一种火车中心站多轨道吊无冲突作业调度优化方法技术

本发明专利技术公开了一种火车中心站多轨道吊无冲突作业调度优化方法，包括：基于集装箱任务的作业顺序，构建多轨道吊无冲突作业协同调度模型；通过改进的布谷鸟算法对模型进行多目标优化，获得多轨道吊无冲突作业调度问题的最优解。本发明专利技术通过改进的布谷鸟算法求得所有集装箱任务的作业顺序及作业类型，同时优化轨道吊作业的最大完工时间、设备总空行驶时间和设备总能耗，通过缩短轨道吊的运行时间，可以提高火车中心站的生产运营效率。火车中心站的生产运营效率。火车中心站的生产运营效率。

【技术实现步骤摘要】
一种火车中心站多轨道吊无冲突作业调度优化方法


[0001]本专利技术涉及多式联运集装箱码头智能优化调度
，尤其涉及一种火车中心站多轨道吊无冲突作业调度优化方法。

技术介绍

[0002]近年来，铁公联运、铁海联运和铁空联运越来越受到重视。铁海联运的快速发展积极适应了物流市场的发展趋势和需求结构的变化。它不仅充分扩大了铁路和海上运输的辐射范围，而且有效的填补了各自运输功能的不足。
[0003]在铁路集装箱多式联运问题中，作为核心的中心站的运作效率和服务水平是影响铁路运输竞争力的关键因素，决定了铁路运输方式在整个物流运输网络体系中的生存能力和发展潜能。轨道吊作为中心站的重要设备，承担着集装箱的抓取、转运和堆垛工作。此外，一批集装箱任务通常由多台轨道吊共同完成，因此在确定每个集装箱任务的作业顺序时需要考虑多轨道吊之间的无冲突约束和安全距离约束，通过缩短轨道吊的运行时间，可以提高火车中心站的生产运营效率，并且随着人们对自动化码头和环境污染的日益关注，减少碳排放和和作业时间将成为码头未来迫切关注的问题。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术提供了一种火车中心站多轨道吊无冲突作业调度优化方法解决现有技术中火车中心站的生产运营效率较低的问题。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：
[0008]基于集装箱任务的作业顺序，构建多轨道吊无冲突作业协同调度框架；
[0009]通过改进的布谷鸟算法对模型进行多目标优化，获得多轨道吊无冲突作业调度问题的最优解。
[0010]作为本专利技术所述的火车中心站多轨道吊无冲突作业调度优化方法的一种优选方案，其中：所述多轨道吊无冲突作业协同调度框架，还包括以下步骤：
[0011]构建初始解：获取各轨道吊当前位置与目标集装箱任务的初始位置，初始化算法参数并使用随机初始化方法产生第一代种群；
[0012]个体离散化：利用最大值排序规则建立连续域与离散域空间的映射，将连续的个体转化为离散个体；计算每个个体的最大完工时间、设备总空行驶时间和设备总能耗；
[0013]得到所有集装箱任务的作业顺序；
[0014]利用改进的布谷鸟算法进行个体更新；
[0015]对迭代终止条件进行判断；
[0016]输出外部档案。
[0017]作为本专利技术所述的火车中心站多轨道吊无冲突作业调度优化方法的一种优选方案，其中：所述计算每个个体最大完工时间C
max
，设备总空行驶时间T和设备总能耗W分别表示为：
[0018][0019][0020][0021][0022][0023]其中，i，j＝1，2，...n，n表示集装箱任务数量；k＝1，2，...g，g表示轨道吊数量；表示轨道吊k开始集装箱任务j的时间；表示轨道吊k完成集装箱任务i的时间；表示轨道吊k对集装箱任务i作业完成之后紧接着对任务j作业，表示集装箱任务i，j不是轨道吊k的接续任务；表示轨道吊k的空行驶时间，初始时表示轨道吊k的空行驶时间，初始时表示集卡m开始作业任务i的时间，初始时W
m
表示采用混合间接装卸策略时集卡m能耗，p
t
为集卡移动功率，表示集卡m作业完成任务i的时间；W
k
表示轨道吊k的设备能耗，p为轨道吊移动功率，表示轨道吊k开始作业任务i的时间；
[0024]作为本专利技术所述的火车中心站多轨道吊无冲突作业调度优化方法的一种优选方案，其中：所述改进的布谷鸟算法，包括以下步骤：
[0025]利用模糊关联熵规则计算适应度值，选出当前种群的Pareto_1解集，引导进化；
[0026]使用莱维飞行和抛弃概率对当前种群所有个体进行更新得到新种群；
[0027]对轨道吊无冲突作业任务进行分配；
[0028]利用模糊关联熵规则从更新后的种群中选出新种群的Pareto_2解集，将Pareto_2中的个体替换新种群中部分个体；
[0029]将Pareto_1与Pareto_2中的个体融合，更新外部档案；
[0030]作为本专利技术所述的火车中心站多轨道吊无冲突作业调度优化方法的一种优选方案，其中：所述利用模糊关联熵规则选出当前种群的Pareto_1解集，进行更新，采用隶属度函数构造参考点模糊集U(A)和比较点模糊集U(x
i
