面向随机环境的集装箱码头泊位_岸桥分配方法_周鹏飞

合集下载

集装箱码头泊位与岸桥联合动态调度

泊位调度问题的基本假设包括： ①每条船的计划作
１泊位与岸桥联合调度问题＿３
业时间是己知的；②每条船必须且仅被服务１；次 ③每
个泊位在同一时间只能服务１艘船舶，且不考虑作业中的移泊； ④泊位必须满足船舶的物理约束，如满足水深、岸线长度等要求。
船舶在港时Ｉ、司由船舶到港后的等待时间和装卸作
适合用于求解该问题。泊位、岸桥单独优化与联合优化效果的比较结果指出，对系统进行联合优化，有利于提高集装
箱码头运行效率。
关键词：泊位；岸桥；联合调度；动态调度；遗传算法中图分类号：Ｕ１９２６．６文献标志码：Ａ文章编号：１７～７８（０１１ —００ —６６３１０２１）１８９
业的时间２部分组成。在泊位和岸桥调度过程中，等待时间与作业时间存在一定的相互制约现象。泊位与岸桥的联合调度就是指通过分配合理的泊位，选择恰当的靠
１岸桥调度问题．２岸桥调度是在既定的泊位分配方案下，根据到港船
舶装卸作业量和离港时间等约束，为船舶分配若干岸桥完成船舶的装卸任务。缩短岸桥闲置时间、最小化船舶在港装卸作业时间是岸桥调度的主要优化目标，同时需要满足一些现实约束。
ＡｓａｔＢｓｎｈｒｎｓｔａｏａｏｄａｔｌｏｓａｔｆｔａａｅＱ）ｃｅｕｎ，ｅｙａｃＣｂｔｃ：ａｅｒｄｏｔｅｕｒｔｔｃｌｔｎａｕｃｎｔｉｓｏｈｑｙｒ（ＣｓｄｌｇｔｎｍｉＱｃｅａｌｃｉｎｃａｉｒｎｒｅｕｃｎｈｉｈｄ
泊顺序，进而配备相应的岸桥，并确定岸桥数量，将岸桥与泊位看作一个协调作业的整体，在等待时间和作业

集装箱码头泊位、岸桥和集卡协同调度优化

集装箱码头泊位、岸桥和集卡协同调度优化田星;孟庆柱【摘要】针对集装箱码头泊位、岸桥和集卡的协同调度问题,考虑了船舶到港的先后顺序、实际操作过程中岸桥和集卡的相关约束,以物流作业总成本最低为目标,构建了一个数学模型.通过分析我国T集装箱码头实际操作过程中船舶待卸载集装箱量与分配的岸桥数量之间的关系,设置了一个常数k,对每艘船分配的岸桥数进行预处理,即每艘船分配的岸桥数等于船舶待卸载的集装箱数量与常数k的比值,将该模型转化为一个整数线性规划数学模型.然后以该码头的真实数据为算例,运用商业软件ILOG CPLEX进行求解,在可接受的时间内求得了最优解,并将求得的结果与实际操作过程进行对比,表明得到的最优解在实际操作过程中是可行的,验证了模型的有效性和准确性.【期刊名称】《物流技术》【年(卷),期】2018(037)003【总页数】6页(P32-36,130)【关键词】集装箱码头;泊位;岸桥;集卡;协同调度;整数线性规划【作者】田星;孟庆柱【作者单位】武汉理工大学物流工程学院,湖北武汉 430063;天津东方海陆集装箱码头有限公司,天津 300456【正文语种】中文【中图分类】F550.6;U691.31 引言对集装箱码头来说，泊位、岸桥和集卡是三种重要的基础资源，泊位分配、岸桥配置和集卡调度对提高集装箱码头的运作效率至关重要。

泊位分配的目的是为了更好地利用有限的泊位资源，减少船舶在港产生的费用；岸桥是码头上比较昂贵的资源，岸桥调度指在满足岸桥位置约束的条件下合理配置岸桥的数量，以减少岸桥的闲置时间，提高岸桥的利用率；集卡运输集装箱在岸桥和堆场之间移动，集卡数量过多，会造成空间有限的堆场的拥堵，同时增加集卡的闲置率，降低集卡的作业效率，而集卡数量不足，会造成集装箱运输的延迟，从而降低了岸桥的作业效率。

这三种资源紧密相关、具有联动关系，每种资源的调度都会对其它资源的调度产生影响。

对港口来说，在原有硬件基础设施上，单独对其中某种资源进行调度优化，并不能实现所有资源的最优化利用，不能达到集装箱码头整体物流作业效率的最优化。

基于排队论的集装箱码头泊位与岸桥联合配置仿真

基于排队论的集装箱码头泊位与岸桥联合配置仿真近年来伴随着集装箱港口的大型化、深水化发展，如何通过合理安排港口泊位数量和港口配套机械数量，提高单泊位作业能力，提高港口服务质量成为各港口发展中关注的重点。

随着港口吞吐量的增加，提高单泊位岸桥数量可以提高泊位装卸效率，减少船方在泊时间和待泊时间，减少船方在港成本，但单泊位允许同时作业的岸桥数量有一上限，吞吐量继续增加，港口只有增加新的泊位以满足需要。

另一方面，岸桥和泊位的增加意味着港方投资的增加。

本文采用仿真的方法，研究了泊位数固定时单泊位岸桥数的配置问题以及泊位数和单泊位岸桥数的联合配置问题。

港口最佳泊位数和岸桥数的确定，可以实现港、船双方综合效益的最大化。

本文首先阐述了排队理论在集装箱港口的应用，通过理论推导，得出船舶装卸时间、船舶等待时间、排队队长等一系列公式，为集装箱码头计算机仿真系统的建立奠定了理论基础。

然后介绍了计算机仿真技术的发展及其在集装箱港口的应用，通过比较几种流行仿真软件的特点及其适用范围，文中选用Arena软件建立了集装箱码头装卸系统仿真模型，并详述了建模流程和各模块的参数设置，并说明了排队论与计算机仿真的关系。

采用一通用集装箱码头作为仿真案例，给出了通用案例中各仿真参数的选取原则，如：到港船舶船型分布、船舶到港规律、自然因素、航道条件及通航规则、锚地及堆场规模、泊位组合、岸桥、龙门吊及集装箱卡车的数量和作业效率、仿真时长等，通过仿真得出结果并对结果进行分析。

一方面，在固定泊位数下，以船舶在港成本和AWT/AST两个参数作为控制因素，其中船舶在港成本为主要控制因素，AWT/AST为次要控制因素，得出了不同到港船舶平均载箱量和不同船流密度组合下的单泊位岸桥数的最优配置。

并对单泊位岸桥数与船舶在港成本、泊位利用率、AWT/AST的关系进行了分析和说明，得出一般性结论。

另一方面，在泊位数不定的情况下，对泊位数和单泊位岸桥数进行联合配置，找出最优联合配置，采用联合配置的方法能更好地找到令港方和船方都满意的平衡点。

集装箱码头泊位—岸桥分配耦合优化

集装箱码头泊位—岸桥分配耦合优化杨春霞;王诺;杨华龙【摘要】针对现有泊位、岸桥分配优化方法因未考虑二者耦合关系引发的资源浪费或作业冲突等问题,以船舶作业时间为耦合变量,建立了基于泊位分配子模型和岸桥分配子模型的耦合模型,优化目标为最小化船舶在港时间和岸桥移动次数。

提出了一种嵌套循环进化算法进行求解,其中,两个内循环分别用于求解泊位分配和岸桥分配子模型,外循环通过两个内循环的相互作用和反馈来寻找满意解。

通过试验算例验证了所提耦合优化方法的有效性。

%Existing optimized approaches for berth allocation and quay crane assignment problems didn＇t consider resource wastes or conflicts in operations caused by their coupling relationships.To solve this problem,by using ship handling time as coupling variables,a coupled model was established based on the berth allocation sub-model and the quay crane assignment sub-model.The objective of the coupled model was to minimize the waiting time of ships and the transfer number of quay cranes.An evolutionary algorithm with nested loops was presented.Two internal loops were used to solve the berth allocation sub-problem and the quay crane assignment sub-problem respectively.And with the interaction and feedback between the two loops,an external loop was adopted to find the satisfactory solution.The computational experiments were given to verify the effectiveness of the presented coupled approach.【期刊名称】《计算机集成制造系统》【年(卷),期】2011(017)010【总页数】8页(P2270-2277)【关键词】耦合优化;泊位分配;岸桥分配;嵌套循环;集装箱码头【作者】杨春霞;王诺;杨华龙【作者单位】太原科技大学交通与物流学院,山西太原030024;大连海事大学交通运输管理学院,辽宁大连116026;大连海事大学交通运输管理学院,辽宁大连116026【正文语种】中文【中图分类】TP39;U169.6泊位、岸桥是多用户集装箱码头的紧缺资源,泊位分配问题(Berth A llocation Problem,BAP)和岸桥分配问题(Quay Crane A ssignment Prob lem,QCAP)一直是集装箱码头生产组织优化领域的基础问题和热点问题[1-3]。

集装箱码头泊位岸桥堆场分配问题研究

集装箱码头泊位岸桥堆场分配问题研究吴欢;台玉红;袁学青【期刊名称】《物流工程与管理》【年(卷),期】2015(000)007【摘要】The optimization problem of berth-quay crane allocation and yard assignment in container terminals, as the research subject,is divided into two sub -problems, which are berth -quay crane allocation optimization problem and yard assignment optimization problem,and addressed in two-stage.In the first stage,we propose berth-quay crane allocation model with the objective to minimize the total stay time of ships,and solve the model by utilizing genetic algorithm.In the second stage, we formulate yard assignment model aimed to minimize the transportation distance between berth and yard, and simulated annealing algorithm is applied to solve it.At last,a numerical experiment is carried out,and the result indicates that the quality of the proposed solution approach is improved significantly compared with construction heuristic method, which validates the effectiveness of the proposed model and algorithm.%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。

