面向集装箱码头物流系统的仿真优化研究

0引言集装箱码头物流系统(container terminal logistics systems，CTLS)作为集装箱运输网络中连接不同运输模式的核心枢纽节点，是一个典型的离散事件动态系统，亦是一个标准的并发多环节多维空间作业开放复杂系统。

CTLS的生产作业和控制决策具有明显的多目标性、不确定性和复杂性，其各个局部的控制决策均为典型的NP-Hard问题，而CTLS整体集成生产调度的数学模型及其最优解更是难以获取[1]。

于是近年来国内外众多学者开始利用基于仿真的优化(simulation based opti-mization，SBO)对CTLS进行研究和讨论。

在国际最权威的仿真学术会议——美国冬季仿真会议上，近年来几乎每年都有将SBO应用于CTLS的生产作业的论文。

2008年，Legato等对动态不确定环境下的码头岸桥调度利用SBO进行了探讨，其仿真结果表明，其方法可以很好地提高港口前沿的吞吐量[2]；2009年，Xi Guo等利用SBO对港口的场桥调度进行了研究，并建立了实用性很强的场桥管理系统[3]。

世界顶尖的OR Spectrum国际期刊也在2010年刊发了由Pasquale Legato等撰写的《Simulation-based optimization for discharge/loading opera-tions at a maritime container terminal》一文，其利用SBO就码头前沿的岸桥装卸和后方堆场的场桥堆码的联合作业进行了整体研究，通过仿真实验该建模优化方法可以大大提高港口的全局作业效率[4]。

而国内的王红湘[5]、张涛[6]、金淳[7]等分别基于SBO对码头泊位分配、堆场配置和大门作业进行了相关的研究，而李浩渊则利用并行SBO对港口的箱区规划和集卡配置进行了论述[8-9]。

但他们都未从整体的角度对面向CTLS的SBO提出探讨，只是将SBO运用于CTLS的单个或2个作业环节中。

有鉴于此，本文立足整个港口生产全局，系统地提出面向CTLS收稿日期：2011-01-10；修订日期：2011-03-21。

的SBO 的整体体系，从“六域”的角度对其进行了详细地分析和探讨。

随后给出了其具体的参考设计模型，并利用相关的仿真实验验证了其可行性与可信性。

1SBO 与CTLS基于仿真的优化(simulation based optimization ，SBO )的基本思想是用仿真系统来模拟复杂系统的运行，并评估其性能，而用上层的优化器依据仿真结果进行优化。

SBO 是数学规划和智能优化技术的自然延伸，其所主要面向的系统往往具有以下的特点：①人们对系统的特性和内在规则还不完全清楚，缺乏必要的相关知识，只能把系统当作黑箱来处理；②系统中因素多、关联多，很难用数学模型来表述，或者即使表述出来也难以处理；③系统中含有大量的不确定性，只能用仿真加统计的方法才能对系统性能进行评估[10]。

这些特点使得相关的系统很难用基于数学模型的优化方法来求解，同时随着优化问题越来越复杂，对优化对象的评价只能通过仿真获得的统计指标来实现。

但仿真本质上是一种试验方法，通过枚举对备选方案进行逐一验证，搜索目标不明确，无法给出问题最优或近优解，当试验方案较多时，该方法变得极其复杂，甚至无法实现[11]。

于是SBO 就成为解决复杂优化问题的最佳选择，其经修正后的基本实现原理如图1所示。

这里需要着重强调的是在图1中数据库的作用至关重要，它相当于整个系统的“黑板”模块，是SBO 高效运作的中心枢纽。

①现实实践中的目标系统将其运作过程和状态存储到数据库中，从而跟踪和分析系统的运作状况；②将生产任务输入数据库中，驱动仿真模型的运行，并记录其方案执行情况，这样做可以更全面评估优化所给出解的优劣，也可以与实际系统运行的结果相比较，从而进一步验证仿真模型与实际系统之间的合理性。

另一方面，CTLS 的生产调度与管理决策是典型的NP-Hard 问题，其一直是系统工程领域理论研究和实践应用的难点和热点。

于是国内外学者纷纷利用不同的方法和技术，面向港口作业的各个环节以及整体生产，对CTLS 的建模优化进行了研究。

Dirk Steenken 、Stefan Voss 、Robert Stahlbock 、Hans-Otto G ünther 和Kap-Hwan Kim [12-14]对当前集装箱运输的总体发展，自动化、半自动化和机械化集装箱码头的装卸设备，相关港口集装箱物流的各个环节的作业组织和控制，码头运作计划和调度的数学解析法、仿真方法、智能优化方法进行了系统地总体概括、文献回顾和趋势总结，从中我们不难发现当前CTLS 的研究应用中主要存在着以下两点不足和趋势：①当前的研究对象主要是CTLS 中的局部生产环节，但正在向港口的整体综合集成调度延伸；②目前研究问题基本上是针对港口作业的单目标优化问题，但随着港口发展的需要，日后以后必定向多目标优化问题扩展。

上述CTLS 的研究发展趋势也使得再使用以往单纯的数学解析、建模仿真和智能优化方法很难满足当前理论研究和实践应用的需要，那么必然会向它们的融合——基于仿真的优化方向发展，而CTLS 当前面临的研究对象和讨论问题正是SBO 所擅长的领域。

同时以往CTLS 研究目的主要是进行运筹学理论应用和系统工程方法研究，但以后更多向为港口提供高效智能的决策支持系统软件平台方向努力，而面向CTLS 的SBO 可作为集装箱码头智能决策支持系统平台的关键组成部分，从而可增强港口的核心竞争力，提高其物流系统发展的软环境。

