CN107784396A - 一种自动化集装箱码头关键装卸资源集成调度方法 - Google Patents
一种自动化集装箱码头关键装卸资源集成调度方法 Download PDFInfo
- Publication number
- CN107784396A CN107784396A CN201711080148.0A CN201711080148A CN107784396A CN 107784396 A CN107784396 A CN 107784396A CN 201711080148 A CN201711080148 A CN 201711080148A CN 107784396 A CN107784396 A CN 107784396A
- Authority
- CN
- China
- Prior art keywords
- container terminal
- chromosome
- generation
- fitness
- automated container
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000010354 integration Effects 0.000 title claims abstract description 17
- 210000000349 chromosome Anatomy 0.000 claims abstract description 34
- 230000035772 mutation Effects 0.000 claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 11
- 238000004043 dyeing Methods 0.000 claims description 7
- 108090000623 proteins and genes Proteins 0.000 claims description 7
- 239000000975 dye Substances 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 11
- 230000002068 genetic effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000010353 genetic engineering Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种自动化集装箱码头关键装卸资源集成调度方法，设定染色体编码方式，初始化种群，定义适应度函数，设定交叉操作准则和变异操作准则，设定亲代选择策略和子代接收策略，用适应度函数进行染色体迭代计算，当满足迭代停止标准后，迭代终止，输出最优解。本发明能够合理控制集装箱码头的设备作业和空间资源分配，提高自动化集装箱码头的作业效率，合理分配设备和空间资源，避免了拥堵现象，缩短三类设备的行驶时间，优化堆场空间资源利用。
Description
技术领域
本发明涉及一种自动化集装箱码头关键装卸资源集成调度方法，尤其涉及一种自动化集装箱码头QC(岸桥)-AGV(自动导引车)-ARTG(轮胎式集装箱门式起重机)-堆场空间资源的集成调度方法。
背景技术
自动化集装箱码头由设备资源和空间资源两部分组成，设备资源的调度和空间资源的优化直接决定了码头的作业效率。
到目前为止，国内外的研究者提出了一些关于集装箱码头装卸设备和堆场空间资源的集成调度方法。Han，et al研究了装载过程中出口集装箱的堆场存储问题，决定如何为每个船舶预留/分配堆场存储箱区。还考虑了集卡的交通堵塞，以平衡堆场箱区间的工作量。Xue，et al研究了集装箱卸载中综合YT调度，QC调度和堆场空间分配问题。提出了两阶段启发式算法求解问题。曾庆城构建了码头卸载作业中集卡-堆场空间调度的协同优化模型，并设计了两阶段禁忌搜索算法。范灵芳研究了集装箱码头出口箱堆场空间分配和集装箱码头龙门吊作业调度问题，并在此基础上研究出口箱堆场空间分配和龙门吊作业调度之间的协同优化调度。
近几年提出的求解集装箱码头装卸设备集成模型的方法有粒子群、遗传算法、模拟退火、混沌优化、启发式算法等。然而求解自动化集装箱码头装卸设备和堆场空间资源集成调度模型的方法较少。
发明内容
本发明提供一种自动化集装箱码头关键装卸资源集成调度方法，能够合理控制集装箱码头的设备作业和空间资源分配，提高自动化集装箱码头的作业效率，合理分配设备和空间资源，避免了拥堵现象，缩短三类设备的行驶时间，优化堆场空间资源利用。
为了达到上述目的，本发明提供一种自动化集装箱码头关键装卸资源集成调度方法，该方法包含：
