带时间窗的中心站多车程集卡调度优化研究

为解决铁路集装箱中心站与周边货源地间的公铁联运多车程集卡集疏调度问题,将货源地的每一集装箱集疏需求视为一个任务节点,以集卡调度总成本最小为目标,综合考虑集卡容量和集装箱集疏时间窗等约束,构建允许同一集卡重复利用的多车程集卡调度优化模型,并设计改进的遗传算法求解该模型。为均衡集卡工作时间,以调度模型确定的最佳集卡数量和车程集合为输入,进一步构建以集卡作业时间之差最小为目标的集卡车程分配模型,并借助Gurobi精确求解每一集卡的最佳车程任务。以郑州铁路集装箱中心站为例进行实验验证,结果表明:本文所提方法能有效解决公铁联运集装箱在集疏环节的集卡调度问题;相较于单车程模式,多车程模式下集卡调度成本平均减少了60.31%;车程分配优化可以将集卡作业时间最大差值减少14.3%以上,提高了集卡作业时间的均衡性。

海铁联运一体化集装箱场站集卡调度研究

海铁联运一体化集装箱场站依靠集卡进行水平转运作业,为缩短场站内部转运时间,提出海铁联运集装箱场站中铁路集卡与港口集卡联合调度的新思路。基于海铁一体化发展导向,尝试不再区分铁路集卡、港口集卡,通过港铁平台公司投入采购共享集卡,用于整个联运组织的任意水平运输任务,优化转运换装环节,缩短集装箱在港内的流转时间,提高集卡利用率。研究以集卡派遣成本、空车运行成本与时间窗惩罚成本整体最小作为优化目标建立整数规划模型,并利用数学软件编写遗传算法求解集卡调度模型,对算例进行研究分析,得到最优集卡联合调度方案。同时,对遗传算法个体编码方式进行特别设计,使算法与问题间更为适配。通过对比实验可以得出,联合调度方案在一定程度上降低了运输成本,证明了该方案的可行性与优越性。

集装箱码头新型智能集卡调度系统研发与应用

为了解决传统集装箱码头生产工艺下集卡压车和岸桥等待集卡等问题,开发适用于内贸集装箱码头的新型智能集卡调度系统,以动态调整集卡与岸桥之间的配比状态,适应不同船舶装卸需求,同时兼顾有人集卡与无人集卡的综合调度,统筹设备资源,实现生产组织精益化,推进集装箱码头智能化进程。实际应用证明:新型智能集卡调度系统有效提升集卡周转效率和码头作业效率,有望成为内贸集装箱码头装卸船集卡调度的先进方案。

基于同贝同步装卸的岸桥与集卡协同调度

集装箱码头岸边装卸桥同贝同步装卸船模式下,岸桥装卸作业序列决策和集卡调度协同优化是保障同步装卸率的关键,属NP难问题。考虑集卡和岸桥作业之间的紧密衔接、堆场翻箱影响、船舶舱盖等空间约束,构建以岸桥装卸总次数及堆场翻箱次数最小化、岸桥最大完工时间最小化、集卡等待时间最小化为目标的岸桥装卸序列决策与集卡调度联合优化数学模型。设计改进遗传算法-改进非支配排序多目标遗传算法(IGA-INSGA-Ⅱ)两阶段算法,利用IGA求解船舶贝位内岸桥装卸集装箱作业序列;基于装卸作业序列优化方案和INSGA-Ⅱ,提出岸桥最早可作业时间优先的集卡任务指派策略,设计分段式编码及解码方法,求解集卡任务分配与指派问题。通过算例,将设计的算法与常见智能算法进行对比分析,验证了模型与算法的有效性。

基于滚动时域策略的岸桥集卡集成调度研究

岸桥和集卡在集装箱码头扮演着重要的角色。为了更好地解决岸桥集卡在装卸作业时的协调问题,提高码头整体作业效率,针对岸桥和集卡的集成调度问题,以集装箱总完工时间最短为目标,考虑了岸桥与集卡的任务分配顺序,建立岸桥集卡集成调度模型。由于模型较为复杂,求解过程更加困难,故采用改进的粒子群算法对模型进行求解。在此基础上提出基于滚动时域的集卡分配策略,设置相应的阈值进行周期滚动,并比较有滚动策略和无滚动策略对求解结果的影响。结果表明,滚动策略可以更好地获得最优解,可以有效提高模型的求解速度,对提高港口物流的装卸效率有一定的价值。

