CN107808222A - 一种智能的集装箱码头装卸调度装置 - Google Patents

一种智能的集装箱码头装卸调度装置 Download PDF

Info

Publication number
CN107808222A
CN107808222A CN201711115303.8A CN201711115303A CN107808222A CN 107808222 A CN107808222 A CN 107808222A CN 201711115303 A CN201711115303 A CN 201711115303A CN 107808222 A CN107808222 A CN 107808222A
Authority
CN
China
Prior art keywords
loading
size
unloading
sequence
individual
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
Application number
CN201711115303.8A
Other languages
English (en)
Inventor
刘兴高
应炅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201711115303.8A priority Critical patent/CN107808222A/zh
Publication of CN107808222A publication Critical patent/CN107808222A/zh
Pending legal-status Critical Current

Links

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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种智能的集装箱码头装卸调度装置，该装置由装卸信息输入模块、装卸方案生成模块、装卸过程寻优模块和调度方案输出模块组成。基于改进的群智能优化策略对集装箱码头装卸过程进行优化调度，基于改进的群智能优化策略对航空发动机装配过程进行优化调度，针对群智能优化方法易陷入局部最优的缺点，提出基于Levy飞行的萤火虫算法，来避免算法陷入局部最优，提高收敛精度，为了加快算法收敛速度，提出了一系列工作调整规则，从而生成最优调度方案。本发明能够有效缩短集装箱码头装卸过程的总时间，减少码头作业时间，提高港口物流运作效率。

