CN103400251A - 基于遗传算法的散货码头泊位快速分配系统及方法 - Google Patents
基于遗传算法的散货码头泊位快速分配系统及方法 Download PDFInfo
- Publication number
- CN103400251A CN103400251A CN2013103346647A CN201310334664A CN103400251A CN 103400251 A CN103400251 A CN 103400251A CN 2013103346647 A CN2013103346647 A CN 2013103346647A CN 201310334664 A CN201310334664 A CN 201310334664A CN 103400251 A CN103400251 A CN 103400251A
- Authority
- CN
- China
- Prior art keywords
- berth
- ships
- allocation
- boats
- bulk cargo
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于遗传算法的散货码头泊位快速分配系统及方法。一种基于遗传算法的散货码头泊位快速分配系统,包括船舶输入、快速分配、可视化输出、作业参数设置功能。本发明基于遗传算法的散货码头泊位快速分配方法,是将人工分配的规则与经验提炼成公式与约束条件,根据输入的待靠泊船舶的相关信息,自动形成优化的可视化泊位分配方案,以码头的泊位利用率和机械使用率最大化为目标。本发明通过决策支持系统的开发与应用,提高散货码头的泊位利用率和机械的使用率,增加码头的营运利润。
Description
技术领域
本发明涉及散货码头泊位分配问题,提供一种散货码头泊位快速分配系统及方法,该系统以图形化方式开发,界面操作简单,辅助码头实现泊位分配。
背景技术
伴随着集装箱运输业的快速发展和港口之间竞争日益激烈化的趋势,增强港口竞争力已经成为全球港口的首要任务。泊位利用率的提高和船舶装卸速度的加快是提升港口作业效率和服务水平的关键因素,是增强港口竞争力的有效途径。因此,泊位分配问题成为港口研究中的重点。
国内外的学者在泊位分配方面已经有非常成熟的研究。蔡芸等针对集装箱码头的泊位分配及岸边集装箱起重机调度问题,建立了最小化总体船舶在港时间的仿真优化模型,采用遗传算法产生和评价泊位分配方案;张海滨等把码头泊位的调度问题转化为带有约束条件的特殊二维装箱问题,建立连续泊位调度的非线性规划模型,利用启发式算法求解泊位分配问题;韩骏等提出以船舶在港时间最小为目标的泊位与岸桥协调调度优化方法,应用免疫遗传算法对问题进行求解;秦进等提出新的离散型泊位分配模型,对船舶在港口内的服务时间和港口内泊位的可用时间都考虑了时间窗约束,并在目标函数中考虑了船舶的不同服务时间价值,基于模拟退火算法进行问题的计算与分析;王红湘等根据岸壁线有限情况下的泊位分配原则,建立基于启发式算法的动态泊位分配策略数学模型,以上海某集装箱码头为例,对模型进行模拟和优化;IMAI等针对大船和驳船混合靠泊问题,以大船和驳船装卸时间最短为目标,构建线性规划模型并采用遗传算法作为求解算法;CHEN等提出可选择性的网络图(Network Pattern),并建立考虑到时间和地点的泊位分配网络模型;GUAN等将二叉树和启发式算法相结合,用于解决泊位分配这类大规模问题,其目标是使完成任务所花的时间最小化。
虽然对于集装箱码头的泊位分配问题,国内外的研究者已经进行了大量的研究,然而,却鲜有针对散货码头,尤其是煤码头泊位计划的研究。
目前,码头的泊位分配计划基本上是计划员人工分配,在这一环节由于计划员个人习惯和能力差距会存在较大变数,不同人员可能会编制出不同的计划,并且由于缺乏相应的标准,难以界定其合理性。大量可选择的船舶使计划员在泊位分配时需要进行更多比较和计算,牵扯了大量精力。
发明内容
本发明要解决的技术问题第一方面在于,提供基于遗传算法的散货码头泊位快速分配系统。
本发明要解决的技术问题第二方面在于,提供基于遗传算法的散货码头泊位快速分配系统的实现方法。
一种基于遗传算法的散货码头泊位快速分配系统,其特征在于:该系统包括船舶输入、快速分配、可视化输出、作业参数设置功能。
输入的船舶信息为:船名、抵港时间、配载、贸易类型、货物类型、是否引水。利用船名可以从数据库中得到船舶的长度,再结合是否引水可以算出船舶占用泊位的长度;而通过货物类型可以转换为船舶的作业机械,便可为船舶分配作业区域。
快速分配就是将人工分配的规则与经验提炼成公式与约束条件,结合高效的算法,对输入的船舶进行自动泊位分配,得到一套优化的泊位分配方案,使得泊位利用率和机械使用率最大化。
可视化输出能够将自动分配的结果通过图形化的方式呈现出来,其中船舶以一个矩形代表,横边表示船舶的有效长度,纵边表示船舶的在泊时间(包括进出港时间、前后手续时间、作业时间)。
作业参数主要是各种作业机械的数量、作业区域的起止位置。
一种基于遗传算法的散货码头泊位快速分配方法,包括如下步骤:
1)将泊位按照作业机械依次进行划分,一般可划分为:装船机区、卸船机区、门机区,可通过支持系统的参数设置来划分不同的区域位置、设置作业机械的数量,具体实施时可根据码头的情况而定,装船机区域可参见附图1、2;
