CN104281894A - 基于航道与泊位资源的船舶调度优化方法 - Google Patents

Abstract

本发明实施例提供一种基于航道与泊位资源的船舶调度优化方法。本发明方法，包括：处理器根据港口不同区域的交通流特征建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束；采用所有船舶在港时间最短以及所有船舶等待时间最短为目标，建立单项航道的多目标船舶调度优化模型；根据所述泊位冲突消解约束、所述流量转换约束和所述时隙分配约束设计多目标遗传算法；根据所述多目标遗传算法求解所述多目标船舶调度优化模型，根据所述求解结果进行船舶调度。本发明实施例实现协调进出港船舶的众多利益方，合理的调度船舶的进出港，避免了船舶在进出港时航道使用上的冲突，提高了船舶进出港的效率。

Description

基于航道与泊位资源的船舶调度优化方法

技术领域

本发明实施例涉及船舶管理技术领域，尤其涉及一种基于航道与泊位资源的船舶调度优化方法。

背景技术

随着船舶大型化及船舶数量的增加，港口船舶日趋拥挤，港口船舶调度效率在港口运营效益中的影响加大。航道是连接外海与港池的重要通道，航道与泊位资源的协调优化调度作为船舶进出港作业系统中的重要一环，直接影响港口船舶调度效率。

如图1所示，现有技术中，港口船舶调度流程如下：进港时，船舶提前24小时向VTS中心发送船舶进出港计划，船方安排代理向码头企业申请泊位安排，向引航站申请引航。码头企业做好泊位安排计划并提交VTS中心审核，VTS中心根据船舶属性、泊位属性进行审核。船舶到达报告线之前向VTS中心发送抵港报告，申请进港。VTS中心根据航道情况进行审核，若符合进港条件，则通知船舶进入航道并进行靠泊作业，否则在锚地等待。船舶完成装卸作业后，向VTS中心申请离港。如果符合出港条件，船舶在拖轮和引航员的协助下离港；若与其他船舶冲突，则令船舶在泊位等候，直到符合条件才安排船舶出港。船舶出报告线后即完成出港作业。

目前，港口船舶调度过程中主要存在以下问题：

1.码头企业在制定泊位安排计划时只根据自己掌握的泊位信息和船舶信息进行安排，并没有考虑到航道等公共资源对船舶在港作业的影响，很可能导致船舶在航道使用上的冲突，引发安全问题。

2.VTS中心调度船舶进出港时主要依靠人工经验，缺乏科学、合理的调度方案。

3.港口船舶调度涉及众多利益方，港口在船舶调度时往往根据决策者的个人喜好，不能很好的协调效率与公平问题。

发明内容

本发明实施例提供一种基于航道与泊位资源的船舶调度优化方法，以克服现有技术中港口船舶调度效率低的问题。

本发明实施例提供一种基于航道与泊位资源的船舶调度优化方法,包括：

处理器根据港口不同区域的交通流特征建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束；

采用所有船舶在港时间最少以及所有船舶等待时间最短为目标，建立单项航道的多目标船舶调度优化模型；

根据所述泊位冲突消解约束、所述流量转换约束和所述时隙分配约束设计多目标遗传算法；

根据所述多目标遗传算法求解所述多目标船舶调度优化模型，根据所述求解结果进行船舶调度。

进一步地，所述多目标船舶调度优化模型为：

Min[F,W]   (1)

$F=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(f_i-f_{i-1})+f_1-b_0-h_0---\left(\text{2}\right)$

$W=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(b_i-{t0}_i-\frac{s+s_i}{v_i})+\mathrm{MAX}(b_i-{t0}_i)-\mathrm{MIN}(b_i-{t0}_i)---\left(3\right)$

其中，所述F表示所有船舶完成进出港的总时间最小,所述w表示修正后所有船舶等候进出港的时间总和最小,所述bi表示第i艘船舶进港(出港)的开始时刻，所述表示第f_i艘船舶进港(出港)的结束时刻，t0_i表示船舶准备时刻(进入报告线时刻或准备好离泊时刻)，s表示报告线到航道入口的距离,s_i表示理论上第i艘船舶从航道入口到泊位的距离，v_i表示理论上第i艘船舶从进入航道到抵达泊位处的平均速度，b₀表示上一时间段内最后一艘船舶进港(出港)开始时刻,f₀表示上一时间段内最后一艘船舶进港(出港)结束时刻，h₀表示本阶段第一艘调度船舶与上一阶段最后一艘船舶的安全时间间隔，所述f_i-1为第f_i-1艘船舶进港(出港)的结束时刻，所述f_i为第f_i艘船舶进港(出港)的结束时刻，所述f₁为第f₁艘船舶进港(出港)的结束时刻。

