一种出口集装箱码头堆存空间调度方法技术

一种出口集装箱码头堆存空间调度方法，并从计划分配到动态分配进行两阶段建模。在预分配阶段研究区位计划，并通过区位计划来对后续的动态分配进行指导。区位计划提出基于生态中性理论的区位分配模型，模型将箱区抽象为岛屿，将箱组抽象为物种，则将箱组分配到箱区的过程转义为将若干物种对岛屿进行生态选择；基于此模型，本发明专利技术针对区位计划问题特点，对该模型进行优化，提出了改进的生态中性理论模型。在动态分配阶段将倍位分配和集装箱进场选位进行结合，双目标组合优化求解，并提出组合元胞自动机模型；模型将倍位分配抽象为外元胞模型，进场选位抽象为内元胞模型。

【技术实现步骤摘要】

本专利技术涉及物流港口
，尤其是涉及。
技术介绍
集装箱码头堆场在港口业务中是装卸进出口集装箱的场所，其具有吞吐量大、运输调度成本高、灵活性差等特点。随着港口集装箱吞吐量增加，堆场资源调度面临严峻的考验，其场区、场桥、集卡等内部资源如因利用不当，会造成场区堆存空间利用率低下，场桥移动次数过多，集卡运输时造成堆场拥塞。高效合理的堆场资源调度对合理安排船舶装卸计划，减少船舶在港时间，减小设备使用成本等具有极大影响。高效的堆场调度能够体现港口的业务能力，而出口箱堆存分配是港口堆存空间分配的核心环节之一。港口堆存空间分配问题所面临的主要问题包括:堆场堆存资源有限、集装箱和船舶到港时间等不确定性因素。具体集装箱的集港或取箱具有随机性和动态性，集装箱在堆场内的堆存时间跨度大，通常从几小时到几天。集装箱具有体积和重量大的特征，需要大型设备进行搬运装卸，场桥等大型机械不易频繁往复调动以及应尽量避免发生作业冲突等因素限制了集装箱的随机存取。同时，堆存空间分配问题是一个大规模解空间问题，难于用传统的数学模型求解。高效的出口箱堆存空间分配能避免:集装箱集港期因选择箱位不合理而造成箱区之间负载不均衡，集装箱进场、装船时因装卸设备使用次数多而造成成本过高，船舶因等待装船而造成在港时间过长等。国内外学者对出口箱堆存空间分配问题提出了很多方法和策略，其中典型的求解方法有:基于数学模型求解、基于启发式算法求解和基于智能算法求解。(I)基于数学模型求解:例如混合整数线性规划模型。将堆存空间分配问题分为两阶段进行研究。第一阶段为 不同船舶集装箱分配倍位，并提出了混合整数规划模型解决该问题；第二阶段在第一阶段完成的前提下进行集装箱箱位分配，并提出了混合堆存算法。模型以最小化箱区与泊位之间的距离、不同箱区之间的负载均衡以及装船时的翻箱率为优化目标。当堆存空间分配模型较简单时，数学模型能求解堆存分配问题，但是堆存空间分配问题本身是大规模解空间问题，因此用数学模型求解受到限制。混合整数规划模型在堆场规模扩大，或者是求解范围增大时，将会限制模型的应用，故其有一定局限性。(2)基于启发式算法求解:提出为预集港船舶制定计划方式来进行堆存空间分配。考虑到港口业务规则的复杂性、堆场内相关子系统的相互联系以及堆场中不确定因素，提出了几点箱区分配规则:出口箱区尽量分配在距离泊位近的地方；尽量避免箱区内同时装船；尽量避免箱区内集港同时有装船作业；箱区内存放的箱量有一定限制，不能过多也不能过少。由于启发式算法依赖于实际问题和经验，不能保证求得最优解，并且求解结果不稳定，有时会造成计算结果不可信，因此具有一定局限性。(3)基于智能算法求解:例如遗传算法、模拟退火算法等。采用遗传算法求解堆存空间分配问题，多以最小化船舶和泊位的距离以及箱区负载为决策目标。由于遗传算法在染色体编码时，若选择编码方式不合理，则会造成解空间范围不准确，或者陷入局部最优解。而交叉变异等操作方法多样化，不同操作会导致遗传算法的寻优能力不同。目前比较主流的堆存空间分配调度模型算法大致包含启发式信息与具体求解算法相结合思路，以期能够加快求解速度。但由于启发式信息依赖于经验信息，并且其无法保证收敛速度，故也存在一定局限性。随着堆场装卸运输设备和硬件可靠性的提高，不确定环境下堆场调度成为制约集装箱运输效率提高的瓶颈问题。为此，找到更有效的方法，构建在不确定环境下有良好性能的堆场空间分配决策，使得整个港口的堆场作业得到优化、资源调度合理化、堆场作业节能化，对一个港口竞争力的提高有重大的影响。因此，不确定环境下的集装箱码头堆场空间分配决策的研究具有重要的现实意义。
技术实现思路
本专利技术以集装箱港口堆场空间利用率作为研究对象，通过从计划分配到动态选位的策略，实现以提高堆场空间利用率，降低堆场成本为目标的堆存空间分配模型。本专利技术的技术方案为，包括为区位计划阶段、倍位计划阶段和集装箱进场选位阶段，区位计划阶段建立基于生态中性理论的区位分配模型，所述区位分配模型将箱区抽象为岛屿，将箱组抽象为物种，将箱组分配到箱区的过程转化为将若干物种对岛屿进行生态选择；基于区位分配模型进行以下流程，Step2,开始进行生态中性理论迭代求解最优解，执行以下子步骤， Step2.1,针对每个分组进行以下操作；Step2.1.1,将分组内的箱区看作若干个岛屿，将箱组看作若干物种；根据船舶长度计算需要分配的箱区数，作为岛屿数目；Step2.1.2，进行物种分配操作；Step2.1.3，进行组内中性算法迭代；判断是否满足迭代结束条件，未满足则转Step2.1.4，满足则转St印4 ；Step2.1.4，进行随机杀死操作；Step2.1.5，进行后代产生操作；Step2.1.6，进行修正操作；Step2.1.7，进行组内物种迁移；Step2.2，保存最优解；Step2.3，进行组间物种迁移操作；Step2.4，保存最优解，判断是否满足迭代结束条件，未满足则则转St印2.1，满足则转Step3 ；Step3,产生最优解；Step4,算法结束；倍位计划阶段和集装箱进场选位阶段提出组合元胞自动机模型，所述组合元胞自动机模型将倍位计划抽象为外元胞模型，将集装箱进场选位抽象为内元胞模型；外元胞模型采用元胞状态转换规则，根据中心元胞及其左右邻居的当前状态决定下一时刻元胞的状态；内元胞模型采用优先队列的分支限界法进行求解。而且，Step2.1.3中，进行组内中性算法迭代根据下式实现，权利要求1.，包括为区位计划阶段、倍位计划阶段和集装箱进场选位阶段，其特征在于: 区位计划阶段建立基于生态中性理论的区位分配模型，所述区位分配模型将箱区抽象为岛屿，将箱组抽象为物种，将箱组分配到箱区的过程转化为将若干物种对岛屿进行生态选择；基于区位分配模型进行以下流程， Stepl,通过最优子种群遗传算法将所有出口的箱区划分为Ln/Gn个分组；其中，Ln为岛屿数量，Gn为每个分组中岛屿的数量； Step2,开始进行生态中性理论迭代求解最优解，执行以下子步骤， Step2.1,针对每个分组进行以下操作； Step2.1.1,将分组内的箱区看作若干个岛屿，将箱组看作若干物种；根据船舶长度计算需要分配的箱区数，作为岛屿数目； Step2.1.2，进行物种分配操作； Step2.1.3，进行组内中性算法迭代；判断是否满足迭代结束条件，未满足则转Step2.1.4，满足则转St印4 ； Step2.1.4，进行随机杀死操作； Step2.1.5，进行后代产生操作； Step2.1.6，进行修正操作； Step2.1.7，进 行组内物种迁移； Step2.2，保存最优解； Step2.3，进行组间物种迁移操作； Step2.4，保存最优解，判断是否满足迭代结束条件，未满足则则转Step2.1，满足则转Step3 ； Step3,产生最优解； Step4,算法结束； 倍位计划阶段和集装箱进场选位阶段提出组合元胞自动机模型，所述组合元胞自动机模型将倍位计划抽象为外元胞模型，将集装箱进场选位抽象为内元胞模型；外元胞模型采用元胞状态转换规则，根据中心元胞及其左右邻居的当前状态决定下一时刻元胞的状态；内元胞模型采用优先队列的分支限界法进行本文档来自技高网...