步骤S1、设定染色体编码方式，初始化种群，定义适应度函数，设定交叉操作准则和变异操作准则，设定亲代选择策略和子代接收策略；
步骤S2、利用适应度函数进行染色体迭代计算；
步骤S3、判断是否满足迭代的停止标准，若是，则迭代终止，输出最优解，若否，进行步骤S4；
步骤S4、根据亲代选择策略和子代接收策略对染色体种群进行调整，进行步骤S5；
步骤S5、根据交叉操作准则和变异操作准则对染色体种群进行调整，进行步骤S2。
所述的步骤S1中，设定染色体编码方式的方法具体包含：
根据QC-AGV-ARTG-堆场空间资源集成调度的决策变量，设计染色体矩阵的编码方式，第一列为集装箱和岸桥QC，第二列为调度的自动导引车AGV，第三列为分配的轮胎式集装箱门式起重机ARTG，第四列为分配的堆场空间。
所述的步骤S1中，初始化种群的方法具体包含：依据模型的约束条件，逐步初始化种群。
所述的步骤S1中，定义的适应度函数能够准确的用函数值的大小反映出解的优劣。
所述的步骤S1中，设定交叉操作准则的方法具体包含：
针对染色体矩阵的第二列和第三列，设计两点交叉操作；
针对染色体矩阵的第四列，设计均匀的基于顺序交叉操作。
所述的步骤S1中，设定变异操作准则的方法具体包含：
指定一个突变概率Pm，生成一个随机的数值均匀分布在0和1间，并且将这个值和Pm比较，如果此值小于Pm，则通过随机选择个体的两个位置并且交换这两个位置的基因来进行变异操作，否则，不进行变异操作。
所述的步骤S1中，设定亲代选择策略的方法具体包含：
根据适应度函数大小设计轮盘赌方法选取亲代，适应度函数大的个体更有机会被选为亲代。
所述的步骤S1中，设定子代接收策略的方法具体包含：
根据适应度函数采用半贪婪策略来接收子代，只有当子代的适应度大于其亲代的平均适应度时，才将该子代接收作为新的一代。
所述的步骤S3中，迭代的停止标准包含两个标准，当满足两个标准中的任意一个时，迭代算法停止，输出最优解；
所述的两个标准包含：
1、最大迭代次数；
2、当前一代染色体适应度值的标准偏差(σT)低于阈值；
在第T代染色体适应度值的标准偏差计算为其中是第T代第n个染色体的适应度，是第T代所有染色体的平均适应度，
本发明中设计了交叉和变异操作，以及亲代和子代选择策略，保证了迭代的单调性，加快了种群朝最优值逼近的速度，朝着最优解方向更新种群，又减小了种群陷入局部最优的概率。本发明有益效果是：跳出局部最优的能力强，找到最优解的概率大，稳定性好，能有效的解决全局最优问题，根据现实作业情况，设计了自动化集装箱码头关键装卸资源调度方法，能够提高自动化集装箱码头的作业效率，合理分配设备和空间资源，避免了拥堵现象，缩短三类设备的行驶时间，优化堆场空间资源利用。
附图说明
图1是本发明提供的一种自动化集装箱码头关键装卸资源集成调度方法的流程图。
图2是均匀的基于顺序交叉如何创造第四列的子代的示意图。
图3是收敛曲线图。
图4是稳定性图。
具体实施方式
以下根据图1～图4，具体说明本发明的较佳实施例。
遗传算法(Genetic Algorithms)是由生物遗传学理论和遗传学说相结合发展起来的一种随机全局搜索的智能优化算法，基于遗传学得到算法中的个体、染色体、基因、种群、适应度、选择、交叉、变异等概念。遗传算法具有全局优化搜索能力比较强、迭代过程中收敛速度快、运算过程简单、鲁棒性强等优点。遗传算法可以分为以下几个步骤：1)编码，初始种群生成；2)适应度函数评价；3)选择亲代，通过交叉、变异等操作进行群体更新和最优搜索；4)遵循自然界“优胜略劣汰，适者生存”原则形成新的种群进行新一轮的遗传操作，直到最优解找出。
如图1所示，本发明提供一种基于改进遗传算法的自动化集装箱码头关键装卸资源集成调度方法，该方法包含：
步骤S1、设定染色体编码方式，初始化种群，定义适应度函数，设定交叉操作准则和变异操作准则，设定亲代选择策略和子代接收策略；
步骤S2、利用适应度函数进行染色体迭代计算；
步骤S3、判断是否满足迭代的停止标准，若是，则迭代终止，输出最优解，若否，进行步骤S4；
步骤S4、根据亲代选择策略和子代接收策略对染色体种群进行调整，进行步骤S5；
步骤S5、根据交叉操作准则和变异操作准则对染色体种群进行调整，进行步骤S2。
所述的步骤S1中，设定染色体编码方式的方法具体包含：
根据QC-AGV-ARTG-堆场空间资源集成调度的决策变量，设计染色体矩阵的编码方式，如表1所示，集装箱和QC(第一列)，调度的AGV(第二列)，分配的ARTG(第三列)和分配的堆场空间(第四列)，矩阵中每一行代表QC k(k代表第k个QC)的每个集装箱的染色体编码。
表1
所述的步骤S1中，初始化种群的方法具体包含：依据模型的约束条件，逐步初始化种群。
所述的步骤S1中，定义的适应度函数应该能够较为准确的用函数值的大小反映出解的优劣；
适应度函数根据优化问题而定，适应度函数采用优化问题中的目标函数的倒数表示。
所述的步骤S1中，设定交叉操作准则的方法具体包含：