进一步地，所述采用所有船舶在港时间最少以及所有船舶等待时间最少为目标，建立单项航道的多目标船舶调度优化函数之后，还包括：

将所述多目标船舶调度优化模型添加惩罚项，得到适应度函数为

${\mathrm{\φ}}_1=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}(f_i-f_{i-1})+f_1-b_0-h_0+r\×\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left[g_i(f,b)\right]}^2---\left(4\right)$

${\mathrm{\φ}}_2=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(b_i-{t0}_i-\frac{s+s_i}{v_i})+\mathrm{Max}(b_i-{t0}_i)-\mathrm{Min}(b_i-{t0}_i)+r\×\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left[g_i(f,b)\right]}^2---\left(5\right)$

其中，所述为添加惩罚项目标F，所述为添加惩罚项的目标W，系数r使惩罚项的幅度可控,若g_i(f,b)表示要转化为惩罚项的约束条件，则惩罚项为r×[g_i(f,b)]²。

进一步地，所述根据所述泊位冲突消解约束、流量转换约束和时隙分配约束设计所述多目标船舶调度优化模型求解的多目标遗传算法，包括：

根据泊位冲突消解约束转化为编码规则；

根据流量转换约束和时隙分配约束转化为解码规则。

进一步地，所述根据泊位冲突消解约束转化为编码规则，包括：

在顺序编码的基础上，采用自然数给每一艘船舶编号，一组船舶编号组成的染色体代表一种船舶调度序列；

采用泊位冲突消解约束判断所述染色体是否为可行解，若否，则调整响应的船舶编号，以使所述染色体体为可行解；

所述根据流量转换约束和时隙分配约束转化为解码规则，包括：

根据所述船舶调度序列判断本船舶与上一艘船舶的方向是否相同，若否，则根据时隙分配约束计算出本船舶调度开始时刻和结束时刻；若是，则根据所述流量转换约束计算出本船舶调度开始时刻和结束时刻。

进一步地,所述根据所述泊位冲突消解约束、流量转换约束和时隙分配约束设计所述多目标船舶调度优化模型求解的多目标遗传算法之后，还包括：

查询染色体缺失的基因位；

随机排列所述染色体的基因位；

将随机排列后的所述基因位补充到重复的基因位对应的的染色体中。

进一步地，所述泊位冲突消解约束，包括：

当被调度船舶是进港方向时，引入泊位状态算子Berth_in，通过极大值M进行控制，只有泊位空闲的条件下，不等式(1-Berth_in)+(1-IO_i)×M>0成立，否则调整船舶调度序列，使该时刻船舶停靠的泊位处于空闲状态，其中，IO_i表示船舶i进出港方向。

进一步地，所述初始化约束，包括：

若船舶为进港船舶，则通过航道的结束时刻减去船舶开始上航道时刻不小于理论上船舶通过航道的时间，理论上船舶通过航道的时间不小于船舶以平均速度通过航道的时间；

比较进港第一艘船舶与上一阶段最后一艘船舶的方向，若前者与后者方向相反，则前者的开始时刻与后者的结束时刻的差值为异向安全时间间隔；若两者方向相同，则前者开始时刻与后者开始时刻之间的差值为同向安全时间间隔，且若后者停靠泊位较前者远，则差值为同向安全时间间隔与异向安全时间间隔之和，两者结束时刻亦须满足上述约束。

进一步地，所述流量转换约束，包括：

所述流量转换针对异向航行、先后进出港的两艘船舶，后调度船舶开始时刻与先调度船舶通过航道结束时刻之间的差值大于等于异向船舶的安全时间间隔。

进一步地，所述时隙分配约束，包括：

所述时隙分配针对同向航行、先后进出港的两艘船舶，若第一艘船舶调度与第二艘船舶之间的差值大于等于同向船舶的安全时间间隔，两艘船舶调度结束时刻之间的差值大于等于同向船舶的安全时间间隔；若两艘船舶均为进港方向，则两艘船舶调度开始时刻之间的差值大于等于同向船舶的安全时间间隔与相邻泊位之间的安全时间间隔之和，两者结束时刻亦须满足上述约束。

