多目标约束处理方法求解泊位岸桥联合分配问题

为了制定合理高效的泊位岸桥联合分配方案,加快船舶周转,本文针对船舶动态到港的连续泊位建立了以船舶总在港时间最短为目标的泊位岸桥联合分配混合整数非线性模型.通过多目标约束处理策略将复杂约束的违反程度转化为另一个目标,从而将原单目标优化模型转化为双目标优化模型,并用基于快速非支配排序的多目标遗传算法(NSGA-II)对其进行求解.同时,针对问题特点,分别设计了基于调整、惩罚函数、可行解优先和综合约束处理策略的单目标遗传算法对原模型进行求解.通过多组不同规模的标准算例对本文的方法进行测试,验证了基于多目标约束处理策略的方法求解效果相较于单目标约束处理策略的方法更加高效和稳定.

泊位-岸桥联合分配模型的模拟植物生长交替进化算法

为了综合优化集装箱码头泊位和岸桥联合分配计划,分析了二者的相互独立性和系统关联性;利用相互独立性,分别针对泊位和岸桥分配建立了以平均在港时间和作业成本最小为目标的2个优化子模型;利用系统关联性,构建了泊位-岸桥联合分配的约束条件,将2个子模型紧密联系在一起,建立了完整的泊位-岸桥联合分配模型;分析了联合分配模型的特点,设计了模拟植物生长交替进化算法求解模型,利用基于模拟植物生长算法的交替进化算子对种群中每个个体的2个目标进行交替优化,进而实现种群进化,通过算法框架实现非支配解筛选,经多次种群进化和非支配解筛选,获得泊位-岸桥联合分配的Pareto满意解集;针对大连港集装箱码头3d中共计31艘真实到港船舶的泊位-岸桥联合分配计划进行优化计算,并与多目标遗传算法的计算结果进行对比。计算结果表明:共获得13个满意解,船舶平均在港时间为7.47~9.44h,使用岸桥次数为85~96台,作业总成本为20.868~21.114万元;与多目标遗传算法相比,进化算法的运算速度提高了6.07%,所得非支配解的数量增加了4个,增加幅度为30.76%,且计算结果更趋近于Pareto前沿,联合分配计划优化程度较高。可见,采用模拟植物生长交替进化算法能够最大限度地保持种群进化过程中个体的独立性,获得更多的非劣解,且交替进化的方式能够使结果更逼近Pareto前沿。