2)对预靠泊船舶进行编号,也按作业机械进行分类,通过货物类型可以转换为船舶的作业机械,以便在不同的作业区域进行泊位分配;
3)录入所有船舶信息后,支持系统的快速分配功能逐个对作业区域进行自动泊位分配,在同一作业区域内进行泊位分配的具体步骤为4)‐7);
4)首先查找上一昼夜在泊船舶数,并确定位置、作业时间相关信息;
5)泊位分配的起始时刻为“0点”,这里的“0点”指的是下一昼夜计划的开始时刻,并非通常意义上的“24点”;
6)查找这一时间线上的有效泊位:就是时间线与船舶矩形相交之外的各个线段中大于限定值的那些线段,具体限定值可视码头实际情况而定;
7)对该时间线上的有效泊位,列出所有可能的泊位分配方案;
8)过滤掉无效方案,即不满足码头作业约束条件的方案,例如船舶数小于作业机械数,抵港时间在该时间线之前;
9)再根据打分机制给每一种过滤后的有效方案打分,分数最高的即为最优方案,机制内容为:a)泊位利用率(可根据船舶本身的长度计算)高的得分高,b)优先等级(大企业或是与码头往来密切的企业,由计划员在船舶输入界面手动录入)高的得分高,c)机械的利用率越大(可根据作业机械数评分)得分越高,d)船舶离货源越近得分越高;
10)对该作业区域内的剩余船舶再进行泊位分配,将时间线下移,重复步骤6)‐9),直到遍历下一昼夜的24小时。
本发明通过决策支持系统的开发与应用,提高散货码头的泊位利用率和机械的使用率,增加码头的营运利润。该系统建立后,将计划员从繁琐的计算中解放出来。计划员每天只需将预分配的各项船舶数据输入系统机,系统便可以按照既定的标准自动进行泊位分配,将大量繁琐的计算工作交给计算机完成,可以使计划员有更多时间用于掌握船货信息,更好的争船揽货,并且计划员可以结合生产实际,不断完善船舶筛选的条件,使系统更加科学合理。系统自动分配的方案是最优的,不会因为计划员的能力和经验的差别而存在不足。同时,变依靠计划员经验管理为科学管理,切实提高调度室管理水平,生产管理水平的提高可以使码头生产趋于合理化。
附图说明
图1与图2是实例中装船机作业区域的泊位示意图。
具体实施方式
本发明的基于遗传算法的散货码头泊位快速分配方法,是将人工分配的规则与经验提炼成公式与约束条件,根据输入的待靠泊船舶的相关信息,自动形成优化的可视化泊位分配方案,以码头的泊位利用率和机械使用率最大化为目标。
下面结合天津港煤码头的具体实例对本发明进行阐述。
根据现场调研:天津港煤码头桩位自西向东为W1—W24、E1—E20,泊位自西向东按照作业机械可分为3个不同的作业区域:装船机、门机、卸船机作业区域,其中装船机2台,门机4台;下一昼夜的泊位分配计划起止时间:当日的16:00至次日的16:00;预留长度:有引水的船舶靠泊时,预留长度为相邻两船最近的代缆桩之间的距离(缆到缆),此距离不能小于靠泊船只自身长度的120%。没有引水的船舶靠泊时,预留长度为相邻两船之间的最近距离(船到船),此距离不能小于靠泊船只自身长度的120%。如船舶自身的长度不足100米,也按100米算;船只靠泊时两船之间的最小间隔为15m(不区分船只大小)。
具体求解步骤如下:
1)泊位按作业机械分为3个不同的作业区域:装船机、门机、卸船机作业区域,三者的位置分别是W1—W19、W19—E3、E3—E20。
2)对待靠泊船舶进行编号,按作业机械也分为3类。
3)在同一作业区域内进行泊位分配,下面以装船机作业区域为例(W1—W19),假设该作业区域待靠泊船舶总数为s。如图1所示为装船机作业区域,横向为泊位岸线,纵向为下一昼夜计划的24小时。
4)首先查找上一昼夜在泊船舶数,并确定位置、作业时间等相关信息。如图1中的船①即为上一昼夜在泊船舶。
5)查找装船机作业区域指定时间线上的有效泊位(从“0点”也即当日16:00开始),时间线与代表船舶的矩形相交之外的各段长度大于限定值即为有效泊位,本例将限定值设为30m。如图1中t时间线上的有效泊位为船①左右两段红色线段。
6)针对该时间线上的有效泊位,所有可能的方案总数可用组合数来表示:
式中:m表示该时间线上待分配的船舶总数,“0点”时间线上m=s。
a)首先在这i条船中选1条,看是否可以放入第一个子有效泊位,约束条件为:
Ls=100m(Ls<100)
ΔD>15m
式中:Ls为船舶自身长度;
Db为相邻两船(已靠泊)最近的代缆桩之间的距离;
Ds为相邻两船(已靠泊)之间的最近距离;
ΔD为相邻两船间距。
b)若满足上述条件,则可以放入,此时需重新查找这一时间线上的有效泊位,因为原有效泊位分配完后有可能生成一个新有效泊位(如图2中船②与船①之间以及船①右边的红色线段),对于更新过的有效泊位,再从i-1条船中选1条,按以上方法占用有效泊位;若不满足上述条件,直接分配下一子有效泊位,方法同上。
8)遍历所有N种方案,可得到一系列可选方案,对于每一种可选方案,进行过滤,并按照打分机制打分,找到一种分数最高的有效方案作为最优的方案。
9)将时间线下移Δt,重复步骤5)和8)。假设上一时间线上的分数最高的有效方案为分配j条船,则这一条时间线上的待分配船舶数将减少j。本实例中Δt取0.1小时。
10)遍历下一昼夜的泊位分配计划的24小时,即时间线移到次日的16:00,便可得到整个装船机作业区域的一种优化的泊位分配方案,使得泊位利用率和机械使用率最大。
Claims (5)