本发明实施例处理器根据港口不同区域的交通流特征建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束，并采用所有船舶在港时间最少以及所有船舶等待时间最短为目标，建立单项行到的多目标船舶调度优化模型，并设计多目标遗传算法，根据该多目标遗传算法对所述多目标船舶调度优化模型进行求解，根据求解结果进行船舶调度，解决了船舶在进出港时航道和泊位使用冲突的问题，实现了“效率优先，兼顾公平”，协调进出港船舶的众多利益方，合理的调度船舶的进出港，避免了船舶在进出港时航道使用上的冲突，提高了船舶进出港的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术港口船舶调度流程示意图；

图2为本发明基于航道与泊位资源的船舶调度优化方法流程图；

图3为本发明船舶时隙分配示意图；

图4为本发明多目标遗传算法解码流程图；

图5为本发明动态多点交叉流程图；

图6为本发明随机修复流程图；

图7为本发明基于航道与泊位资源的船舶调度优化结果示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图2为本发明基于航道与泊位资源的船舶调度优化方法流程图，如图2所示，本实施例方法，包括：

步骤101、处理器根据港口不同区域的交通流特征建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束；

步骤102、采用所有船舶在港时间最短以及所有船舶等待时间最短为目标，建立单项航道的多目标船舶调度优化模型；

步骤103、根据所述泊位冲突消解约束、所述流量转换约束和所述时隙分配约束设计多目标遗传算法；

步骤104、根据所述多目标遗传算法求解所述多目标船舶调度优化模型，根据所述求解结果进行船舶调度。

进一步地，所述多目标船舶调度优化模型为：

Min[F,W]   (1)

$F=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(f_i-f_{i-1})+f_1-b_0-h_0---\left(\text{2}\right)$

$W=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(b_i-{t0}_i-\frac{s+s_i}{v_i})+\mathrm{MAX}(b_i-{t0}_i)-\mathrm{MIN}(b_i-{t0}_i)---\left(3\right)$

其中，所述F表示所有船舶完成进出港的总时间最小,所述w表示修正后所有船舶等候进出港的时间总和最小,所述bi表示第i艘船舶进港(出港)的开始时刻，所述表示第f_i艘船舶进港(出港)的结束时刻，t0_i表示船舶准备时刻(进入报告线时刻或准备好离泊时刻)，s表示报告线到航道入口的距离,s_i表示理论上第i艘船舶从航道入口到泊位的距离，v_i表示理论上第i艘船舶从进入航道到抵达泊位处的平均速度，b₀表示上一时间段内最后一艘船舶进港(出港)开始时刻,f₀表示上一时间段内最后一艘船舶进港(出港)结束时刻，h₀表示本阶段第一艘调度船舶与上一阶段最后一艘船舶的安全时间间隔，所述f_i-1为第f_i-1艘船舶进港(出港)的结束时刻，所述f_i为第f_i艘船舶进港(出港)的结束时刻，所述f₁为第f₁艘船舶进港(出港)的结束时刻。

具体来说，根据港口实际需求，涉及多个目标函数，港方希望尽快完成所有船舶进出港的调度任务，传芳希望在港的等待时间最短。因此，公式(2)是第一个目标行数，用于最小化船舶总调度时间；公式(3)是第二个目标函数，用于最小化船舶总等待时间。

进一步地，所述采用所有船舶在港时间最少以及所有船舶等待时间最少为目标，建立单项航道的多目标船舶调度优化函数之后，还包括：

将所述多目标船舶调度优化模型添加惩罚项，得到适应度函数为

${\mathrm{\φ}}_1=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}(f_i-f_{i-1})+f_1-b_0-h_0+r\×\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left[g_i(f,b)\right]}^2---\left(4\right)$

${\mathrm{\φ}}_2=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(b_i-{t0}_i-\frac{s+s_i}{v_i})+\mathrm{Max}(b_i-{t0}_i)-\mathrm{Min}(b_i-{t0}_i)+r\×\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left[g_i(f,b)\right]}^2---\left(5\right)$

其中，所述为添加惩罚项的目标F，所述为添加惩罚项的目标W，系数r使惩罚项的幅度可控,若g_i(f,b)表示要转化为惩罚项的约束条件，则惩罚项为r×[g_i(f,b)]²。