针对染色体矩阵的第二列和第三列，设计两点交叉操作，有助于探索全局搜索空间，而不易造成搜索较早收敛。
针对染色体矩阵的第四列，设计均匀的基于顺序交叉操作，避免子代出现冗余或缺失基因。
如图2所示，是均匀的基于顺序交叉如何创造第四列的子代的示意图，有10个集装箱准备分配于5个选择的垛区，编号1到5，其中在垛区1有2个可利用位置，垛区2有3个可利用位置，垛区3有2个可利用位置，垛区4有2个可利用位置和垛区5有1个可利用位置。此交叉操作生成一个和染色体第四列同样长度的模板二进制字符串基于均匀分布的“1”和“0”(因为有10个集装箱本例有10行)。模板字符串然后被映射到所选择的亲代之一，其中在模板字符串中有“1”和基因有相同的位置，即位置1，2，5，7，9分配给子代，并且子代剩余空着的基因由另一个亲代未使用的基因填充，即位置3，4，6，8，10。
所述的步骤S1中，设定变异操作准则的方法具体包含：
指定一个非常小的突变概率Pm，生成一个随机的数值均匀分布在0和1间，并且将这个值和Pm比较，如果此值小于Pm，则通过随机选择个体的两个位置(两行)并且交换这两个位置的基因来进行变异操作，否则，不进行变异操作。设计交换突变来保持种群的多样性并且最大化解空间的搜索。
所述的步骤S1中，设定亲代选择策略的方法具体包含：
根据适应度函数大小设计轮盘赌方法选取亲代，适应度函数大的个体更有机会被选为亲代。
所述的步骤S1中，设定子代接收策略的方法具体包含：根据适应度函数采用半贪婪策略来接收子代，只有当子代的适应度大于其亲代的平均适应度时，才将该子代接收作为新的一代，这样确保下一代永远优于亲代，也能减少计算时间和保证单调收敛。同时采用最优个体保留策略，加快整个迭代过程并快速搜索近似最优解。
所述的步骤S3中，为了平衡计算时间以及向优化解发展，迭代的停止标准包含两个标准，当满足两个标准中的任意一个时，迭代算法停止，输出最优解。
所述的两个标准包含：
1、最大迭代次数。
2、当前一代染色体适应度值的标准偏差(σT)低于一个阈值。
参数σT意味着当前代的多样性，σT的减少等同于多样性的减少。如果σT减少到低于一个小的任意常数，初始可设为0.01，则算法停止。在第T代染色体适应度值的标准偏差计算为其中是第T代第n个染色体的适应度，是第T代所有染色体的平均适应度，可以计算为
图3是收敛曲线图，曲线收敛速度越快，表示算法设计越好，而且曲线最后的稳定值越小，算法越好。改进的遗传算法在所有的50次迭代中很少陷入局部最优，可以稳定而快速的获得全局近似最优解。
图4是稳定性图。表示在50次运行下改进GA在前几代中OFV的变化范围较大，随着进化代数的叠加，改进的遗传算法朝着每代中的近似最优解靠拢，在40代左右时每代的50次运行基本都可以找到模型的近似最优解。
在本发明的一个较佳实施例中，针对某一自动化集装箱码头关键装卸资源进行集成调度。
1、参数与变量定义：
1)参数符号定义：
2)决策变量：
3)中间决策变量
4)目标函数：
目标(1)是最小化QC操作的卸载完成时间，即最后一个集装箱从船舶上卸载的时间。
5)约束条件：
Subject to:
约束(2)确保D中的每个集装箱(i,k)有后继OF中集装箱(j,l)，并且它们都由同一AGV处理。约束(3)确保D中的每个集装箱(j,l)有前继OF中集装箱(i,k)，并且它们都由同一AGV处理。约束(4)和(5)确保要使用的AGV的总数不超过可用AGV的最大数。约束(6)保证每个进口集装箱(i,k)将被分配到堆场中一个可用位置(q,n,b)。约束(7)确保堆场中每个位置(q,n,b)最多可以容纳一个集装箱(有些位置可能不会存储任何集装箱)。约束(8)意味着如果集装箱被分配到箱区b，则它只能被分配给堆场中一个可利用位置箱区b垛n第q层中，并且堆垛中的最大层数不超过其限制。这个约束给出了两个决策变量和之间的关系。约束(9)确保在相同垛中分配的集装箱将被按顺序放置，即，集装箱将被放置在同一垛内的第一级，然后第二级等等，并且不超过垛的最大容量。约束(10)意味着同一ARTG处理的D中任一集装箱(i,k)有且只有一个后继集装箱(j,l)。约束(11)同一ARTG处理的D中任一集装箱(j,l)有且只有一个后继集装箱(i,k)。约束(12)和(13)确保用于处理集装箱的ARTG的总数不超过可用ARTG的最大数量。约束(14)保证ARTG只能开始处理集装箱(i,k)在AGV将其传送到分配箱区中的转换点后。约束(15)确保AGV只能开始处理工作点处的集装箱(j,l)在AGV递送集装箱(i,k)到堆场并返回到工作点后，其中集装箱(j,l)在此处等待。约束(16)确保ARTG只能开始处理集装箱(j,l)在ARTG放置集装箱(i,k)到分配的堆场位置并返回到转换点后，其中集装箱(j,l)在此处等待。约束(17)确保QC k可以开始处理集装箱(i+1,k)有且只有当它处理完集装箱(i,k)后。约束(18)-(21)表示二元决策变量。约束(22)表示整数变量。当约束(16)被转换为线性函数(如下(23))时，上述模型变为混合整数规划模型。