1.一种基于遗传算法的散货码头泊位快速分配系统,其特征在于:系统包括船舶输入、快速分配、可视化输出和作业参数设置功能,根据输入的船舶信息,利用公式化的人工分配规则与经验,自动形成优化的可视化泊位分配方案,使码头机械使用率最大化。
2.根据权利要求1所述的基于遗传算法的散货码头泊位快速分配系统,其特征在于:输入的船舶信息包括船名、抵港时间、配载、贸易类型、货物类型、是否引水和优先等级。
3.根据权利要求1所述的基于遗传算法的散货码头泊位快速分配系统,其特征在于:可视化输出是将分配方案用一张横向代表桩位,纵向代表一个昼夜的时间周期的坐标来表示;船舶以一个矩形代表,横边表示船舶的有效长度,纵边表示船舶的在泊时间,包括进出港时间、前后手续时间和作业时间。
4.根据权利要求1所述的基于遗传算法的散货码头泊位快速分配系统,其特征在于:参数设置模块是设置作业区域的位置、作业机械数量和数据库中数据表名。
5.一种基于遗传算法的散货码头泊位快速分配方法,包括如下步骤:
1)将泊位按照作业机械依次进行划分,划分为:装船机区、卸船机区、门机区,通过支持系统的参数设置来划分不同的区域位置、设置作业机械的数量;
2)对预靠泊船舶进行编号,同时按作业机械进行分类,通过货物类型可以转换为船舶的作业机械,以便在不同的作业区域进行泊位分配;
3)录入所有船舶信息后,支持系统的快速分配功能逐个对作业区域进行自动泊位分配,在同一作业区域内进行泊位分配的具体步骤为4)‐7);
4)首先查找上一昼夜在泊船舶数,并确定位置、作业时间相关信息;
5)泊位分配的起始时刻为“0点”,这里的“0点”指的是下一昼夜计划的开始时刻,并非通常意义上的“24点”;
6)查找这一时间线上的有效泊位:就是时间线与船舶矩形相交之外的各个线段中大于限定值的那些线段,具体限定值可视码头实际情况而定;
7)对该时间线上的有效泊位,列出所有可能的泊位分配方案;
8)过滤掉无效方案,即不满足码头作业约束条件的方案,例如船舶数小于作业机械数,抵港时间在该时间线之前;
9)再根据打分机制给每一种过滤后的有效方案打分,分数最高的即为最优方案,打分机制内容为:a)泊位利用率高的得分高,根据船舶本身的长度计算,b)优先等级高的得分高,大企业或是与码头往来密切的企业,由计划员在船舶输入界面手动录入,c)机械的利用率越大得分越高,根据作业机械数评分,d)船舶离货源越近得分越高;
10)对该作业区域内的剩余船舶再进行泊位分配,将时间线下移,重复步骤6)-9),直到遍历下一昼夜的24小时。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103346647A CN103400251A (zh) | 2013-08-02 | 2013-08-02 | 基于遗传算法的散货码头泊位快速分配系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103346647A CN103400251A (zh) | 2013-08-02 | 2013-08-02 | 基于遗传算法的散货码头泊位快速分配系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103400251A true CN103400251A (zh) | 2013-11-20 |
Family
ID=49563868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013103346647A Pending CN103400251A (zh) | 2013-08-02 | 2013-08-02 | 基于遗传算法的散货码头泊位快速分配系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103400251A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268640A (zh) * | 2014-09-12 | 2015-01-07 | 河海大学常州校区 | 一种引航员指派方法 |
CN107067820A (zh) * | 2017-05-12 | 2017-08-18 | 山东海诺港务有限公司 | 一种基于航道与泊位资源的船舶调度优化方法 |
CN109726924A (zh) * | 2018-12-30 | 2019-05-07 | 广州市昊链信息科技股份有限公司 | 一种车辆的作业调度方法、装置、计算机设备和存储介质 |
CN109754638A (zh) * | 2019-02-19 | 2019-05-14 | 浙江大学城市学院 | 一种基于分布式技术的停车位分配方法 |
CN111260930A (zh) * | 2020-01-17 | 2020-06-09 | 江苏苏宁物流有限公司 | 车辆管理系统、装置、方法及计算机系统 |
CN111582781A (zh) * | 2020-04-24 | 2020-08-25 | 清华大学深圳国际研究生院 | 一种根据补货订单分配货架的方法及计算机可读存储介质 |
CN112396323A (zh) * | 2020-11-18 | 2021-02-23 | 广东赛意信息科技有限公司 | 一种基于生产计划的制程工艺单分配方法及系统 |
CN116090668A (zh) * | 2023-03-23 | 2023-05-09 | 青岛杰瑞工控技术有限公司 | 一种基于二维装箱问题的港口泊位分配方法 |