【技术保护点】
一种出口集装箱码头堆存空间调度方法，包括为区位计划阶段、倍位计划阶段和集装箱进场选位阶段，其特征在于：区位计划阶段建立基于生态中性理论的区位分配模型，所述区位分配模型将箱区抽象为岛屿，将箱组抽象为物种，将箱组分配到箱区的过程转化为将若干物种对岛屿进行生态选择；基于区位分配模型进行以下流程，Step1,通过最优子种群遗传算法将所有出口的箱区划分为Ln/Gn个分组；其中，Ln为岛屿数量，Gn为每个分组中岛屿的数量；Step2,开始进行生态中性理论迭代求解最优解，执行以下子步骤，Step2.1,针对每个分组进行以下操作；Step2.1.1,将分组内的箱区看作若干个岛屿，将箱组看作若干物种；根据船舶长度计算需要分配的箱区数，作为岛屿数目；Step2.1.2,进行物种分配操作；Step2.1.3,进行组内中性算法迭代；判断是否满足迭代结束条件，未满足则转Step2.1.4，满足则转Step4；Step2.1.4,进行随机杀死操作；Step2.1.5,进行后代产生操作；Step2.1.6,进行修正操作；Step2.1.7,进行组内物种迁移；Step2.2,保存最优解；Step2.3,进行组间物种迁移操作；Step2.4,保存最优解,判断是否满足迭代结束条件，未满足则则转Step2.1，满足则转Step3；Step3,产生最优解；Step4,算法结束；倍位计划阶段和集装箱进场选位阶段提出组合元胞自动机模型，所述组合元胞自动机模型将倍位计划抽象为外元胞模型，将集装箱进场选位抽象为内元胞模型；外元胞模型采用元胞状态转换规则，根据中心元胞及其左右邻居的当前状态决定下一时刻元胞的状态；内元胞模型采用优先队列的分支限界法进行求解。...

【技术特征摘要】

【专利技术属性】
技术研发人员：胡文斌，闵震宇，彭超，梁欢乐，刘开增，
申请(专利权)人：武汉大学，
类型：发明
国别省市：