CN110782160A - 船舶泊位分配方法、系统及装置 - Google Patents
船舶泊位分配方法、系统及装置 Download PDFInfo
- Publication number
- CN110782160A CN110782160A CN201911019532.9A CN201911019532A CN110782160A CN 110782160 A CN110782160 A CN 110782160A CN 201911019532 A CN201911019532 A CN 201911019532A CN 110782160 A CN110782160 A CN 110782160A
- Authority
- CN
- China
- Prior art keywords
- ship
- berth
- time
- loading
- berthing
- 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 135
- 238000009826 distribution Methods 0.000 title claims abstract description 72
- 230000006870 function Effects 0.000 claims abstract description 80
- 238000004519 manufacturing process Methods 0.000 claims abstract description 41
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 210000000349 chromosome Anatomy 0.000 claims description 58
- 230000008569 process Effects 0.000 claims description 50
- 238000003860 storage Methods 0.000 claims description 41
- 238000004088 simulation Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 14
- 239000000470 constituent Substances 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 239000003245 coal Substances 0.000 abstract description 65
- 101150080778 INPP5D gene Proteins 0.000 description 413
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000002068 genetic effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000035772 mutation Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000004873 anchoring Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 101150028074 2 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/04—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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (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)
- Ship Loading And Unloading (AREA)
Abstract
本申请公开了一种船舶泊位分配方法、系统及装置。该方法包括:以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征;求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间。通过本申请,解决了相关技术中在进行输出型煤炭码头泊位分配时,难以根据实际影响因素进行合理分配的问题。
Description
技术领域
本申请涉及交通运输技术领域,具体而言,涉及一种船舶泊位分配方法、系统及装置。
背景技术
我国煤炭运输形成了“北煤南运”、“西煤东运”的基本格局,输出型煤炭码头是我国煤运输体系的关键枢纽。输出型煤炭码头的运营模式是:列车运输煤炭到港口,翻堆作业系统卸车并将煤炭堆存到堆场;船舶靠泊后,取装作业系统从堆场取煤并传送到泊位装船,装船完成后离港。
输出型煤炭码头泊位分配问题,又称指泊或排船问题,不仅仅是单纯考虑泊位规格和装船设备下的船舶匹配泊位,还应考虑船舶票货及装船方案、煤种在堆场中的垛位分布及堆存量、垛位与取料机的可达性、取装线、装船机与泊位的可达性等,即船货匹配下的泊位分配问题。
输出型煤炭码头输入(卸车)的目的是输出(装船),泊位分配是码头煤炭输出调度计划的起点,较优的泊位分配,可以最大限度的避免泊位资源浪费,提高堆场煤源的利用情况,减少设备冲突,缩短船舶在港时间。
目前,煤炭码头都已经基本建立了码头生产管理系统和控制系统,信息技术已经帮助码头管理者将传统的手工数据处理方式转变为计算机处理,大大提高了煤炭码头的管理水平和生产效率。但是,煤炭码头排船主要依赖人脑经验,很难站在全局生产的角度科学合理地制定船舶靠离泊计划,而且当生产条件变化时,计划调度人员不能快速制定新的计划。在智能化、数字化港口码头的建设中,实现卸车生产作业的智能排产是煤炭码头迈向智慧型码头的关键一步。
当前,关于码头泊位分配问题研究越来越多的与船舶靠泊后的实际生产挂钩,并考虑其关联的影响因素,如泊位分配与岸桥调度相互影响方面的研究、泊位分配与堆场相互影响的研究、泊位分配与燃油消耗相互影响的研究,但相关研究非常有限:有ROBENEK等从战术层面上研究了散货港口的泊位分配和堆场分配问题,但其前提假设是所有船舶都是单一货种,优化目标单一,实用性较低;宓为建等针对出口型煤码头泊位分配问题,以岸线、机械利用率最大和船舶总在港时间最短为目标建立泊位与机械联合调度模型并用遗传算法求解,但仅区分块煤和末煤,而且未考虑场存、工艺可达等边界条件,船舶在泊时间估算粗略,精确度较低。
综上,输出型煤炭码头泊位分配问题不仅仅是单纯的船舶匹配泊位,然而当前大多研究仅单一考虑堆场或设备构成要素且过于理想化,相关研究考虑的影响构成要素和目标与实际情况有较大偏差,而且属于理想状态的理论及算法探讨,问题模型与实际生产脱节,结果实用性低。
针对相关技术中在进行输出型煤炭码头泊位分配时,难以根据实际影响因素进行合理分配的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供一种船舶泊位分配方法、系统及装置,以解决相关技术中在进行输出型煤炭码头泊位分配时,难以根据实际影响因素进行合理分配的问题。
根据本申请的一个方面,提供了一种船舶泊位分配方法。该方法包括:以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征,预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制;求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间。
可选地,求解目标模型,得到船舶泊位分配方案的最优解包括:按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列;基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况;在推演船舶泊位分配方案的运行情况的过程中,对至少一个染色体序列进行迭代,得到船舶泊位分配方案对应的目标模型的目标函数值;在迭代结束或目标模型的目标函数值满足预设条件的情况下,基于目标模型的目标函数值对应的船舶泊位分配方案中的第一要素的值和第二要素的值确定最优解,其中,第二要素为船舶泊位分配方案中第一要素以外的构成要素。