)，得到参考点模糊集和比较点模糊集后分别计算对应的信息熵，信息熵，模糊关联熵和模糊关联熵系数，将参考点模糊集和比较点模糊集的模糊关联熵系数作为种群适应度值；隶属度函数，信息熵、偏熵、模糊关联熵和模糊关联熵系数分别表示为：
[0031][0032][0033][0034][0035][0036][0037][0038]其中，u
j
(A)和u
j
(x
i
)分别为模糊集U(A)和U(x
i
)的第j个隶属度值，j＝{1,2,
…
,M}，M为正整数；E(A)和E(x
i
)分别为U(A)和U(x
i
)的信息熵。表示为以x
i
为基准模糊集，模糊集A关于模糊集x
i
得偏熵，代表时在给定模糊集x
i
情况下，参考点模糊集A的不确定程度的度量，E
A
(x
i
)与之相反。E(A:x
i
)表示两模糊集的模糊关联熵。C
e
(A:x
i
)表示两模糊集的模糊关联熵系数，其中K为归一化因子，取K为
[0039]作为本专利技术所述的火车中心站多轨道吊无冲突作业调度优化方法的一种优选方案，其中：所述个体离散化中，继续采用模糊关联熵规则保留较优个体，较优个体的进化公式表示为：
[0040][0041]其中，和分别表示第i个个体在第k代和第k+1代时的位置向量；表示点乘；α为控制步长的步长因子，α＝o(1)；L
é
vy(λ)为莱维飞行搜索路径。
[0042]作为本专利技术所述的火车中心站多轨道吊无冲突作业调度优化方法的一种优选方案，其中：所述莱维飞行搜索路径与时间t的关系服从莱维分布表示为：
[0043]Levy(λ)～u＝t
‑
λ
，(1＜λ≤3)
[0044]其中，λ为幂系数；
[0045]所述根据抛弃概率Pa判断是否对莱维飞行公式中保留的个体进行更新，抛弃概率的更新公式表示为：
[0046][0047]其中，γ和β二者均服从均匀分布，γ，β∈U[0，1]；其中分别为第t代中三个不同的随机个体；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火车中心站多轨道吊无冲突作业调度优化方法，其特征在于，包括：基于集装箱任务的作业顺序，构建多轨道吊无冲突作业协同调度框架；通过改进的布谷鸟算法对模型进行多目标优化，获得多轨道吊无冲突作业调度问题的最优解。2.如权利要求1所述的火车中心站多轨道吊无冲突作业调度优化方法，其特征在于：所述多轨道吊无冲突作业协同调度框架，还包括以下步骤：构建初始解：获取各轨道吊当前位置与目标集装箱任务的初始位置，初始化算法参数并使用随机初始化方法产生第一代种群；个体离散化：利用最大值排序规则建立连续域与离散域空间的映射，将连续的个体转化为离散个体；计算每个个体的最大完工时间、设备总空行驶时间和设备总能耗；得到所有集装箱任务的作业顺序；利用改进的布谷鸟算法进行个体更新；对迭代终止条件进行判断；输出外部档案。3.如权利要求1或2所述的火车中心站多轨道吊无冲突作业调度优化方法，其特征在于：所述计算每个个体最大完工时间C
max
，设备总空行驶时间T和设备总能耗W分别表示为：，设备总空行驶时间T和设备总能耗W分别表示为：，设备总空行驶时间T和设备总能耗W分别表示为：，设备总空行驶时间T和设备总能耗W分别表示为：，设备总空行驶时间T和设备总能耗W分别表示为：其中，i，j＝1，2，...n，n表示集装箱任务数量；k＝1，2，...g，g表示轨道吊数量；表示轨道吊k开始集装箱任务j的时间；表示轨道吊k完成集装箱任务i的时间；表示轨道吊k对集装箱任务i作业完成之后紧接着对任务j作业，表示集装箱任务i，j不是轨道吊k的接续任务；表示轨道吊k的空行驶时间，初始时表示轨道吊k的空行驶时间，初始时表示集卡m开始作业任务i的时间，初始时W
m
表示采用混合间接装卸策略时集卡m能耗，p
t
为集卡移动功率，表示集卡m作业完成任务i的时间；W
k
表示轨道吊k的设备能耗，p为轨道吊移动功率，表示轨道吊k开始作业任务i的时间。4.如权利要求3所述的火车中心站多轨道吊无冲突作业调度优化方法，其特征在于：所述改进的布谷鸟算法，包括以下步骤：利用模糊关联熵规则计算适应度值，选出当前种群的Pareto_1解集，引导进化；
使用莱维飞行和抛弃概率对当前种群所有个体进行更新得到新种群；对轨道吊无冲突作业任务进行分配；利用模糊关联熵规则从更新后的种群中选出新种群的Pareto_2解集，将Pareto_2中的个体替换新种群中部分个体；将Pareto_1与Pareto_2中的个体融合，更新外部档案。5.如权利要求4所述的火车中心站多轨道吊无冲突作业调度优化方法，其特征在于：所述利用模糊关联熵规则选出当前种群的Pareto_1解集，进行更新，采用隶属度函数构造参考点模糊集和比较点模糊集，得到参考点模糊集和比较点模糊集后分别计算对应的信息熵，信息熵，模糊关联熵和模糊关联熵系数，将参考点模糊集和比较点模糊集的模糊关联熵系数作为种群适应度值...

【专利技术属性】
技术研发人员：李文锋，钟祾充，杜帅帅，贺利军，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：