Description

一种智能的集装箱码头装卸调度装置
技术领域
本发明涉及物流领域，具体地，涉及一种智能的集装箱码头装卸调度装置。
背景技术
在全球贸易货运中，水路运输占据着不可替代的地位，集装箱因其巨大的货物装载量成为了日益重要的运输方式。如今，港口成为国际贸易和物流的枢纽，是进出口贸易的窗口。集装箱码头作为运输链上的一个重要环节，不仅要有足够的装卸设备和堆存空间来适应急剧增长的吞吐量需求，还要求港口合理优化资源配置，采用先进的决策技术，不断提高港口物流的运作效率，缩短船舶在港时间，降低作业成本。
然而，虽然我国在集装箱码头管理方面相比于多年前已有较为明显的完善和发展，但自动化程度不足，部分调度问题仍依靠码头工人的经验完成。
发明内容
为了克服目前集装箱码头装卸调度智能化水平不高的问题，合理优化码头资源配置，本发明提出了一种智能的集装箱码头装卸调度装置。
本发明解决其技术问题所采用的技术方案是：一种智能的集装箱码头装卸调度装置，该装置由装卸信息输入模块、装卸方案生成模块、装卸过程寻优模块和调度方案输出模块组成。四个模块依次连接，以装卸信息输入模块、装卸方案生成模块、装卸过程寻优模块和调度方案输出模块的顺序进行数据传输。
该装置将集装箱码头装卸过程做出以下假设：
1.对于每艘轮船，只有完成卸货之后才能进行装货。
2.每艘轮船，可由一个或多个装卸设备同时装卸货物。
3.每个装卸设备有相同的装卸能力，且只能同时在一艘轮船上进行装卸作业。
4.装卸设备变换的等待时间包括在装卸时间之内。
此时，将该问题视为多处理机任务混合流水车间调度，本发明采用基于群智能的调度策略，生成最优调度方案，整个装置运行具体包括以下几个步骤：
1)n艘轮船同时到达码头，记做集合J＝{1,2,…,n}，每艘轮船都要完成卸货、装货两个阶段，卸货阶段有m1台卸货设备，装货阶段有m2台装货设备。已知size1j与p1j分别表示轮船j在卸货阶段需要的卸货设备与卸货时间；size2j与p2j分别表示轮船j在装货阶段需要的装货设备与装货时间。已知轮船的装卸设备及对应时间信息，数据上传至装卸信息输入模块。
2)参数设置，种群个体数N、最大迭代次数tmax、随机参数α、个体吸引力β0、介质吸收率γ，Levy随机参数c；其中令N＝20，tmax＝500，α＝0.5，β0＝0.2，γ＝1，c＝1.5。
3)种群个体初始化。
生成种群X＝(x1,x2,…,xN)，种群中的第s个个体xs＝(xs1,…,xsn)，xsj为0～n之间的实数，s∈{1,2,…,N}，j∈{1,2}。由于个体xs的坐标是连续的实数，而工作序列是离散的整数序列，用最小排序方法将连续坐标转化为工作序列，即将个体xs＝(xs1,…,xsn)的各个维度从小到大排序，排序的序号构成的整数序列作为卸货阶段的工作序列π1。
4)计算每个个体对应的装卸完成时间Cmax。
萤火虫算法的目标函数为序列对应的装卸完成时间Cmax。本发明基于先到先得的原则，根据各轮船卸货完成时间顺序构造装货序列，然后根据一定规则对生成的装货序列进行适当调整，灵活地进行装货排序，减少装货过程的空闲时间，最终得到最优的装卸调度方案及装卸完成时间Cmax。
4.1)根据构造出卸货阶段的调度方案。其中h∈J，π1(h)表示序列π1中第h个元素对应的轮船，表示第π1(h)艘轮船所需的卸货设备数量。
4.2)在装货时，将轮船卸货完成时间进行非递减顺序排序，得到装货的调度顺序π2。对于任意的π1(h)和π1(l)，h,l∈J，当且h<l时，进行π2排序时假定然后根据π2(h)对应轮船的装货设备数量构造出装货过程的具体调度方案。
4.3)令j＝1，根据适当规则调整序列π2中第j和j+1艘轮船的次序。
对于装货过程中相邻的三艘轮船A,B,C，A＝π2,p，B＝π2,p+1，C＝π2,p+2。根据ST2A与ST2B的关系，可分别提出以下规则来得到更优的处理序列。
a.ST2A>ST2B
规则1-i，若size2B+size2C>m2，size2A+size2C>m2，则交换A与B的处理顺序。