可选地,按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列包括:针对每一条船舶筛选目标要素下符合约束条件的所有要素值,其中,目标要素为第一要素中的构成要素;基于预设规则对要素值进行选择或排序,得到目标要素对应的染色体序列。
可选地,基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况包括:初始化仿真时钟以及泊位状态、设备状态、堆场状态、取货状态和装货状态;根据船舶作业进度将船舶加入不同的列表,其中,列表至少包括事件列表、等待靠泊列表以及等待作业列表;推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空;其中,根据船舶作业进度将船舶加入不同的列表包括:将未到港船舶的到港事件加入事件列表;将已抵锚未靠泊船舶加入等待靠泊列表;对于正在装船作业船舶,根据装船进度计算本次装船作业量及完成时间,并将一次装船作业完成事件加入事件列表;将在泊等待作业的船舶加入等待作业列表。
可选地,推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空包括:在船舶到港事件发生的情况下,将船舶加入到等待靠泊列表;在船舶具备靠泊条件或泊位空闲事件发生的情况下,根据泊位和货船匹配规则从等待靠泊列表中确定船货匹配的船舶,并更新船舶进港靠泊各时间节点及状态;在船舶具备作业条件或一次装船作业完成的情况下,模拟装船作业并计算作业时间和垛位剩余堆存量、更新船舶状态和设备状态,在完成作业的情况下计算船舶离泊时间,将一次装船作业完成事件或泊位空闲事件加入事件列表。
可选地,以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型包括:以港口生产效率最大为目标建立第一目标函数;以船舶在港时间最短为目标建立第二目标函数;采用权重系数法将第一目标函数和第二目标函数转化为求最小值的单目标函数;根据单目标函数和约束条件建立目标模型。
根据本申请的另一方面,提供了一种船舶泊位分配系统。该系统包括:应用服务器,用于基于上述任意一种船舶泊位分配方法确定船舶泊位分配方案;数据库服务器,与应用服务器通信连接,用于为应用服务器提供运行所需的数据,并保存应用服务器运行过程中产生的数据;客户机,与应用服务器通信连接,用于与应用服务器进行交互。
可选地,应用服务器包括:优化引擎,用于基于上述任意一种船舶泊位分配方法计算船舶泊位分配方案;数据接口模块,用于从数据库服务器读取输入数据,并将优化引擎计算得到的船舶泊位分配方案的数据保存到数据库服务器中;用户接口模块,用于从客户机读取输入数据,并基于客户机的输入数据将指示数据反馈至客户机。
为了实现上述目的,根据本申请的另一方面,提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述任意一种船舶泊位分配方法。
为了实现上述目的,根据本申请的另一方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一种船舶泊位分配方法。
通过本申请,采用以下步骤:以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征,预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制;求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间,解决了相关技术中在进行输出型煤炭码头泊位分配时,难以根据实际影响因素进行合理分配的问题。通过建立目标模型,求解目标模型得到,得到船舶泊位分配方案,进而达到了进行输出型煤炭码头泊位分配时,根据实际影响因素进行合理分配的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的船舶泊位分配方法的流程图;
图2是根据本申请实施例提供的船舶泊位分配方法中输出型煤炭码头典型布局示意图;
图3是根据本申请实施例提供的船舶泊位分配系统的示意图;
图4是根据本申请实施例提供的可选的船舶泊位分配装置的示意图;
图5是根据本申请实施例提供的船舶泊位分配装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请的实施例,提供了一种船舶泊位分配方法。
图1是根据本申请实施例的船舶泊位分配方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征,预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制。
需要说明的是,输出型煤炭码头典型布局如图2所示,整个堆场由露天堆场和封闭筒仓构成,取料机移动到相应垛位取料,给料机固定在筒仓底端供料,受取装线限制,不同的堆场可达不同的泊位,如筒仓排A和B均可达泊位201和202。
船舶泊位分配问题可以描述为:有m个不同规格的泊位、p台取料机(或给料机,且包含与其相连的传送皮带)、s个不同的垛位(垛位位置、类型、堆存煤种等不同,受取装系统的限制,垛位、取料机与泊位间的可达性关系为多对多),有n条抵锚或预到船舶,每条船舶可以配载1-3票货(票货量固定),每票货对应装船方案为1-3个,每个装船方案可以是一个堆存煤种单装或由两个堆存煤种按一定比例配煤(同一取装线上的垛位才能配煤),按照船舶具备排船条件的时间顺序,将n条船分配到m个泊位上,并给出装船方案计划装载量、垛位和船舶的计划靠离泊时间,使得码头作业效率最大和船舶在港时间最短。
为便于建模及求解,在符合其实用性的前提下,本申请设定以下前提条件:
待排船舶包括抵锚和预到船舶(动态调度),船舶具备排船条件时间滚动变化。
一条船舶只能停靠一个泊位,不考虑移泊。
航道开放进港、离港时间点固定,船舶从锚地到泊位以及从泊位离港的时长固定。
船舶装船作业分三轮,靠泊后开始排水和第一轮作业,排水和第一轮作业均完成后方可进行第二轮作业,第一、二轮作业效率取历史平均值,第三轮(调水尺)作业时长取历史平均值。
转接传送皮带、装船机充足,取装作业线只考虑取料线(取料机或给料机及其相连的传送皮带)的作业冲突问题。
取装作业线一次作业准备时长取平均值。
泊位、垛位及取装设备等抽象为中心点。
煤源充足,忽略设备故障、天气等情况导致的延迟。
在满足以上条件的前提下,具体地,港口生产效率最大以F1表示:
其中,tout代表船从泊位离泊出港开始时间,m代表泊位序号,n代表船舶序号,xnj代表决策变量。
决策变量xij的取值如下:
船舶在港时间最短以F2表示:
可选地,在本申请实施例提供的船舶泊位分配方法中,以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型包括:以港口生产效率最大为目标建立第一目标函数;以船舶在港时间最短为目标建立第二目标函数;采用权重系数法将第一目标函数和第二目标函数转化为求最小值的单目标函数;根据单目标函数和约束条件建立目标模型。
由于不同用户对各个目标的侧重点不同,为便于用户根据实际情况调整目标的重要程度,本申请将两个目标F1和F2进行[0,1]标准化处理转化为求最小值的F1’和F2’,并采用权重系数法将两个目标函数转化为求最小值的单目标函数:
min F=ξ1×F1′+ξ2×F2′;
F1′=(F1-F1 min)/(F1 max-F1 min);
F2′=(F2-F2 min)/(F2 max-F2 min);
其中,权重系数ξ1和ξ2的值根据各目标的重要度权衡,ξ1+ξ2=1,F1 min、F1 max、F2 min、F2 max分别代表目标F1、F2的最小值和最大值。
需要说明的是:本模型的约束条件主要包括泊位规格限制、作业唯一性约束、进出港时间限制、装船煤种场存充足及取值范围限制等约束条件。
其中,泊位规格限制如下:
船舶吨级不大于泊位吨级限制:
船舶长度不大于泊位长度限制:
其中,船舶进出港时间限制如下:
其中,唯一性约束如下:
一个时刻一个泊位只能靠一艘船的表示如下:
式中,i’和i船是先后靠j泊位作业的两条船。
其中,下式表示存在泊位j,使得i船k票货下所有方案的场存量之和不小于票货量:
其中,下式表示在泊位j下,靠泊的任一船舶任一票货任一方案的仿真装船量不大于该方案的实际场存量:
其中,下式表示对于任一船舶在泊位j作业,则该船的任一票货下的所有装船方案的仿真装船量之和等于票货量:
其中,下式表示堆场煤源存量充足,即对于任意船舶i的任意票货k,存在泊位j,使得i船k票货的所有方案对应的且可达j泊位的场存量之和不小于票货量:
式中,代表i船k票货r装船方案煤种1是否为v煤种(1是,0否),代表i船k票货r装船方案煤种2是否为v煤种(1是,0否),代表i船k票货r装船方案中煤种1占百分比,代表i船k票货r装船方案中煤种2占百分比,代表u垛位是否堆存v煤种(1是,0否),代表u垛位当前堆存量。
式中,表示u垛位与a取料线是否可达(1是,0否)。
步骤S102,求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间。
需要说明的是,泊位分配问题是已经被证明了的NP-Hard问题,遗传算法是应用最广泛的智能求解算法之一,而仿真能够用一个虚拟的系统描述真实系统的运行、演变及其发展过程,为更好地接近煤炭码头船舶系统运行情况,提高结果精确性,本申请可以将遗传算法与仿真推演结合求解本研究问题。
本申请实施例提供的船舶泊位分配方法,通过以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征,预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制;求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间,解决了相关技术中在进行输出型煤炭码头泊位分配时,难以根据实际影响因素进行合理分配的问题。通过建立目标模型,求解目标模型得到,得到船舶泊位分配方案,进而达到了进行输出型煤炭码头泊位分配时,根据实际影响因素进行合理分配的效果。
可选地,在本申请实施例提供的船舶泊位分配方法中,求解目标模型,得到船舶泊位分配方案的最优解包括:按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列;基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况;在推演船舶泊位分配方案的运行情况的过程中,对至少一个染色体序列进行迭代,得到船舶泊位分配方案对应的目标模型的目标函数值;在迭代结束或目标模型的目标函数值满足预设条件的情况下,基于目标模型的目标函数值对应的船舶泊位分配方案中的第一要素的值和第二要素的值确定最优解,其中,第二要素为船舶泊位分配方案中第一要素以外的构成要素。
需要说明的是,编码的目的是将问题的可行解从其解空间转换为求解算法的搜索空间中,由于泊位分配牵扯到的变量较多、船舶作业过程顺序严格、作业工艺约束较多,仅仅通过简单的编码和解码较难反应作业的真实情况,因而在染色体解码时,利用仿真技术来推演各调度方案的运行情况,并统计分析相应的目标函数值作为各染色体的适应值,最终求得较优的解。
具体地,适应值函数由目标函数变换得到,公式如下:Ffit=1-(ξ1×F1′+ξ2×F2′)。
可选地,在本申请实施例提供的船舶泊位分配方法中,按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列包括:针对每一条船舶筛选目标要素下符合约束条件的所有要素值,其中,目标要素为第一要素中的构成要素;基于预设规则对要素值进行选择或排序,得到目标要素对应的染色体序列。
需要说明的是,编码的设计质量对求解效果有较大影响,本申请采用组合式编码方法,编码需要描述的解空间包括船舶停靠的泊位、在泊位上的作业顺序、采用的装船方案垛位及装船量、接受服务的时间点,其中,一条船舶仅且仅能对应一个泊位,船舶在泊位上的服务顺序按照船舶具备排船条件时间排序,采用的装船方案可以通过设定装船方案优先级的方式来解决,实际采用的装船方案的垛位、装船量和作业时间可以根据船舶作业时选择启用的取装线、票货量、垛位实时堆存量以及作业效率等计算得到,为了减少编码长度,缩小解空间的规模,本申请染色体编码仅考虑船舶作业泊位和装船方案优先级,而装船方案垛位、装船量和作业时间在仿真推演装船作业过程中计算。
本申请设计的染色体由泊位序列和装船方案优先级序列构成:
泊位序列Berth={b1,b2,…,bn-1,bn}。如bi=j,表示第i条船作业的泊位为j。
装船方案优先级序列Order={[(o111,o112,…,),(o311,o312,…),…],…,[(on11,on12,…),(on31,on32,…)]}。该序列内有n个“[]”表示n条船,第i个“[]”内有个“()”表示i船有票货,第i个“[]”内的第k个“()”有个元素,每个元素是一个方案,例如oikr=f表示i船舶k票货第r个方案的优先级为f。
于是,本申请中的模型的任意一种方案可由(Berth,Order)唯一表示,所有船舶根据Berth序列分配到相应泊位上,根据船舶具备排船条件时间确定船舶在泊位上的靠泊顺序,然后根据装船工艺可达性、装船方案优先级、场存量、票货量、船舶轮次配载量、作业效率以及装船作业启发式优化规则等进行仿真推演计算,可以得到装船方案仿真装载量、取料垛位和船舶的计划靠离泊时间。
此外,还需要说明的是,由于船舶可分配的泊位除了需要满足船舶与泊位的吨级、长度、宽度和吃水深度匹配情况外,还应考虑装船方案煤种的堆存位置与泊位的可达性以及堆存量与配载量关系等约束,因此,在生成染色体时需要确保染色体的合法性,本申请设计的染色体生成规则如下:
步骤1、从船舶队列取出i船,根据船舶吨级不大于泊位吨级限制,船舶长度不大于泊位长度限制,宽度不小于泊位最小宽度要求,船舶满载吃水深度不大于泊位深度限制初步筛选符合限制的可用泊位集合Bi。
步骤2、根据堆场煤源存量充足公式和配煤时两个煤种的可用场存量所能配出的最大值公式计算货源情况,删除掉集合Bi中不满足约束的泊位;
步骤3、从集合Bi中随机选择一个泊位赋值基因位bi,生成Berth序列;
步骤4、随机排列i船k(k=1,…,)票货的所有方案,生成Order序列;
步骤5、返回到步骤1生成下一染色体。
得到的染色体编码如下所示:
Berth序列,长度为n,具体表示为:{b1,b2,…,bn}。
可选地,在本申请实施例提供的船舶泊位分配方法中,基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况包括:初始化仿真时钟以及泊位状态、设备状态、堆场状态、取货状态和装货状态;根据船舶作业进度将船舶加入不同的列表,其中,列表至少包括事件列表、等待靠泊列表以及等待作业列表;推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空;其中,根据船舶作业进度将船舶加入不同的列表包括:将未到港船舶的到港事件加入事件列表;将已抵锚未靠泊船舶加入等待靠泊列表;对于正在装船作业船舶,根据装船进度计算本次装船作业量及完成时间,并将一次装船作业完成事件加入事件列表;将在泊等待作业的船舶加入等待作业列表。
需要说明的是,对于正在装船作业船舶,至少根据以下装船进度信息计算流本次装船作业量及完成时间,将一次装船作业完成事件加入事件列表:第几轮作业、装船作业记录、已完成票货量、正在装船作业的取装线和垛位信息。
可选地,在本申请实施例提供的船舶泊位分配方法中,推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空包括:在船舶到港事件发生的情况下,将船舶加入到等待靠泊列表;在船舶具备靠泊条件或泊位空闲事件发生的情况下,根据泊位和货船匹配规则从等待靠泊列表中确定船货匹配的船舶,并更新船舶进港靠泊各时间节点及状态;在船舶具备作业条件或一次装船作业完成的情况下,模拟装船作业并计算作业时间和垛位剩余堆存量、更新船舶状态和设备状态,在完成作业的情况下计算船舶离泊时间,将一次装船作业完成事件或泊位空闲事件加入事件列表。
具体地,仿真推演过程中船舶作业各个节点的开始和结束时间的计算方法如下:
令i’和i船是先后靠j泊位作业的两条船,i’船离开j泊位后,i船在第w个进港时间点到j泊位作业,则i船的进港靠泊各时间节点及泊位状态如下:
i船的进港靠泊开始时间为第w个进港时间点表示为:
需要说明的是,该时间点要晚于i船到港时间和i’船的离泊时间。