具体来说，为了体现调度的相对公平，在总等待时间中加入惩罚值，惩罚值为最长等待时间与最短等待时间的差值。

进一步地，所述根据所述泊位冲突消解约束、流量转换约束和时隙分配约束设计所述多目标船舶调度优化模型求解的多目标遗传算法，包括：

根据泊位冲突消解约束转化为编码规则；

根据流量转换约束和时隙分配约束转化为解码规则。

进一步地，所述根据泊位冲突消解约束转化为编码规则，包括：

在顺序编码的基础上，采用自然数给每一艘船舶编号，一组船舶编号组成的染色体代表一种船舶调度序列；

采用泊位冲突消解约束判断所述染色体是否为可行解，若否，则调整响应的船舶编号，以使所述染色体体为可行解；

所述根据流量转换约束和时隙分配约束转化为解码规则，包括：

根据所述船舶调度序列判断本船舶与上一艘船舶的方向是否相同，若否，则根据时隙分配约束计算出本船舶调度开始时刻和结束时刻；若是，则根据所述流量转换约束计算出本船舶调度开始时刻和结束时刻。

具体来说，如图4所示，从遗传空间到解空间转换时，根据染色体表示的船舶调度序列，首先判断本船与上一艘船舶的方向，若不同，根据流量转换约束计算出本船调度开始时刻和结束时刻，若相同，则根据时隙分配约束计算出本船调度开始时刻和结束时刻。最终计算出染色体中每个基因所代表船舶的调度开始时刻和结束时刻。

如图5所示，本发明设计的动态多点交叉算子如下：对选择出的亲代个体进行随机排序生成交叉序列，对于每一位基因，生成一个随机数，若该数大于交叉概率且大于动态控制参数，则进行交叉操作，否则不交叉。控制参数的范围在0.5到1之间，越接近1，交叉的点数越少，越接近0.5交叉点数越多。

进一步地，所述根据所述泊位冲突消解约束、流量转换约束和时隙分配约束设计所述多目标船舶调度优化模型求解的多目标遗传算法之后，还包括：

查询染色体缺失的基因位；

随机排列所述染色体的基因位；

将随机排列后的所述基因位补充到重复的基因位对应的的染色体中。

进一步地，所述泊位冲突消解约束，包括：

当被调度船舶是进港方向时，引入泊位状态算子Berth_in，通过极大值M进行控制，只有泊位空闲的条件下，不等式(1-Berth_in)+(1-IO_i)×M>0成立，否则调整船舶调度序列，使该时刻船舶停靠的泊位处于空闲状态，其中，IO_i表示船舶i进出港方向。

具体来说，若该船舶为进港船舶，还应满足

(1-Berth_in)+(1-IO_i)×M>0   (6)

公式(6)所示的泊位冲突消解约束，即必须保证该船舶在上航道之时要停靠的泊位是空闲的，式中b_i表示第艘船舶进港(出港)的开始时刻，Berth_in表示第i艘船舶停靠的泊位n的状态，等于0表示泊位空闲，等于1表示泊位占用，IO_i表示第艘船舶的移动方向，等于0表示该船舶是出港,等于1表示该船舶是进港,M为极大值，它的系数不为零时不等式成立。

f_i-b_i-p_i≥0   i＝1,2,3...n   (7)

$p_i-\frac{s_i}{v_i}\≥0$    i＝1,2,3…n   (8)

公式(7)表示船舶通过航道的结束时刻减去船舶开始上航道时刻不小于理论上船舶通过航道的时间。公式(8)表示理论上船舶通过航道的时间不小于船舶以平均速度通过航道的时间。式中，p_i表示船舶理论通过航道的时间。

第一艘调度船舶与上一阶段最后一艘调度船舶之间满足的约束：

(b_i-b₀-h-B_ijh₁)×(1-(IO_i-IO₀)²)≥0 i＝1   (9)

(f_i-f₀-h-B_ijh₁)×(1-(IO_i-IO₀)²)≥0 i＝1   (10)

$(b_i-f_0-\tilde{h})\×{({\mathrm{IO}}_i-{\mathrm{IO}}_0)}^2\≥0,i=1---\left(\text{11}\right)$