规则1-ii，若size2B+size2C≤m2，size2A+size2C>m2，size2A+size2B>m2，且max{{ST2B+p2B,ST2A}+p2A,ST2C}<max{ST2A+p2A+p2B,ST2C+p2C}，则交换A与B的处理顺序。
规则1-iii，若size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。
规则1-iv，若size2B+size2C≤m2，size2A+size2C≤m2，则交换A与B的处理顺序。
b.ST2A＝ST2B
规则2，若size2A+size2B>m2，size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。
c.ST2A<ST2B
规则3，若ST2A+p2A>ST2B，size2A+size2B>m2，size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。
其中，ST2A、ST2B、ST2C分别表示轮船A、B、C的最早装货开始时间，size2A、size2B、size2C分别表示轮船A、B、C需要的装货设备，p2A、p2B、p2C分别表示轮船A、B、C的装货时间，m2表示装货设备总数。
4.4)若j＝n-2计算π2中各轮船的装货完成时间，即目标函数装卸完成时间Cmax，继续；否则j＝j+1，转至步骤4.3)。
4.5)将该个体Cmax与全局最优值Gbest进行比较，若Cmax<Gbest，则令Gbest＝Cmax，同时πG1＝π1，πG2＝π2，记录该个体的装卸调度序列π1和π2。
5)对于每个个体，如在种群中有装卸完成时间更小的个体，则按照式(4)向该个体移动。
其中，v表示个体移动的速度，xL和yL是符合正态分布的随机数，它们的标准差为和c是Levy随机参数，和满足：
式(4)表示个体xs向更亮个体xb移动。其中Γ表示欧拉第二积分伽马函数，α为[0,1]间的值，β0为距离为0时的吸引力，常数γ为介质的吸收率，rsb为个体xs和个体xb的之间的欧几里德距离；c∈[0.3,1.99]，决定了Levy飞行分布的性质，c越小则Levy飞行的特性越显著，c>2时基本等同于正态分布；v∈[-1,1]。随机搜索的方向由v决定，步长由v与随机参数α决定。Levy飞行行走步长满足一个重尾的稳定分布，在这种形式的行走中，短距离的探索与偶尔较长距离的行走相间。因此，引入Levy飞行能扩大算法搜索范围，增加种群多样性，并且更容易跳出局部最优点。
6)迭代次数达到tmax，调度方案输出模块显示Gbest和调度方案和否则转至步骤4)。
本发明的技术构思为：利用改进的群智能方法对集装箱码头装卸调度过程进行优化，在提高调度方案随机搜索性能的同时，避免陷入局部最优。
本发明的有益效果主要表现在：所述的智能的集装箱码头装卸调度装置，采用了改进的新型智能优化算法。针对群智能优化方法易陷入局部最优的缺点，提出基于Levy飞行的萤火虫算法，来避免算法陷入局部最优，提高收敛精度；为了加快算法收敛速度，提出了一系列工作调整规则，从而生成最优调度方案，缩短船舶在港时间，降低作业成本。
附图说明
图1是本发明的结构示意图；
图2是本发明的流程图；
图3是根据技术方案4.3)中规则1-i交换工作A，B的示意图；
图4是根据技术方案4.3)中规则1-ii交换工作A，B的示意图；
图5是根据技术方案4.3)中规则2交换工作A，B的示意图；
图6是根据技术方案4.3)中规则2交换工作A，B的示意图；
图7是根据技术方案4.3)中规则3交换工作A，B的示意图；
图8是根据技术方案4.3)中规则3调整调度方案的示意图；
图9是示例的装卸数据；
图10是示例的装卸调度结果甘特图。
具体实施方式
参照图1，一种智能的集装箱码头装卸调度装置，包括四个模块：装卸信息输入模块1、装卸方案生成模块2、装卸过程寻优模块3和调度方案输出模块4。四个模块依次连接，以装卸信息输入模块1、装卸方案生成模块2、装卸过程寻优模块3和调度方案输出模块4的顺序进行数据传输。