需要说明的是,该时间也是船舶开始排水时间,若i船靠泊完成后即装船作业,则该时间也是船舶开始作业时间,也即,第一轮装船作业开始时间:
船舶排水完成时间表示为:
同时,令a0相连的取装线在t0时刻开始空闲,且i船舶能使用该取装线进行装船作业,在t1时刻i船舶具备进行第g轮装船作业,则本次装船作业开始时间t2为:
则a0在作业期间状态为被占用,表示如下:
再次,令第一轮完成作业时间为t4,则i船舶具备第二轮开始作业的条件的时间t5为:
重复装船作业开始时间t2至i船舶具备第二轮开始作业的条件的时间t5的计算过程可以计算i船舶第一、二轮装船作业开始和结束时间。令第三轮装船作业开始时间为t6,则第三轮装船作业完成时间t7为:
t7=t6+Ti trd;
最后,完成装船作业后船舶在航道开放船舶出港的第w个时间点离泊出港,离港时间为:
在上述基础上,推进仿真时钟,处理事件列表直到空为止的处理过程如下:
船舶到港事件发生时,将船舶加入到等待靠泊列表;船舶具备靠泊条件或泊位空闲事件发生时,针对空闲的泊位,从等待靠泊列表取出i船,若bi与该泊位相同,则根据船舶配载量、装船方案、场存情况,按照堆场煤源存量充足公式以及配煤时两个煤种的可用场存量所能配出的最大值公式计算船货匹配情况,选择第一艘船货匹配的船舶,根据公式i船的进港靠泊各时间节点及泊位状态公式更新船舶进港靠泊各时间节点及状态。
船舶具备作业条件或一次装船作业完成时,针对空闲的取装流程,根据在泊船舶靠泊顺序及装船方案优先级模拟装船作业,根据每轮装船作业种装船作业开始时间和完成时间公式计算船舶的作业时间和垛位剩余堆存量、并更新船舶状态和设备状态,若完成作业则计算船舶离泊时间,将一次装船作业完成事件或泊位空闲事件加入事件列表。
需要说明的是,遗传算法是针对由多个可行染色体构成的种群,通过选择、交叉和变异进行迭代寻优。具体地,选择方法有轮盘赌法、随机遍历抽样法、局部选择和锦标赛选择等,交叉方法有单点交叉、多点交叉、算术交叉、顺序交叉、部分映射交叉和循环交叉等,变异方法有实值变异、替换变异、互换式变异等。
基于编码方式,本算法的遗传操作如下:
选择操作:采用轮盘赌法和保优策略结合的方法,选择时,首先采用轮盘赌法,从父代中选出一定比例的染色体,以进行后续的交叉和变异操作产生子代个体;然后采取保优策略,从子代个体和父代个体中选择适应值、目标1和目标2较大的个体进入下一轮的遗传操作,使进化过程中的优秀个体全部保留下来。
交叉操作:交叉操作是遗传造作中最重要的一环,本申请为了增加交叉的多样性,设计了三种交叉策略,以不同的概率进行相应的交叉操作,第一种是以船舶为单位同时分别两点交叉染色体的两个序列;第二种是保持Berth序列不变,对Order序列内每条船以票货为单位进行单点交叉;第三种是Berth序列保持不变,对Order序列内的每条船舶的每票货的基因片段进行部分映射交叉。
变异操作:变异操作包括两种,染色体变异时,以一定的概率选择一种或两种策略进行相应的变异操作。第一种是仅对Berth序列的交换变异,合法范围内随机选取2个基因位交换泊位;第二种是对Order序列变异,随机选取一条船内的任一票货,随机交换该票货内装船方案的顺序。
本申请建立输出型煤炭码头船货匹配下泊位动态分配问题多目标优化模型,并采用遗传算法求解分配方案。具体地,在建立模型方面,本申请综合船舶、泊位、堆场、取装线、煤种、航道开放时间和装船作业规则等要素,构建了堆场-取装线-泊位-船舶联合分配优化数学模型;在算法方面,本申请采用组合式编码、仿真推演策略的解码方法,追加了合法性检查的染色体生成算法,适应值函数设计方法,以及采用多种策略的遗传操作等求解最优解。根据实例测试结果表明:本申请模型实用性强,算法求解效率高,优化效果好且适用,有效解决具有船货匹配、动态调度、多约束、多目标等特点的复杂、大型输出型煤炭码头泊位动态分配问题。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种船舶泊位分配装置,需要说明的是,本申请实施例的船舶泊位分配装置可以用于执行本申请实施例所提供的用于船舶泊位分配方法。以下对本申请实施例提供的船舶泊位分配装置进行介绍。
图3是根据本申请实施例的船舶泊位分配系统的示意图。如图3所示,该系统包括:应用服务器31、数据库服务器32和客户机33。
应用服务器31,用于上述任意一种船舶泊位分配方法确定船舶泊位分配方案;
数据库服务器32,与应用服务器通信连接,用于为应用服务器提供运行所需的数据,并保存应用服务器运行过程中产生的数据;
客户机33,与应用服务器通信连接,用于与应用服务器进行交互。
需要说明的是,本实施例系统总体架构采用B/S三层结构,硬件上包括应用服务器31、数据库服务器32和客户机33共三部分,应用服务器31基于船舶泊位分配方法以及从数据库服务器32中调取的生产管控数据确定船舶泊位分配方案,将船舶泊位分配方案发送至客户机33供用户查看,并将计算过程中产生的数据保存在数据库服务器32中。
可选地,在本申请实施例提供的船舶泊位分配装置中,应用服务器31包括:优化引擎,用于基于上述任意一种船舶泊位分配方法计算船舶泊位分配方案;数据接口模块,用于从数据库服务器32读取输入数据,并将优化引擎计算得到的船舶泊位分配方案的数据保存到数据库服务器32中;用户接口模块,用于从客户机33读取输入数据,并基于客户机33的输入数据将指示数据反馈至客户机33。
如图4所示,客户机33包括多个客户机浏览器,用于通过用户接口模块与应用服务器31交互,应用服务器31的核心是优化引擎模块,其中保存有泊位分配规则、模型、专家经验和优化算法,根据保存的算法构建船舶泊位分配方法,从而进行数据分析和计算,得到船舶泊位分配方案,在分析计算的过程中,通过用户接口模块从客户机33读取输入数据,并将计算产生的数据通过用户接口模块保存至数据库服务器32。
本申请实施例提供的船舶泊位分配装置,通过应用服务器31,用于基于上述任意一种船舶泊位分配方法确定船舶泊位分配方案;数据库服务器32,与应用服务器通信连接,用于为应用服务器提供运行所需的数据,并保存应用服务器运行过程中产生的数据;客户机33,与应用服务器通信连接,用于与应用服务器进行交互,解决了相关技术中在进行输出型煤炭码头泊位分配时,难以根据实际影响因素进行合理分配的问题,通过建立目标模型,求解目标模型得到,得到船舶泊位分配方案,进而达到了进行输出型煤炭码头泊位分配时,根据实际影响因素进行合理分配的效果。
图5是根据本申请实施例的船舶泊位分配装置的示意图。如图5所示,该装置包括:建立单元51和求解单元52。
具体地,建立单元51,用于以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征,预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制;
求解单元52,用于求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间。
可选地,在本申请实施例提供的船舶泊位分配装置中,求解单元52包括:编码模块,用于按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列;推演模块,用于基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况;迭代模块,用于在推演船舶泊位分配方案的运行情况的过程中,对至少一个染色体序列进行迭代,得到船舶泊位分配方案对应的目标模型的目标函数值;确定模块,用于在迭代结束或目标模型的目标函数值满足预设条件的情况下,基于目标模型的目标函数值对应的船舶泊位分配方案中的第一要素的值和第二要素的值确定最优解,其中,第二要素为船舶泊位分配方案中第一要素以外的构成要素。
可选地,在本申请实施例提供的船舶泊位分配装置中,编码模块包括:筛选子模块,用于针对每一条船舶筛选目标要素下符合约束条件的所有要素值,其中,目标要素为第一要素中的构成要素;排序子模块,用于基于预设规则对要素值进行选择或排序,得到目标要素对应的染色体序列。