初始化为|D|表示从船舶卸载到堆场的所有进口集装箱，v表示使用的AGVs总集合和c表示分配的ARTGs的总集合。
初始种群通过如下步骤构造：
步骤1、计算集装箱从工作点到所有可利用堆场位置的行驶时间，其中包括AGV从工作点到转换点的时间和ARTG从转换点到堆场位置的时间。行驶时间最短的堆场位置将被选择存储所有集装箱。因此，所选择的堆场位置数量和进口集装箱的数量相等。满足约束(6)和约束(7)。
步骤2、根据步骤1中所选择的堆场位置，决定选择一组新的堆场垛索引(定义为PS，标记为从1到|PS|)，其中箱位已被步骤1选择。随机将这些垛分配给每个集装箱。注意到每个垛可以分配给不止一个集装箱既然每个垛中可能有多个可利用的位置。因此基于步骤1和步骤2可以获得垛中存储集装箱的一个可能的序列。满足约束(8)和约束(9)。
步骤3、从1到v中随机选择一个AGV(约束(4)和约束(5))，即：分配一个AGV递送集装箱(表1中染色体第二列)，满足约束(2)和约束(3)。
步骤4、从1到c中随机选择一个ARTG(约束(12)和约束(13)，即：分配一个ARTG处理集装箱(表1中染色体第三列))满足约束(10)和约束(11)。
步骤5、染色体的生成，分别通过步骤1～步骤4直到种群规模Pop(可自行设定)达到给定数量以确保初始搜索空间足够大再开始。
步骤6、根据约束(14)-(22)通过计算u(i,k)和h(i,k)的值来评价初始种群中的每一个矩阵ψ(表1可以写成矩阵形式，为矩阵ψ)。
2、ARTGs从每个箱区的转换点到每个可用位置的行驶时间(以秒计)服从均匀分布U(60，140)s产生，QCs的处理时间遵循均匀分布U(30,180)s，AGV的行驶时间服从均匀分布U(20,120)s；ARTGs在箱区之间的行驶时间也是已知的。任何两个相邻箱区的转换点之间的行驶时间为40s。改进GA的参数：交叉率Pc＝0.9，突变率Pm＝0:01，种群大小Pop＝100。
根据具体实施例，在自动化集装箱码头QC-AGV-ARTG-堆场空间资源集成调度的过程中，使用本发明提供的一种自动化集装箱码头关键装卸资源集成调度方法，记录并筛选适应度值较差的个体。
本发明中设计了交叉和变异操作，以及亲代和子代选择策略，保证了迭代的单调性，加快了种群朝最优值逼近的速度，朝着最优解方向更新种群，又减小了种群陷入局部最优的概率。综上所述，本发明有益效果是：跳出局部最优的能力强，找到最优解的概率大，稳定性好，能有效的解决全局最优问题，根据现实作业情况，设计了自动化集装箱码头关键装卸资源调度方法，能够提高自动化集装箱码头的作业效率，合理分配设备和空间资源，避免了拥堵现象，缩短三类设备的行驶时间，优化堆场空间资源利用。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (9)
1.一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，该方法包含：
步骤S1、设定染色体编码方式，初始化种群，定义适应度函数，设定交叉操作准则和变异操作准则，设定亲代选择策略和子代接收策略；
步骤S2、利用适应度函数进行染色体迭代计算；
步骤S3、判断是否满足迭代的停止标准，若是，则迭代终止，输出最优解，若否，进行步骤S4；
步骤S4、根据亲代选择策略和子代接收策略对染色体种群进行调整，进行步骤S5；
步骤S5、根据交叉操作准则和变异操作准则对染色体种群进行调整，进行步骤S2。
2.如权利要求1所述的一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，所述的步骤S1中，设定染色体编码方式的方法具体包含：
根据QC-AGV-ARTG-堆场空间资源集成调度的决策变量，设计染色体矩阵的编码方式，第一列为集装箱和岸桥QC，第二列为调度的自动导引车AGV，第三列为分配的轮胎式集装箱门式起重机ARTG，第四列为分配的堆场空间。
3.如权利要求1所述的一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，所述的步骤S1中，初始化种群的方法具体包含：依据模型的约束条件，逐步初始化种群。
4.如权利要求1所述的一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，所述的步骤S1中，定义的适应度函数能够准确的用函数值的大小反映出解的优劣。
5.如权利要求1所述的一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，所述的步骤S1中，设定交叉操作准则的方法具体包含：
