[发明专利]岸桥QC、集卡YT和龙门吊YC的集成调度模型及其GA算法

说明书

本专利解决了港口多资源设备QC、YT和YC的集成调度问题。为此提出了一种MIP模型，由于大量的变量和约束条件，MIP模型难以处理大型实际问题。为此，开发了一种遗传算法，该算法结合了所提出的一般化算法框架。在GA中，设计了三维染色体，其将三个子问题相互关联起来。基于染色体的结构特征，引入了三对交叉算子和变异算子，每对交叉和变异算子只针对其中一个子问题。GA中的这种机制很好地匹配了集成问题的属性。此外，为了提高所提出的遗传算法的效率，设计了一种新的启发式变异算子。通过并行地应用三对交叉算子和变异算子，可以找到更好的解决方案。通过计算结果显示了所提出的算法能够较好地解决港口集成调度问题。

技术领域

本发明涉及港口核心资源集成调度模型及算法。

背景技术

贸易全球化促进了全球物流和运输业的发展，特别是海运集装箱港头(containerterminals，简称CT)，港口的运营效率对国际贸易和国家经济的增加有直接的影响。船舶周转时间是船舶在泊位上所花费的总时间，是评价港口效率的一个关键指标[1]，能够使船舶周转时间短的高效港口更具有竞争力并将在世界上保持领先地位。为实现这一目标，需要港口内部各资源的相关活动开展密切的合作。

在大多数港口中，集装箱的标准尺寸为20英尺等效单位，主要使用三种大型设备来完成集装箱的转移[2]，他们分别是岸桥(quay crane，简称QC)，集卡(yard truck，简称YT)和龙门吊(yard crane，简称YC)。QC位于码头区，负责将集装箱装载到船上或者从船上卸下集装箱。YC在堆场中用于将集装箱从YT放入其相应的存储位，或者将集装箱放置到YT上，YT工作于QC和YC之间运送集装箱。

由于起重机(QC和YC)与YT之间没有缓冲空间，因此港口中可能会出现停滞状态。例如，当QC或YC吊起集装箱时，它需要将集装箱放在可用的YT上而不是直接将其放在地上，因为YT需要起重机的帮助才能装载集装箱。因此，如果没有空载YT将起重机吊起的集装箱进行转移，QC和YC则无法继续下一个任务，直到有空载YT到达。而在另一方面，集装箱只能一直保持在YT上，直到有QC或YC将集装箱吊起，将其装载入船或堆放至储位中。由于起重机和YT之间的存在前后配合不协调的情况，从而导致系统发生停滞情况。忽视起重机和YT之间的这种相互协作关系会导致不能保证全局最优性，因此，当在港口集成模型中同时考虑QC，YT和YC三大主要设备的运作过程时，能够大大提升港口系统的整体性能。

随着港口系统重要性的日益增加，目前针对港口资源的相关问题已有了大量研究。适当安排QC，YT和YC等有限资源会直接影响港口的运营效率，但以往的研究主要集中在港口单资源调度问题，如QC调度问题，YT调度问题，YC调度问题。

李等[3]研究了考虑QC不可跨越这一约束条件的QC调度问题，并建立了MIP模型和开发了GA来解决此问题。文中作者指出QC调度问题是NP-complete。Tavakkoli-Moghaddam等[4]研究了QC调度和分配问题。鉴于对QC调度问题的研究越来越多，Meisel和Bierwirth[5]提出了一个一般化的的方法来评估不同的QC调度模型和相应的求解过程。

Bish等[6]针对港口单艘货船研究了车辆调度问题，目标函数是船舶总完工时间最短，重点工作是调查车辆的分派或部署对港口吞吐量的影响。对于港口的其他方面，包括卸载集装箱的储位选择，车辆移动路线和交通控制等，都作为给定的已知数据。Ng等[7]对一组卡车调度问题进行了研究，问题中考虑了与序列相关的设备处理时间和不同的准备时间，其目标是尽量减少总完工时间。

Ng和Mak[8]求解了港口单台YC的调度问题，目标是最小化作业总等待时间，其中考虑了装载作业和卸载作业具有不同的准备时间这一约束条件。Jung和Kim[9]将单台YC调度问题扩展到多台YC调度问题，他们仅考虑了装载作业，目标函数是最小化总完工时间。Heetal.[10]设计了一种混合遗传算法来解决港口YC调度问题，与以往很多论文不同的是，他们考虑的YC需要在不同的堆场区之间移动以便充分利用YC。