一种针对复杂散粮作业的码头生产调度方法及系统技术方案

本发明专利技术属于港口生产运营技术领域，公开了一种针对复杂散粮作业的码头生产调度方法及系统：步骤1、以港口吞吐量、泊位利用率、船舶在港总时间和运输机械行驶距离为目标构造散粮码头多资源协调度模型A；步骤2、采用基于Pareto方法的粒子群算法对散粮码头多资源协调度模型A进行求解，得到泊位调度与堆场调度的最优计划；步骤3、根据最优计划安排泊位和堆场。本发明专利技术解决了散粮生产调度计划精准度低、码头的各种资源利用率低、泊位选择不合理的问题。题。题。

【技术实现步骤摘要】
一种针对复杂散粮作业的码头生产调度方法及系统


[0001]本专利技术属于港口生产运营
，具体涉及一种针对复杂散粮作业的码头生产调度方法及系统。

技术介绍

[0002]散粮码头协同优化调度目标应确保装卸计划的顺利执行，充分利用堆场和泊位的自身条件，更好地利用现有泊位。并考虑堆场内货物进出堆场、装卸作业的便捷性，符合不同优先级船舶装卸效率的要求。同时，应减少水平搬运距离、减少装卸和搬运次数，降低作业劳动水平。作业路线和调度计划也应满足安全性的要求。
[0003]随着港口行业建设发展不断加快，对散粮码头吞吐量需求增加，如何合理高效制定散粮生产调度计划，提高港口效率和综合竞争力成为港口企业面临的重要难题。散粮码头具有货物种类繁多、数量巨大、作业流程复杂等特性，其调度效率为影响整个码头经济效益的关键。目前散粮码头的调度方法大多采用基于人工经验的传统调度方法。这种调度方法主要依据调度经验，根据现场的实际情况，人为指定泊位、堆场等。传统调度方法适用于码头吞吐量相对较少的情况，但是随着船舶数量加大与货物种类增多，传统调度方法编制的计划精准度降低，导致资源利用率低、泊位选择不合理等问题，单纯依靠经验的调度已无法适应码头复杂的动态变化。如何充分利用码头的各种资源实现调度效率最大化成为散粮码头热点关注的问题。采用高效智能的调度模式，增强港口信息化水平，提高装卸作业效率将成为我国港口进一步发展的重点。随着港口企业之间的竞争不断加剧，提供优质的服务和智能化的功能已成为港口企业间竞争的重要手段。因此在进行港口调度方案研究时，除了考虑港口自身作业成本和装卸效率外，还应考虑船舶、客户和运输公司的提、卸货效率等多种因素。目前对对于散粮码头的调度研究还尚且不足，需要进一步分析研究。

