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。

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.

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.

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。

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。

考虑集装箱簇边装边卸的港口集卡调度模型求解

在集装箱装卸作业问题中,以集装箱簇为作业单位,分两阶段分析集装箱在岸桥集卡间的调度方案,以集卡空驶率最小与移动距离最短为目标,建立了整数规划模型。针对上述模型,利用启发式算法与自适应遗传算法对问题进行分析求解。最后通过配置不同集卡数量,将其移动总距离以及空驶效率进行比较,并与禁忌搜索算法相对比。实验结果表明,启发式自适应遗传算法的计算结果在空驶率以及移动总距离最小问题上有更优的解决方案。

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。

速度不确定下作业时间最短的集卡调度优化

在集装箱码头装卸作业中,提高集卡调度对作业效率有非常大的影响。而集装箱卡车重车和空车行驶速度的不确定性,增加了集卡调度的难度。为此提出建立不确定环境下作业时间最短的集卡调度优化模型。在完成固定装卸任务的前提下,通过对集卡的合理调度,达到不确定情况下集卡总作业时间最短。针对不确定模型的特点,采用粒子群算法快速求解,同时保证了解的有效性。算例表明上述模型和算法合理解决了不确定环境下集卡调度优化问题,得到较好的计算结果,并且降低了运算复杂度,提高了调度效率。

基于能效优化的集装箱码头集卡调度研究

建立了一个集卡运输效率和能耗相协调的综合数学模型,设计了求解问题的优化算法,并通过算例对模型进行验证,证实了利用所建立的模型和算法可以在有效时间内快速找到最优的集卡调度方案。

一种基于多目标优化的混合在线集卡调度方法

为了提高集装箱港口工作效率,在"大作业面"前提下,结合任务触发型和集卡触发型两种集卡在线调度方法,综合考虑系统总作业时间、岸吊等待时间以及集卡空载率问题,建立多目标优化模型,并运用启发式方法提出一种混合在线集卡调度算法。最后,以港口实际数据为例,通过实验仿真例证了模型优化效果和算法工作效率。

面向双40英尺岸桥的集装箱码头集卡调度研究

近年来,集卡的有效调度与否已逐渐成为影响集装箱码头运营效率的重要问题。文中针对双40英尺岸桥的集装箱码头集卡调度问题,结合双40英尺岸桥的作业特点,建立以各集卡的无效作业时间最短为目标的动态调度优化模型,并采用遗传算法进行求解。通过算例分析,在有效的时间内得到了最优集卡调度方案,证实了该模型和算法的有效性和实用性。

基于运载能力的集装箱码头集卡调度优化方法研究

集卡是集装箱码头的重要资源,集卡的运载能力允许其单次可运输一个20 ft集装箱、两个20 ft集装箱或一个40 ft集装箱。而目前有关集卡调度的研究往往以单位集卡重载一个集装箱为作业单元,即“一车一箱”的运输模式,忽视了对集卡实际运载能力的讨论。本文考虑集卡对于不同箱型集装箱的实际运载能力,对进口箱卸箱过程的集卡调度问题进行研究。首先构建了以卸箱作业完成时间最小为目标的混合整数规划模型,随后证明了问题是NP完全问题,并设计了多起点自适应邻域搜索算法进行求解。计算结果表明,相比于规划求解器,算法可以在更短时间内求得问题的近优解;相比于“一车一箱”的运输模式,本文的集卡调度方案可使卸箱作业完成时间平均缩短23.5%。研究基于集卡的实际运载能力优化集卡调度方案,能够有效缩短船舶在港作业时间,可为集装箱码头实际作业过程中的集卡调度提供依据。

基于作业面模式的集装箱码头集卡调度问题研究

随着全球经济发展,我国集装箱吞吐量逐年增加,国内集装箱港口间的竞争也日益剧烈。港口在满足集装箱吞吐量增长需求的同时,更需要提供高质量服务。在这一背景下,集装箱港口如何有效利用现有资源、提高港口整体作业效率和服务水平成为了关键问题。集卡运输作为港内重要的水平运输方式,它的作业效率对港口的整体运营效率有着重要影响。目前集卡调度存在集卡等待时间久和空驶率高等问题。针对这个问题,文中建立了一个基于作业面模式的集卡动态调度数学模型,以减少船舶的停靠时间和集卡的空驶时间,并使用lingo软件对问题进行求解。为了使模型更贴近实际情况,文中综合考虑了集卡和岸桥协同作业的情况。文中应用了两个算例验证模型的正确性和有效性,算例结果表明集卡的作业面调度模式比作业线模式效率更高,更加经济环保。

基于Dijkstra算法的集装箱港口集卡调度场规划研究

本文参照工程实例,对集装箱港口工艺装卸流程和总平面规划设计工作进行总结,提出在港口规划设计阶段采用迪杰斯特拉(Dijkstra)算法的集卡调度规划理论,将理论通过数学建模分析研究和仿真实验证明理论的正确性。将理论在港口规划设计阶段就应用于工作之中,可最大程度发挥理论的指导性意义。

试议港口集卡调度算法模型分析

随着我国集装箱吞吐量的快速增长,集装箱港口对作业效率的要求也越来越高。在现有作业技术水平和硬件设备、设施的基础上实现作业效率的提高,已经成为集装箱港口发展所面临的重要问题。从集装箱港口作业的一个环节——集卡作业入手,分析提高集卡利用率,进而带动整个港口作业效率的提高。

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。