《集装箱码头泊位—岸桥—集卡调度优化研究》范文

《集装箱码头泊位—岸桥—集卡调度优化研究》篇一一、引言在现今的全球化经济体系中，集装箱运输已经成为贸易往来和国际物流的重要组成部分。

一个高效且运作流畅的集装箱码头不仅影响港口的运营效率，而且影响整个供应链的效率。

其中，泊位、岸桥和集卡是集装箱码头运作的关键环节。

本文旨在研究并优化这些环节的调度问题，以提高码头的整体运作效率。

二、集装箱码头泊位调度优化泊位调度是集装箱码头运作的基础，它直接影响到船舶的停靠时间、装卸效率以及后续的物流环节。

优化泊位调度的关键在于合理安排船舶的停靠位置和停靠时间，以最大限度地减少船舶等待时间和提高装卸效率。

对于泊位调度的优化，我们提出了一种基于实时数据和预测数据的调度算法。

该算法可以根据船舶的大小、预计的装卸时间、码头的实时运作情况等因素，动态地分配泊位。

同时，我们还可以利用大数据和人工智能技术，对历史数据进行深度分析，以预测未来一段时间内的船舶到达情况和码头运作情况，从而提前进行泊位的优化调度。

三、岸桥调度优化岸桥是连接船舶和码头的关键设备，其调度效率直接影响码头的整体效率。

在优化岸桥调度的过程中，我们首先要确定每台岸桥的装卸能力，并根据船舶的装卸需求和岸桥的可用性，合理地分配装卸任务。

此外，我们还可以利用智能化的调度系统，对岸桥进行动态调度。

该系统可以根据实时的装卸进度、船舶的离港时间、岸桥的维护情况等因素，自动调整岸桥的调度计划，以确保装卸任务的及时完成。

四、集卡调度优化集卡是连接码头和堆场的桥梁，其调度效率直接影响到码头的物流效率和堆场的存储效率。

优化集卡调度的关键在于合理安排集卡的运输路线和运输时间，以减少空驶率、提高装卸效率。

我们可以通过建立集卡调度模型，根据实时的货物信息、堆场的情况、集卡的数量和位置等因素，制定出最优的运输路线和运输时间。

同时，我们还可以利用物联网技术和智能调度系统，对集卡的运行情况进行实时监控和调度，以确保集卡的高效运行。

五、综合优化策略在实际的码头运作中，泊位、岸桥和集卡的调度是相互关联、相互影响的。

集装箱码头不确定环境下的泊位与岸桥联合分配方法[发明专利]

专利名称：集装箱码头不确定环境下的泊位与岸桥联合分配方法
专利类型：发明专利
发明人：檀财茂,何军良,王煜,于航,刘嵋
申请号：CN202010620235.6
申请日：20200630
公开号：CN111815143A
公开日：
20201023
专利内容由知识产权出版社提供
摘要：本发明披露一种集装箱码头不确定环境下的集泊位和岸桥联合分配方法。

针对确定和不确定环境下的泊位与岸桥联合分配问题分别利用设计的启发式规则和CPLEX求解器获得初始调度计划，以适应度函数为评价依据进行方案筛选。

通过设计数值实验，对比同时求解和分两步求解两种应对不确定因素的不确定环境下的泊位分配与岸桥调度联合优化数学模型的有效性；分析不同到港时间和任务箱量两种不确定因素，以及发生变化的船只数，不确定事件发生的概率等对于调度计划的影响，并通过设计对比多种反应策略的实验，分析了不同场景数和变化船舶数对调度计划的影响。

申请人：上海海事大学
地址：201306 上海市浦东新区临港新城海港大道1550号
国籍：CN
代理机构：上海互顺专利代理事务所(普通合伙)
代理人：成秋丽
更多信息请下载全文后查看。

《集装箱码头泊位—岸桥—集卡调度优化研究》范文

《集装箱码头泊位—岸桥—集卡调度优化研究》篇一一、引言在现今的全球化经济体系中，集装箱运输已经成为世界货物流通的关键组成部分。

随着集装箱吞吐量的日益增加，如何实现码头泊位、岸桥及集卡的高效调度，成为了港口物流领域研究的热点问题。

本文将针对集装箱码头泊位—岸桥—集卡调度优化进行研究，旨在提高码头的作业效率和服务质量。

二、研究背景集装箱码头的作业效率直接影响到港口的吞吐能力及物流成本。

在码头作业中，泊位分配、岸桥操作及集卡调度是三个关键环节。

这三个环节的协同作业对于提高码头整体作业效率具有重要意义。

然而，在实际操作中，由于各种因素的影响，如船舶到港时间的不确定性、岸桥和集卡资源的有限性等，往往导致作业效率低下，甚至出现拥堵现象。

因此，对集装箱码头泊位—岸桥—集卡调度进行优化研究具有重要的现实意义。

三、研究内容1. 泊位分配优化泊位分配是码头作业的第一步，合理的泊位分配能够为后续的岸桥操作和集卡调度提供良好的基础。

本研究将通过建立数学模型，考虑船舶到港时间、船舶大小、预计作业时间等因素，优化泊位分配策略，以实现码头的空间和时间资源的最大化利用。

2. 岸桥操作优化岸桥是码头装卸作业的关键设备，其操作效率直接影响到整个码头的作业效率。

本研究将通过对岸桥操作流程进行详细分析，找出影响操作效率的瓶颈环节，并提出相应的优化措施。

同时，将利用现代信息技术，如物联网、大数据等，实现岸桥操作的智能化和自动化，提高操作效率。

3. 集卡调度优化集卡是码头内部运输的关键工具，其调度效率直接影响到码头的物流效率。

本研究将通过建立集卡调度模型，考虑集卡的数量、行驶路径、装卸点等因素，优化集卡调度策略，以实现码头内部物流的高效运输。

同时，将利用现代物流技术，如路径规划算法、智能调度系统等，提高集卡调度的智能化水平。

四、研究方法本研究将采用定性和定量相结合的研究方法。

首先，通过文献综述和实地调研，了解集装箱码头泊位—岸桥—集卡作业的现状和存在的问题。

一种集装箱码头泊位与岸桥分配方法

一种集装箱码头泊位与岸桥分配方法在现代物流领域中，集装箱码头是非常重要的装卸和转运基础设施。

为了高效地管理和利用集装箱码头的资源，其中一个关键问题是如何合理地分配码头泊位和岸桥。

传统的分配方法主要是基于经验和直觉，容易出现资源浪费和效率低下的问题。

因此，开发一种科学、合理的码头泊位和岸桥分配方法对于优化现有资源的利用和提高操作效率具有重要意义。

以下是一种基于数据分析和优化算法的集装箱码头泊位与岸桥分配方法，具体步骤如下：1.数据收集和准备：首先收集和整理相关数据，包括码头的泊位数量和特征、岸桥的数量和特征、集装箱船舶的数量、到达时间和货物数量等。

这些数据可以通过码头的管理系统、物流公司的统计数据和船舶调度系统等途径获取。

2.数据清洗和预处理：对收集到的数据进行清洗和预处理，包括数据去重、缺失值处理和异常值处理等。

确保数据的准确性和完整性。

3.建立数学模型：基于收集到的数据和相关的数学模型，建立一个可以描述码头、岸桥和集装箱船舶之间关系的模型。

这可以是一个优化问题，目标是使得码头泊位和岸桥的利用率最大化，同时满足各种限制条件，如船舶到达时间、货物数量、岸桥的工作能力等。

4.优化算法：根据建立的模型，设计和实现一个适用的优化算法，根据输入的数据进行计算和分析，给出最优的码头泊位和岸桥分配方案。

可以采用启发式算法、遗传算法等方法进行求解。

5.评估和调整：对于给出的分配方案，进行评估和调整。

评估的指标可以包括码头泊位和岸桥利用率、船舶等待时间、货物运输效率等。

如果评估结果不理想，可以根据需要对模型和算法进行调整和优化。

通过以上步骤，可以建立一个科学、合理的集装箱码头泊位与岸桥分配方法，并实现对资源的高效管理和利用。

这种方法可以提高码头的资源利用效率，减少船舶等待时间，提高货物运输效率，从而为现代物流业提供更加优质的服务。

一种集装箱码头泊位与岸桥分配方法

一种集装箱码头泊位与岸桥分配方法
有效分配集装箱码头泊位和岸桥是非常重要的，它对于实现货物及时高效地转
运至码头有着至关重要的作用。

因此，码头和岸桥的有效分配需采取相应有效的策略，以满足物流技术的要求。

首先，要根据岸桥的数量和结构以及每个泊位的需求量来安排分配，分配时采
取以规避或减少海运拥堵、提升操作效率和增加投入效益为原则的配比策略。

由此，有效确定泊位和岸桥之间的最佳搭配，以实现最低增加投入和最大“挤出量”为目标。

此外，在分配过程中，建议还要特别注意拥堵情况，即要尽可能减少因建立集
装箱码头而带来的拥堵危害，以免影响物流质量和效率。

因此，在分配岸桥时要特别注意码头的可操作性，并尽早采取减堵措施以保证操作的顺畅。

最后，在实际运用中，也要注意根据各方面的情况，采取其它策略的选择，如
采取其它的部署规划策略，例如前后结合的操作策略；并根据实际情况灵活调整，以满足日益发展的物流理念。

综上所述，有效分配集装箱码头泊位和岸桥，是比较复杂的问题，需要综合考
虑各方面因素，并采取相应的策略。

特别是，要重视建立集装箱码头后，可能带来的拥堵问题，并有针对性地采取措施，以保证物流技术的发展。

一种集装箱码头泊位与岸桥分配方法

一种集装箱码头泊位与岸桥分配方法随着经济发展，货运业已经成为一个必不可少的组成部分。

对于货运行业，集装箱码头泊位与岸桥的分配方法尤为重要。

通常，码头的资源非常有限。

它的分配必须考虑多个因素，使得其资源使用最优雅、最经济，以实现最大的经济效益。

现有的码头泊位与岸桥分配方法主要依赖于人工方式，但政府部门和货运公司需要对所有进出港集装箱全面、完整、及时地统计。

然而，由于人力成本以及货船的差异性，这项工作有时很难完成。

因此，码头泊位与岸桥分配方法的实施需要一个动态的、有效的工具来完成。

因此，当前码头泊位与岸桥分配方法的一种重要性在于它的实时性，降低了人力成本，可以根据实际需求调整分配方案。

此外，它利用现代计算机技术，根据实际工作情况制定最优解，使用最少的资源，最大限度地提高码头的利用率。

首先，为了分配码头，需要先统计每个港口的集装箱抵港和抵港货船数据，分析集装箱的入港和出港数量，给出资源配置模型，并使用相关的算法把泊位分配给合适的船舶以实现最优的配置。

其次，实施这一方案的关键在于可以根据实时的船只状况和集装箱存量进行快速的决策。

在这个过程中，根据实时情况，应该按照以下步骤进行：首先，将集装箱分配给优先使用的船只，其次，将剩下的集装箱分配给优先级较低的船只，最后，通过分析集装箱和船只状况，最终确定最佳集装箱分配方案。

同时，为了更有效地分配岸桥，可以使用机器学习算法，根据港口的历史数据，计算各港口的岸桥分配模型，以分析和预测未来船舶到港情况，并分配合理的岸桥资源。

总之，集装箱码头泊位与岸桥分配方法是实现码头资源有效利用的重要手段，它利用实时船舶状况和集装箱存量，结合数学模型和统计技术，给出最优的资源分配方案，从而最大限度地提高码头资源的利用率。