技术实现思路

[0004]针对上述提出的技术问题，本专利技术提供一种针对复杂散粮作业的码头生产调度方法及系统。
[0005]第一方面，本专利技术提供了一种针对复杂散粮作业的码头生产调度方法，该方法包括：步骤1、将计划周期内船舶是否停靠在泊位上、计划周期内货物是否卸载到堆场、计划周期内货物是否装载到船舶、泊位与堆场间的水平距离、船舶作业等待时间、船舶在泊位上的作业时间、船舶最晚离港时间、船舶最早进入锚地等待时间、泊位长度和船舶的载货量作为调度对象，并以港口吞吐量、泊位利用率、船舶在港总时间和运输机械行驶距离为目标构造散粮码头多资源协调度模型A；步骤2、采用基于Pareto方法的粒子群算法对散粮码头多资源协调度模型A进行求解，得到泊位调度与堆场调度的最优计划；步骤3、根据最优计划安排泊位和堆场。
[0006]具体地，散粮码头多资源协调度模型A的计算公式如下：，其中，f1表示港口吞吐量，f2表示港口泊位利用率，f3表示船舶在港总时间，f4表示运输机械行驶距离，α1、α2、α3和α4为系数权重。
[0007]具体地，港口吞吐量的表达式如下：，港口泊位利用率的表达式如下： ，船舶在港总时间的表达式如下： ，运输机械行驶距离的表达式如下： ，其中，i为船舶的编号，j为泊位的编号，J表示泊位总数，I表示船舶总数，P
i，j
取值为0或1，取1表示在计划周期内船舶i靠泊在泊位上，C
i，s
取值为0或1，取1表示在计划周期内将船舶i装载的货物卸载到堆场s，J
i，s
取值为0或1，取1表示在计划周期内将堆场s的货物装载到船舶，l
j,s
为泊位j与堆场s之间的水平距离，TW
i
‑
TI
i
为船舶i的作业等待时间，WI
i
/V
j
为船舶i在泊位j上的作业时间，t
max
为所有船舶的最晚离港时间，g
min
为所有船舶最早进入锚地等待的时间，m
j
为泊位j的长度，包含船舶之间的安全距离，d
i,z
为船舶i的载货船舱z载货量，t
i
表示船舶i完成装卸作业的离港时间，g
i
表示船舶i完成装卸作业的离港时间，m
j
表示表示泊位j的长度。
[0008]具体地，采用基于Pareto方法的粒子群算法对散粮码头多资源协调度模型A进行求解，包括：步骤21、初始化粒子群，为泊位和堆场生成约束条件；步骤22、根据适应度函数计算每个粒子适应值，并保存每个粒子找到的个体极值和全局极值；步骤23、构造pareto最优解集；步骤24、在约束矩阵的限制下，对粒子进行位置和速度的更新，并对粒子进行随机变异操作；步骤25、判断是否满足上述约束条件，若不满足，则返回步骤24重新更新粒子的位置和速度；若满足，则更新速度和位置，更新最优解集；步骤26、判断是否达到预先设定的迭代次数，若不满足，则返回步骤22；若满足，则
输出最优解集。
[0009]具体地，粒子群算法的求解公式为： ，，其中，b1和b2是均匀分布的随机数，取值[0,1]，表示第i个粒子的位置矢量，m表示迭代代数，i为粒子的标号，i=1,2,
…
,n，e1和e2表示学习因子，W
ij
={W
i1
,W
i2
,
…
,W
ij
}为种群搜寻的最优解，V
ij
={V
i1
,V
i2
,
…
,V
ij
}为全局最优位置，U
tj
={U
t1
,U
t2
,
…
,U
tj
}为速度变量。
[0010]第二方面，本专利技术还提供了一种针对复杂散粮作业的码头生产调度系统，该系统包括：模型构造模块，将计划周期内船舶是否停靠在泊位上、计划周期内货物是否卸载到堆场、计划周期内货物是否装载到船舶、泊位与堆场间的水平距离、船舶作业等待时间、船舶在泊位上的作业时间、船舶最晚离港时间、船舶最早进入锚地等待时间、泊位长度和船舶的载货量作为调度对象，并以港口吞吐量、泊位利用率、船舶在港总时间和运输机械行驶距离为目标构造散粮码头多资源协调度模型A；最优计划确定模块，采用基于Pareto方法的粒子群算法对散粮码头多资源协调度模型A进行求解，得到泊位调度与堆场调度的最优计划；调度执行模块，根据最优计划安排泊位和堆场。
[0011]具体地，散粮码头多资源协调度模型A的计算公式如下：，其中，f1表示港口吞吐量，f2表示港口泊位利用率，f3表示船舶在港总时间，f4表示运输机械行驶距离，α1、α2、α3和α4为系数权重。