针对染色体矩阵的第二列和第三列，设计两点交叉操作；
针对染色体矩阵的第四列，设计均匀的基于顺序交叉操作。
6.如权利要求1所述的一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，所述的步骤S1中，设定变异操作准则的方法具体包含：
指定一个突变概率Pm，生成一个随机的数值均匀分布在0和1间，并且将这个值和Pm比较，如果此值小于Pm，则通过随机选择个体的两个位置并且交换这两个位置的基因来进行变异操作，否则，不进行变异操作。
7.如权利要求1所述的一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，所述的步骤S1中，设定亲代选择策略的方法具体包含：
根据适应度函数大小设计轮盘赌方法选取亲代，适应度函数大的个体更有机会被选为亲代。
8.如权利要求1所述的一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，所述的步骤S1中，设定子代接收策略的方法具体包含：
根据适应度函数采用半贪婪策略来接收子代，只有当子代的适应度大于其亲代的平均适应度时，才将该子代接收作为新的一代。
9.如权利要求1-8中任意一项所述的一种自动化集装箱码头关键装卸资源集成调度方法，其特征在于，所述的步骤S3中，迭代的停止标准包含两个标准，当满足两个标准中的任意一个时，迭代算法停止，输出最优解；
所述的两个标准包含：
1、最大迭代次数；
2、当前一代染色体适应度值的标准偏差(σT)低于阈值；
在第T代染色体适应度值的标准偏差计算为其中是第T代第n个染色体的适应度，是第T代所有染色体的平均适应度，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711080148.0A CN107784396A (zh) | 2017-11-06 | 2017-11-06 | 一种自动化集装箱码头关键装卸资源集成调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711080148.0A CN107784396A (zh) | 2017-11-06 | 2017-11-06 | 一种自动化集装箱码头关键装卸资源集成调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107784396A true CN107784396A (zh) | 2018-03-09 |
Family
ID=61432940
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711080148.0A Pending CN107784396A (zh) | 2017-11-06 | 2017-11-06 | 一种自动化集装箱码头关键装卸资源集成调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107784396A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596519A (zh) * | 2018-05-14 | 2018-09-28 | 大连海事大学 | 一种自动化码头alv优化调度方法 |
| CN108932366A (zh) * | 2018-05-23 | 2018-12-04 | 中交水运规划设计院有限公司 | 煤炭码头卸车生产仿真智能调度方法及系统 |
| CN109019056A (zh) * | 2018-08-28 | 2018-12-18 | 盐田国际集装箱码头有限公司 | 一种集装箱堆场双层高架轨道垂直运输设备调度方法 |
| CN109032150A (zh) * | 2018-10-16 | 2018-12-18 | 山东师范大学 | 基于遗传算法分段优化的轨道式自动引导车动态调度方法 |
| CN109872023A (zh) * | 2018-12-02 | 2019-06-11 | 南京林业大学 | 岸桥qc、集卡yt和龙门吊yc的集成调度模型及其ga算法 |
| CN110599000A (zh) * | 2019-08-21 | 2019-12-20 | 深圳大学 | 自动化码头翻箱评估方法、箱位分配方法及相关装置 |
| CN110889552A (zh) * | 2019-11-26 | 2020-03-17 | 中国计量大学 | 一种基于最优参数遗传算法的苹果自动装箱路径优化方法 |
| CN110942203A (zh) * | 2019-12-03 | 2020-03-31 | 青岛港国际股份有限公司 | 一种自动化集装箱码头agv路径优化方法 |