自动化码头出口箱箱位分配优化超启发式算法

自动化码头出口箱箱位分配优化超启发式算法
黄子钊;庄子龙;滕浩;秦威;秦涛;邹鹰
【期刊名称】《计算机集成制造系统》
【年(卷),期】2022(28)8
【摘要】针对实际场景下的自动化码头集装箱堆场出口箱箱位分配问题,考虑到三维码放、场桥接力和多箱区协同等特性,并以降低任务的不均衡性和后续的翻箱率为优化目标,构建了自动化码头出口箱箱位分配数学规划模型。

为了提高求解质量,开发了一种基于强化学习的超启发式方法,该方法将具有不同特征的启发式算法和智能算法作为低层启发式策略,采用新颖的基于策略的强化学习方法作为高层决策方法,并使用深度学习更高效地提取状态中的隐藏模式。

最后,根据洋山四期自动化集装箱堆场历史数据设计了算例,并将所提算法与常规智能算法进行了对比,证明了所提算法的有效性和优越性,同时表明所提算法能够提高堆场作业效率,为自动化集装箱堆场提供决策支持。

【总页数】14页(P2619-2632)
【作者】黄子钊;庄子龙;滕浩;秦威;秦涛;邹鹰
【作者单位】上海交通大学机械与动力工程学院;上海海勃物流软件有限公司;上海国际港务(集团)股份有限公司
【正文语种】中文
【中图分类】U691.3
【相关文献】
1.集装箱堆场出口箱箱位分配多目标优化模型
2.集装箱堆场出口箱箱位分配优化模型及算法
3.一种自动化集装箱码头出口箱进箱选位算法
4.考虑出口箱进出场及预翻箱的箱位分配与场桥调度协同优化
5.集装箱码头失约集卡出口箱落箱位选择优化
因版权原因，仅展示原文概要，查看原文内容请购买。