可选地,在本申请实施例提供的船舶泊位分配装置中,推演模块包括:初始化子模块,用于初始化仿真时钟以及泊位状态、设备状态、堆场状态、取货状态和装货状态;添加子模块,用于根据船舶作业进度将船舶加入不同的列表,其中,列表至少包括事件列表、等待靠泊列表以及等待作业列表;推进子模块,用于推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空;其中,添加子模块包括:第一添加子模块,用于将未到港船舶的到港事件加入事件列表;第二添加子模块,用于将已抵锚未靠泊船舶加入等待靠泊列表;第三添加子模块,用于对于正在装船作业船舶,根据装船进度计算本次装船作业量及完成时间,并将一次装船作业完成事件加入事件列表;第四添加子模块,用于将在泊等待作业的船舶加入等待作业列表。
可选地,在本申请实施例提供的船舶泊位分配装置中,推进子模块包括:第五添加子模块,用于在船舶到港事件发生的情况下,将船舶加入到等待靠泊列表;更新子模块,用于在船舶具备靠泊条件或泊位空闲事件发生的情况下,根据泊位和货船匹配规则从等待靠泊列表中确定船货匹配的船舶,并更新船舶进港靠泊各时间节点及状态;第六添加子模块,用于在船舶具备作业条件或一次装船作业完成的情况下,模拟装船作业并计算作业时间和垛位剩余堆存量、更新船舶状态和设备状态,在完成作业的情况下计算船舶离泊时间,将一次装船作业完成事件或泊位空闲事件加入事件列表。
可选地,在本申请实施例提供的船舶泊位分配装置中,建立单元51包括:第一建立模块,用于以港口生产效率最大为目标建立第一目标函数;第二建立模块,用于以船舶在港时间最短为目标建立第二目标函数;转换模块,用于采用权重系数法将第一目标函数和第二目标函数转化为求最小值的单目标函数;第三建立模块,用于根据单目标函数和约束条件建立目标模型。
本申请实施例提供的船舶泊位分配装置,通过建立单元51以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征,预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制;求解单元52求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间,解决了相关技术中在进行输出型煤炭码头泊位分配时,难以根据实际影响因素进行合理分配的问题,通过建立目标模型,求解目标模型得到,得到船舶泊位分配方案,进而达到了进行输出型煤炭码头泊位分配时,根据实际影响因素进行合理分配的效果。
所述船舶泊位分配装置包括处理器和存储器,上述建立单元51、求解单元52等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决相关技术中在进行输出型煤炭码头泊位分配时,难以根据实际影响因素进行合理分配的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述船舶泊位分配方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述船舶泊位分配方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征,预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制;求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间。
可选地,求解目标模型,得到船舶泊位分配方案的最优解包括:按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列;基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况;在推演船舶泊位分配方案的运行情况的过程中,对至少一个染色体序列进行迭代,得到船舶泊位分配方案对应的目标模型的目标函数值;在迭代结束或目标模型的目标函数值满足预设条件的情况下,基于目标模型的目标函数值对应的船舶泊位分配方案中的第一要素的值和第二要素的值确定最优解,其中,第二要素为船舶泊位分配方案中第一要素以外的构成要素。
可选地,按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列包括:针对每一条船舶筛选目标要素下符合约束条件的所有要素值,其中,目标要素为第一要素中的构成要素;基于预设规则对要素值进行选择或排序,得到目标要素对应的染色体序列。
可选地,基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况包括:初始化仿真时钟以及泊位状态、设备状态、堆场状态、取货状态和装货状态;根据船舶作业进度将船舶加入不同的列表,其中,列表至少包括事件列表、等待靠泊列表以及等待作业列表;推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空;其中,根据船舶作业进度将船舶加入不同的列表包括:将未到港船舶的到港事件加入事件列表;将已抵锚未靠泊船舶加入等待靠泊列表;对于正在装船作业船舶,根据装船进度计算本次装船作业量及完成时间,并将一次装船作业完成事件加入事件列表;将在泊等待作业的船舶加入等待作业列表。
可选地,推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空包括:在船舶到港事件发生的情况下,将船舶加入到等待靠泊列表;在船舶具备靠泊条件或泊位空闲事件发生的情况下,根据泊位和货船匹配规则从等待靠泊列表中确定船货匹配的船舶,并更新船舶进港靠泊各时间节点及状态;在船舶具备作业条件或一次装船作业完成的情况下,模拟装船作业并计算作业时间和垛位剩余堆存量、更新船舶状态和设备状态,在完成作业的情况下计算船舶离泊时间,将一次装船作业完成事件或泊位空闲事件加入事件列表。
可选地,以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型包括:以港口生产效率最大为目标建立第一目标函数;以船舶在港时间最短为目标建立第二目标函数;采用权重系数法将第一目标函数和第二目标函数转化为求最小值的单目标函数;根据单目标函数和约束条件建立目标模型。本申请中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,船舶在港时间最短由所有船舶在港时间之和最短表征,预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制;求解目标模型,得到船舶泊位分配方案的最优解,其中,船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间。
可选地,求解目标模型,得到船舶泊位分配方案的最优解包括:按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列;基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况;在推演船舶泊位分配方案的运行情况的过程中,对至少一个染色体序列进行迭代,得到船舶泊位分配方案对应的目标模型的目标函数值;在迭代结束或目标模型的目标函数值满足预设条件的情况下,基于目标模型的目标函数值对应的船舶泊位分配方案中的第一要素的值和第二要素的值确定最优解,其中,第二要素为船舶泊位分配方案中第一要素以外的构成要素。
可选地,按照预设染色体生成规则对船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列包括:针对每一条船舶筛选目标要素下符合约束条件的所有要素值,其中,目标要素为第一要素中的构成要素;基于预设规则对要素值进行选择或排序,得到目标要素对应的染色体序列。
可选地,基于至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况包括:初始化仿真时钟以及泊位状态、设备状态、堆场状态、取货状态和装货状态;根据船舶作业进度将船舶加入不同的列表,其中,列表至少包括事件列表、等待靠泊列表以及等待作业列表;推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空;其中,根据船舶作业进度将船舶加入不同的列表包括:将未到港船舶的到港事件加入事件列表;将已抵锚未靠泊船舶加入等待靠泊列表;对于正在装船作业船舶,根据装船进度计算本次装船作业量及完成时间,并将一次装船作业完成事件加入事件列表;将在泊等待作业的船舶加入等待作业列表。