| CN111091238A (zh) * | 2019-12-03 | 2020-05-01 | 青岛港国际股份有限公司 | 一种自动化集装箱码头agv智能化调度方法 |
| CN111859806A (zh) * | 2020-07-22 | 2020-10-30 | 大连陆海科技股份有限公司 | 一种面向智能船舶的液舱配载方法及系统 |
| CN112001064A (zh) * | 2020-07-29 | 2020-11-27 | 浙江大学 | 一种集装箱码头间全自主水上运输调度方法及系统 |
| CN112712288A (zh) * | 2021-01-18 | 2021-04-27 | 大连海事大学 | 一种内河码头干散货作业集成调度方法 |
| CN113240215A (zh) * | 2021-07-12 | 2021-08-10 | 湖北浩蓝智造科技有限公司 | 一种仓储agv的调度方法、系统、存储介质及电子设备 |
| CN114048995A (zh) * | 2021-11-10 | 2022-02-15 | 上海海事大学 | 一种考虑到达时间不确定的集卡预约系统重调度方法 |
| CN114048996A (zh) * | 2021-11-10 | 2022-02-15 | 上海海事大学 | 一种考虑外集卡到达不确定的u型自动化码头绿色集成调度方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246941A (zh) * | 2013-05-21 | 2013-08-14 | 武汉大学 | 一种出口集装箱码头堆存空间调度方法 |
| US9481553B2 (en) * | 2013-03-04 | 2016-11-01 | Abb Schweiz Ag | System and method for controlling at least two automated non-passing rail mounted gantry cranes |
| CN106651049A (zh) * | 2016-12-29 | 2017-05-10 | 上海海事大学 | 自动化集装箱码头装卸设备的重调度方法 |
| CN107169602A (zh) * | 2017-05-12 | 2017-09-15 | 坚元智能科技（深圳）有限公司 | Agv系统设备协同优化方法 |
| CN107274124A (zh) * | 2017-06-06 | 2017-10-20 | 泉州装备制造研究所 | 一种基于两阶段多种群并行遗传算法的agv小车调度优化方法 |
-
2017
- 2017-11-06 CN CN201711080148.0A patent/CN107784396A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9481553B2 (en) * | 2013-03-04 | 2016-11-01 | Abb Schweiz Ag | System and method for controlling at least two automated non-passing rail mounted gantry cranes |
| CN103246941A (zh) * | 2013-05-21 | 2013-08-14 | 武汉大学 | 一种出口集装箱码头堆存空间调度方法 |
| CN106651049A (zh) * | 2016-12-29 | 2017-05-10 | 上海海事大学 | 自动化集装箱码头装卸设备的重调度方法 |
| CN107169602A (zh) * | 2017-05-12 | 2017-09-15 | 坚元智能科技（深圳）有限公司 | Agv系统设备协同优化方法 |
| CN107274124A (zh) * | 2017-06-06 | 2017-10-20 | 泉州装备制造研究所 | 一种基于两阶段多种群并行遗传算法的agv小车调度优化方法 |
Non-Patent Citations (3)
| Title |
|---|
| HENRY Y. K. LAU: "Integrated scheduling of handling equipment at automated container terminals", 《INTERNATIONAL JOURNAL OF PRODUCTION ECONOMICS》 * |
| 康志敏: "集装箱自动化码头AGV路径优化和调度研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
