英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

---

集装箱码头泊位分配与码头装卸作业的整合

卢志强（陆志强）*，吴文（吴文），韩笑乐（韩笑乐），朱莉安NIRAVONG

中国，上海201804，同济大学机械学院

摘要：潮汐是一个重要的因素，妨碍了靠离泊作业船只在潮汐式港口。为了方便在集装箱码头现实决策过程，将这一因素考虑同时泊位分配及岸桥（QC）分配问题（备份）这是一种较好的方法。为此，集成的优化模型是建立与潮汐的时间窗口为靠泊或离开禁止区间。提出了后和前调整启发式算法和一种迭代优化框架下的应用，数值实验表明了该算法的理想性能。

关键词：泊位分配；岸桥分配；整合调度；潮汐集装箱港口

中图分类号：TP29；U691

文件代码：A

文章编号：1672-5220（2015）04-0559-06

引言

因为海边的操作对集装箱码头的整体生产效率影响显著，滨海资源容器足够分配将非常有利于终端客户。此外，考虑终端尺寸的限制和昂贵的投资，泊位和码头起重机（QCS）通常是在集装箱码头中最稀缺的资源，因此一个优秀的综合决策，泊位分配问题（BAP）和岸桥分配问题（质量与价格分析方案）会具有相当大的意义。

同时，潮潮港口的日常运作的一个重要因素。船舶在港，潮汐冲刷已经对潮起潮落的海边作业效率产生了负面影响。幸运的是，这个问题可以在大多数情况下通过采取紧固措施来比较容易的解决。对于靠离泊操作条件苛刻，除了主船拖带船舶之间的高度协调，水也是必须的。靠泊或离港时间不当的操作会造成大麻烦。在严重的情况下，双方的船只和码头将被破坏。所以，为了保证靠离泊操作在操作安全与效率潮汐港，最佳时间窗的选择是至关重要的。

“双窗口偏离”，换句话说，船只能够离开港口在高潮和退潮的两个时代，是在世界上的所有端口的一大挑战，并已在2013年洋山深水港（中国）突破。这个实验有利于削减船只在停泊处等待的时间为3-6小时。然而，严格的泊位条件和出发等必要的操作技巧是和洋山深水港大型港口巨大投资密不可分的.由于数以百计的潮汐严重影响小型和中型港口，船舶不得不等待几个小时满足权宜之计靠泊和离港条件，以保证操作的安全性，当他们想停泊或离开不管。太仓港（中国）恰好是其中之一。此外，可用的深度并不总是能够保证足够的船只的运动，所以他们会在一些潮汐港等待直到有足够的深度.所有这些上述因素结果表明：在港口，潮汐是不能在每天的操作被忽略的一个重要因素。因此，有必要考虑潮汐的影响，在一个潮汐港的调度中提供一个更现实的决策支持的操作管理。

关于集装箱码头调度问题研究的文献很少能被找到。徐等人[1]认为在集装箱码头静态和动态的情况下，在该泊位分配的船只是由水深和潮汐限制一个BAP 条件。然后将时间范围被分成分别两个时期，命名为低水期间和高水期间，其中该容器分配是更限制性的。巴罗斯等人[2]认为是在潮汐散货港口库存水平条件的BAP，其中一个泊位离散置，规划期分为几个潮汐时间窗（TTWs）和条件草案是由库存水平来决定。

文献提到的只考虑潮汐在BAP。它有相同的缺陷：研究人员在开始的时候分别研究了BAP和质量与价格分析方案。不过，BAP和质量与价格分析方案基本上都是相互关联的。其余的QC的数量与特定的QC数将决定限制的容器是否可以通过求解QCAP停泊与否而得到，而泊位位置中BAP的分配将反过来决定了可用时间和准晶的数目。码头空间资源的利用率和质量控制系统之间的紧密相互激励是正确的集成解决方案的方法来解决这两个问题，即泊位分配及岸桥分配问题（备份）。

