我国某集装箱码头为例,验证了本文模型和算法的可行性。计算结果与NSGA-II算法进行对比,证明了文中改进模拟植物生长算法的有效性。本文成果可以为提高港口管理效率提供技术支持。     

基于可变航速的支线集装箱船舶调度优化模型与算法

随着航运市场的竞争不断加剧和集装箱船舶大型化的发展,越来越多的航运企业选择轴-辐式航运网络模式。支线船舶调度问题作为轴-辐式航运网络的重要组成部分受到研究者的高度关注。本文研究了可变航速和经济航速两种情境下的支线船舶调度问题,同时考虑枢纽港和喂给港的取送箱时间窗限制,以航运企业运营成本最小化为目标函数建立非线性混合整数规划模型。首先使用专业的规划求解器进行小规模算例的求解,验证了模型的准确性。同时运用改进的遗传算法对大规模支线船舶优化调度模型进行求解。为了提高求解效果,进一步设计了多智能体进化算法进行求解。数值结果表明,可变航速的运营成本低于经济航速的运营成本;在算法效率方面,改进遗传算法收敛速度较快,多智能体进化算法则可以提高求解精度。     

碳排放限制下的冷藏集装箱多式联运路径优化

为了降低碳排放限制下的冷藏集装箱多式联运成本,实现节能减排的目的,高效的路径选择至关重要.该文基于碳排放限制的视角,针对多式联运网络中铁路和水路运输具有发班时间限制,以及冷藏集装箱需要考虑制冷费用、货损货差的特点,建立了在碳排放限制下以总成本最低为目标的优化模型.构建总成本时不仅考虑了运输费用和转运费用,还考虑了受发班时间影响而动态变化的冷藏费用和货损费用.设计了遗传算法求解,并进行了算例分析.结果表明:通过该模型和算法,可根据决策者的要求快速地选出成本最少的运输方案,为决策者提供决策支持.