1.1目的及意义

在全球一体化发展迅速的大背景带动下，国际间的贸易往来已经越来越频繁，其中百分之八十以上的商品货物运输是通过海运的方式来实现的。集装箱运输自二十世纪五十年代以来，由于集装箱运输运输货物可以避免因为天气和偷盗导致的货物损耗，同时也降低了包装的费用，提高了装卸的效率，便于采用多式联运和规模化的运输从而保证可观的盈利空间等优点，集装箱运输已经成为了海上运输的重要组成部分[1]。如今全球有将近百分之六十的海运货物采用的集装箱运输的方式。自二十世纪八十年代以来，国际产业转移扩大了中国的货物贸易规模。自此以后我国集装箱货物的国际往来更加的活跃，集装箱港口吞吐量逐年上升。本文所研究的码头互拖业务就是集装箱运输中的重要组成部分。码头互拖业务产生的原因主要有：1.集装箱延误运输而被迫转运。2.同一船集装箱被分布在同一港口中的不同码头堆场。

本文研究的目的就是优化码头互拖业务，缩短集卡的空载距离和岸吊的无效移动距离，提高码头互拖业务的效率。从而提升集装箱码头的运营效率，有助于集装箱码头互拖业务从传统的人工调度模式向信息化模式发展，提升码头集卡调度的效率及准确性。

1.2国内外现状

目前国内外已经有许多学者对集装箱码头装卸过程中的集卡分配和调度问题进行研究。我国国内的集装箱港口大多是非自动化集装箱港口，水平运输机械研究的对象为集卡，集卡是非自动化集装箱码头重要的水平运输设备。我国普遍采用集卡和龙门吊的运营组合。在装船、卸船和转堆等需要集卡参与的一系列 作业中，集卡的传统调度模式为船舶靠泊后，港口调度人员根据船的配载图、集装箱数量、 堆场箱位图等配置相应的岸吊，按照岸吊数，毎台岸吊配备5—6 辆集卡，集卡按规定作业路线运输，始终为该岸吊服务直至船舶离开泊位。在整个装卸流程中，集卡、岸吊以及轮胎吊形成一条固定的作业线[2]。我国的研究人员为此也对该问题提过出许多建设性的意见与改进，如张莉[3]利用仿真工具Witness建立基于码头前沿至堆场道路网络的单船装卸运输仿真模型，分析了集卡的数量与车速对船舶装卸时间的影响；严政[4]等提出基于动态优化组合的港区内集卡调度的规则，并建立离散事件动态仿真模型进行验证；吕品和乐美龙[5]在作业面模式下, 面向两船构建了以路径最短为目标的集卡路径优化模型, 并采用遗传算法来求解了最优路径；魏宏磊和朱瑾[6]基于“作业面”优先策略, 建立了集卡路径优化模型, 用Lingo软件得到了最短路径。杨静蕾[7]提出在满足集装箱堆场堆存要求和船舶装卸作业要求的情况下，建立以集卡行走里程最短为目标的集装箱码头物流路径优化模型；曾庆成[8]等设计基于Q学习算法的求解方法，建立集装箱码头装卸过程中集卡调度动态模型，从而获得不同状态下的集卡调度策略，缩短岸吊的等待时间。曹庆奎[9]建立了面向“作业面”的港口集卡路径成本优化模型，并设计了遗传蚁群算法并结合实例对该问题进行了求解；。邢曦文和毛钧[10]等借鉴多阶段混合流水线调度问题, 将卸载过程划分为三阶段, 对岸桥、集卡、场桥同时进行调度优化；杨忠振和程健南[11]在出口箱随机到达码头的背景下, 基于车船直取的内外集卡联合装船模式, 构建了装船序列优化模型, 并采用遗传算法来求解。目前国内上海港的集卡调度基本实现了智能化调度，但实际上码头间的集卡互拖业务尚未实现智能化调度，采用了人工的干预完成了调度，所以存在着优化的空间和可能性。

而目前国际上已经存在自动化或半自动化的码头投入运营，集装箱码头也大多以AGV作为水平运输的工具[1]。所以国外的研究多着眼于以AGV为基础的集装箱调运，集卡调度问题的研究和相关的参考文献也相对较少。对于集装箱码头路径优化问题，Nishimura[12]通过对比集卡静态调度与动态调度, 构建了集卡动态路径优化模型, 并采用遗传算法进行模型求解。Amini和Moghaddam[13]在集装箱交叉堆放的情况下, 面对集卡运输过程中存在拥堵等待的问题构建了多目标线性规划模型, 并结合三种启发式算法进行求解最优路径。Cordeau[14]等以集卡运输和等待时间之和最小为目标, 构建了集卡路径优化模型, 采用局部搜索算法和仿真手段对不同时刻下的集卡运行情况进行了模拟。Peter和Kozani[15]首先分析了影响集装箱码头运营效率的各种因素，并采用启发式算法研究集卡的运输问题。Gobal和Kasiling[16]采用数量估算仿真模型，求解了最少符合码头运营要求的AGV数量。Berghman[17]等将码头集卡作业划分为三个阶段, 以时间最短为目标, 参考柔性流水车间问题构建了调度模型, 并引入枚举搜索树设计了拉格朗日启发式算法来求解最优路径。Vis[18]等人采用以时间为作业机制的调度模型，实现集卡数量最少的功能。Chen和Sen[19]等人在设计调度模型时，设立两个优化目标。一是将岸吊的等待空间AGV的时间最小化；二是将AGV在服务岸吊下等待时间最小化。该模型可简化为最小成本流问题，其中岸吊将集装箱从AGV中卸下或岸吊将集装箱从船舶装上AGV等任务时间都是固定的。但该模型的调度算法建立在对未来的完成时间的预测上，且没有上一个任务的延迟对于后续任务完成的影响；所以该模型在理论基础上存在一定的漏洞。

对于集卡路径问题的研究, 国外研究多集中于AGV自动导向车, 而我国目前多数码头自动化水平尚未达到该标准。国内学者在研究集装箱码头的集卡路径优化时体现出两点不足:一是多数模型并未考虑集卡数量, 仅做出了初步的路径规划, 没有将路径优化执行方案落实到具体集卡。二是在优化目标方面, 目前的研究多以最小化集卡行驶距离或时间为目标函数, 少有考虑空载对于集卡运输效率的影响。实际上, 空载距离和空载率的降低有利于减少集卡油耗和提高集卡运输效率[20]。总体上国内外有关集装箱码头运营的学术研究多以动态调度策略为基本出发点，研究如何将装货，卸货，转运等均需要集卡参与作为集装箱运输载体的多条作业线来共享所有集卡，以期达到在不增加集卡数量基础上提高设备的作业效率，降低运营成本的目的。

2. 研究的基本内容与方案

2.1课题任务

本文首先通过熟悉港口集装箱码头间集卡互拖业务，收集一些关于港口的数据然后进行数据整理。对任务流程和相关数据有了详尽的了解之后开始互拖业务的建模和优化。

2.2重点内容