港口集装箱码头集卡优化调度研究

集装箱运输模式目前已经相对成熟,也在一定程度上改变了当前的物流体系。由于集装箱成本较低,且具备国际化与标准化特征,因此受到了诸多国家的认可,基于集装箱的运输方式和应用模式逐渐成型。在现代物流运输行业中,集装箱运输几乎已成为海上运输的主体模式,在未来,集装箱产业将会朝着更为理想、更为现代化的方向发展,发展前景一片光明。但实际上,各港口的集装箱码头在作业时,集卡调度并未达到最优配置,集卡空驶距离较长、码头装卸成本居高不下等问题均未得到有效解决。因此,根据各港口集装箱码头的集卡调度现状,制定相应的优化策略十分有必要。

集装箱码头集卡调度模型与Q学习算法

研究集装箱码头装卸过程中集卡调度问题,建立了集卡调度动态模型,目的是使装卸桥等待时间最小.设计了基于Q学习算法的求解方法,获得在不同状态下的集卡调度策略.提出了应用Q学习算法求解集卡最优调度时系统状态、动作规则、学习步长与折扣因子的选择方法.结果表明,随着集卡数量的增加,Q学习算法获得的结果优于最长等待时间、最远距离、固定分配集卡等调度策略.

带任务顺序约束的岸桥集卡集成调度约束规划模型

针对集装箱岸桥与集卡集成调度问题,以卸船完工时间最小化为目标,提出考虑任务顺序约束的岸桥与集卡联合调度的混合整数规划(Mixed Integer Programming,MIP)模型和约束规划模型.为评价解的质量,设计新的下界求法.利用不同规模的实例对约束规划模型进行测试,结果显示约束规划模型能够以较快的收敛速度求解较大规模的问题,得到高质量的解.该方法克服了集装箱码头岸桥调度问题与堆场内集卡调度问题分开研究的缺陷.

预约机制下送箱集卡多集装箱码头调度问题

基于为缓解码头高峰时段集卡不规律到达导致的拥堵问题所建立的集卡预约机制,研究港外堆场的送箱集卡在多个集装箱码头间的调度问题。在满足码头出口船舶集港要求的同时,以降低外堆场运营成本为原则,将调用的集卡数量最少化为目标函数,建立集卡调度模型。设计改进的蚁群算法求解该模型,确定了每个时间段运抵不同码头的集装箱调度计划。并用算例分析验证了模型和算法的有效性。算例结果表明在合理的调度计划下,可以有效减少集卡资源的投入,提高堆场收益。

集装箱码头集卡调度策略的仿真研究

在集装箱码头传统的集卡调度模式的基础上,提出在数字化技术环境下的集装箱码头集卡实时调度规则,并建立了这两种调度模式的动态仿真模型.经过仿真实验分析,比较这两种调度模式对码头生产能力的影响,结果表明提出的调度策略是合理可行的,具有较强的可操作性.

一种新的集卡动态调度模型及算法

港口物流环节中,集卡的调度直接影响着港口的工作效率.目前,对集卡装和卸同时进行的调度模型和算法鲜有研究.本文以一艘船待装集装箱、一艘船待卸集装箱、装卸同时进行为例,提出一种动态优化模型,并用遗传算法求解.但其不同于一般的遗传算法,这里创造性地引入N6邻域方法来减少解空间搜索范围,提高遗传算法效率;设计了多种交叉操作和变异操作,来增加解的多样性,避免算法陷入早熟;设计了变异概率P,保证了算法的收敛性.实验结果验证了该模型和算法的有效性,从而有效提高集卡运输效率.

考虑装卸顺序的岸桥与集卡协调调度问题研究

为解决集装箱港口岸桥和集卡资源紧张的现状,针对岸桥和集卡协调调度问题,综合考虑集装箱顺序及岸桥干涉、集卡作业面调度等约束,建立了一个以最大完工时间最小化为目标的混合整数规划模型。在使用遗传算法求解模型时采用了一种较为新颖的编码方式,同时提出了相应的交叉与变异方法。最后针对不同规模问题,比较了遗传算法(GA)与粒子群算法(PSO)求解,实验结果表明,对于该问题,模型遗传算法在解的优劣性及运行时间上优于粒子群算法。

兼顾碳排放量和效率的集卡调度多目标优化

在集装箱码头作业过程中,如果集卡不能被调度分配到最需要的作业路上,会造成集卡资源不能充分利用,从而会极大降低码头的装卸效率,低碳、环保是码头作业未来发展的趋势。在集卡优化调度的实际作业中,集卡的作业效率和能源消耗这两个目标既相互关联,又有一定程度的相互抵触。因此,采用多目标优化的数学模型,给出了一个兼顾碳排放量和高效率的集卡调度多目标优化方法。粒子群仿真算法表明,多目标优化方法兼顾两个目标的整体性能,明显提高了作业效率。

铁路集装箱中心站内部集卡调度和箱位配置

针对铁路集装箱中心站集装箱专列卸箱作业的效率问题,将内部集卡的任务调度和集装箱箱位分配进行集成,建立集装箱列车卸车作业的多目标优化模型,包括内卡在轨道门吊和辅助箱场等待时间,以及走行时间对作业效率的影响。采用混合遗传算法进行求解。将模拟结果与实际操作数据作比较,并对20次计算模拟进行平均时间和方差分析,验证了该方法的有效性。