当第一艘船舶与上一阶段最后一艘调度船舶同向时，公式(9)和公式(10)起作用，分别表示两者调度开始时刻、结束时刻之间的约束。当第一艘船舶与上一阶段最后一艘调度船舶异向时，公式(11)起作用，表示前者调度开始时刻与后者调度结束时刻之间的约束。式中，h示同向船舶的安全时间间隔(取后船通过6倍本船船长的航行时间)，表示异向船舶的安全时间间隔(取后船通过6倍两者较长船长的航行时间)，h1表示由于泊位次序原因需要增加的安全时间间距(取前船靠泊时间)，所述f₀为第f₀艘船舶进港(出港)的结束时刻，所述B_ij为船舶i早于j进港时停泊的泊位(0是靠内1是靠外)。

进一步地，所述初始化约束，包括：

若船舶为进港船舶，则通过航道的结束时刻减去船舶开始上航道时刻不小于理论上船舶通过航道的时间，理论上船舶通过航道的时间不小于船舶以平均速度通过航道的时间；

比较进港第一艘船舶与上一阶段最后一艘船舶的方向，若前者与后者方向相反，则前者的开始时刻与后者的结束时刻的差值为异向安全时间间隔；若两者方向相同，则前者开始时刻与后者开始时刻之间的差值为同向安全时间间隔，且若后者停靠泊位较前者远，则差值为同向安全时间间隔与异向安全时间间隔之和，两者结束时刻亦须满足上述约束。

具体来说，任一船舶应该满足的初始化约束如下：

$b_i-{t0}_i-\frac{s}{v_i}>0$   i＝1,2,3...n   (12)

公式(12)表示船舶上航道时刻必须晚于理论上船舶到达航道入口时刻；

进一步地，所述流量转换约束，包括：

所述流量转换针对异向航行、先后进出港的两艘船舶，后调度船舶开始时刻与先调度船舶通过航道结束时刻之间的差值大于等于异向船舶的安全时间间隔。

具体来说，异向航行、先后进出港的两艘船舶满足的流量转换约束如下：

$(b_i-b_j+M\&times;R_{\mathrm{ij}}-p_j-\tilde{h})\&times;{({\mathrm{IO}}_i-{\mathrm{IO}}_j)}^2\&GreaterEqual;0,i<j---\left(13\right)$

$(-b_i+b_j+M\&times;(1-R_{\mathrm{ij}})-p_i-\tilde{h})\&times;{({\mathrm{IO}}_i-{\mathrm{IO}}_j)}^2\&GreaterEqual;0,i<j---\left(14\right)$

公式(13)和(14)表示在航道入口处，后调度船舶开始时刻与先调度船舶通过航道结束时刻之间的差值大于等于异向船舶的安全时间间隔，即后调度船舶必须在前一艘船舶完全通过航道，且已让清的情况下才能上航道，所述b_j为第j艘船进出港的开始时刻，所述R_ij为船舶i早于或晚于j进出港(0是早于1是晚于)，所述IO_j为船舶j方向(0是进港1是出港)，所述p_j为表示船舶j理论通过航道的时间。

进一步地，所述时隙分配约束，包括：

所述时隙分配针对同向航行、先后进出港的两艘船舶，若第一艘船舶调度与第二艘船舶之间的差值大于等于同向船舶的安全时间间隔，两艘船舶调度结束时刻之间的差值大于等于同向船舶的安全时间间隔；若两艘船舶均为进港方向，则两艘船舶调度开始时刻之间的差值大于等于同向船舶的安全时间间隔与相邻泊位之间的安全时间间隔之和，两者结束时刻亦须满足上述约束。

具体来说，图3为本发明船舶时隙分配示意图，如图所示，同向航行、先后进出港的两艘船舶满足的流量转换约束如下：

(b_i-b_j+MR_ij-h-B_ijh₁)×(1-(IO_i-IO_j)²)≥0 i<j   (15)

(-b_i+b_j+M(1-R_ij)-h-B_ij)×(1-(IO_i-IO_j)²)≥0 i<j   (16)

公式(15)和公式(16)表示两艘船舶调度开始时刻之间的差值大于等于同向船舶的安全时间间隔，两艘船舶调度结束时刻之间的差值大于等于同向船舶的安全时间间隔；若两艘船舶均为进港方向，则两艘船舶调度开始时刻之间的差值大于等于同向船舶的安全时间间隔与相邻泊位之间的安全时间间隔之和。

(f_i-f_j+MR_ij-h-B_ijh₁)×(1-(IO_i-IO_j)²)≥0   i<j  (17)

