不确定因素下的集装箱码头车船间装卸作业集成调度

为了提高集装箱码头的效率,建立了集装箱码头车船装卸作业集成调度模型;考虑了装卸同步作业与一些实际约束条件,如岸桥、龙门吊间干扰和安全距离等,以及生产调度中的不确定因素,如岸桥、集卡的速度变化等,设计了改进的多层遗传算法求解模型;为了确定随机变量的具体值,在传统的遗传算法中引入蒙特卡罗法,为了使得集装箱在集卡间均衡分配,在传统的遗传算法中引入均衡算子;通过试验验证模型和算法的可行性和有效性,并进行了改进的多层遗传算法中引入均衡算子与未引入均衡算子间的对比试验。分析结果表明:引入均衡算子后的装卸作业完成总时间为7 437.8s,比未引入均衡算子减少760.3s,且在引入均衡算子的试验中50FEU集装箱均匀分配给了5辆集卡,而在未引入均衡算子的试验中未能均匀分配;固定龙门吊和岸桥数量,改变集卡的数量,通过比较每组试验中作业总完成时间和边际效益值,得出当集装箱数量为80、90、100FEU时,最优设备配比为3台龙门吊、10辆集卡和4台岸桥。可见,改进的多层遗传算法可以提高集装箱码头车船装卸作业的效率,是解决集装箱装卸作业集成调度问题的一种有效方法。