2面向CTLS 的SBO 整体体系1998年，美国密西西比州立大学的Hall 和Bowden 首次指出，仿真优化研究人员缺乏从系统的角度对仿真优化进行研究，有必要将仿真优化的各种单点技术集成到一个统一的技术框架下，为此，他们提出了“六域”的集成仿真优化框架，即问题域、算法域、分类域、策略域、智能域和界面域[15]。

上述六域构成了一个完整而有联系的理论框架，为仿真优化的集成问题指明了方向。

具体到CTLS 这个复杂系统，我们通过对国内外相关研究的总结和概括，可以提出如图2所示的面向CTLS 的SBO 整体框架体系。

在如图2所示的面向CTLS 的SBO 的整体框架体系中，我们从上述的六域对其进行展开。

(1)在问题域中，由于当前仅仅使用形式化或非形式建模技术对CTLS 进行描述，都有着不可克服的缺点，于是将两者结合对CTLS 进行复合建模是一个最佳选择，并根据相应的复合模型依照不同的港口平面布局、生产工艺、集疏运体系和运营策略来提出CTLS 的目标函数、约束条件和协作机制；(2)在分类域中，有3个很重要的研究和应用趋势，第一，从以往单资源的生产计划向多资源的联合协同调度决策发展；第二，不管是单个环节的作业组织还是整体的集成调度，往往要求管理人员从整体进行考虑，于是其正从单目标优化问题向多目标优化问题转化，求解更加复杂；第三，由于CTLS 内部运作时具有不同的调度层次和粒度，而CTLS 自身也要求各子系统间的高协调性，因此往往现在CTLS 中采用多阶段或多层次优化方法来取代传统的单阶段优化方法；这3个趋势使得SBO 在CTLS 中将更有用武之地；(3)由于SBO 是将现实世界的运作通过仿真映射到信息世界中，而优化引擎自身也需要占用大量的计算资源，因此面向CTLS 的SBO 的实现和应用需要采用高效鲁棒的后台计算策略支撑。

而这从本质上既是SBO 通过构建在硅片中的世界来影响物理世界的需要，也是回归计算机最根本应用——科学计算的综合体现。

具体在策略域中，一脉相承的并行计算、分布式计算、网格计算和云计算将为SBO 在CTLS 中的实践应用提供丰富的计算资源，从而帮助其在允许的时间范围内给出高效可行的计划调度较优可行解；图1经改进后的SBO 原理目标系统仿真模型模型验证驱动交互目标函数值寻优的解仿真平台仿真评估存储校核数据库(4)CTLS 中的控制和调度的算法主要源于运筹学、统计学和启发式算法，而其中的启发式算法则多为计算智能算法，它们共同构成了上述体系中的算法域和智能域。

它们依据CTLS 应用的场景和时限的不同，而选用不同的方法，从而在集装箱码头的生产调度和决策支持中注入智能；(5)对于界面域，SBO 作为一个帮助CTLS 寻求资源配置最佳和生产调度优化的决策支持工具，其应该与用户、信息系统、信息基础设施和后台数据库层都有着良好的交互作用，甚至能够提供沉浸式的虚拟现实服务，并且应依据需要，提供不同层次的接口和服务，就像计算机操作系统会提供用户图形接口和底层的API 接口一样。

3面向CTLS 的SBO 的参考模型针对上述的面向CTLS 的SBO 体系，我们制定相应的建模方法、优化算法和软件体系结构就能具体确定一个的针对CTLS 的SBO 的解决方案。

CTLS 是一个高度复杂的开放分布式控制系统，我们就利用分布式人工智能的典型方法——多Agent 技术对其进行建模。

基于Agent 的建模与仿真(agent based modeling and simulation ，ABMS )特别适用于具有如下特点的领域：①系统所处的环境具有高度的动态性、不确定性、复杂性和开放性；②在建模过程中，系统中各个相关的软硬件实体能够根据实际运作状况，很好地被隐喻和映射为各个Agent ；③系统中的数据、控制和知识具有典型的分布式特征；④系统的软硬件中有相当部分为遗留系统[16]。

CTLS 显然具有上述的4个特点。

(1)集装箱码头作为国际物流体系的核心节点，需要和船代、货代等进行集装箱和信息的交换，那么CTLS 的运作显然具有很强的动态性和开放性，而由于集装箱船舶和外集卡到港具有一定的集疏运的随意性、码头自身装卸工艺飞速发展和自然环境的突变等原因，使得CTLS 又具有高度的不确定性和复杂性；(2)CTLS 是由集装箱、集装箱船、泊位、堆场、港口装卸搬运设备、通信设施以及人员等若干相互制约的动态要素构成的复杂系统。

其装卸生产过程可以看作是一个典型的柔性制造系统的作业流程，是一个多环节的分布式控制过程，而这种内在的特点使得它拥有上述的②和③特点；(3)集装箱船舶的大型化、快速化以及日益激烈的港口之间的竞争，使得港口在自身建设中投入大量的财力和人力，但是前期投入的设备和软件系统并不会随着新的软硬件的投入使用而被淘汰，它们仍然会在港口中运行，即CTLS 的软硬件是一个渐进的演化过程，而不是剧变式的，因此，其中必然存在大量的遗留系统，而这些遗留系统它们也需要和新投入使用的子系统间进行交互和协作。

ABMS 对于CTLS 的生产调度和控制决策来说是一个可行敏捷和高效鲁棒的解决方案。