9艘轮船同时到达码头，记做集合J＝{1,2,…,9}，每艘轮船都要完成卸货、装货两个阶段，各轮船装卸阶段需要的设备数量和装卸过程时间参照图9。
参照图2。装置流程包括以下几个步骤：
1)参照图9将轮船的装卸设备及对应时间信息上传至装卸信息输入模块。
2)参数设置，种群个体数N、最大迭代次数tmax、随机参数α、个体吸引力β0、介质吸收率γ，Levy随机参数c；其中令N＝20，tmax＝500，α＝0.5，β0＝0.2，γ＝1，c＝1.5。
3)种群个体初始化。
生成种群X＝(x1,x2,…,xN)，种群中的第s个个体xs＝(xs1,…,xs9)，xsj为0～9之间的实数，s∈{1,2,…,N}，j∈{1,2,…,9}。由于个体xs的坐标是连续的实数，而工作序列是离散的整数序列，用最小排序方法将连续坐标转化为工作序列，即将个体xs＝(xs1,…,xs9)的各个维度从小到大排序，排序的序号构成的整数序列作为卸货阶段的工作序列π1。以表1为例，来说明π1：
表1：最小排序方法示例
j 1 2 3 4 5 6 7 8 9
xsj 1.89 0.65 1.24 2.43 5.89 5.12 3.95 7.53 8.27
π1中位置 3 1 2 4 7 6 5 8 9
根据表1所示的最小排序方法，得到第1阶段的工作序列π1＝(231476589)。
4)计算每个个体对应的装卸完成时间Cmax，整个过程参照图10。
萤火虫算法的目标函数为序列对应的装卸完成时间Cmax。本发明基于先到先得的原则，根据各轮船卸货完成时间顺序构造装货序列，然后根据一定规则对生成的装货序列进行适当调整，灵活地进行装货排序，减少装货过程的空闲时间，最终得到最优的装卸调度方案及装卸完成时间Cmax。
4.1)i＝1时，根据构造出卸货阶段的调度方案，h∈{1,2,…,9}，π1(h)表示序列π1中第h个元素对应的轮船，表示轮船π1(h)所需的卸货设备。根据π1＝(231476589)和相应的卸货设备数量要求从0时刻开始分配任务，整个过程保证调度方案不违背序列π1的先后关系，最后得到所有轮船的卸货调度方案，参照图10。
4.2)在装货时，将轮船卸货完成时间进行非递减顺序排序，得到装货的调度顺序π2＝(213764859)。
4.3)令j＝1，根据规则开始调整序列π2中第j和j+1艘轮船的次序。
调整过程中发现，对于任意相邻的三艘轮船A,B,C，都有ST2A<ST2B。对照规则3，只有j＝5时满足条件，交换A与B的处理顺序可得到π2＝(213746859)。具体过程如图3-8所示。
4.4)若j＝7计算π2＝(213746859)中各轮船的装卸完成时间Cmax，调度方案参照图10，继续；否则j＝j+1，转至步骤4.3)。
4.5)将该个体Cmax＝20与全局最优值Gbest进行比较，若Cmax<Gbest，则令Gbest＝Cmax，同时记录该个体在装卸阶段的调度序列π1和π2。
5)对于每个个体，如在种群中有装卸完成时间更小的个体，则按照式(4)向该个体移动。
其中，v表示个体移动的速度，xL和yL是符合正态分布的随机数，它们的标准差为和c是Levy随机参数，和满足：
式(4)表示个体xs向更亮个体xb移动。其中Γ表示欧拉第二积分伽马函数，α为[0,1]间的值，β0为距离为0时的吸引力，常数γ为介质的吸收率，rsb为个体xs和个体xb的之间的欧几里德距离；c∈[0.3,1.99]，决定了Levy飞行分布的性质，c越小则Levy飞行的特性越显著，c>2时基本等同于正态分布；v∈[-1,1]。随机搜索的方向由v决定，步长由v与随机参数α决定。Levy飞行行走步长满足一个重尾的稳定分布，在这种形式的行走中，短距离的探索与偶尔较长距离的行走相间。因此，引入Levy飞行能扩大算法搜索范围，增加种群多样性，并且更容易跳出局部最优点。
6)迭代次数达到tmax，调度方案输出模块显示Gbest和调度方案和否则转至步骤4)。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (1)