可选地,推进仿真时钟,并基于泊位状态、设备状态、堆场状态、取货状态、装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理事件列表中的事件,直到事件列表为空包括:在船舶到港事件发生的情况下,将船舶加入到等待靠泊列表;在船舶具备靠泊条件或泊位空闲事件发生的情况下,根据泊位和货船匹配规则从等待靠泊列表中确定船货匹配的船舶,并更新船舶进港靠泊各时间节点及状态;在船舶具备作业条件或一次装船作业完成的情况下,模拟装船作业并计算作业时间和垛位剩余堆存量、更新船舶状态和设备状态,在完成作业的情况下计算船舶离泊时间,将一次装船作业完成事件或泊位空闲事件加入事件列表。
可选地,以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型包括:以港口生产效率最大为目标建立第一目标函数;以船舶在港时间最短为目标建立第二目标函数;采用权重系数法将第一目标函数和第二目标函数转化为求最小值的单目标函数;根据单目标函数和约束条件建立目标模型。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本申请中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种船舶泊位分配方法,其特征在于,包括:
以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型,其中,所述港口生产效率最大由每个泊位上最后一艘船舶的离港时间的总和最小表征,所述船舶在港时间最短由所有船舶在港时间之和最短表征,所述预设条件至少包括以下之一:泊位规格限制、泊位和船舶之间的作业唯一性约束、泊位和堆场可达性约束、航道进出港开放时间限制、装船资源的场存量限制和装船作业过程限制;
求解所述目标模型,得到船舶泊位分配方案的最优解,其中,所述船舶泊位分配方案的构成要素至少包括以下之一:船舶停靠的泊位、多个船舶在泊位上的作业顺序、装船方案、装船垛位、装船量、船舶作业时间和船舶进出港时间。
2.根据权利要求1所述的方法,其特征在于,求解所述目标模型,得到船舶泊位分配方案的最优解包括:
按照预设染色体生成规则对所述船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列;
基于所述至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况;
在推演所述船舶泊位分配方案的运行情况的过程中,对所述至少一个染色体序列进行迭代,得到所述船舶泊位分配方案对应的所述目标模型的目标函数值;
在迭代结束或所述目标模型的目标函数值满足预设条件的情况下,基于所述目标模型的目标函数值对应的所述船舶泊位分配方案中的第一要素的值和第二要素的值确定最优解,其中,所述第二要素为所述船舶泊位分配方案中所述第一要素以外的构成要素。
3.根据权利要求2所述的方法,其特征在于,按照预设染色体生成规则对所述船舶泊位分配方案的构成要素中的至少一个第一要素进行编码,得到至少一个染色体序列包括:
针对每一条船舶筛选目标要素下符合所述约束条件的所有要素值,其中,所述目标要素为所述第一要素中的构成要素;
基于预设规则对所述要素值进行选择或排序,得到所述目标要素对应的染色体序列。
4.根据权利要求2所述的方法,其特征在于,基于所述至少一个染色体序列,采用仿真技术推演船舶泊位分配方案的运行情况包括:
初始化仿真时钟以及泊位状态、设备状态、堆场状态、取货状态和装货状态;
根据船舶作业进度将船舶加入不同的列表,其中,所述列表至少包括事件列表、等待靠泊列表以及等待作业列表;
推进所述仿真时钟,并基于所述泊位状态、所述设备状态、所述堆场状态、所述取货状态、所述装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理所述事件列表中的事件,直到所述事件列表为空;
其中,根据船舶作业进度将船舶加入不同的列表包括:
将未到港船舶的到港事件加入所述事件列表;
将已抵锚未靠泊船舶加入所述等待靠泊列表;
对于正在装船作业船舶,根据装船进度计算本次装船作业量及完成时间,并将一次装船作业完成事件加入所述事件列表;
将在泊等待作业的船舶加入所述等待作业列表。
5.根据权利要求4所述的方法,其特征在于,推进所述仿真时钟,并基于所述泊位状态、所述设备状态、所述堆场状态、所述取货状态、所述装货状态以及船舶作业过程中各个节点的开始时间和结束时间,处理所述事件列表中的事件,直到所述事件列表为空包括:
在船舶到港事件发生的情况下,将所述船舶加入到所述等待靠泊列表;
在船舶具备靠泊条件或泊位空闲事件发生的情况下,根据泊位和货船匹配规则从所述等待靠泊列表中确定船货匹配的船舶,并更新船舶进港靠泊各时间节点及状态;
在船舶具备作业条件或一次装船作业完成的情况下,模拟装船作业并计算作业时间和垛位剩余堆存量、更新船舶状态和所述设备状态,在完成作业的情况下计算船舶离泊时间,将一次装船作业完成事件或泊位空闲事件加入所述事件列表。
6.根据权利要求1所述的方法,其特征在于,以港口生产效率最大和船舶在港时间最短为目标函数,并以预设条件为约束条件,建立目标模型包括:
以港口生产效率最大为目标建立第一目标函数;
以船舶在港时间最短为目标建立第二目标函数;
采用权重系数法将所述第一目标函数和所述第二目标函数转化为求最小值的单目标函数;
根据所述单目标函数和所述约束条件建立所述目标模型。
7.一种船舶泊位分配系统,其特征在于,包括:
应用服务器,用于基于权利要求1至6任意一项所述的船舶泊位分配方法确定船舶泊位分配方案;
数据库服务器,与所述应用服务器通信连接,用于为所述应用服务器提供运行所需的数据,并保存所述应用服务器运行过程中产生的数据;
客户机,与所述应用服务器通信连接,用于与所述应用服务器进行交互。
8.根据权利要求7所述的系统,其特征在于,所述应用服务器包括:
优化引擎,用于基于权利要求1至6任意一项所述的船舶泊位分配方法计算所述船舶泊位分配方案;
数据接口模块,用于从所述数据库服务器读取输入数据,并将所述优化引擎计算得到的所述船舶泊位分配方案的数据保存到所述数据库服务器中;
用户接口模块,用于从所述客户机读取输入数据,并基于所述客户机的输入数据将指示数据反馈至所述客户机。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至6中任意一项所述的船舶泊位分配方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的船舶泊位分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911019532.9A CN110782160A (zh) | 2019-10-24 | 2019-10-24 | 船舶泊位分配方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911019532.9A CN110782160A (zh) | 2019-10-24 | 2019-10-24 | 船舶泊位分配方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110782160A true CN110782160A (zh) | 2020-02-11 |
Family
ID=69386433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911019532.9A Pending CN110782160A (zh) | 2019-10-24 | 2019-10-24 | 船舶泊位分配方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110782160A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754041A (zh) * | 2020-06-27 | 2020-10-09 | 华东师范大学 | 一种港口泊位分配方法 |
CN111754075A (zh) * | 2020-05-25 | 2020-10-09 | 山东浪潮质量链科技有限公司 | 基于区块链的多泊位港口船舶调度方法及设备、介质 |