CN116542488A (zh) * | 2023-06-27 | 2023-08-04 | 北京立同新元科技有限公司 | 一种基于人工智能的港口调度方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782984A (zh) * | 2009-07-14 | 2010-07-21 | 上海海事大学 | 一种基于整数线性规划模型的连续泊位分派方法 |
CN101986313A (zh) * | 2010-11-03 | 2011-03-16 | 上海海事大学 | 基于知识的集装箱码头泊位与岸桥调度方法 |
-
2013
- 2013-08-02 CN CN2013103346647A patent/CN103400251A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782984A (zh) * | 2009-07-14 | 2010-07-21 | 上海海事大学 | 一种基于整数线性规划模型的连续泊位分派方法 |
CN101986313A (zh) * | 2010-11-03 | 2011-03-16 | 上海海事大学 | 基于知识的集装箱码头泊位与岸桥调度方法 |
Non-Patent Citations (3)
Title |
---|
徐子彬: "基于遗传算法的散杂货港口智能调度系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
徐子彬: "基于遗传算法的散杂货港口智能调度系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 11, 15 November 2012 (2012-11-15) * |
童珊: "基于船舶优先权的集装箱港口泊位分配问题", 《交通运输工程与信息学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268640B (zh) * | 2014-09-12 | 2017-10-20 | 河海大学常州校区 | 一种引航员指派方法 |
CN104268640A (zh) * | 2014-09-12 | 2015-01-07 | 河海大学常州校区 | 一种引航员指派方法 |
CN107067820A (zh) * | 2017-05-12 | 2017-08-18 | 山东海诺港务有限公司 | 一种基于航道与泊位资源的船舶调度优化方法 |
CN109726924A (zh) * | 2018-12-30 | 2019-05-07 | 广州市昊链信息科技股份有限公司 | 一种车辆的作业调度方法、装置、计算机设备和存储介质 |
CN109754638B (zh) * | 2019-02-19 | 2020-09-22 | 浙江大学城市学院 | 一种基于分布式技术的停车位分配方法 |
CN109754638A (zh) * | 2019-02-19 | 2019-05-14 | 浙江大学城市学院 | 一种基于分布式技术的停车位分配方法 |
CN111260930A (zh) * | 2020-01-17 | 2020-06-09 | 江苏苏宁物流有限公司 | 车辆管理系统、装置、方法及计算机系统 |
CN111582781A (zh) * | 2020-04-24 | 2020-08-25 | 清华大学深圳国际研究生院 | 一种根据补货订单分配货架的方法及计算机可读存储介质 |
CN111582781B (zh) * | 2020-04-24 | 2023-04-28 | 清华大学深圳国际研究生院 | 一种根据补货订单分配货架的方法及计算机可读存储介质 |
CN112396323A (zh) * | 2020-11-18 | 2021-02-23 | 广东赛意信息科技有限公司 | 一种基于生产计划的制程工艺单分配方法及系统 |
CN116090668A (zh) * | 2023-03-23 | 2023-05-09 | 青岛杰瑞工控技术有限公司 | 一种基于二维装箱问题的港口泊位分配方法 |
CN116542488A (zh) * | 2023-06-27 | 2023-08-04 | 北京立同新元科技有限公司 | 一种基于人工智能的港口调度方法和系统 |
CN116542488B (zh) * | 2023-06-27 | 2023-11-28 | 北京立同新元科技有限公司 | 一种基于人工智能的港口调度方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103400251A (zh) | 基于遗传算法的散货码头泊位快速分配系统及方法 | |
Sha et al. | Scheduling optimization of yard cranes with minimal energy consumption at container terminals | |
Liu et al. | Integrated planning of berth allocation and vessel sequencing in a seaport with one-way navigation channel | |