集装箱港口集卡——轮胎吊集成调度方法

为了更好地协同调度集卡和轮胎吊,以桥吊调度计划为依据,给定轮胎吊和集卡关联任务集与作业要求时间,研究了轮胎吊—集卡的调度问题特性,以最小化完成任务的累计延误时间为目标,分别建立集装箱码头轮胎吊和集卡的调度问题整数规划模型。考虑到两者之间的并发耦合关系,通过建立分布式到达时间控制方法模型,并融合离散粒子群优化算法对集卡—轮胎吊集成调度问题进行求解。在算例分析中,通过与CPLEX计算结果进行比较,验证了分布式到达时间控制方法及离散粒子群优化算法对求解集卡—轮胎吊集成调度的收敛特性和可靠性。结果表明,不同时间阶段按当前配置的集卡—轮胎吊资源进行作业,均有从85~215min不同程度的累计作业延误时间,这将导致桥吊的效率损失,进而延长船舶作业时间,影响船舶实际靠离泊时间。

基于约束规划的岸桥与集卡集成调度

针对进口集装箱卸船的岸桥与集卡集成调度问题，分别提出混合整数规划（MIP）模型和约束规划（CP）模型，目标是使得卸船完工时间最短，该问题是NP难题。通过OPL语言设计约束规划模型，利用其为调度问题提供的特殊构造，如区间变量、序列变量等进行建模，并采用“扩展操作任务”的概念来定义区间变量以提升求解效率。为评价解的质量，设计一个新的下界求解方法。使用不同规模的实例对约束规划模型和MIP模型进行测试，结果表明，在小规模实例中，CP模型求解性能略差于MIP模型，但对于中大规模实例，MIP模型无法在设定时限内找到解，而CP模型则能以较快的收敛速度得到高质量的解，目标距离下界的差距控制在2.19%~8.28%。

基于Agent的集卡调度建模与仿真研究(英文)

日益大型化的集装箱船舶对集装箱码头的生产调度提出了较以往更加严格的要求。集装箱码头中的集卡调度是否合理对于提高整个码头的装卸效率具有重要意义。利用agent和哈佛体系结构对集卡动态调度进行建模,以AnyLogic仿真平台为实现工具,基于数据库中实际的生产数据,融合黑板系统和消息通讯形成多agent之间的协同机制,引入操作系统中的资源分配算法调度集卡。最后仿真了具体的港口生产实例,其结果优于以往文献的仿真结果,充分验证了上述建模仿真思想的可行性和可信性。

考虑时间窗约束的集卡调度耦合模型及求解

针对集装箱码头集卡调度问题,目的为使集卡数最小且延误时间最短。创新性的采用多学科变量耦合优化设计方法,将该问题分为集卡运输方式问题和集卡数量配置问题,分别建立集卡分派子模型和集卡配置子模型,使用公用设计变量连接模型,设定迭代计算条件建立基于岸桥作业并考虑时间窗约束的集卡协调调度耦合模型。利用该耦合模型应用C#语言调用CPLEX12.2对算例进行求解,得到面向多作业路的最优集卡数量和协调调度方案,方案具有良好的收敛性。结果表明,与分别采用集卡调度模型和配置模型比集卡数降低7.69%,总延误时间降低10.12%,说明该模型的有效性和实用性。

基于滚动窗策略的岸桥集卡联合调度问题研究

为应对集装箱码头突发事件的发生,采用滚动窗策略研究岸桥集卡的联合调度问题,在每个窗口内建立以最小化最大完工时间为目标的数学模型,并用遗传算法进行求解。在此基础上,讨论了以固定任务数量及固定时间长度为滚动窗口的情况,对比发现以时间为窗口的滚动窗策略更为适用,并分析了系统发生岸桥故障时滚动窗策略的性能,结果表明滚动窗策略能很好地应对突发事件。最后将其与已有的动态调度研究成果作比较分析。

集装箱码头考虑集卡能耗的岸桥集卡协调调度

随着环境污染和资源紧缺的加剧,绿色港口逐渐成为未来港口发展的必然趋势。因此针对岸桥集卡协调调度,建立了一个考虑集卡能耗和岸桥集卡作业时间的多目标数学模型。由于岸桥和集卡作业时间及集卡能耗这两个目标既有联系,又有一定程度的冲突,因而使用多目标优化的方法平衡这两个目标,并且采用遗传算法结合Matlab数学软件求解模型。算例结果表明:考虑集卡能耗的调度比不考虑集卡能耗的调度更节约调度成本,从而验证了模型和算法的有效性。