[0012]具体地，港口吞吐量的表达式如下：，港口泊位利用率的表达式如下：，船舶在港总时间的表达式如下：，运输机械行驶距离的表达式如下：
，其中，i为船舶的编号，j为泊位的编号，J表示泊位总数，I表示船舶总数，P
i，j
取值为0或1，取1表示在计划周期内船舶i靠泊在泊位上，C
i本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对复杂散粮作业的码头生产调度方法，其特征在于，包括如下步骤：步骤1、将计划周期内船舶是否停靠在泊位上、计划周期内货物是否卸载到堆场、计划周期内货物是否装载到船舶、泊位与堆场间的水平距离、船舶作业等待时间、船舶在泊位上的作业时间、船舶最晚离港时间、船舶最早进入锚地等待时间、泊位长度和船舶的载货量作为调度对象，并以港口吞吐量、泊位利用率、船舶在港总时间和运输机械行驶距离为目标构造散粮码头多资源协调度模型A；步骤2、采用基于Pareto方法的粒子群算法对所述散粮码头多资源协调度模型A进行求解，得到泊位调度与堆场调度的最优计划；步骤3、根据所述最优计划安排泊位和堆场。2.根据权利要求1所述的一种针对复杂散粮作业的码头生产调度方法，其特征在于，所述散粮码头多资源协调度模型A的计算公式如下：，其中，f1表示港口吞吐量，f2表示港口泊位利用率，f3表示船舶在港总时间，f4表示运输机械行驶距离，α1、α2、α3和α4为系数权重。3.根据权利要求2所述的一种针对复杂散粮作业的码头生产调度方法，其特征在于，所述港口吞吐量的表达式如下：，所述港口泊位利用率的表达式如下：，所述船舶在港总时间的表达式如下：，所述运输机械行驶距离的表达式如下：，其中，i为船舶的编号，j为泊位的编号，J表示泊位总数，I表示船舶总数，P
i，j
取值为0或1，取1表示在计划周期内船舶i靠泊在泊位上，C
i，s
取值为0或1，取1表示在计划周期内将船舶i装载的货物卸载到堆场s，J
i，s
取值为0或1，取1表示在计划周期内将堆场s的货物装载到船舶，l
j,s
为泊位j与堆场s之间的水平距离，TW
i
‑
TI
i
为船舶i的作业等待时间，WI
i
/V
j
为船舶i在泊位j上的作业时间，t
max
为所有船舶的最晚离港时间，g
min
为所有船舶最早进入锚地等待的时间，m
j
为泊位j的长度，包含船舶之间的安全距离，d
i,z
为船舶i的载货船舱z载货量，t
i
表示船舶i完成装卸作业的离港时间，g
i
表示船舶i完成装卸作业的离港时间，m
j
表示表示泊位j的长度。4.根据权利要求1所述的一种针对复杂散粮作业的码头生产调度方法，其特征在于，采
用基于Pareto方法的粒子群算法对所述散粮码头多资源协调度模型A进行求解，包括：步骤21、初始化粒子群，为泊位和堆场生成约束条件；步骤22、根据适应度函数计算每个粒子适应值，并保存每个粒子找到的个体极值和全局极值；步骤23、构造pareto最优解集；步骤24、在约束矩阵的限制下，对粒子进行位置和速度的更新，并对粒子进行随机变异操作；步骤25、判断是否满足所述约束条件，若不满足，则返回所述步骤24重新更新粒子的位置和速度；若满足，则更新速度和位置，更新最优解集；步骤26、判断是否达到预先设定的迭代次数，若不满足，则返回所述步骤22；若满足，则输出最优解集。5.根据权利要求4所述的一种针对复杂散粮作业的码头生产调度方法，其特征在于，粒子群算法的求解公式为： ，，其中，b1和b2是均匀分布的随机数，取值[0,1]，表示第i个粒子的位置矢量，m表示迭代代数，i为粒子的标号，i=1,2,
…
,n，e1和e2表示学习因子，W
ij
={W
i1
,W
i2
,
…
,W
ij
}为种群搜寻的最优解，V
ij
={V
i1
,V
i2
,
…
,V
ij
}为全局最优位置，U
tj
={U
t1
,U
t2
,
…
,U
tj
}为速度变量。6.一种针对复杂散粮作业...

【专利技术属性】
技术研发人员：王雪琳，石浛锟，鲁东起，周鸿茂，卢宁，
申请(专利权)人：交通运输部水运科学研究所，
类型：发明
国别省市：