CN111898859A (zh) * | 2020-06-23 | 2020-11-06 | 唐山港集团股份有限公司 | 一种多目标单向航道码头连续型泊位分配调度方法 |
CN112249583A (zh) * | 2020-09-30 | 2021-01-22 | 华东师范大学 | 一种散货码头堆场垛位的智能选择方法及系统 |
CN112330297A (zh) * | 2020-11-18 | 2021-02-05 | 深圳壹账通智能科技有限公司 | 基于区块链的驳船靠泊方法、装置及存储介质 |
CN113159429A (zh) * | 2021-04-26 | 2021-07-23 | 亿海蓝(北京)数据技术股份公司 | 泊位货种信息的获取方法和装置 |
CN113326999A (zh) * | 2021-03-17 | 2021-08-31 | 武汉理工大学 | 基于港口泊位资源的船舶调度方法和系统 |
CN113419429A (zh) * | 2021-07-15 | 2021-09-21 | 杭州电子科技大学 | 一种港口船舶承载量饱和的疏运控制方法 |
CN113689037A (zh) * | 2021-08-24 | 2021-11-23 | 大连海事大学 | 一种散货港口生产调度优化方法 |
CN113822576A (zh) * | 2021-09-23 | 2021-12-21 | 广州智湾科技有限公司 | 一种港口智能调度系统 |
CN113850421A (zh) * | 2021-09-13 | 2021-12-28 | 张家港华达码头有限公司 | 一种码头高效生产管理系统、方法及存储介质 |
CN114154822A (zh) * | 2021-11-23 | 2022-03-08 | 江苏海洋大学 | 一种基于改进交叉熵算法的鲁棒泊位岸桥分配方法 |
CN115410419A (zh) * | 2022-08-23 | 2022-11-29 | 交通运输部天津水运工程科学研究所 | 一种船舶系泊预警方法、系统、电子设备及存储介质 |
CN114881327B (zh) * | 2022-05-07 | 2023-06-09 | 青岛港国际股份有限公司 | 一种油港资源优化调度方法 |
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 |
CN116611657A (zh) * | 2023-05-26 | 2023-08-18 | 西安电子科技大学广州研究院 | 一种基于遗传算法的码头泊位及岸桥分配优化方法 |
CN117035338A (zh) * | 2023-08-18 | 2023-11-10 | 无锡鲸云信息科技有限公司 | 一种港口生产作业实时监控方法和系统 |
CN117252341A (zh) * | 2023-09-27 | 2023-12-19 | 江苏泓鑫科技有限公司 | 一种智慧港口环境设备数据管理系统和方法 |
CN117437810A (zh) * | 2023-10-25 | 2024-01-23 | 亿海蓝(北京)数据技术股份公司 | 船舶靠离泊时间的确定方法、装置和可读储存介质 |
CN117592703A (zh) * | 2023-11-17 | 2024-02-23 | 哪吒港航智慧科技(上海)有限公司 | 一种货主码头的船舶监控与作业方法、系统及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563583A (zh) * | 2016-07-01 | 2018-01-09 | 中国铁路信息技术中心 | 铁路空车调配方法及装置 |
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 |
-
2019
- 2019-10-24 CN CN201911019532.9A patent/CN110782160A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563583A (zh) * | 2016-07-01 | 2018-01-09 | 中国铁路信息技术中心 | 铁路空车调配方法及装置 |
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 |
Non-Patent Citations (2)
Title |
---|
刘杰: ""集装箱码头泊位动态分配优化研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
王冰: ""基于多目标遗传算法的散杂货港口船舶调度系统研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754075A (zh) * | 2020-05-25 | 2020-10-09 | 山东浪潮质量链科技有限公司 | 基于区块链的多泊位港口船舶调度方法及设备、介质 |
CN111898859A (zh) * | 2020-06-23 | 2020-11-06 | 唐山港集团股份有限公司 | 一种多目标单向航道码头连续型泊位分配调度方法 |
CN111754041A (zh) * | 2020-06-27 | 2020-10-09 | 华东师范大学 | 一种港口泊位分配方法 |
CN111754041B (zh) * | 2020-06-27 | 2024-06-04 | 华东师范大学 | 一种港口泊位分配方法 |
CN112249583A (zh) * | 2020-09-30 | 2021-01-22 | 华东师范大学 | 一种散货码头堆场垛位的智能选择方法及系统 |
CN112330297A (zh) * | 2020-11-18 | 2021-02-05 | 深圳壹账通智能科技有限公司 | 基于区块链的驳船靠泊方法、装置及存储介质 |
CN113326999A (zh) * | 2021-03-17 | 2021-08-31 | 武汉理工大学 | 基于港口泊位资源的船舶调度方法和系统 |
CN113159429B (zh) * | 2021-04-26 | 2023-07-14 | 亿海蓝(北京)数据技术股份公司 | 泊位货种信息的获取方法和装置 |
CN113159429A (zh) * | 2021-04-26 | 2021-07-23 | 亿海蓝(北京)数据技术股份公司 | 泊位货种信息的获取方法和装置 |
CN113419429A (zh) * | 2021-07-15 | 2021-09-21 | 杭州电子科技大学 | 一种港口船舶承载量饱和的疏运控制方法 |
CN113689037B (zh) * | 2021-08-24 | 2024-03-08 | 大连海事大学 | 一种散货港口生产调度优化方法 |
CN113689037A (zh) * | 2021-08-24 | 2021-11-23 | 大连海事大学 | 一种散货港口生产调度优化方法 |
CN113850421A (zh) * | 2021-09-13 | 2021-12-28 | 张家港华达码头有限公司 | 一种码头高效生产管理系统、方法及存储介质 |
CN113822576A (zh) * | 2021-09-23 | 2021-12-21 | 广州智湾科技有限公司 | 一种港口智能调度系统 |
CN114154822A (zh) * | 2021-11-23 | 2022-03-08 | 江苏海洋大学 | 一种基于改进交叉熵算法的鲁棒泊位岸桥分配方法 |
CN114881327B (zh) * | 2022-05-07 | 2023-06-09 | 青岛港国际股份有限公司 | 一种油港资源优化调度方法 |
WO2023216380A1 (zh) * | 2022-05-07 | 2023-11-16 | 青岛港国际股份有限公司 | 一种油港资源优化调度方法 |
CN115410419A (zh) * | 2022-08-23 | 2022-11-29 | 交通运输部天津水运工程科学研究所 | 一种船舶系泊预警方法、系统、电子设备及存储介质 |
CN115410419B (zh) * | 2022-08-23 | 2024-02-02 | 交通运输部天津水运工程科学研究所 | 一种船舶系泊预警方法、系统、电子设备及存储介质 |