| 添玉等: "自动化码头起重机和自带提升功能的AGV的集成调度", 《上海海事大学学报》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596519B (zh) * | 2018-05-14 | 2021-06-04 | 大连海事大学 | 一种自动化码头alv优化调度方法 |
| CN108596519A (zh) * | 2018-05-14 | 2018-09-28 | 大连海事大学 | 一种自动化码头alv优化调度方法 |
| CN108932366B (zh) * | 2018-05-23 | 2022-03-08 | 中交水运规划设计院有限公司 | 煤炭码头卸车生产仿真智能调度方法及系统 |
| CN108932366A (zh) * | 2018-05-23 | 2018-12-04 | 中交水运规划设计院有限公司 | 煤炭码头卸车生产仿真智能调度方法及系统 |
| CN109019056A (zh) * | 2018-08-28 | 2018-12-18 | 盐田国际集装箱码头有限公司 | 一种集装箱堆场双层高架轨道垂直运输设备调度方法 |
| CN109032150A (zh) * | 2018-10-16 | 2018-12-18 | 山东师范大学 | 基于遗传算法分段优化的轨道式自动引导车动态调度方法 |
| CN109032150B (zh) * | 2018-10-16 | 2021-06-25 | 山东师范大学 | 基于遗传算法分段优化的轨道式自动引导车动态调度方法 |
| CN109872023B (zh) * | 2018-12-02 | 2024-06-07 | 南京林业大学 | 岸桥qc、集卡yt和龙门吊yc的集成调度模型及其ga算法 |
| CN109872023A (zh) * | 2018-12-02 | 2019-06-11 | 南京林业大学 | 岸桥qc、集卡yt和龙门吊yc的集成调度模型及其ga算法 |
| CN110599000A (zh) * | 2019-08-21 | 2019-12-20 | 深圳大学 | 自动化码头翻箱评估方法、箱位分配方法及相关装置 |
| CN110889552A (zh) * | 2019-11-26 | 2020-03-17 | 中国计量大学 | 一种基于最优参数遗传算法的苹果自动装箱路径优化方法 |
| CN110889552B (zh) * | 2019-11-26 | 2023-05-23 | 中国计量大学 | 一种基于最优参数遗传算法的苹果自动装箱路径优化方法 |
| CN111091238A (zh) * | 2019-12-03 | 2020-05-01 | 青岛港国际股份有限公司 | 一种自动化集装箱码头agv智能化调度方法 |
| CN110942203B (zh) * | 2019-12-03 | 2023-11-10 | 青岛港国际股份有限公司 | 一种自动化集装箱码头agv路径优化方法 |
| CN110942203A (zh) * | 2019-12-03 | 2020-03-31 | 青岛港国际股份有限公司 | 一种自动化集装箱码头agv路径优化方法 |
| CN111091238B (zh) * | 2019-12-03 | 2023-08-25 | 青岛港国际股份有限公司 | 一种自动化集装箱码头agv智能化调度方法 |
| CN111859806A (zh) * | 2020-07-22 | 2020-10-30 | 大连陆海科技股份有限公司 | 一种面向智能船舶的液舱配载方法及系统 |
| CN111859806B (zh) * | 2020-07-22 | 2023-10-27 | 大连陆海科技股份有限公司 | 一种面向智能船舶的液舱配载方法及系统 |
| CN112001064B (zh) * | 2020-07-29 | 2022-08-23 | 浙江大学 | 一种集装箱码头间全自主水上运输调度方法及系统 |
| CN112001064A (zh) * | 2020-07-29 | 2020-11-27 | 浙江大学 | 一种集装箱码头间全自主水上运输调度方法及系统 |
| CN112712288A (zh) * | 2021-01-18 | 2021-04-27 | 大连海事大学 | 一种内河码头干散货作业集成调度方法 |
| CN112712288B (zh) * | 2021-01-18 | 2023-12-19 | 大连海事大学 | 一种内河码头干散货作业集成调度方法 |
| CN113240215A (zh) * | 2021-07-12 | 2021-08-10 | 湖北浩蓝智造科技有限公司 | 一种仓储agv的调度方法、系统、存储介质及电子设备 |
| CN113240215B (zh) * | 2021-07-12 | 2021-09-14 | 湖北浩蓝智造科技有限公司 | 一种仓储agv的调度方法、系统、存储介质及电子设备 |