1.一种智能的集装箱码头装卸调度装置。其特征是：该装置由装卸信息输入模块、装卸方案生成模块、装卸过程寻优模块和调度方案输出模块组成。四个模块依次连接，以装卸信息输入模块、装卸方案生成模块、装卸过程寻优模块和调度方案输出模块的顺序进行数据传输。
该装置将集装箱码头装卸过程满足以下条件：
(1)对于每艘轮船，只有完成卸货之后才能进行装货。
(2)每艘轮船，可由一个或多个装卸设备同时装卸货物。
(3)每个装卸设备有相同的装卸能力，且只能同时在一艘轮船上进行装卸作业。
(4)装卸设备变换的等待时间包括在装卸时间之内。
整个装置运行具体包括以下几个步骤：
1)n艘轮船同时到达码头，记做集合J＝{1,2,…,n}，每艘轮船都要完成卸货、装货两个阶段，卸货阶段有m1台卸货设备，装货阶段有m2台装货设备。已知size1j与p1j分别表示轮船j在卸货阶段需要的卸货设备与卸货时间；size2j与p2j分别表示轮船j在装货阶段需要的装货设备与装货时间。已知轮船的装卸设备及对应时间信息，数据上传至装卸信息输入模块。
2)参数设置，种群个体数N、最大迭代次数tmax、随机参数α、个体吸引力β0、介质吸收率γ，Levy随机参数c；其中令N＝20，tmax＝500，α＝0.5，β0＝0.2，γ＝1，c＝1.5。
3)种群个体初始化。
生成种群X＝(x1,x2,…,xN)，种群中的第s个个体xs＝(xs1,…,xsn)，xsj为0～n之间的实数，s∈{1,2,…,N}，j∈{1,2}。由于个体xs的坐标是连续的实数，而工作序列是离散的整数序列，用最小排序方法将连续坐标转化为工作序列，即将个体xs＝(xs1,…,xsn)的各个维度从小到大排序，排序的序号构成的整数序列作为卸货阶段的工作序列π1。
4)计算每个个体对应的装卸完成时间Cmax。
萤火虫算法的目标函数为序列对应的装卸完成时间Cmax。本发明基于先到先得的原则，根据各轮船卸货完成时间顺序构造装货序列，然后根据一定规则对生成的装货序列进行适当调整，灵活地进行装货排序，减少装货过程的空闲时间，最终得到最优的装卸调度方案及装卸完成时间Cmax。
4.1)根据构造出卸货阶段的调度方案。其中h∈J，π1(h)表示序列π1中第h个元素对应的轮船，表示第π1(h)艘轮船所需的卸货设备数量。
4.2)在装货时，将轮船卸货完成时间进行非递减顺序排序，得到装货的调度顺序π2。对于任意的π1(h)和π1(l)，h,l∈J，当且h<l时，进行π2排序时假定然后根据π2(h)对应轮船的装货设备数量构造出装货过程的具体调度方案。
4.3)令j＝1，根据适当规则调整序列π2中第j和j+1艘轮船的次序。
对于装货过程中相邻的三艘轮船A,B,C，A＝π2,p，B＝π2,p+1，C＝π2,p+2。根据ST2A与ST2B的关系，可分别提出以下规则来得到更优的处理序列。
a.ST2A>ST2B
规则1-i，若size2B+size2C>m2，size2A+size2C>m2，则交换A与B的处理顺序。
规则1-ii，若size2B+size2C≤m2，size2A+size2C>m2，size2A+size2B>m2，且max{{ST2B+p2B,ST2A}+p2A,ST2C}<max{ST2A+p2A+p2B,ST2C+p2C}，则交换A与B的处理顺序。
规则1-iii，若size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。
规则1-iv，若size2B+size2C≤m2，size2A+size2C≤m2，则交换A与B的处理顺序。
b.ST2A＝ST2B
规则2，若size2A+size2B>m2，size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。
c.ST2A<ST2B
规则3，若ST2A+p2A>ST2B，size2A+size2B>m2，size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。
其中，ST2A、ST2B、ST2C分别表示轮船A、B、C的最早装货开始时间，size2A、size2B、size2C分别表示轮船A、B、C需要的装货设备，p2A、p2B、p2C分别表示轮船A、B、C的装货时间，m2表示装货设备总数。
4.4)若j＝n-2计算π2中各轮船的装货完成时间，即目标函数装卸完成时间Cmax，继续；否则j＝j+1，转至步骤4.3)。
4.5)将该个体Cmax与全局最优值Gbest进行比较，若Cmax<Gbest，则令Gbest＝Cmax，同时记录该个体的装卸调度序列π1和π2。
5)对于每个个体，如在种群中有装卸完成时间更小的个体，则按照式(4)向该个体移动。
<mrow> <mi>v</mi> <mo>=</mo> <mfrac> <msub> <mi>x</mi> <mi>L</mi> </msub> <mrow> <mo>|</mo> <msub> <mi>y</mi> <mi>L</mi> </msub> <msup> <mo>|</mo> <mrow> <mn>1</mn> <mo>/</mo> <mi>c</mi> </mrow> </msup> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中，v表示个体移动的速度，xL和yL是符合正态分布的随机数，它们的标准差为和c是Levy随机参数，和满足：
<mrow> <msub> <mi>&amp;sigma;</mi> <msub> <mi>x</mi> <mi>L</mi> </msub> </msub> <mrow> <mo>(</mo> <mi>c</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <mi>&amp;Gamma;</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <mi>c</mi> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>&amp;pi;</mi> <mi>c</mi> <mo>/</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> <mrow> <mi>&amp;Gamma;</mi> <mrow> <mo>(</mo> <mo>(</mo> <mrow> <mn>1</mn> <mo>+</mo> <mi>c</mi> </mrow> <mo>)</mo> <mo>/</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <msup> <mn>2</mn> <mrow> <mo>(</mo> <mi>c</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mi>c</mi> </mrow> </mfrac> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mi>c</mi> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>&amp;sigma;</mi> <msub> <mi>y</mi> <mi>L</mi> </msub> </msub> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>x</mi> <mi>s</mi> </msub> <mo>=</mo> <msub> <mi>x</mi> <mi>s</mi> </msub> <mo>+</mo> <msub> <mi>&amp;beta;</mi> <mn>0</mn> </msub> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msup> <msub> <mi>&amp;gamma;r</mi> <mrow> <mi>s</mi> <mi>b</mi> </mrow> </msub> <mn>2</mn> </msup> </mrow> </msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>b</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>s</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mi>&amp;alpha;</mi> <mi>v</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
式(4)表示个体xs向更亮个体xb移动。其中Γ表示欧拉第二积分伽马函数，α为[0,1]间的值，β0为距离为0时的吸引力，常数γ为介质的吸收率，rsb为个体xs和个体xb的之间的欧几里德距离；c∈[0.3,1.99]，决定了Levy飞行分布的性质，c越小则Levy飞行的特性越显著，c>2时基本等同于正态分布；v∈[-1,1]。随机搜索的方向由v决定，步长由v与随机参数α决定。Levy飞行行走步长满足一个重尾的稳定分布，在这种形式的行走中，短距离的探索与偶尔较长距离的行走相间。因此，引入Levy飞行能扩大算法搜索范围，增加种群多样性，并且更容易跳出局部最优点。
6)迭代次数达到tmax，调度方案输出模块显示Gbest和调度方案和否则转至步骤4)。
CN201711115303.8A 2017-11-13 2017-11-13 一种智能的集装箱码头装卸调度装置 Pending CN107808222A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711115303.8A CN107808222A (zh) 2017-11-13 2017-11-13 一种智能的集装箱码头装卸调度装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711115303.8A CN107808222A (zh) 2017-11-13 2017-11-13 一种智能的集装箱码头装卸调度装置

