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。

集装箱码头泊位计划干扰恢复多目标模型

研究集装箱码头中干扰事件发生后泊位计划的调整问题,目的是降低干扰事件对集装箱码头作业系统的干扰。基于干扰管理方法,建立泊位计划干扰恢复多目标、多阶段模型,该模型考虑码头不同客户的特点以及多方利益的平衡,从码头作业成本、船舶延误以及计划偏离度三个方面度量系统扰动。为求解模型,提出了基于字典续的求解方法,并利用算例对模型与算法的有效性进行了验证。结果表明:该模型与算法可以有效解决泊位计划调整问题,模型能够考虑各方的利益以及码头各类客户的特点,因此得到的泊位调整方案更科学,同时,模型各目标的重要顺序可根据情况进行调整,实用性与可操作性更高。

集装箱港口多码头泊位联合分配优化研究

多码头泊位联合分配是港口资源整合、提升服务水平的重要手段。针对集装箱港口多码头泊位计划,考虑不同码头泊位条件、岸桥能力等因素,构建多码头泊位-岸桥集成分配数学模型。设计改进灰狼算法(IGWO),利用离散化映射进行编码设计,基于优胜劣汰法实现种群动态进化。设计算例,将IGWO与果蝇算法和粒子群算法进行对比。结果显示:IGWO算法优化结果分别提升16.6%和21.1%;利用IGWO对不同船舶到港密度泊位算例进行求解,其中,多码头泊位分配可有效减少总时间成本及延误船舶数量,节省岸线资源约10%。结果表明:设计的模型及算法可有效解决多码头泊位联合分配问题。