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AGV作业行为的自动化集装箱码头水平运输优化

针对自动化集装箱码头水平作业的AGV调度问题(AGVSP),在解决整体作业优化的同时,考虑AGV作业行为对作业效率及能耗的影响,建立以AGV作业效率以及能源消耗作为双目标的双层规划模型。该模型考虑了独立装卸与同步装卸两种模式下的AGV水平运输的特点。在此基础上,设计了对应的双层遗传算法进行求解。并通过数值实验,对模型在考虑行为与不考虑行为,独立作业与同步装卸作业模式下的作业效果进行验证比较。结果表明:本模型在不影响作业效率的前提下,可有效降低AGV的作业能耗。     

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。     

考虑出口箱进出场及预翻箱的箱位分配与场桥调度协同优化

为降低送箱集卡到场的不确定性对出口箱堆存和装船效率的影响,以最小化堆场进出场作业系统总作业时间为上层模型的目标,以最小化同一批入场出口箱的堆存时间下层模型的目标,构建了双层混合整数规划模型为进出场的出口箱分配箱位并优化场桥调度。设计改进的遗传模拟退火算法求解上层模型可得出口箱箱位分配方案,求解下层模型可得预翻箱和场桥调度方案,通过不断平衡上下层最优解使堆场堆存和装船作业效率最优。通过数值实验验证了算法和调度策略有效性,研究结果可丰富集装箱码头运营系统优化理论,为提高出口箱堆场作业效率提供决策参考。     

基于贪婪禁忌搜索算法的垂岸式堆场出口箱装船翻箱研究

基于垂岸式自动化集装箱码头不同装船周期出口集装箱堆场多贝位混合堆存、场桥大车在贝位间频繁移动取箱装船特点,考虑装船发箱时场桥移动等操作时间及翻箱取箱次数对出口箱装船效率和连续性影响,建立多贝位出口箱装船堆场翻箱模型,提出两阶段贪婪禁忌搜索算法,将翻箱规则嵌入算法中,有效限制算法时间和解空间增长速度。通过算例,将提出的翻箱规则与现有常见翻箱规则进行对比,验证模型及算法的有效性与实用性。结果表明,提出的模型和算法可以在合理的求解时间内输出较优的翻箱方案,减少装船时场桥发箱作业时间,提高装船作业效率。     

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。     

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。     

基于仿真优化的自动化集装箱码头出口箱箱位分配

在集装箱码头堆场中，出口集装箱的箱位分配直接影响集装箱的装船效率以及船舶的在港停留时间。研究主要探讨自动化集装箱码头出口集装箱的箱位分配问题，并将船舶靠泊随机性和出口集装箱集港顺序综合考虑到整数规划模型中。针对模型的特点，设计了基于仿真优化思想的启发式算法求得集装箱贝位分配量，并提出“长途箱压短途箱”的贝内具体落位策略。多组实验结果表明，提出的基于仿真的遗传算法能够有效解决自动化集装箱码头出口箱的箱位分配问题。通过多组算例对比实验发现贝位平均翻箱次数和箱区间作业不平衡度随集装箱数量增加而增加，且“长途箱压短途箱”堆存策略能有效减少未来取箱的翻箱次数。研究结果为智能港口、全自动化集装箱码头的运营提供了思路和方向，有助于实现集装箱码头各子系统一体化效率的提升。     

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。     

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。     

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。     

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。     

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。     

基于矩阵式遗传算法的进出口集装箱堆场箱位分配策略

为提高集装箱码头堆场系统的运作效率,本文针对集装箱码头进出口堆场的空间分配问题,建立了在“作业面”作业模式下以集卡水平运输距离最短为目标,考虑各箱位作业量均衡的集装箱箱位分配模型,对计划时段内的进出口箱箱位分配进行全局优化．采用矩阵式的实数编码方式的遗传算法对模型进行了求解,使用最优解保存策略保证了最终的优化结果．最后通过仿真算例,验证了本文所建立的箱位分配模型对优化堆场空间资源分配,提高进出口箱流转速度的适用性．     

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。     

基于物流AGV的“货到人”订单拣选系统任务调度研究

基于物流AGV的“货到人”订单拣选模式由于其高效率和灵活性,逐渐成为电商物流配送中心订单拣选系统发展趋势。本文通过对基于物流AGV的电商物流配送中心订单拣选作业流程分析,提出多拣选台同步拣选和多拣选台异步拣选两种作业模式。然后对基于物流AGV的订单拣选任务调度问题进行描述,以物流AGV完成所有任务的时间最短为目标,分别建立同步和异步两种拣选模式下物流AGV任务调度模型;针对物流AGV任务调度问题特性,对共同进化遗传算法粗粒度模型进行改进用于模型求解。最后,通过改进前后算法的对比,验证了改进共同进化遗传算法在求解物流AGV任务调度问题中的有效性;通过在求解速度和优化结果上对多拣选台同步拣选和异步拣选两种作业模式进行比较,得出同步拣选优于异步拣选的结果。     

考虑完全拆分的拣选分批与拣选路径集成优化模型

在电商海量订单背景下,在线订单拣选作业难度加大,因此设计了基于订单完全拆分的拣选分批与拣选路径综合优化模型解决此问题.模型共分两阶段.第一阶段,基于种子算法,设计考虑订单完成度、等待时间与拣选路径的拣选分批模型;第二阶段以拣选单流为单队列,设计多拣选员并行服务的拣选系统.行走策略为基于返回型和遍历型的综合策略,拣选路径优化模型采用模拟退火算法求解.算例分析表明,与传统的不拆分拣选分批模型相比,构建的综合优化模型能够显著提高拣选系统效率.拣选员为4人时,模型能够使总服务时间减少58.79%,订单完成率提高10.09%.     

集装箱码头桥机调度问题基于完工时间下界的算法

关注单船桥机调度问题,指出了单船桥机的闲置会影响码头整体的运作效率。以单个集装箱为任务单位,考虑桥机移动时间、安全距离等约束,建立了最小化桥机完工时间和闲置时间的多目标规划模型。基于完工时间下界的两种不同情况：以重点贝位工作量确定和以平均工作量确定,分别设计了基于邻域搜索的启发式算法和基于贪心策略的“分割贝位”算法,并且证明了在以平均工作量确定下界的情况中该算法不会导致桥机闲置。不同规模、不同下界类型的算例表明：提出的模型与算法得到的桥机调度计划更适合实际生产作业,能够有效地逼近完工时间下界,算法运行速度较现有的研究有显著的提高。     

集装箱码头桥机调度问题基于完工时间下界的算法

关注单船桥机调度问题,指出了单船桥机的闲置会影响码头整体的运作效率。以单个集装箱为任务单位,考虑桥机移动时间、安全距离等约束,建立了最小化桥机完工时间和闲置时间的多目标规划模型。基于完工时间下界的两种不同情况:以重点贝位工作量确定和以平均工作量确定,分别设计了基于邻域搜索的启发式算法和基于贪心策略的"分割贝位"算法,并且证明了在以平均工作量确定下界的情况中该算法不会导致桥机闲置。不同规模、不同下界类型的算例表明:提出的模型与算法得到的桥机调度计划更适合实际生产作业,能够有效地逼近完工时间下界,算法运行速度较现有的研究有显著的提高。