考虑服务公平性的连续泊位-岸桥集成分配

泊位和岸桥是集装箱码头非常最要的资源,合理的分派与调度可以有效地提高作业效率.目前泊位和岸桥的集成调度模型中大多以最小化船舶在港总时间或最小惩罚成本为目标函数,忽略了码头对船舶服务的公平性.为此,通过扩展现有的连续泊位分配模型,兼顾船舶惩罚成本及船舶等待与岸桥分配的公平性,建立多目标的连续泊位分配模型.设计一个三阶式邻域搜索算法,该启发式算法包括邻域搜索安排船序列、停泊位置搜索和分配调整岸桥3个阶段.实验结果显示,不同的邻域策略取得的最优解不同,通过设置最优的邻域策略可以获取最优的目标函数值.实验表明,该模型与算法可以在接受的时间内取得最优解,相关成果可以为码头对船舶服务的公平性研究提供理论依据.

基于多目标混沌云粒子群算法的泊位-岸桥分配研究

为了提高集装箱港口泊位-岸桥分配效果和优化效率,以集卡运距和船舶在港时间最小为优化目标,建立了多目标离散泊位-岸桥分配模型,利用混沌云粒子群算法对泊位-岸桥分配模型进行求解,开发了粒子可行-整数化处理模块,内嵌于混沌云粒子群算法进化中,制定了粒子编码规则,设计了多目标函数的粒子历史极值和全局极值的计算方法,提出了基于混沌云粒子群优化算法求解多目标离散泊位-岸桥分配模型的新方法,数值算例结果证明了该模型和算法的可行性和实用性。

集装箱码头连续泊位-岸桥分配的仿真优化

泊位和岸桥是集装箱港口非常最要的资源,合理的分派与调度可以有效提高作业效率。集装箱码头连续泊位-岸桥分配的仿真优化研究中,大多以总在港时间最短或总成本最小为优化目标,往往忽略个体船舶的等待时间,没有兼顾服务公平性。在考虑偏好泊位的基础上,加入容忍度约束,以船舶在港总时间成本为目标,建立连续泊位-岸桥分配的非线性数学规划模型。设计求解模型的一种基于嵌套循环进化算法,内循环采用贪心算法生成相应的泊位调度计划;外循环采用遗传算法进一步生成岸桥调度计划。最后,以VC++开发仿真程序进行求解。实验结果表明,该算法能够在可接受的计算时间内获得稳定的满意解,新的泊位岸桥分配策略及算法可以较好的解决容忍度约束下的连续泊位一岸桥分配问题。

抵港时间不确定的多目标泊位-岸桥分配

针对不确定性因素造成的船舶提前或延迟到港的问题,考虑船舶抵港时间不确定性,建立以船舶在港时间和港口装卸成本最小化为目标的泊位-岸桥分配非线性混合整数多目标规划模型,利用优化技术处理非线性多目标问题.研究结果表明:模型能有效减少船舶抵港时间不确定性对港口运营造成的损失,优化船舶装卸操作成本和船舶在港作业时间,为集装箱码头提供了更合理的解决方案.

集装箱码头泊位-岸桥集成分派干扰管理的分层调整策略

针对如何降低码头干扰问题,建立了连续型泊位-岸桥集成分派的混合整数规划模型,得出了码头初始调度分配计划;根据船舶不同延期程度,建立了基于泊位和岸桥调整的分层调整模型。通过算例与仿真,研究不同延期程度的最优调整方案,以最大程度地降低码头作业系统所受到的干扰,保证码头作业的顺利实施。算例结果表明:相对于局部调整策略和重调度方案,分层调整策略能够相对全面地考虑各方的利益,得到更为合理的干扰应对方案。

考虑船舶服务优先权的泊位-岸桥分配

为了解决泊位与岸桥的分配问题,将船舶服务优先权作为影响因子,建立以最小化船舶等待时间,作业时间以及延迟时间为目标的优化模型,以此进一步提高集装箱码头的服务质量与客户满意度。为求解此模型,设计一种遗传算法,此算法将泊位-岸桥集成分配问题分解转化为对泊位的岸桥分配主问题和船舶调度的子问题。并且通过试验算例表明,该遗传算法是有效的,并且能够相对减少船舶总的在港时间,从而提高码头作业效率。

集装箱码头泊位 岸桥 堆场分配问题研究

文中以集装箱码头泊位-岸桥-堆场分配优化问题为研究对象,将该问题分解为泊位-岸桥分配优化和堆场分配优化这两个子问题,并分两阶段求解。第一阶段以船舶在港时间最小为目标,建立了泊位-岸桥分配优化模型,并用遗传算法求解。第二阶段以船舶到堆场箱区运输距离最小为目标,建立了堆场分配优化模型,并用模拟退火算法求解。最后进行仿真算例实验,结果表明,与构造的启发式算法相比,所采用的算法求解结果有很大改进,证明了模型和算法的有效性。