Raa et al. | An enriched model for the integrated berth allocation and quay crane assignment problem | |
CN101986313A (zh) | 基于知识的集装箱码头泊位与岸桥调度方法 | |
CN113689037B (zh) | 一种散货港口生产调度优化方法 | |
CN106651049A (zh) | 自动化集装箱码头装卸设备的重调度方法 | |
Zeng et al. | Optimizing berth allocation and storage space in direct transshipment operations at container terminals | |
Guo et al. | An integrated model for vessel traffic and deballasting scheduling in coal export terminals | |
Pan | Layered constraint united scheduling model of multi-line lock | |
CN103164755A (zh) | 一种创建堆场计划的方法及系统 | |
Yu et al. | Choice of loading clusters in container terminals | |
Zhu et al. | Green logistics oriented tug scheduling for inland waterway logistics | |
Weerasinghe et al. | Optimizing container terminal operations: a systematic review of operations research applications | |
Cheimanoff et al. | Exact and heuristic methods for the berth allocation problem with multiple continuous quays in tidal bulk terminals | |
Zhihong et al. | Optimization of quay crane dynamic scheduling based on berth schedules in container terminal | |
Liang et al. | A multi-objective genetic algorithm for yard crane scheduling problem with multiple work lines | |
Yu et al. | Yard template generation for automated container terminal based on bay sharing strategy | |
Luo et al. | Optimization of gantry crane scheduling in container sea-rail intermodal transport yard | |
Xiao et al. | Berth allocation problem with quay crane assignment for container terminals based on rolling‐horizon strategy | |
Dong et al. | QCs scheduling scheme of genetic algorithm (GA) and improved firefly algorithm (FA) | |
Ye et al. | A mixed-integer linear programming-based scheduling model for refined-oil shipping | |
Zeng et al. | Modelling and metaheuristic for gantry crane scheduling and storage space allocation problem in railway container terminals | |
Yang et al. | Flexible yard space allocation plan for new type of automated container terminal equipped with unilateral-cantilever rail-mounted gantry cranes | |
Xia et al. | Research on safety and efficiency warranted vessel scheduling in unidirectional multi-junction waterways of port waters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20131120 |