《基于遗传算法的集装箱码头泊位和岸桥分配问题的研究》范文

《基于遗传算法的集装箱码头泊位和岸桥分配问题的研究》篇一一、引言随着全球贸易的持续增长，集装箱运输在物流领域中占据了举足轻重的地位。

集装箱码头的运作效率直接影响到货物的运输效率和成本。

其中，泊位和岸桥的分配问题是影响码头作业效率的关键因素之一。

传统的分配方法往往难以应对复杂的作业环境和多变的作业需求，因此，研究基于遗传算法的集装箱码头泊位和岸桥分配问题具有重要的现实意义。

二、问题描述集装箱码头的泊位和岸桥分配问题是一个典型的组合优化问题。

该问题旨在确定在一定的时间内，如何将有限的泊位和岸桥资源合理分配给进港的集装箱船舶，以实现作业效率的最大化和成本的最小化。

这个问题具有非线性、多约束和多目标的特性，是一个NP难问题。

三、遗传算法理论遗传算法是一种模拟自然选择和遗传学机制的优化算法。

它通过模拟生物进化过程中的染色体基因的交叉、变异等操作，来搜索问题的最优解。

遗传算法具有较强的全局搜索能力和鲁棒性，适用于解决复杂的组合优化问题。

四、基于遗传算法的泊位和岸桥分配模型本研究将遗传算法应用于集装箱码头的泊位和岸桥分配问题，建立了相应的数学模型。

模型中，将泊位和岸桥的分配看作是一种“染色体”，通过编码表示不同的分配方案。

然后，根据问题的实际约束条件，定义了适应度函数，用于评估不同分配方案的优劣。

在遗传算法的迭代过程中，通过选择、交叉和变异等操作，不断产生新的“染色体”，即新的分配方案，并逐步逼近最优解。

五、实验与分析为了验证模型的有效性，我们进行了大量的仿真实验。

实验结果表明，基于遗传算法的泊位和岸桥分配方法能够在较短时间内找到较为理想的分配方案，提高码头的作业效率。

与传统的分配方法相比，该方法具有更强的全局搜索能力和适应性。

此外，我们还分析了不同参数对分配结果的影响，为实际码头提供了有价值的参考。

六、结论与展望本研究基于遗传算法的集装箱码头泊位和岸桥分配问题进行了深入研究。

通过建立数学模型和大量的仿真实验，验证了该方法的有效性和优越性。

面向随机环境的集装箱码头泊位_岸桥分配方法_周鹏飞

2008年1月系统工程理论与实践第1期　文章编号:1000-6788(2008)01-0161-09面向随机环境的集装箱码头泊位-岸桥分配方法周鹏飞,康海贵(大连理工大学海岸及近海工程国家重点实验室,大连116023)摘要:　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.关键词:　集装箱码头;泊位-岸桥分配;随机规划;遗传算法中图分类号:　U169.6 文献标志码:　A Study on berth and qua y-crane allocation under stochasticenvironments in container terminalZHOU Peng-fei,KANG Hai-gui(State Key Lab.of Coastal and Offshore Engineering,Dalian University of Tech,Dalian116023,China)Abstract:　Effective berth and quay-crane allocation improves service level of container terminal.Consideringstochastic characteristic of containership arrival time and handling time,a berth&quay-crane allocation model understochastic environ ments is s uggested,s o as to minimize containership average waiting time in terminal.Because of itshardness,a genetic algorithm is developed with a reduced solution set on its property.Numerical experiments showthat the model provides systemic simulation for the whole stochastic decision-making process and reflects decision-maker risk attitude.And the results of GA are stable and acceptable in allowable CPU time.Key words:　container terminal;berth&quay-crane allocation;stochastic programming;genetic algorithm1　引言多用户集装箱码头管理模式能够节约运营成本,提高码头资源的利用效率,因此它已被许多世界级港口(如:新加坡港,香港港等)所采用.而我国大陆各港口也主要采用这种经营管理模式,除了受传统经营模式的影响外,更重要的是由于我国有限的码头资源和急剧增加的集装箱流量之间的矛盾.在多用户集装箱码头经营系统中,优化码头泊位和岸桥分配是提高这种经营模式效率的重要管理手段.近年来,针对码头泊位和岸桥分配调度的研究层出不穷,其方法主要有两类:一类是利用模拟仿真技术来评价和优化资源调度策略以及调度方案(见相关文献[1～6]);另一类是利用数学规划模型进行资源的调度优化,本文主要基于第二类方法进行研究.利用数学规划方法进行泊位和岸桥分配的研究现状分析.采用先来先服务(FC FS)的分配策略,Lai和Shih[7]提出了一种针对泊位分配问题的启发式算法,并利用其对不同分配标准(船舶平均等待时间最小和平均泊位利用率最大)下的分配方案进行了评估.针对军港泊位分配的特点:特权舰优先和船舰移泊, Br own等[8,9]以最大化船舶在港满意度为目标给到港船舶分配泊位.Imai等[10,11]以最小化船舶等待时间为目标,用非线性整数规划模型来模拟静、动态码头的泊位分配问题.Nishimura等[12]进一步扩展了上述模型收稿日期:2005-12-01资助项目:国家自然科学基金(50578030) 作者简介:周鹏飞(1977-),男(汉),河南省卫辉市,讲师,博士,主要研究方向:港口物流运作优化和系统规划,E-mail: pfzhou@.162系统工程理论与实践2008年1月到不同水深泊位的情形,并设计了遗传算法来求解模型.文章[13,14]则对不同服务优先级船舶的泊位分配问题进行了研究.Imai等[15]针对嵌入式泊位两侧同时作业来提高装卸效率的特点,建立泊位分配混合整数规划模型.Wang等[16]设计了一种随机集束搜索算法来求解泊位分配问题.李平等[17]提出一种混合优化策略能提高遗传算法的种群多样性,并加速进化过程.上述泊位分配模型和方法都将码头岸线划分成若干独立的泊位来进行分配,而另一类泊位分配方法则将整个码头岸线看作是连续的,只要有满足到港船舶物理条件(水深和长度)限制的位置就可以进行停泊,这个问题类似“背包”问题.基于图论的思想,Lim[18]提出一种有效求解连续岸线泊位分配问题的启发式算法,但作者假设所有船舶的停靠时间是固定的.Kim等[19]用混合整数规划模型模拟了船舶在岸线的停靠位置和时间,并用模拟退火算法给出了该模型的近似最优解.I mai等[20]将该问题划分成两阶段来解:首先求解离散的泊位分配模型,然后调整离散解形成连续泊位分配问题的解,这是一种近似折衷连续泊位分配问题解法.由于连续岸线泊位分配问题较为复杂,相关的研究也比较少.另外,Li等[21]将泊位-岸桥分配问题看作一个可同时处理多个任务的处理机调度问题,并假定所有船舶已在港等候靠泊,建立了以船舶在港时间最小为目标的模型,提出了启发式求解算法.类似地,Guan 等[22]也将泊位-岸桥分配问题看作处理机调度问题,其优化目标是最小化带权重的任务完成时间.针对岸桥分配问题,Daganzo[23]将船舶的装卸任务划分成若干吊装区,并用整数规划模型解决了静态桥吊的分配问题,其目标是使船舶的等待时间最小.此后,Peterkofsky和Daganzo[24]将桥调规划作为开放的生产计划问题,建立了整数规划模型,并用分支定界法求解了模型.曾庆成等[25]针对岸桥分配问题提出了混合整数规划模型,并基于遗传算法设计了求解算法.此外,在集装箱码头装卸作业柔性化flo w shop的集成化控制模型[26]也包含了岸桥的优化调度.上述模型和方法大都是面向“硬性”(确定性)环境的.但实际中广泛存在的不确定性因素(如船舶抵港时间,装卸时间等)使得确定性模型不能真实地反映实际系统,并且它们在某种程度上影响着分配决策,甚至决定着最终的分配方案等.Zhou等[27]利用模糊理论对泊位调度中的不确定性因素进行了初步探索性研究,收到良好的效果.随机因素同样是泊位调度问题中普遍存在的,因此,随着随机规划理论及其相关技术的发展和对规划效果要求的提高,有必要加强面向随机环境的泊位调度研究.此外,以往模型多是在分配泊位时简化或忽略了与泊位分配直接相关的岸桥分配,或者是将岸桥分配作为独立问题来处理,这样得到的方案不利于码头系统的整体性能的发挥.鉴于以上分析,本文建立了集装箱码头泊位-岸桥动态分配的随机规划模型,并设计了求解模型的遗传算法.所谓的动态是相对于静态(在调度时,所有的船舶都已抵港等待靠泊)而言的,指所考虑的船舶可以在其它船舶靠泊后才到达.2　问题描述通常船舶抵港后或在此之间,码头调度员将根据相关信息和调度策略将泊位和岸桥分配给船舶.图1给出了船舶从到港、停泊、装卸、到最后离港的过程简图.泊位-岸桥的优化分配是指通过分配适当的泊位、选择合适的靠泊顺序并配备合理的岸桥数量,使船舶在港时间较短,以提高船舶的利用率和客户的满意度,并降低码头的运营成本.Imai等[10]证明了在多用户集装箱码头系统中,不考虑先来先服务(FC FS)原则可以获得较短船舶停泊时间的分配方案,但同时会导致某些船舶过长的等待时间.因此,笔者在不考虑先来先服务原则的同时,为各船舶选择了可接受的最大等待时间作为约束条件,这样既能保证较短的船舶停靠时间也可避免某些船舶过长的等待时间.泊位-岸桥分配模型将基于以下假设:1)船舶的到港时间作为随机变量来考虑;2)船舶的装卸时间将依据所在泊位、岸桥数量等因素确定,也是随机变量;3)根据船舶的时间要求和重要性等级确定各船的最大可接受等待时间;4)停靠泊位要满足船舶物理条件(水深和长度)的约束;5)不考虑船舶移泊,每个船舶有且只有一次靠泊机会;6)船舶长度要满足分配岸桥工作面的要求,即:分配岸桥数量不大于船舶允许同时作业的岸桥数量;7)当多个岸桥同时装卸一个船舶时,不可避免地会造成彼此的干扰,进而影响岸桥的装卸效率,根据统计资料这里选用船舶的最大允许岸桥数与实际分配岸桥数量之差作为岸桥装卸效率折减的依据,即:0,1,2以上(包含2)相应的折减率分别为0.9,0.95,1.0.图1　集装箱船舶在码头作业流程简图3　面向随机环境的动态泊位-岸桥分配模型3.1　相关的概念和符号T v ,Tb ,Tc —考虑的到港船舶数、泊位数和岸桥数;V ,B ,C —考虑的到港船舶集、泊位集和岸桥集,V ={1,2,…,Tv },B ={1,2,…,Tb },C ={1,2,…,Tc };O —根据船舶计划到港时间排定的船舶到港顺序集,1对应最先到达的船舶,O ={1,2,…,T v };T vh j —船舶j 装卸箱总量,j ∈V ;ξtvj —集装箱船舶j 的抵港时间,j ∈V ;ξtc j —装卸每个船舶j 上集装箱所用的时间,该参数与船型等因素有关,i ∈B ,j ∈V ;Ls j —船舶j 的长度(包括水平安全预留长度),j ∈V ;Lb i —泊位i 的长度,i ∈B ;Ds j —船舶j 的设计水深(包括竖向安全预留深度),j ∈V ;Db i —泊位i 的水深,i ∈B ;mt j —船舶j 的最大可接受等待时间,j ∈V ;BerthingT —船舶靠泊和离泊时间.决策变量:x ijk —1,如果船舶j 在泊位i 的第k 个服务时间得到服务;0,否则,i ∈B ,j ∈V ,k ∈O ;从属变量:ov ik —第k 个装卸船舶分配岸桥时,泊位i 上装卸的船舶,i ∈B ,k ∈O ;ξtbc ik —第k 个装卸船舶分配岸桥时,泊位i 上装卸船舶的靠泊完成时间,i ∈B ,k ∈O ;vb k —第k 个装卸船舶所分配的泊位,k ∈O ;vc k —装卸第k 个船舶所分配的岸桥总数,k ∈O ;ξtb k —估计装卸第k 个船舶所需的时间,k ∈O ;ξtbs ik —泊位i 的第k 个停泊服务的开始可用时间,i ∈B ,k ∈O ;ξtcs gk —第k 个装卸船舶分配岸桥时,岸桥g 的开始可用时间,g ∈C ,k ∈O ;bc gk —第k 个装卸船舶分配岸桥时,岸桥g 所在泊位,g ∈C ,k ∈O ;ξtcs o gk —第k 个装卸船舶分配岸桥时,岸桥g 到达船舶的时间,g ∈C ,k ∈O ;ξtch k —开始装卸第k 个装卸船舶的时间,k ∈O ;wb j ,wc j —船舶j 等待靠泊时间和等待岸桥时间,j ∈V .3.2　从属变量的确定163第1期面向随机环境的集装箱码头泊位-岸桥分配方法为了方便描述,这里引入临时变量curB i ,curV ,i ∈B .步骤1:k =1.ξtbs ik =0,i ∈B .ξtcs g k =0,g ∈C .初始化bc gk .步骤2:设curB i =1,当(∑j ∈V x ij ,cu rB i =0){c urB i =curB i +1},ov ik =∑j ∈V (j ×x ij ,cu rB i ),ξtbc ik =ξtv o v ik +BerthingT ,i ∈B .选择相应ξtbc ik最小的泊位作为vb k .设curV =ov vb k ,k .步骤3(选择岸桥):设LeftCrane ,RightCrane ,根据当前的岸桥状态(ξtbs ik 和ξtcs gk )和岸桥不能跨越的规则,确定每个岸桥的ξtcso gk .选择ξtcs o g k 小于ξtb c vb k ,k 的岸桥,若有则ξtch k =ξtbc vb k,k ;否则选出最早可用的岸桥,ξtch k =ξtcso gk .令LeftCrane 和RightCrane 分别为所选岸桥集中最小和最大的岸桥编号.若所选岸桥总数大于船舶curV 的允许岸桥数,则依次将LeftCrane +1和RightCrane -1,直至RightCrane -LeftCrane +1=船舶的允许岸桥数;否则继续.步骤4:vc k =RightC rane -Le ftC rane +1.根据假设(7),vc k 和T vh curV 来确定ξtb k .步骤5:如果k ≤T v ,则k =k +1,更新岸桥的ξtcs gk 和bc gk ,更新ξtbs ik ;否则结束.步骤6:当(∑j ∈V x ij ,curB i =0且curB vb k ≤Tv ){c urB vb k =curB vb k +1}.如果CurB vb k ≥Tv ,ξtbc ik 取一个足够大的数;否则,ov ik =∑j ∈V (j ×x ij ,cur B i ),ξtbc ik =max (ξtv ov ik ,ξtbs ik )+BerthingT ,i ∈B .选择相应ξtbcik 最小的泊位作为vb k .设curV =ov vb k ,k .转到步骤3.3.3　基于机会约束的0-1未确定规划模型该动态的泊位-岸桥分配模型可描述为:首先,根据决策变量x ijk 将来港船舶分配到泊位,并为船舶安排靠泊顺序;然后,根据当前泊位待装卸的船舶情况选择当前装卸船舶,并根据岸桥状态和待装卸船舶情况分配装卸船舶的岸桥.船舶等待时间包括两部分:等待靠泊时间和等待岸桥装卸时间,一般来说后者较小.该问题可用下列模型表示:Obj .min .∑k ∈O (wb k +wc k )(1)s .t .　∑i ∈B ∑k ∈O x ijk =1, j ∈V (2)∑j ∈V x ijk ≤1, i ∈B ; k ∈O (3)P (ξtbs vb k ,k -ξtv o v vb k ,k <wb k )≥α, k ∈O (4)P (ξtch k -ξtb c vb k ,k <wc k )≥β, k ∈O (5)∑i ∈B ∑j ∈O (x ijk ×Db i )≥Ds j , j ∈V (6)∑i ∈B ∑k ∈O (x ijk ×Lb i )≥Ls j , j ∈V (7)wb k +wc k ≤mt o v wb k ,k , k ∈O (8)wb k ≥0,wc k ≥0, k ∈O (9)x ijk ∈{0,1}, i ∈B ; j ∈V ; k ∈O(10) 该模型是带有随机参数的非线性0-1规划模型.优化目标是最小化船舶等待时间之和(包括等待靠泊wb k 和等待岸桥时间wc k ).约束2)表示所有船舶有且只有一次靠泊机会.约束3)保证泊位上同时停泊的船舶不超过1艘.约束4)和5)要求船舶的等待时间(wb k 和wc k )具有α和β的保证率.公式6)和7)强调分配的泊位必须满足船舶物理条件(水深和长度).约束8)限制每个船舶的等待时间小于其最大可接受的等待时间(mt ov vb k,k ).约束9)要求船舶等待时间非负.式10)声明决策变量x ijk 是0-1变量.3.4　随机变量的处理164系统工程理论与实践2008年1月根据统计分析,船舶实际发生的抵港时间和装卸时间与计划或事前估计的偏差可认为是正态分布的,那么船舶抵港时间和装卸时间可用ξ(=a +ξd )表示,其中a 为计划或估计时间(实数),ξd表示偏差(期望值为零的正态分布随机变量).模型中的随机变量包括:船舶抵港时间(ξtv j )、集装箱所需的装卸时间(ξtc j )及其从属变量.这些随机变量主要参与加法运算和大小关系的比较.设正态分布变量ξ1(μ1,σ21)和ξ2(μ2,σ22),则加法运算ξ1+ξ2=ξ(μ1+μ2,σ21+σ22);关于两个随机变量的大小比较,笔者假定ξ1>ξ2当且仅当μ1>μ2.4　改进的遗传算法4.1　个体的编码每个基因个体用一个字符集(由两个子字符串或子基因组成)表示,其中:一个子基因对应于分配到每个船舶的泊位,而另一个子基因对应于船舶的靠泊次序.编码前,首先为泊位编号,并根据船舶抵港顺序为船舶进行编号.选择最大推迟靠泊次数(Order Limit Number OL N ).图2给出了基因个体的编码例子,该例中有16个来港船舶,四个泊位,OL N 取3.船舶、子基因1和子基因2部分的数字分别代表来港船舶,泊位以及相应船舶的推迟靠泊次数.子基因1和子基因2的组合加上岸桥分配规则就可表示一个分配方案.例图所示的分配方案中,泊位1停靠船舶的次序为“船舶1、8、11、5、15等”.个体编码的对应解仅考虑了约束条件2)、3)和10),每个满足条件2)、3)和10)的解都能找到一个基因个体编码与之相对应.通常为了避免单个船舶过长的等待时间,OLN 需选择较小的数,同时较小的OLN 也可以缩小算法的搜索空间.这种编码方法可以得到满足约束条件2)、3)和10)的优化解.约束条件6)和7)将在种群初始化和变异运算中考虑,而约束条件4)、5)、8)和9)将在适应度函数中得到体现.图2　基因编码说明4.2　搜索空间讨论在约束条件2)、3)和10)的限制下,该模型决策变量的搜索空间大小为P TvTb ×Tv ,其中Tv 和Tb 分别表示船舶数和泊位数.证明　如果仅考虑约束条件2)、3)和10)时,求解模型类似于分配T v 个球到Tb ×T v 个不同盒子中,显然其搜索空间大小为P Tv Tb ×Tv .证毕.上述遗传算法的搜索空间的大小为(Tv ×OLN )T v ,其中Tv 、Tb 和OL N 分别表示船舶数、泊位数和船舶最大推迟靠泊次数.证明　子基因1的搜索空间大小为T b ×Tb ×…×Tb Tv ,子基因2的搜索空间大小为OLN ×OLN ×…×OL N T v .因此,该遗传算法的搜索空间大小为Tb ×Tb ×…×Tb T v×OLN ×OLN ×…×OL N T v =(Tb ×OLN )Tv .证毕.通常,OLN T v ,那么(Tb ×OLN )T v P TvTb ×Tv .4.3　种群初始化鉴于算法的搜索空间较大,笔者采用了随机生成初始种群的方法.对于子基因1,算法将随机地从满足约束条件6)和7)的泊位中选取.