| CN114048996A (zh) * | 2021-11-10 | 2022-02-15 | 上海海事大学 | 一种考虑外集卡到达不确定的u型自动化码头绿色集成调度方法 |
| CN114048995A (zh) * | 2021-11-10 | 2022-02-15 | 上海海事大学 | 一种考虑到达时间不确定的集卡预约系统重调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107784396A (zh) | 一种自动化集装箱码头关键装卸资源集成调度方法 | |
| CN107506956A (zh) | 基于改进粒子群算法供应链生产运输协同调度方法及系统 | |
| CN109784547B (zh) | 一种码头岸桥与场桥协同优化调度方法 | |
| CN111861205B (zh) | 一种自动化集装箱码头出口箱空间分配方法 | |
| CN107578119A (zh) | 一种智能调度系统的资源分配全局优化方法 | |
| Zhen et al. | Cranes scheduling in frame bridges based automated container terminals | |
| CN110599000B (zh) | 自动化码头翻箱评估方法、箱位分配方法及相关装置 | |
| CN107704960B (zh) | 一种基于mas的自动化集装箱码头堆场双armg调度方法 | |
| CN111007813A (zh) | 一种基于多种群混合智能算法的agv避障调度方法 | |
| Yang et al. | An intelligent storage determining method for inbound containers in container terminals | |
| Yachba et al. | Storage management of hazardous containers using the genetic algorithm | |
| CN108108883A (zh) | 一种基于聚类算法的车辆调度网络弹性简化方法 | |
| Shu et al. | A double-population genetic algorithm for ASC loading sequence optimization in automated container terminals | |
| Park et al. | Optimizing stacking policies using an MOEA for an automated container terminal | |
| Wang et al. | Optimization of quay crane scheduling constrained by stability of vessels | |
| CN108256769A (zh) | 基于nsga-ii改进的场桥调度方法 | |
| CN108491968A (zh) | 基于农产品质量安全应急资源调度模型计算方法 | |
| CN100428247C (zh) | 一种装船时减少集装箱翻箱量的优化方法 | |
| CN110414119B (zh) | 一种基于改进演化算法的港口船舶贝位优化方法 | |
| Hamidou et al. | Management of dangerous goods in container terminal with MAS model | |
| Lee et al. | Integrated quay crane and yard truck schedule for inbound containers | |
| CN115293670A (zh) | 基于混合元启发式算法的自动配送中心订单分拣方法 | |
| Piyachayawat et al. | A hybrid algorithm application for the multi-size pallet loading problem case study: Lamp and lighting factory | |
| Chen et al. | Retrieval request scheduling in a shuttle-based storage and retrieval system with two lifts | |
| CN111639822B (zh) | 一种基于0-1背包问题分析的快递分配方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180309 |