(-f_i+f_j+M(1-R_ij)-h-B_ijh)×(1-(IO_i-IO_j)²)≥0 i<j  (18)公式(17)和(18)表示结束时刻约束。

图6为本发明随机修复流程图，如图6所示，对交叉操作后的不合法染色体进行修复，本实施例方法在图2所示的实施例基础之上，还包括：

根据所述泊位冲突消解约束、流量转换约束和时隙分配约束设计所述多目标船舶调度优化模型求解的多目标遗传算法之后，还包括：

查询染色体缺失的基因位；

随机排列所述染色体的基因位；

将随机排列后的所述基因位补充到重复的基因位对应的的染色体中。

具体来说，采用随机修复策略进行基因修复，举例说明，两个父代基因分别为：X1＝(1 3 2 4 5)、X2＝(2 3 1 5 4)，假设第一个基因位和第五个基因位进行了交叉，得到的交叉子代是：X3＝(2 3 2 4 4)、X4＝(1 3 1 5 5)这样两个染色体都是非法的染色体，随机修复策略把该基因修复。具体修复操作是：首先找到X3染色体缺失的基因位(15)，然后把缺失的基因位随机排列，假如排列后是(5 1)。最后在重复的基因位上随机将缺失的基因按照随机排列后的顺序补充到染色体中。修复后染色体为：X3＝(2 3 5 4 1)。

本实施例中使用MATLAB2010b设计港口船舶调度多目标遗传算法程序，基于MATLABGUI实现计算结果的可视化。模拟某港口某天某时段的船舶进行调度实验。模拟20艘船舶(14进6出)的场景，准备时刻的间隔服从λ＝20的负指数分布规律，准备时刻指船舶抛锚时刻或进入报告线时刻，航行距离指的是从航道起点到泊位的距离。模拟数据的船舶信息如表1所示。

表1

假设上一阶段最后一艘船舶的进出港开始时间为7:00时刻。表2给出了上一阶段最后一艘船舶的相关信息。

表2

泊位是码头集团按照申请预先分配完成的，而且泊位的条件都满足要停靠船舶的要求。表3为泊位初始信息，给出本阶段调度开始时刻泊位的空闲和占用状态，模拟数据假设共有18个泊位。

表3

将上述数据读入程序进行运算，参数为种群大小200、代沟0.9、交叉概率0.95、变异概率0.05、最大遗传代数200。

运行结果如图6所示。共有8个Pareto最优解，20艘船舶调度完成的总时间为2.6186小时，添加惩罚后的总等待时间为23.0124小时。从图6中可以看出，种群在不断寻优，并在200代以内收敛。

8个Pareto最优解如表4所示。在总调度时间的方向上，最优解为2.6186小时，此时总等待时间的适应度值为24.7768小时。在总等待时间方向上，最优解为23.0124小时，此时总调度时间为2.0168小时。这符合多目标遗传算法结果的特点：当一个目标改进时另一个目标会相应地衰退。由于船舶准备调度时刻比较集中，虽能增加船舶可调度时间段，但同时也会造成船舶等待时间的延长。

已知编号为1和编号为19的船舶都停靠泊位3，根据泊位冲突消解约束，出港的19号船舶必须在进港的1号船舶之前调度。表4为Pareto最优解表，从表4可以看出，8个Pareto最优解中，有泊位冲突的船舶经泊位冲突消解后得到的调度方案中都是先调度出港船舶后调度进港船舶，即为可行解。

表4

从优化调度效率的角度来说，对于单向航道，由于航道上的船舶不能对遇，在进行流量转换之前必须保证航道上没有船舶，进而消耗较多的时间。因此，理论上对于较长的单向航道来说，流量转换的次数越少，所有船舶完成调度的时间越短。8个Pareto最优解的调度方案都只进行3次流量转换，而“先到先服务”(FCFS)规则的调度则需要进行12次容量转换(如表5)，所以本模型减少了9次船舶流量转换，从而大大提高船舶的调度效率。表5为船舶调度方案，给出了FCFS规则的调度方案与Pareto1，Pareto8的调度方案，每个Pareto最优解代表一个调度方案。