Publications (1)

Publication Number Publication Date
CN107808222A true CN107808222A (zh) 2018-03-16

Family

ID=61591941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711115303.8A Pending CN107808222A (zh) 2017-11-13 2017-11-13 一种智能的集装箱码头装卸调度装置

Country Status (1)

Country Link
CN (1) CN107808222A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544019A (zh) * 2019-08-14 2019-12-06 智慧航海（青岛）科技有限公司 一种面向智能船舶的集装箱货物配载方法及系统
CN110599097A (zh) * 2019-09-17 2019-12-20 九江学院 一种基于萤火虫算法的双梯队库存路径优化设计方法
CN118569615A (zh) * 2024-08-02 2024-08-30 南京港机重工制造有限公司 一种码头装卸设备调度的优选方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544019A (zh) * 2019-08-14 2019-12-06 智慧航海（青岛）科技有限公司 一种面向智能船舶的集装箱货物配载方法及系统
CN110544019B (zh) * 2019-08-14 2021-07-30 智慧航海（青岛）科技有限公司 一种面向智能船舶的集装箱货物配载方法及系统
CN110599097A (zh) * 2019-09-17 2019-12-20 九江学院 一种基于萤火虫算法的双梯队库存路径优化设计方法
CN110599097B (zh) * 2019-09-17 2023-04-18 九江学院 一种基于萤火虫算法的双梯队库存路径优化设计方法
CN118569615A (zh) * 2024-08-02 2024-08-30 南京港机重工制造有限公司 一种码头装卸设备调度的优选方法
CN118569615B (zh) * 2024-08-02 2024-10-01 南京港机重工制造有限公司 一种码头装卸设备调度的优选方法

Similar Documents

Publication Publication Date Title
US20220063915A1 (en) Goods sorting method and goods sorting system
CN107808222A (zh) 一种智能的集装箱码头装卸调度装置
CN106651049B (zh) 自动化集装箱码头装卸设备的重调度方法
Cao et al. Integrated quay crane and yard truck schedule problem in container terminals
CN110598941A (zh) 一种基于仿生策略的粒子群优化制造系统双目标排产方法
Jiang et al. Picking-replenishment synchronization for robotic forward-reserve warehouses
CN110322066B (zh) 一种基于共享承运人和共享仓库的协同车辆路径优化方法
Lin et al. Towards quality-aware control of perishable goods in synchromodal transport networks
CN105956689A (zh) 一种基于改进粒子群优化的运输和生产协同调度方法
Xing et al. Integrated automated guided vehicle dispatching and equipment scheduling with speed optimization
CN116203959A (zh) 基于hac算法的机器人路径规划方法及系统
CN115034143A (zh) 一种多资源协同的智能车间设备配置优化方法
CN103489091A (zh) 一种钢铁产品船运集配方法
CN109086994A (zh) 面向连续生产的生产与运输联合调度方法
CN107909200A (zh) 一种高效的集装箱码头装卸调度装置
Hong et al. A dynamic demand-driven smart manufacturing for mass individualization production
CN114663011A (zh) 一种自动化码头agv的调度方法
Mareddy et al. Development of scheduling methodology in a multi-machine flexible manufacturing system without tool delay employing flower pollination algorithm
Arkat et al. Truck scheduling problem in a cross-docking system with release time constraint
CN116755397B (zh) 一种基于图卷积策略梯度的多机协同任务调度方法
Wu et al. Scheduling semiconductor in-line steppers in new product/process introduction scenarios
CN109086990A (zh) 面向连续生产的生产与运输联合调度方法
CN117528655A (zh) 一种多无人机辅助多车辆边缘计算方法及系统
Zhou et al. Decomposition-based 2-echelon multi-objective evolutionary algorithm with energy-efficient local search strategies for shop floor multi-crane scheduling problems
CN115345550B (zh) 车辆路径规划方法及系统

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: 20180316