备份是首先由Park和Kim提出的[3]。这项研究涉及备份作为两个独立的问题：BAP和QCAP。Imai等人[4]介绍了根据遗传算法的方法同步泊位和起重机分配问题的配方和干扰的发现.BACAP问题与两个变量在时间QC对船舶作业和起重机的作业效率损失的近似解由迈泽尔和Bierwirth建模[5]。此外，起重机的作业效率取决于船舶靠泊位置。其目的是通过船舶的加速和迟缓离港再加上利用QC-小时运营成本发生的劳务质量成本的最小化。Raa等[6]提出了为BACKUP考虑到容器的优先级，优选的停泊位置和处理时间的混合整数线性规划模型。 Yang等人[7]解决了BACAP在泊位分配和QC分配之间的多用户容器终端.泊位分配和质量分配之间的相互作用是重要的考虑因素。在参考文献。[8]，混合模型被提出来解决BAP和CAP的协同调度，目标是尽量减少靠泊的额外费用的延时非最佳位置，并惩罚以所有成本之和。最近，一个集成的基于启发式的关于BACAP的解决方法在解决文献中被提出了［9］，实验结果表明，该方法可以在合理的计算时间内产生高质量的解决方案。此外，一些更实际的问题，这已经在码头边的调度问题效果显著，考虑分配数量，QCS港口运营成本和船舶的燃料消耗和排放的影响［10］文献分析此外，为了解决分配泊位和质量同时，Chang等人［11］开发了一个动态分配模型，采用基于滚动时域方法和图形用户界面的目标规划

Gui等人［12］通过分离决策异议研制出一种双层迭代算法。不过，所有的研究不涉及潮，这是在潮汐中至关重要的一个现实问题。

由于浪潮使得在停泊和船只的出发津贴有很大的影响，这将进一步导致泊位位置和泊位的时间变化，以及QC数字应该被调整以获得更合理的调度解决方案.因此，潮汐时间综合调度会带来很大的区别。

本文的其余部分安排如下。在第1节，基于几个相关假设，建立有特殊的约束集成调度问题的数学模型.然后提到的迭代优化算法框架和相应的两个启发式在第2节分别提出了。在第3节，数值实验研究和结果分析执行。结论总结在第4节。

1 问题描述

有许多类型的潮汐，如日、半日混合潮。在不同的地方有不同的类型的港口潮汐。事实上，潮潮时间的维持长度和频率等所有的变化都在同一港口的时间。为了便于研究，本文提出了一种潮汐的时间窗口，在这靠离泊是被禁止的。TTW长度可调，频率是一个常数（每12小时一次）。TTW开始的时间E（一个用于指示TTW起点参数）和在每个最小时间周期结束（12小时）。

作为整个规划范围分为许多部分，调度问题的复杂性会急剧上升，在潮港BACAP集成调度可谓TTW集成调度。潮汐成为该问题的一个制约因素，在这一问题上，后续的质量控制任务也将受到影响，整个调度策略也必须调整。

1.1 假想

根据一些重要的假设给出如下建模。

1. 我们认为高水平的泊位资源和船舶动力到达是利用连续泊位布局模拟更现实的调度情况［13］。
2. 一个容器中同时投放的QC的数量通常是由最小数目和受到限制的最大数量来决定[5]。
3. 一个容器处理的时间取决于系统分配给它的数量并且处理任务必须在启动后不中断。
4. 这些起重机都应该是一字排开沿着码头在同一轨道。
5. 分配到容器的QC的数量其留在泊位[14]期间不发生变化。
6. 重新分配的QCS允许船只在泊位不改变船舶抵港时指定新的QCS数。QC的安装时间是在本研究中被忽略。
7. 潮每12小时出现一次，潮汐时间持续时间的波动可以忽略不计。
8. TTW设置为3小时的研究。没有靠泊或离港是潮汐时间允许。

1.2 符号和场景示例

为了使开发这一分析和研究变得很容易，本文共分10米段的码头，并在1小时周期的时间。符号的定义如下。

输入数据：

i是容器的索引;

t是时间的索引;

V是集容器，V ={1,2，...，1，...，V};

Q是可用的QC的数量;

L是码头（泊位段数）的长度;

H是规划周期;

T是设定时间的，T ={1,2，...，T，...，H};

E为潮汐时间起点;

L是容器i的长度;

A是i船的到达时间;

M是起重机容量容器的需求被给定为一个数目的QC-小时;

Rmin为准晶的数量降到最低同意同时为i船只;

Rmax为允许同时投放容器i的QC的最大数量;

M是一个大的正数;

n1和n2是非负整数。

决策变量：

Bi是一个整数，我船的靠泊位置;

Si是的整数，容器i的开始时间;

Ei是整数，船只离开时我（不总是整理时间）;

Rit是二进制，设定为1，如果至少有一个的QC被分配给容器我在时间t，否则为0;

Yij是二进制，设置为1，如果我船只停泊船只以下J，I。即，双 Ljle;否则为0 BJ;

Zij是二进制，设置为1，如果容器我比开始后不离开

船只Ĵ，否则为0;

qi是分配到容器我的QC的数量;