异向船舶交会时，后调度的船舶都是在先调度的异向船舶调度完成之后才开始调度，以保证调度作业时船舶之间的安全。如表5所示，Pareto1最优解中，编号为4的出港船舶的完成时刻为7:34，编号为13的进港船舶的开始时刻为7:36，可以保证船舶之间的安全，符合以上要求。经检验，8个Pareto最优解均符合以上要求。此外，按照FCFS规则，20艘船舶的总调度时间为4.967小时，总等待时间为49.5小时。对比FCFS规则，本模型得到的8个Pareto最优解使总调度时间最多可以减少47.2％(Pareto1)，最少可以减少45.6％(Pareto2)。在实际的应用中，若港口追求总调度时间最短，可以选用第一目标值较小的调度方案Pareto1；若兼顾每艘船舶的等待时间，可以选用第二目标函数值较小的调度方案Pareto8，决策部门可以根据需求选择调度方案。

表5

本发明研究了协调航道和泊位资源协调调度的船舶调度优化问题，依据港口不同区域的交通流特征建立初始化约束、流量转换约束、时隙分配约束以及泊位冲突消解约束等多个约束，建立了以所有船舶总在港时间最少和等待时间最少为目标的基于单向航道的多目标船舶调度优化模型。设计适合求解的多目标遗传算法，将泊位冲突消解约束转化为编码规则；将流量转换约束和时隙分配约束转化为解码规则；针对调度计算过程中的早熟问题，提出了一种具有动态参数控制的交叉算法；针对交叉后染色体的非法问题设计了非法修复算子。使用MATLAB 2010b编写了港口船舶调度多目标遗传算法程序，基于MATLAB GUI实现了计算结果的可视化。设计有针对性的模拟场景进行验证，经计算得到一组8个调度方案，与“先到先服务”(FCFS)调度方法相比，船舶进出港的容量转换次数减少9次，总调度时间减少40％以上，能够保证船舶高效地进出港作业。本发明有利于减少船舶调度总时间和船舶在港等待时间，提高港口船舶调度效率，实现“效率优先，兼顾公平”。如图7所示，本实施例基于航道与泊位资源的船舶调度优化结果示意图。

本发明实施例处理器根据港口不同区域的交通流特征建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束，并采用所有船舶在港时间最少以及所有船舶等待时间最短为目标，建立单项行到的多目标船舶调度优化模型，并设计多目标遗传算法，根据该多目标遗传算法对所述多目标船舶调度优化模型进行求解，根据求解结果进行船舶调度，解决了船舶在进出港时航道和泊位使用冲突的问题，实现了“效率优先，兼顾公平”，协调进出港船舶的众多利益方，合理的调度船舶的进出港，避免了船舶在进出港时航道使用上的冲突，提高了船舶进出港的效率。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于航道与泊位资源的船舶调度优化方法，其特征在于，包括：

处理器根据港口不同区域的交通流特征建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束；

采用所有船舶在港时间最短以及所有船舶等待时间最短为目标，建立单项航道的多目标船舶调度优化模型；

根据所述泊位冲突消解约束、所述流量转换约束和所述时隙分配约束设计多目标遗传算法；

根据所述多目标遗传算法求解所述多目标船舶调度优化模型，根据所述求解结果进行船舶调度。

2.根据权利要求1所述的方法，其特征在于，所述多目标船舶调度优化模型为：

Min[F,W]         (1)

$F=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}(f_i-f_{i-1})+f_1-b_0-h_0---\left(2\right)$

$W=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}(b_i-{t0}_i-\frac{s+s_i}{v_i})+\mathrm{MAX}(b_i-{t0}_i)-\mathrm{MIN}(b_i-{t0}_i)---\left(3\right)$

其中，所述F表示所有船舶完成进出港的总时间最小,所述w表示修正后所有船舶等候进出港的时间总和最小,所述bi表示第i艘船舶进港(出港)的开始时刻，所述表示第f_i艘船舶进港(出港)的结束时刻，t0_i表示船舶准备时刻(进入报告线时刻或准备好离泊时刻)，s表示报告线到航道入口的距离,s_i表示理论上第i艘船舶从航道入口到泊位的距离，v_i表示理论上第i艘船舶从进入航道到抵达泊位处的平均速度，b₀表示上一时间段内最后一艘船舶进港(出港)开始时刻，f₀表示上一时间段内最后一艘船舶进港(出港)结束时刻，h₀表示本阶段第一艘调度船舶与上一阶段最后一艘船舶的安全时间间隔，所述f_i-1为第f_i-1艘船舶进港(出港)的结束时刻，所述f_i为第f_i艘船舶进港(出港)的结束时刻，所述f₁为第f₁艘船舶进港(出港)的结束时刻。

