海铁联运港口混合作业模式下轨道吊与集卡协同调度

在集装箱海铁联运港口中,铁路作业区作为连接铁路运输和水路运输的重要节点,其装卸效率将影响集装箱海铁联运的整体效率。首先,对比分析了"船舶-列车"作业模式和"船舶-堆场-列车"作业模式的特点,并结合海铁联运港口实际作业情况提出了混合作业模式。然后,以轨道吊完工时间最短为目标构建混合整数规划模型,既考虑了班列和船舶的作业时间窗约束,又考虑了轨道吊间干扰和安全距离、轨道吊和集卡接续作业和等待时间等现实约束。针对遗传算法在局部搜索能力方面的不足,将启发式规则与遗传算法相结合设计了求解轨道吊与集卡协同调度问题的混合遗传算法(HGA),并进行了数值实验。实验结果验证了所提模型和混合算法的有效性。最后通过设计实验分析集装箱数量、岸边箱占比、轨道吊数量和集卡数量对轨道吊完工时间和集卡完工时间的影响,发现同等集装箱数量下岸边箱占比提高时,应通过增加轨道吊数量来有效缩短完工时间。

自动化码头双小车岸桥-AGV协同调度研究

为缩短船舶停港时间、降低运营成本,以及提高AGV重载率,自动化码头采用双小车岸桥与AGV协同的方式对集装箱进行协调装卸搬运。在考虑双小车岸桥中转平台的情况下,对后小车作业进行时间窗约束,建立以AGV空载行驶成本、AGV总行驶成本以及岸桥作业延误成本加权和最小为目标的AGV调度问题混合整数规划模型。通过CPLEX Optimization Studio进行数值试验,从4个方面对模型进行分析,验证了双小车岸桥对于AGV调度优化的优越性,并找出存在缓存区时AGV的数量配置和分派调度优化方案。

基于遗传模拟退火算法的自动化制造单元周期调度

鉴于有时间窗约束的单机器人单度自动化制造单元周期调度问题的可行解极少且难以找到最优解,提出一种带有不可行解修复机制的遗传模拟退火算法,以提高解的搜索效率。采用基于跨周期决策的先后次序约束修复、联动修复等机制,对不可行解进行修复,提升其逼近可行解的概率;结合遗传算法的多点初始和模拟退火的靶向搜索能力,强力筛查可能存在的可行解;根据模拟退火的降温速度,利用Metropolis准则以逐渐变小的概率接受交叉和变异后产生的劣解,促进种群跳出局部最优。实验证明所提出的算法在保证解的质量的前提下,计算时间更短,求解效率更高,可较好地满足自动化制造单元的周期调度要求。

基于SP-AS/RS与ASC的自动化码头协同调度研究

针对自动化码头中自动装卸检索平台SP-AS/RS(split-platform storage/retrieval system)、自动跨运车ASC(automated straddle carrier)组成的新型装卸工艺,考虑ASC与SP-AS/RS在同装同卸条件下的作业时间窗约束,建立以ASC和SP-AS/RS最小运行时间、岸桥最小延迟时间为目标的混合整数规划模型,改进遗传算法IGA进行求解。对比分析IGA与精确搜索算法、模拟退火算法SAA的解的质量与求解速度,结果表明相比于精确搜索算法和SAA,IGA在合理的运行时间内相对于SAA的结果提升了41.9%。同时,在不同规模下对比ASC+SP-AS/RS和AGV+SP-AS/RS两种装卸作业流程对码头整体装卸效率的影响。由于SP-AS/RS减少翻箱率与增加存储容量的特点,以及ASC减少了等待延时的特点,当集装箱任务量大于20时,ASC+SP-AS/RS相比于AGV+SP-AS/RS效率平均提升了4.46%,验证了采用ASC+SP-AS/RS进行集装箱装卸更有利于码头整体效率的提高。