对于子基因2,由于通常情况下较小的推迟靠泊次数对应于较小的等待时间,所以该算法将以给定的概率分布随机地从{1,2,…,OLN }中选取,并且较小的序数对应于较大的概率.4.4　交叉和变异运算165第1期面向随机环境的集装箱码头泊位-岸桥分配方法常用的交叉运算有:部分匹配交叉、基于次序的交叉、循环交叉和基于边重组的交叉运算.针对模型的特点,提出了一种基于部分匹配的交叉运算(如图3).首先,随机地选择两个交叉点,这两个交叉点将两个父基因(“P1”和“P2”)分别分为中间和两边两组基因信息.将父基因的两组基因信息重组形成两个新的子基因个体(“O1”和“O2”),新基因个体都将拥有父基因的基因信息.由于两个父基因个体都满足约束条件6)和7),那么,新生成的两个基因显然也满足这两个约束条件.图3　交叉运算说明变异运算的目的是通过当前基因的突变来打破局部优化的限制,从而达到全局最优.几种常见的变异运算是反序互换,取代和启发式变异运算等.这里采用基于取代变异的方法:随机地选择一个取代位置,并用一个在当前位置上满足约束6)和7)的基因信息取代当前位置上的基因信息(如图4).图4　变异运算说明4.5　个体评估在个体编码、初始化、交叉和变异运算的过程中考虑了除约束条件8)外的所有约束(约束条件4、5和9用来计算目标函数值),因此算法中的所有个体满足除约束条件8)外的所有约束.因此,基因个体的适应度值将由目标函数值和足够大惩罚函数值(如果个体不满足约束条件8)组成.4.6　遗传算法的实现遗传算法的流程如图5所示.算法通过尝试、循环,最终达到目标函数最小的目的.图5　基因算法的流程图5　试验和分析5.1　试验算例根据船舶到港分布,装卸机械的技术参数设计算例,以评价和测试建立的模型和算法.笔者选择了4个泊位、12个岸桥的码头作为算例.船舶抵港时间的期望值满足泊松分布(均值为λ),抵港时间的均方差随机地从3～9个时间单位(10分钟)中选取.船型分为三类(Ⅰ,Ⅱ,Ⅲ),且服从均匀分布.船舶吃水深度和长度根据船型确定.船舶装卸箱量依据船型(Ⅰ:100～300;Ⅱ:200～500;Ⅲ:400～1200)随机选取.岸桥的装卸效率与船型,天气等因素有关,因此,相应于每个船舶的岸桥装卸效率为2～3分钟箱.船舶最大可166系统工程理论与实践2008年1月接受等待时间从3～10个小时中随机选取.笔者选择了12组不同柏松分布均值λ(3、4和5小时)和抵港船舶数(25、50、75到100个)组合的算例.Ⅰ、Ⅱ和Ⅲ类船舶可停靠的泊位和允许的岸桥工作数量分别为:0-2#泊位和5个岸桥;0-3#泊位和4个岸桥;0-4#泊位和3个岸桥.5.2　评价和分析图5　不同来港船舶数量下遗传算法消耗的CPU 时间为保证算法在可接受的时间内得到较优的优化方案,通过试验选择遗传算法的基本参数:种群大小Pop =100,遗传迭代次数G =2500,交叉概率Pc =0.8和变异概率P m =0.2.在这些参数设置下求解不同规模算例所消耗的CPU 时间如图5,图中最大值不超过10分钟.不同船舶抵港分布期望值λ(3、4和5小时)算例的船舶平均等待时间随遗传算法迭代次数增加的变化趋势如图6.当算法迭代次数超过1000时,目标函数值变得稳定.当迭代次数达到2000时,目标值趋于收敛.表1给出了遗传算法求解部分算例的目标函数值,并与贪婪算图6　遗传算法迭代次数与船舶平均等待时间的关系法(步步最优算法,其算法规则为最先到达的船舶靠泊在最先可用的泊位,并在船舶装卸要求等约束条件下分配最多的岸桥)的求解值进行了比较.可以看出:算法较贪婪算法都有不同程度的改进,目标值的改善不小于25%,从而验证了算法的有效性.图7给出了不同置信度水平对目标值的影响情况.可以看出随着置信水平的增加,目标值有增加的趋势,反映了决策者的风险偏好对目标函数的影响.趋于保守决策者可以设置较高置信水平,反之可设置较低的置信水平,依据所得的目标函数值决策者可以针对可能出现的不利情况采取必要的应对措施.表1　遗传算法与贪婪算法所得平均等待时间的比较(单位:小时)CPU 时间<10分钟α=0.9P 1(3)＊P 2(3)P 3(3)P 4(4)P 5(4)P 6(4)贪婪算法遗传算法(G =2000)50船舶0.450.780.670.510.590.4375船舶0.921.211.120.70.720.4850船舶0.260.340.290.350.430.2375船舶0.490.630.660.420.490.31算法较贪婪算法改善>42.2%>47.9%>41.3%>31.4%>27.1%>35.4% ＊“P1”表示算例1;“3”表示船舶抵港时间期望值的分布均值λ.6　结论在集装箱码头的泊位-岸桥分配问题中,船舶的抵港时间和装卸时间具有明显的动态性和随机性.基于机会约束的随机规划思想,本文建立了集装箱码头的泊位-岸桥分配模型.在模型最优解特征分析的基础上,设计了求解模型的遗传算法.试验表明:集装箱码头泊位-岸桥分配的随机规划模型能够反映问题中的随机因素并能较真实地模拟随机决策环境.同时,模型能够体现出决策者对待风险的态度和偏好,趋于保守决策者可以设置较高置信水平,反之可设置较低的置信水平,依据所得的目标函数值决策者可以针对167第1期面向随机环境的集装箱码头泊位-岸桥分配方法图7　置信度α取值与目标值的关系可能出现的不利情况采取必要的应对措施.在可接受的时间范围内,遗传算法求解模型能够获得较优的方案,其目标函数值较贪婪算法的目标值有不同程度的改善.本文考虑了集装箱码头泊位-岸桥分配问题中的随机因素,但在该问题的实际决策过程中还将涉及其他不确定性因素.如:未确知性、模糊性等以及这些因素的组合,对这些因素的深入研究将有助于获得合理、可靠的泊位-岸桥分配方案.此外,码头是一个连续协调的物流作业系统,泊位-岸桥分配将会受到包括堆场空间分配在内的其他码头资源分配和调度方案的影响,因此加强对泊位-岸桥分配同其他子系统关联性的研究,将是提高码头系统整体性能的一种重要手段.参考文献:[1]　Legato P ,Mazza R M .Berth planning and resources optimization at a container terminal via discrete event simulation [J ].EuropeanJournal of Operational Research ,2001,133(3):537-547.[2]　Shabayek A A ,Yeung W W .A s imulation model for the Kwai Chung container terminals in Hong Kong [J ].E uropean Journal ofOperational Research ,2002,140:1-11.[3]　Bielli M ,Boulmakoul A ,Rida M .Object oriented model for container terminal distributed simulation [J ].European Journal ofOperational Research ,2006,175:1731-1751.[4]　张海霖,江志斌,许泓.集装箱港口集疏运调度系统作业模式的仿真分析[J ].上海交通大学学报,2006,40(6):1024-1030.Zhan g Hailin ,Jiang Zhibin ,Xu Hong .A s imulation study of container terminal scheduling system [J ].Journal of Shanghai Jiaotong Universit y ,2006,40(6):1024-1030.[5]　韩晓龙,丁以中.集装箱港口装卸作业仿真系统[J ].系统仿真学报,2006,18(8):2366-2369.Han Xiaolong ,Ding Yizhong .Simulation system of container terminal charge discharge operations [J ].Journal of System Simulation ,2006,18(8):2366-2369.[6]　蔡芸,张艳伟.集装箱码头泊位分配的仿真优化方法[J ].中国工程机械学报,2006,4(2):228-232.Cai Yun ,Zhang Yan wei .Simulation optimization for berth allocation in container terminals [J ].Chinese Journal of Construction Machinery ,2006,4(2):228-232.[7]　Lai K K ,Shih K .A stud y of container berth allocation [J ].Journal of Advanced Transportation ,1992,26(1):45-60.[8]　Brown G G ,Lawphongpanich S ,Thurman K P .Optimizing ship berthin g [J ].Naval Research Logistics ,1994,41:1-15.[9]　Brown G G ,Cormican K J ,Lawphongpanich S ,et al .Optimizing s ub marine berthing with a persistence incentive [J ].NavalResearch Logistics ,1997,44:301-318.[10]　Imai A ,Nagai wa K ,Tat C W .Efficient planning of berth allocation for container terminals in Asia [J ].Journal of AdvancedTransportation ,1997,31(1):75-94.[11]　Imai A ,Nishimura E ,Papadimitriou S .The dynamic berth allocation problem for a container port [J ].Transportation Research PartB ,2001,35:401-417.[12]　Nishimura E ,Imai A ,Papadimitriou S .Berth allocation planning in the public berth system by genetic algorithms [J ].EuropeanJournal of Operational Research ,2001,131:282-292.[13]　Imai A ,Nishimura E ,Papadimitriou S .Berth allocation with service priority [J ].Transportation Research Part B ,2003,37:437-457.[14]　Zhou P ,Wang K ,Kang H .Study on berth allocation problem with variable service priority in Multi -User Container Terminal [C ]Proceedings of the Sixteenth International Offshore and Polar Engineerin g Con ference ,USA :The International Society of Offshore and Polar Engineers ,2006.684-688.[15]　Imai A ,Nishimura E ,Masahiro H .Berth allocation at indented berths for mega -containers hips [J ].European Journal of OperationalResearch ,2007,179(2):579-593.[16]　Wang F ,Lim A .A stochastic beam search for the berth allocation problem [J ].Decis ion Support Systems ,2007,42(4):2186-168系统工程理论与实践2008年1月2196.[17]　李平,孙俊清,韩梅.泊位调度问题的GATS 混合优化策略[J ].天津理工大学学报,2006,22(4):58-61.Li Ping ,Sun Junqing ,Han Mei .The algorithm for the berth scheduling problem by the hybrid optimization strategy GATS [J ].Journal of Tianjin University of Technology ,2006,22(4):58-61.[18]　Lim A .The berth scheduling problem [J ].Operations Research Letters ,1998,22:105-110.[19]　Kim K H ,Moon K C .Berth scheduling by simulated annealing [J ].Transportation Research Part B ,2003,37:541-560.[20]　Imai A ,Sun X ,Papadimitriou S .Berth allocation in a container port :Using a continuous location space approach [J ].Transportation Research Part B ,2005,39:199-221.[21]　Li C L ,Cai X ,Lee C Y ,Scheduling with multiple -job -on -one -processor pattern [J ].IIE Transactions ,1998,30:433-445.[22]　Guan Y P ,Xiao W Q ,Cheung R K ,et al .A multiprocessor task scheduling model for berth allocation :Heuristic and worst -caseanalysis [J ].Operations Research Letters ,2002,30:343-350.[23]　Daganzo C F .The crane scheduling problem [J ].Transportation Research B ,1989,23(3):159-175.[24]　Peterkofsky R I ,Daganzo C F .A branch and bound solution method for the crane schedulin g problem [J ].Transportation ResearchB ,1990,24(3):159-172.[25]　曾庆成,高宇.集装箱码头装卸桥调度优化模型与算法[J ].计算机工程与应用,2006,32:217-219.Zeng Qn g cheng ,Gao Yu .Model and algorithm for quay crane scheduling in container terminals [J ].Computer Engineering &Applications ,2006,32:217-219.[26]　陈璐,奚立峰,蔡建国,等.集装箱码头装卸作业的调度控制模型及算法设计[J ].控制理论与应用,2006,23(6):873-878.Chen Lu ,Xi Lifeng ,Cai Jianguo ,et al .Integrated model and heuristic algorith m for the scheduling of container handling system in a maritime terminal [J ].Control Theory &Applications ,2006,23(6):873-878.[27]　Zhou P ,Guo Z ,Lin L .A fuzzy vehicle -crane scheduling problem in container terminal [C ] Proceedings of the InternationalConference on Sensin g ,Computing and Automation ,Canada :Watam Press ,2006.3593-3598.(上接第140页)[19]　Dorigo M ,Maniezzo V ,Colorni A .The ant system :Optimization by a colon y of cooperatin g agents [J ].IEEE Transactions onSystems ,Man ,and Cybernetics -Part B ,1996,26:29-41.[20]　Dorigo M ,Gambardella L M .Ant colonies for the traveling sales man problem [J ].Bio Systems ,1997,43:73-81.[21]　Dorigo M ,Gambardella L M .Ant colony system :A cooperative learning approach to the traveling sales man problem [J ].IEEETransactions on Evolutionary Computation ,1997,1:53-66.[22]　Stutzle T ,Hoos H .MAX -MIN ant system [J ].Future Generation Computer Systems ,2000,16(8):889-914.[23]　B ullnheimer B ,Hartl R F ,Strauss C .A new rank based version of the ant s ystem :A computational study [J ].Central EuropeanJournal for Operation Research and Economics ,1999,7(1):25-28.[24]　Middendorf M ,Reischle F ,Schmeck H .Multi colony ant algorithms [J ].Journal of Heuristics ,2002,8(3):305-320.[25]　吴庆洪,张纪会,徐心和.具有变异特征的蚁群算法[J ].计算机研究与发展,1999,36(10):1240-1245.Wu Qinghong ,Zhang Jihui ,Xu Xinhe .An ant colon y algorith m with mutation features [J ].Journal of Computer Research and Development ,1999,36(10):1240-1245.[26]　覃刚力,杨家本.自适应调整信息素的蚁群算法[J ].信息与控制,2002,31(3):198-201.Qin Gangli ,Yang Jiaben .An improved ant colon y algorith m based on adaptively adjusting pheromone [J ].Information and Control ,2002,31(3):198-201.[27]　郝晋,石立宝,周家启.求解复杂TSP 问题的随机扰动蚁群算法[J ].系统工程理论与实践,2002,25(9):88-91.Hao Jin ,Shi Libao ,Zhou Jiaqi .An ant system al gorithm with random perturbation behavior for complex TSP problem [J ].Systems Engineering -Theory &Practice ,2002,25(9):88-91.169第1期面向随机环境的集装箱码头泊位-岸桥分配方法。