3.根据权利要求2所述的方法，其特征在于，所述采用所有船舶在港时间最少以及所有船舶等待时间最少为目标，建立单项航道的多目标船舶调度优化函数之后，还包括：

将所述多目标船舶调度优化模型添加惩罚项，得到适应度函数为:

${\mathrm{\&phi;}}_1=\underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}(f_i-f_{i-1})+f_1-b_0-h_0+r\&times;\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{\left[g_i(f,b)\right]}^2---\left(4\right)$

${\mathrm{\&phi;}}_2=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}(b_i-{t0}_i-\frac{s+s_i}{v_i})+\mathrm{Max}(b_i-{t0}_i)-\mathrm{Min}(b_i-{t0}_i)+r\&times;\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{\left[g_i(f,b)\right]}^2---\left(5\right)$

其中，所述为添加惩罚项的目标F，所述为添加惩罚项的目标W，系数r使惩罚项的幅度可控，若g_i(f,b)表示要转化为惩罚项的约束条件，则惩罚项为r×[g_i(f,b)]²。

4.根据权利要求1所述的方法，其特征在于，所述根据所述泊位冲突消解约束、流量转换约束和时隙分配约束设计所述多目标船舶调度优化模型求解的多目标遗传算法，包括：

根据泊位冲突消解约束转化为编码规则；

根据流量转换约束和时隙分配约束转化为解码规则。

5.根据权利要求4所述的方法，其特征在于，所述根据泊位冲突消解约束转化为编码规则，包括：

在顺序编码的基础上，采用自然数给每一艘船舶编号，一组船舶编号组成的染色体代表一种船舶调度序列；

采用泊位冲突消解约束判断所述染色体是否为可行解，若否，则调整响应的船舶编号，以使所述染色体体为可行解；

所述根据流量转换约束和时隙分配约束转化为解码规则，包括：

根据所述船舶调度序列判断本船舶与上一艘船舶的方向是否相同，若否，则根据时隙分配约束计算出本船舶调度开始时刻和结束时刻；若是，则根据所述流量转换约束计算出本船舶调度开始时刻和结束时刻。

6.根据权利要求5所述的方法，其特征在于，所述根据所述泊位冲突消解约束、流量转换约束和时隙分配约束设计所述多目标船舶调度优化模型求解的多目标遗传算法之后，还包括：

查询染色体缺失的基因位；

随机排列所述染色体的基因位；

将随机排列后的所述基因位补充到重复的基因位对应的的染色体中。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述泊位冲突消解约束，包括：

当被调度船舶是进港方向时，引入泊位状态算子Berth_in，通过极大值M进行控制，只有泊位空闲的条件下，不等式(1-Berth_in)+(1-IO_i)×M>0成立，否则调整船舶调度序列，使该时刻船舶停靠的泊位处于空闲状态，其中，IO_i表示船舶i进出港方向。

8.根据权利要求7所述的方法，其特征在于，所述初始化约束，包括：

若船舶为进港船舶，则通过航道的结束时刻减去船舶开始上航道时刻不小于理论上船舶通过航道的时间，理论上船舶通过航道的时间不小于船舶以平均速度通过航道的时间；

比较进港第一艘船舶与上一阶段最后一艘船舶的方向，若前者与后者方向相反，则前者的开始时刻与后者的结束时刻的差值为异向安全时间间隔；若两者方向相同，则前者开始时刻与后者开始时刻之间的差值为同向安全时间间隔，且若后者停靠泊位较前者远，则差值为同向安全时间间隔与异向安全时间间隔之和，两者结束时刻亦须满足上述约束。

9.根据权利要求1-6任一项所述的方法，其特征在于，所述流量转换约束，包括：

所述流量转换针对异向航行、先后进出港的两艘船舶，后调度船舶开始时刻与先调度船舶通过航道结束时刻之间的差值大于等于异向船舶的安全时间间隔。

10.根据权利要求1-6任一项所述的方法，其特征在于，所述时隙分配约束，包括：

所述时隙分配针对同向航行、先后进出港的两艘船舶，若第一艘船舶调度与第二艘船舶之间的差值大于等于同向船舶的安全时间间隔，两艘船舶调度结束时刻之间的差值大于等于同向船舶的安全时间间隔；若两艘船舶均为进港方向，则两艘船舶调度开始时刻之间的差值大于等于同向船舶的安全时间间隔与相邻泊位之间的安全时间间隔之和，两者结束时刻亦须满足上述约束。