基于混合算法的多目标连续泊位-岸桥集成调度研究

为了多角度考虑,合理地提高码头作业效率和客户满意度.针对集装箱码头连续泊位,考虑船舶动态到达且船舶有优先级条件下的泊位-岸桥集成调度优化问题.首先,建立了基于船舶总在港时间最少、总等待时间最少,泊位偏离惩罚最小、超出计划离港时间惩罚最小的多目标泊位-岸桥集成调度一阶段模型和最小化岸桥移动成本的岸桥具体分配二阶段模型.然后,提出了一种将细菌觅食、粒子群、克隆免疫、变领域搜索相结合的混合算法.最后,用提出的算法和Cplex软件对模型算例进行求解,针对不同目标,得出具体调度方案.实验表明:混合算法比细菌觅食算法、粒子群算法和克隆免疫算法有更好的精度并且具有较快求解速度;同时具体调度方案会随着目标函数的不同而发生相应的变化,各个目标之间存在约束关系,验证了混合算法和模型的有效性.

考虑经济利益的泊位-岸桥联合调度

基于离散型泊位布局的集装箱码头,对港口作业系统下的船舶锚地停泊、引航作业、装卸作业、集卡运输作业等环节进行了分析,厘清各个环节码头获得的利润。主要考虑码头运营者在各个环节的可变动利润下,建立了整数规划模型,并使用改进的精英保留遗传算法进行求解。使用3个算例对模型和算法进行了数值实验,设置以船舶总在港时间最短为优化目标进行对照,发现码头运营者期望得到最大利润时会大幅增加船舶在港时间,而期望船舶在港时间最短时往往导致码头方利润最小化。为了平衡船港双方利益,应将2种标准综合起来考虑。

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。

泊位—岸桥多目标联合调度

泊位—岸桥分配直接影响着港口船舶的进港靠泊时间和作业效率.为制定合理的集装箱码头泊位—岸桥分配计划,建立了以最小化船舶在港时间和码头运营成本的多目标混合整数非线性规划模型,并用Gurobi软件进行求解,计算结果表明,用多目标优化求解比用单目标优化求解更符合码头实际运营情况.

考虑偏好泊位的泊位和岸桥集成分派问题

作为集装箱港口非常重要的资源,泊位和岸桥的合理分派与调度可以提高集装箱港口的作业效率。集装箱港口泊位和岸桥的集成分配问题,是为到达集装箱港口的船舶安排最佳停靠泊位、停靠时间与作业岸桥数。考虑连续泊位的泊位分配,以最小化偏离偏好泊位的泊位数和船舶在港停留时间为目标,建立基于偏好泊位的泊位和岸桥集成分配问题的0-1混合整数规划模型;研究船舶停靠不同偏好泊位对港口运营成本、岸桥作业成本的影响,分析偏好泊位惩罚成本的设置给船舶到港时间与离港时间带来的影响。通过仿真分析,得到考虑偏好泊位的泊位和岸桥集成分派计划,拓宽了泊位分配的研究,为港口运营提供了泊位分配的管理建议。

面向随机环境的集装箱码头泊位-岸桥分配方法

针对船舶抵港时间和装卸时间的随机性,建立了面向随机环境的集装箱码头泊位-岸桥分配模型,其优化目标是最小化船舶的平均等待时间.考虑到模型求解的复杂度,本文设计了一种改进的遗传算法,并根据模型最优解的特点减少了搜索空间.试验算例验证了模型能够模拟码头泊位-岸桥分配问题的随机决策环境并能反映决策者对待风险的态度和偏好,其算法在允许的运算时间内能获得稳定的满意解.

基于多目标粒子群算法的泊位-岸桥分配研究

为得出合理且符合实际生产状况的泊位-岸桥分配,建立了船舶在港时间和码头运营成本最小的多目标优化模型,并使用了多目标粒子群算法进行求解。通过多目标粒子群算法分别求解30、40、50、60、70艘船舶的优化模型,得到的可行解使时间和成本这两个目标达到最优平衡,并证明了模型和算法的有效性。试验结果表明,多目标优化方法与单目标而言,可以使码头得到更大的运营效益。

基于港区交通-能源耦合的混合储能协调调度策略

为了促进港区的新能源消纳,提高港区的能源利用效率,本文提出了一种基于港区交通-能源耦合的混合储能(HESS)协调港区源荷不平衡的日前调度策略。日前调度策略分为两步。首先,为了提高港区交通的运行效率,以船舶总泊位时间最小为目标函数建立了基于港区泊位-岸桥(B-QC)优化调度的港区电力负荷模型。然后,为了协调港区新能源与负荷的功率不平衡问题,建立了混合储能的运行退化成本模型,并提出了一种混合储能协调港区能源不平衡的日前调度策略。最后,通过算例验证了所提混合储能协调调度策略的有效性。算例结果表明,所提日前调度策略能够实现港区交通、电力的最优调度。相比于单储能系统,混合储能方式下港区运行成本降低了4.6%,同时,港区的碳排放总量降低了53.3%。

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。