集装箱码头连续泊位与岸桥联合调度

2013 年第 9 期
ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＩＮＦＯＲＭＡＴＩＯＮ
○高校讲坛○
科技信息
集装箱码头连续泊位与岸桥联合调度
余刘海庞洪静（上海海事大学物流工程学院，中国上海 201306）
【摘要】为提高集装箱码头运作效率，在计划周期内，将有限的泊位和岸桥资源合理的分配给船舶，并在船舶上的装卸任务间进行动态调度，提出了基于任务的连续泊位与岸桥协调调度的模型，通过遗传算法对该模型进行求解。本文通过实例，验证了该模型和算法的有效性。
隔。船 i 的相关属性：bi0 是船 i 的最优靠泊位置；Ci 是船 i 到港时间；
r max i
和
r min i
分别是船
i
允许同时作业的岸桥数量的最大值和最小值；min
是船 i 上任务 n 的装卸台时；Li 是船 i 的长度。决策变量定义：bi 是船 i
在泊位坐标轴上的实际停靠位置；△bi 是船 i 偏移最佳靠泊位置的距离，△bi=|bi- bi0|；ri 是实际分配给船舶 i 的岸桥的数量；lin 船 i 上任务 n
【关键词】泊位分配；岸桥调度；联合调度；遗传算法
0 引言
泊位调度和岸桥调度常作为码头运作的两个独立的环节，当集装箱码头处于繁忙状态时，船舶按照最优的靠泊计划靠泊后，存在岸桥不能立即服务，需要在泊位进一步等待岸桥的情况，浪费了宝贵的时间。国内外对港口泊位分配的优化研究和岸桥调度的优化研究已取得重要进展，但研究只局限于泊位与岸桥的单独调度。协调调度优化不仅同时解决了集装箱码头作业优化的两个核心子问题，同时由于泊位分配和岸桥调度互相影响，协调优化相比单独研究强调了系统优化的统一性和协调性，大大增强了优化效果。因此，为计划周期内的到港船舶分配泊位和岸桥以及岸桥在装卸任务间的调度时，应将泊位资源和岸桥资源联系起来，统筹协调。对于连续泊位下为船舶配置泊位和将特定的岸桥在任务间调度的研究，是缩短船舶在港时间、提高港口经济效益的关键，具有重要的意义。

《集装箱码头泊位—岸桥—集卡调度优化研究》范文

《集装箱码头泊位—岸桥—集卡调度优化研究》篇一一、引言集装箱码头作为全球物流网络的重要节点，其泊位、岸桥和集卡等设备的调度效率直接关系到整个物流系统的运行效率。

随着全球贸易的日益增长，如何优化集装箱码头的调度系统，提高装卸效率，减少物流成本，已成为业界和学术界关注的热点问题。

本文旨在研究集装箱码头泊位、岸桥及集卡调度优化问题，通过理论分析和实证研究相结合的方法，提出一种更为高效的调度优化方案。

二、集装箱码头调度现状分析集装箱码头的调度系统主要由泊位分配、岸桥调度和集卡调度三部分组成。

当前，大多数码头的调度仍采用人工调度和半自动化调度相结合的方式，存在着一定的问题和挑战。

首先，泊位分配不够合理，可能导致船舶等待时间过长或泊位利用不均衡；其次，岸桥的装卸效率受多种因素影响，如设备性能、人员操作等；最后，集卡的调度效率直接影响着整个码头的物流效率。

三、泊位分配优化研究针对泊位分配问题，本文提出一种基于智能算法的优化方案。

首先，建立泊位分配的数学模型，考虑船舶大小、预计停留时间、码头作业量等因素；然后，采用遗传算法或模拟退火算法等智能算法进行求解，以实现泊位的合理分配。

通过仿真实验，证明该方案能有效提高船舶的泊位效率和减少船舶等待时间。

四、岸桥调度优化研究岸桥作为集装箱码头装卸的核心设备，其调度效率直接影响到整个码头的作业效率。

本文提出一种基于设备状态监测和人员操作的岸桥调度优化方案。

首先，通过引入传感器技术对岸桥设备进行实时监测，掌握设备性能和状态；其次，结合人员操作经验和智能算法，制定合理的装卸顺序和作业计划；最后，通过实时调整和优化，提高岸桥的装卸效率。

五、集卡调度优化研究集卡作为连接码头和岸桥的重要工具，其调度效率直接影响到整个码头的物流效率。

本文提出一种基于物流信息平台的集卡调度优化方案。

首先，建立物流信息平台，实现码头、岸桥、集卡等信息的实时共享；其次，通过智能算法对集卡的任务进行合理分配和调整，以实现集卡的高效调度；最后，通过实时监控和评估，不断优化集卡的调度方案。