是在时间t分配到容器我的QC的数量。

要分析这个问题很容易，4种潮汐条件下船只的到达和出发的情景显示在图.1。在该图中，横轴表示时间，纵轴表示在码头。在灰色的竖线表示时间窗的长度。优先级（I，J，K，P），到达时间（AI，AJ，AK，AP），以及4艘船舶的QC数（理气，QJ，QK，QP）都在这里给出。本文中的优先级列表是在给定数量的船只的操作序列。从图1中可以看出，虚线矩形表示血管的初始状态，而无需潮汐因子。例如，对于血管k处的初始状态为K0。根据坐标轴的定义，一个矩形的长度和宽度代表的是服务时间，并且分别分配到容器内的泊位量。由于船只一般沿长度方向停靠并且船只的宽度对码头边调度问题没有任何影响，所以船只的宽度不会在本文所考虑。显然，在最初的时候泊位不够四船只停泊。固体矩形是潮来了之后考虑到调整后的位置。斜线填充的矩形的长度表示调整后的附加的周转时间。此图中显示的方式是一个被广泛应用的一种，现在来应对潮汐港潮，被命名为右转向操作。这个操作意味着首先要在不考虑潮的情况下得到一个完整的调度方案（TTW=0），然后进行周期解的调整来获取与潮汐因子（TTW=3小时）而得到最终结果。此外，随着上标“”的参数是指对应的值已因调整改变。在这里给定质量数船只的I，J，P，K分别设置为3 2,4,1。

图.1 右移调整后方案

1.3 数学模型

我们制定TTW 与BACKUP的综合调度问题如下：

最小化Z =Sigma;（ei-Ai） （1）

根据假设（1），船舶的动态到来意味着容器的到达时间是固定的，所以目标函数修改为：

最小化Z =Sigma;ei （1）

趋近于：

约束（3）确保所有船只的QC容量需求可以得到满足。QC资源约束由约束（4）所示。约束条件（5） - （7）中设置的开始时间和结束时间，供应容器没有抢占。约束（8） - （9）确定船舶可以停靠并且潮安全离开。约束（10） - （12）中设置的变量yij和zij，以避免在空间时间图重叠血管的处理。由约束（13）和（14）表示中间 xit，rit，and qiis中的关系。作为约束（15）所示，在规划时域H定义的开始时间和船只的出发时间是有限的。约束（16），确保每个容器位于泊位范围内。更多的限制（17） - （20）定义其余的变量和参数的领域。

1. 提议的解决方案技术

2.1迭代算法框架

在迭代优化算法，通过改进遗传算法的产生分配给每个容器中的优先级列表和QC编号（确定或所建议的）。下面的过程（在图2）是迭代优化框架的轮廓。参数图.2如下：lambda;是迭代次数，lambda;max为停止标准，是未经改善迭代次数，maxis再生的阈值，是目前全球最佳解决方案，Xlambda;b是lambda;th的最佳解决方案迭代，C（xb）是xb的目标函数值，C（xlambda;b）是xlambda;b的目标函数值，CHAH（xlambda;b）是由后调整启发式（HAH）算法获得的C（xlambda;b）值，并且CFAH（xlambda;b）是由火力调节启发式（FAH）算法获得的C（xlambda;b）值。

图.2步骤迭代框架

HAH和FAH的详细信息将在后面章节介绍下面。

这个问题的部分解决方案被表示为一个染色体，这是由2串| V |整数项目。在这个染色体第一个| V |代表的优先级列表和最后一个| V |都对应分配给每个容器（在图3中所示）的QC号码。

图.3 染色体的实例

部分匹配交叉和反转变异的调整。交叉和变异的概率是用Gui等人的自适应算法来计算。[12]再生机制的概念也从纸张上学到，避免过早。对于初始化，三个附加的染色体被包括在初始群体。由以下三种常用优先权规则生成其优先级列表：FCFS，SPT，和LPT。染色体随机选择并使用轮盘赌选择程序复制到下一代。一个染色体被复制的概率正比于相关的目标函数值的适应值。个体的适应值使用公式计算出。（21）[15]，其中F（ch）是染色体ch和alpha;的适应值是一个问题，尺度相关的参数。

F(ch) = {1 exp［f(ch) /a］}－1． (21)

2.2 HAH

在所提出的HAH算法中，某些船只在完成所有装载和卸载之后做出一些特殊的调整来满足潮汐的约束要求。显然，由于此次在图4中显示的调整，船舶的附加周转时间缩短了。

<p

剩余内容已隐藏，支付完成后下载完整资料</p

---

资料编号：[152375]，资料为PDF文档或Word文档，PDF文档可免费转换为Word