一种新型自动化集装箱码头工艺布局仿真

一种新型自动化集装箱码头工艺布局仿真周鹏飞;邢小伟【摘要】通过仿真建模研究了双轨轮小车回字形布置自动化集装箱码头的工艺布局.设计新工艺系统的不同岸桥配置、堆场布局、低架行车配置的25种工况,分别构建仿真模型,分析不同工况下码头作业指标(岸桥装卸效率等)影响规律.仿真结果表明,岸桥增配可减少船舶平均服务时间8%,堆场纵深和宽度布局可影响岸桥效率5%,低架行车增配可缩短外集卡排队,提高堆场通过能力6%.所建仿真模型可分析新型概念工艺系统性能,双轨轮小车回字形布置自动化集装箱码头工艺布局优选有助于提高其性能指标,如堆场区宽度取1~2箱位,低架行车配5~6台为宜.【期刊名称】《大连理工大学学报》【年(卷),期】2018(058)004【总页数】8页(P363-370)【关键词】水路运输;码头布局;仿真分析;自动化集装箱码头;双轨轮小车;回字形布置【作者】周鹏飞;邢小伟【作者单位】大连理工大学建设工程学部,辽宁大连 116024;大连理工大学建设工程学部,辽宁大连 116024【正文语种】中文【中图分类】U169.650 引言近30年来随着贸易全球化和集装箱海运需求的发展，集装箱船舶大型化趋势明显，如已投入运营的“商船三井成就(MOL Tr iumph)”号集装箱船长400 m、宽58.8 m，装载能力20 170 TEU.船舶的大型化发展对码头装卸效率提出了更高的要求.为了提高码头装卸效率，高延辉等[1]提出了一种新型的自动化集装箱码头概念系统，该系统采用轨道式双轨轮小车水平运输及高低架行车装卸箱工艺，堆场垂直岸线、回字形水平运输轨道位于堆场端部.该系统堆场机械设备轻，速度快，作业效率高，轨道水平运输车辆全电力驱动，节能环保且速度快，外集卡不进入堆场，安全易操作.但该新型工艺系统作业效率等优势发挥受设备配置和堆场布局等因素的影响，对其研究有助于新工艺系统后续的设计应用和性能改进.在新型集装箱码头布局研究方面，刘广红等[2]对10种典型自动化集装箱码头的总体布局模式特点进行了定性分析.李艳丽等[3]对比分析了双小车岸桥在堆场垂直岸线和平行岸线布局下的作业效率，研究表明堆场垂直岸线布局完成吞吐量大、船舶装卸更快.王施恩等[4]分析了洋山四期自动化集装箱码头堆场自动化轨道吊单、双侧悬臂和无悬臂混合作业布置形式.由于回字形布置自动化集装箱码头是一种新型的工艺系统，上述研究并未涉及.在集装箱码头系统仿真分析方面，Petering[5]利用离散事件仿真模型分析了堆场2～15行集装箱平行岸线布局时的岸桥利用率，研究表明堆场容量及装卸设备固定时岸桥利用率和堆场宽度呈倒三角形变化规律.文献[6]进一步分析了岸桥平均利用率随集装箱码头堆场容量、内集卡数、场桥数等配置的变化.Gupta等[7]利用排队网络建模分析了平行自动化堆场布局集装箱码头的作业性能，发现内部运输宽度相同时，平行堆场布局较垂直堆栈布局的集装箱码头装卸时间减少4%～12%.Dulebenets等[8]仿真分析了海侧浮式岸桥布局的码头作业性能影响，研究结果表明增设漂浮式岸桥可显著提高集装箱码头岸桥装卸效率，减少船舶平均装卸时间.Gharehgozli等[9]仿真分析了堆场区两个自动化龙门吊公共作业区域的位置、区域大小和数量对系统作业指标的影响.周鹏飞等[10]仿真分析了AGV、ALV码头系统在堆场垂直岸线和平行岸线布置下的作业性能，并与立体轨道式码头系统进行了对比，结果表明后者较AGV、ALV码头系统优势明显.上述研究利用仿真技术分析集装箱码头堆场布置等问题，回字形自动化集装箱码头工艺系统目前还处于概念阶段，借助仿真技术可对其进行定量分析，针对新工艺系统建立仿真模型并进行有针对性的分析是其研究难点.本文应用Plant Simulation构建回字形自动化集装箱码头工艺布局多工况的仿真模型，并仿真分析新工艺系统中岸桥配置、堆场布局、行车配置等影响规律，建议设计参数.1 回字形自动化集装箱码头仿真方案设计回字形自动化集装箱码头概念系统主要由码头前沿与多路回字形装卸部分、高架行车堆取集装箱的堆场部分、堆场后方低架行车与多路回字形装卸部分、外集卡进出港闸口部分等组成[1].回字形轨道上的双轨轮小车负责水平运输，轨道转弯处设置分拨装置负责双轨轮小车的纵横轨道衔接.考虑工艺系统特点，选取仿真研究的基本布局示意如图1所示，设计典型工况如下：(1)码头前沿与多路回字形装卸部分考虑3个泊位，长度均为360 m.船舶到港服从二阶爱尔兰分布，船舶容量为1 000×int(U(1，8.2)) TEU，船舶装卸箱量为舱容量20%～40%的均匀分布.单小车岸桥轨距为24 m，岸桥平均速度为1 m/s，码头岸线距离堆场前方62 m.多路回字形线路和岸桥一致，作业线路服务单个岸桥，避免双轨轮小车的相互干扰，双轨轮小车平均配置5辆，速度为7 m/s.回字形轨道转弯处分拨装置分拨小车时间符合均匀分布U(3 s，6 s).岸桥和高架梁下方作业区设置装卸对位装置，以实现双轨轮小车的快速对位装卸.考虑岸桥配置对系统指标的影响，仿真方案岸桥配置为9～12台.(2)高架行车堆取集装箱的堆场部分堆场垂直岸线布置，堆场区设置高架行车，高架行车作业区从前方回路到后方回路，高架行车速度为3 m/s.进出口箱为标准箱，堆存期为1～5 d，出口集装箱分为5个优先级.堆场后方线路双轨轮小车数量和双轨轮小车分拨时间同前方回路.考虑堆场布局的影响，设计堆场纵深分别为210 m和273 m，根据高架系统作业特点，堆场区宽度设计为1～3标准箱位长度，堆高5层.(3)堆场后方低架行车与多路回字形装卸部分堆场后方回路有3条线路，线路纵深为40 m，低架作业区纵深为40 m，低架行车速度为3 m/s，每个泊位后方作业区配置3～6台低架行车，3～6条外集卡行驶线路.堆场后方回路和外集卡行驶线路上设置对位装置实现低架行车作业.图1 回字形自动化集装箱码头Fig.1 Automated container terminal with hollow tracks(4)外集卡进出港闸口部分外集卡随机到港，且满足堆存期要求，自动闸口检验时间设为10 s.重卡进港作业区域根据集装箱船舶所停靠泊位，同一艘船舶的出口箱均匀存储到船舶停靠泊位对应的堆场区.仿真研究对比工况方案总结如表1所示.表1 仿真布局Tab.1 Simulation layout工况岸桥数/台堆场宽度/箱位堆场纵深/m单泊位低架行车/台S1912105S21012105S31112105S41212105S51022105S61122105S71222105S81032105S91132105S10912735S111012735S121112735S131212735S14 1022735S151122735S161032735S171132735S181032104S191132104S201 032103S211132103S221012736S231112736S241022736S2511227362 Plant Simulation仿真模型2.1 仿真主要对象建模单元与模型流程回字形自动化集装箱码头是一个复杂的离散事件物流系统，Plant Simulation是面向对象的图形化仿真建模工具软件.回字形自动化集装箱码头主要建模单元包括集装箱船舶、岸桥、堆场、轨道等.具体建模单元构建如下：用对象Store模拟船舶栈位，可根据不同船型设置模拟；用对象StorageCrane模拟高低架行车及堆场区，可设置其长、宽、高及速度参数等；对象MultiPortalCrane模拟岸桥，可设置岸桥速度、外伸距、跨度、数量等；回字形轨道线路用对象Track模拟，在Track上设置传感器(Sensors)来模拟双轨轮小车(Transporter对象模拟)与岸桥和高低架行车的对位装置；对象AngularConverter模拟纵横轨道分拨装置，通过设置其时间参数模拟双轨轮小车转弯时间；利用两个Source对象分别生成外集卡(Transporter模拟)和出口集装箱(Entity模拟)，通过TransferStation对象把出口集装箱加载到外集卡上生成重卡.仿真模拟单元和模型主要流程如图2、3所示.图2 主要对象建模单元Fig.2 Main object modeling units2.2 主要仿真事件(1)船舶到港和离港船舶到港(靠泊)由时间触发器Trigger对象按照一定时间间隔循环调用方法Method对象实现，Method对象根据船舶到港时间表Table对象中的船舶到港时间、船舶容量、船舶装卸箱量在分配泊位生成船舶，船舶到港时间表Table对象中的船舶到港时间、船舶容量、船舶装卸箱量按照假设分布生成.船舶离港(离泊)由时间触发器Trigger对象按照一定时间间隔循环判断船舶装箱量是否完成来确定.(2)卸船和装船开始船舶靠泊时更新泊位状态和作业任务，通过全局变量值模拟泊位状态和泊位装卸船任务的更新，时间触发器Trigger对象按照一定时间间隔循环，根据全局变量值触发卸船开始和装船开始事件.(3)重卡和轻卡到港重卡由两个Source对象根据出口集装箱到港时间表(依据到港分布模拟产生)分别生成外集卡和出口集装箱，通过TransferStation对象加载生成，利用SingleProc模拟外卡通闸；轻卡由Trigger对象根据集装箱堆存时间随机调用Method对象生成轻卡，进入闸口.图3 仿真模型流程图Fig.3 The flow chart of simulation model2.3 资源分配仿真(1)泊位分配泊位分配由Trigger对象调用Method对象根据船舶到港时间前的预估制定的最早空闲泊位分配(FCFS规则).(2)岸桥分配岸桥分配采用固定泊位指派方式，岸桥与其作业线路对应.回字形自动化集装箱码头布局涉及岸桥配置：9个岸桥时平均分配岸桥到泊位；10个岸桥时1号泊位(图1中从左至右为1～3号泊位)分配4个岸桥，2、3号泊位分别分配3个岸桥；11个岸桥时1、2号泊位分别分配4个岸桥，3号泊位分配3个岸桥；12个岸桥时平均分配岸桥到泊位.(3)双轨轮小车分配双轨轮小车无作业任务时停在回字形轨道左侧，任务分配按照停车次序从前往后.出口集装箱进港过程中，后方回字形左侧轨道上的前方双轨轮小车对后方小车的干扰问题通过Trigger对象判断识别，并通过调配前方小车的位置来解决冲突. (4)堆场分配同一艘船舶的进出口集装箱均匀分配到船舶停靠泊位对应的堆场区，仿真中通过均匀分布生成集装箱堆场区编号来模拟.(5)高低架行车分配堆场区内分配一个高架行车，负责前方回路和后方回路的双轨轮小车装卸作业，每个泊位分配低架行车数量一致，高低架行车与双轨轮小车对位用Sensors对象实现，高低架行车先服务对位车辆.低架行车区为减少后方同通道作业任务间的干扰，每个低架行车对应一个线路.3 仿真分析3.1 仿真模型验证模型验证主要包括仿真模型逻辑和参数的检验、模型运行性能检验.检验分析表明所建模型可满足仿真逻辑、参数以及仿真分析要求，下面以S3为例给出验证过程，仿真时间为1 a.首先观测船舶到港时间间隔、堆场纵深、堆场宽度及低架行车数的仿真系统动画运行过程，均未发现异常.其次仿真输出变量(包括吞吐量、岸桥利用率、岸桥装卸效率等)符合其统计规律.最后检验模型参数：(1)船型舱容量1000×int(U(1，8.2)) TEU的分布检验，如表2所示；(2)装卸箱量以舱容量为基数的均匀分布检验；(3)进出口集装箱堆存期的分布检验.参数(2)、(3)的样本K-S检验如表3所示，渐近显著性P值(双侧)均大于0.05，表明船舶装箱率、卸箱率和在港堆存时间与参数条件均无显著性差异.表2 船型舱容量频率统计Tab.2 Frequency statistics of ship capacity船型/TEU次数百分比/%累计百分比/%1 0006615.215.22 0005913.728.93 0006114.143.04 0005813.456.45 0005913.670.06 0005612.982.97 0006114.197.08 000133.0100.03.2 仿真实验分析不同布局工况下系统仿真性能指标对比如表4所示.为便于分析岸桥配置、堆场纵深、堆场宽度、低架行车配置对系统性能的影响规律，分别用Q表示岸桥数，B表示箱区宽度，D表示堆场纵深，Y表示单泊位低架行车数，r表示岸边资源利用率，t表示船舶在港时间，ρ表示装卸效率，l表示排队长度.由船舶在港时间和岸边资源利用率分析可知：(1)回字形布置自动化集装箱码头工艺的岸桥配置对船舶在港时间、泊位利用率和岸桥利用率的影响趋势显著，在船舶装卸允许范围内增配岸桥可降低泊位利用率和船舶在港时间约8%，提高了泊位通过能力，同时岸桥利用率下降约9%；表3 输入参数的K-S检验Tab.3 K-S test of input parameters参数样本数均匀参数最小值最大值极端差异绝对正负K-S检验Z值渐近显著性P值(双侧)卸箱率4330.2%0.4%0.0270.019-0.0270.5610.911装箱率4330.2%0.4%0.0250.025-0.0150.5140.954堆存时间4292 653 s410 252s0.0630.063-0.0530.4070.996(2)箱区宽度增加到2个箱位时上述指标没有显著变化，但箱区宽度增加有利于节省高架梁空间，图4给出了部分岸桥配置和箱区宽度对比工况的影响趋势.表4 仿真实验参数指标Tab.4 Parameter indexes of simulation experiment 工况输入参数输出指标船舶到港间隔/h吞吐量/104 TEU泊位利用率/%岸桥利用率/%岸桥装卸效率/(箱·h-1)船舶在港时间/h堆场利用率/%堆场最大利用率/%低架行车最大队长/辆S1*******.5128.9246.8818.2618.1751.149S22010627.9125.8947.2716.7118 .0852.579S32010625.1423.2147.9315.0518.0449.719S42010622.5321.0348. 3613.4917.7950.299S52010627.9425.9647.1416.7318.1051.009S62010625.2 323.2847.7815.1117.9748.149S72010622.6121.0948.2213.5317.7949.299S8 2010628.1926.1446.7916.8818.0947.629S92010625.4423.4647.3815.2317.9 747.719S101514342.5340.1645.7219.0719.2947.2522S111514339.0536.014 5.9317.5119.4551.4320S121514335.1932.3746.4415.7819.2055.8220S13151 4331.0628.7246.9213.9618.5146.5918S141514339.7536.5545.2217.8320.41 60.2221S151514335.8932.8945.6816.1020.2458.9022S161514340.8537.4144.1318.3221.8866.6027S171514336.9633.7044.5316.5719.5355.8229S18201 0628.2026.1346.7916.8818.2749.4315S192010625.4823.4747.3615.2518.11 47.6215S202010628.4226.2846.4917.0121.1268.0047S212010625.6623.614 7.0515.3621.1968.7649S221514338.8935.9846.0017.4418.8960.8613S23151 4335.1632.3146.5315.7718.8469.1413S241514339.5636.4645.3617.7419.1043.7415S251514335.7432.7745.8416.0318.9354.4015(a) 岸桥配置影响趋势(b) 箱区宽度影响趋势图4 船舶在港时间和岸边资源利用率随岸桥配置和箱区宽度的变化趋势Fig.4 The change trend of ship′s port time and shor e resource utilization with the quay-crane configuration and box width由岸桥装卸效率和外集卡等待分析可知：(1)箱区宽度和堆场纵深增加，岸桥装卸效率都有降低的趋势(约5%)，且箱区宽度和堆场纵深越大降低趋势越明显，如D=273 m时，B=3个箱位工况的岸桥装卸效率较B=1个箱位工况降低3.9%；B=3时，堆场纵深增加30%，使岸桥装卸效率下降5.6%.(2)码头后方低架行车数对岸桥装卸效率影响不显著，但对外集卡等待队长影响较大，呈加速上升趋势，如低架行车由5台减少到3台时外集卡最大队长从9辆增加到49辆.低架行车数增加有利于堆场通过能力的提高，增配1台低架行车可提高堆场通过能力约6%.图5给出了部分箱区宽度和低架行车数对岸桥装卸效率和外集卡最大等待队长影响趋势.(a) 箱区宽度的岸桥装卸效率影响趋势(b) 行车配置的岸桥装卸效率影响趋势(c) 行车配置的最大等待队长影响趋势图5 岸桥装卸效率和行车队长随堆场资源配置的变化趋势Fig.5 The trend of quay-crane handling efficiency and crane queue layout with yard resource allocation4 结论(1)提出的Plant Simulation仿真建模方法可用于该新型集装箱码头工艺系统分析，构建不同工况的仿真模型符合仿真验证条件.(2)在船舶装卸允许工况中增配岸桥可降低泊位利用率和船舶在港时间约8%.(3)对比工况中箱区宽度增加到3个箱位时岸桥装卸效率降低约5%，箱区宽度建议取1～2个箱位，取2个箱位可节约高架梁空间且对岸桥效率影响不显著.(4)对比工况中低架行车配置小于5台时外集卡排队明显增多，堆场纵深较大时低架行车配置不宜大于5台，可取5～6台.上述成果可为回字形布置的双轨轮小车自动化集装箱码头后续研究和设计开发提供参考.本研究仿真模型采用FCFS的泊位分配策略和固定岸桥指派策略，未来可进一步分析泊位、岸桥等码头资源优化分配策略下的系统性能.【相关文献】[1] 高延辉,魏世桥,周强,等. 基于双轨轮小车与双回字形平面布置的集装箱码头新工艺[J]. 港口装卸, 2015(4):43-47.GAO Yanhui, WEI Shiqiao, ZHOU Qiang, et al. New process on the container terminal based on dual-rail horizontal transport trolley and the horizontal layout of hollow track [J]. Port Operation, 2015(4):43-47. (in Chinese)[2] 刘广红,程泽坤,林浩,等. 自动化集装箱码头总体布局模式对比分析[J]. 水运工程, 2016(9):14-18.LIU Guanghong, CHENG Zekun, LIN Hao, et al. Comparative analysis of overall layout pattern for automated container terminal [J]. Port & Waterway Engineering, 2016(9):14-18. (in Chinese)[3] 李艳丽,周强. 采用双小车岸边集装箱起重机集装箱码头平面布局研究[J]. 物流工程与管理,2009, 31(11):47-48.LI Yanli, ZHOU Qiang. Research on the plane layout of container terminal adopting the double trolley quayside container cranes [J]. Logistics Engineering and Management, 2009, 31(11):47-48. (in Chinese)[4] 王施恩,何继红,林浩,等. 自动化集装箱码头堆场布置新模式 [J]. 水运工程, 2016(9):23-26,45. WANG Shien, HE Jihong, LIN Hao, et al. New mode for yard layout of automated container terminal [J]. Port & Waterway Engineering, 2016(9):23-26,45. (in Chinese)[5] PETERING M E H. Effect of block width and storage yard layout on marine container terminal performance [J]. Transportation Research Part E:Logistics and Transportation Review, 2009, 45(4):591-610.[6] PETERING M E H. Decision support for yard capacity, fleet composition, truck substitutability, and scalability issues at seaport container terminals [J]. Transportation Research Part E: Logistics and Transportation Review, 2011, 47(1):85-103.[7] GUPTA A, ROY D, DE KOSTER R, et al. Optimal stack layout in a sea container terminal with automated lifting vehicles [J]. International Journal of Production Research, 2017,55(13):3747-3765.[8] DULEBENETS M A, GOLIAS M M, MISHRA S, et al. Evaluation of the floaterm concept at marine container terminals via simulation [J]. Simulation Modeling Practice and Theory, 2015, 54:19-35.[9] GHAREHGOZLI A H, VERNOOIJ F G, ZAERPOUR N. A simulation study of the performance of twin automated stacking cranes at a seaport container terminal [J]. European Journal of Operational Research, 2017, 261(1):108-128.[10] 周鹏飞,杨云. 集装箱码头先进作业工艺系统仿真与对比[J]. 水运工程, 2015(7):71-75. ZHOU Pengfei, YANG Yun. Simulation and comparison of advanced operation system in container terminal [J]. Port & Waterway Engineering, 2015(7):71-75. (in Chinese)。

基于吸引子布局算法求解码头泊位岸桥分配问题

基于吸引子布局算法求解码头泊位岸桥分配问题
司玉军;翁凌韬;郑宗浩;段国林
【期刊名称】《复旦学报：自然科学版》
【年(卷),期】2017(56)1
【摘要】泊位和岸桥资源是港口码头的重要稀缺资源,如何合理的安排调度船舶靠泊和岸桥工作对港口码头的作业效率有极其重要的影响.同时研究了泊位分配与岸桥调度分配问题,通过将靠泊时间、岸桥使用以及泊位占用进行抽象化,成为一种矩形评价块,并将整体靠泊作业过程转化为一种新的三维矩形布局问题进行研究.计算表明,将传统建模方法转化为空间布局模型可全面考虑靠泊过程中各类型资源的占用,并可有效提高各类资源在靠泊作业中的总体宏观效率,与传统建模和算法相比有明显的优越性和更全面的统筹性.
【总页数】6页(P29-33)
【关键词】码头;调度分配;吸引子布局算法;三维布局;泊位
【作者】司玉军;翁凌韬;郑宗浩;段国林
【作者单位】河北工业大学机械工程学院;曹妃甸港集团股份有限公司通用码头分公司
【正文语种】中文
【中图分类】U691.3
【相关文献】
1.基于多目标混沌云粒子群算法的泊位-岸桥分配研究 [J], 李明伟;康海贵;耿静;周鹏飞
2.集装箱码头泊位岸桥堆场分配问题研究 [J], 吴欢;台玉红;袁学青
3.改进Memetic算法求解集装箱码头泊位岸桥调度问题 [J], 杨春霞;王诺
4.基于多目标遗传算法的集装箱码头泊位——岸桥分配问题研究 [J], 杨春霞;王诺
5.集装箱码头泊位岸桥堆场分配问题研究 [J], 吴欢;台玉红;袁学青
因版权原因，仅展示原文概要，查看原文内容请购买。