CN116611657A (zh) * | 2023-05-26 | 2023-08-18 | 西安电子科技大学广州研究院 | 一种基于遗传算法的码头泊位及岸桥分配优化方法 |
CN116611657B (zh) * | 2023-05-26 | 2024-03-15 | 西安电子科技大学广州研究院 | 一种基于遗传算法的码头泊位及岸桥分配优化方法 |
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 |
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 |
CN117035338A (zh) * | 2023-08-18 | 2023-11-10 | 无锡鲸云信息科技有限公司 | 一种港口生产作业实时监控方法和系统 |
CN117035338B (zh) * | 2023-08-18 | 2024-02-02 | 无锡鲸云信息科技有限公司 | 一种港口生产作业实时监控方法和系统 |
CN117252341A (zh) * | 2023-09-27 | 2023-12-19 | 江苏泓鑫科技有限公司 | 一种智慧港口环境设备数据管理系统和方法 |
CN117252341B (zh) * | 2023-09-27 | 2024-04-05 | 江苏泓鑫科技有限公司 | 一种智慧港口环境设备数据管理系统和方法 |
CN117437810B (zh) * | 2023-10-25 | 2024-02-23 | 亿海蓝(北京)数据技术股份公司 | 船舶靠离泊时间的确定方法、装置和可读储存介质 |
CN117437810A (zh) * | 2023-10-25 | 2024-01-23 | 亿海蓝(北京)数据技术股份公司 | 船舶靠离泊时间的确定方法、装置和可读储存介质 |
CN117592703A (zh) * | 2023-11-17 | 2024-02-23 | 哪吒港航智慧科技(上海)有限公司 | 一种货主码头的船舶监控与作业方法、系统及设备 |
CN117592703B (zh) * | 2023-11-17 | 2024-06-11 | 哪吒港航智慧科技(上海)有限公司 | 一种货主码头的船舶监控与作业方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782160A (zh) | 船舶泊位分配方法、系统及装置 | |
Tran et al. | Literature survey of network optimization in container liner shipping | |
Dong et al. | Container fleet sizing and empty repositioning in liner shipping systems | |
Dulebenets | A novel memetic algorithm with a deterministic parameter control for efficient berth scheduling at marine container terminals | |
Tavakkoli-Moghaddam et al. | An efficient algorithm for solving a new mathematical model for a quay crane scheduling problem in container ports | |
Di Francesco et al. | The effect of multi-scenario policies on empty container repositioning | |
CN111861205B (zh) | 一种自动化集装箱码头出口箱空间分配方法 | |
Li et al. | Berth and quay crane coordinated scheduling using multi-objective chaos cloud particle swarm optimization algorithm | |
Rodriguez-Molins et al. | A GRASP-based metaheuristic for the Berth Allocation Problem and the Quay Crane Assignment Problem by managing vessel cargo holds | |
Zeng et al. | Optimizing berth allocation and storage space in direct transshipment operations at container terminals | |
CN101986313A (zh) | 基于知识的集装箱码头泊位与岸桥调度方法 | |
Budipriyanto et al. | A simulation study of collaborative approach to berth allocation problem under uncertainty | |
Pratap et al. | Integrated scheduling of rake and stockyard management with ship berthing: a block based evolutionary algorithm | |
Rodriguez-Molins et al. | Robust scheduling for berth allocation and quay crane assignment problem | |
Yu et al. | The inbound container space allocation in the automated container terminals | |
CN115907415A (zh) | 基于散杂货码头智能调度系统 | |
Li et al. | Multi-port stowage planning for inland container liner shipping considering weight uncertainties | |
Yu et al. | Choice of loading clusters in container terminals | |
dos Santos et al. | Multi‐objective optimization of the maritime cargo routing and scheduling problem | |
Christensen et al. | A rolling horizon heuristic for the stochastic cargo mix problem | |
Yu et al. | Yard template generation for automated container terminal based on bay sharing strategy | |
Xiao et al. | Berth Allocation Problem with Quay Crane Assignment for Container Terminals Based on Rolling‐Horizon Strategy | |
Yang et al. | Flexible yard space allocation plan for new type of automated container terminal equipped with unilateral-cantilever rail-mounted gantry cranes | |
Li et al. | Container terminal berth and yard collaborative allocation for import and export synchronous operations by computational logistics | |
Zhu et al. | Simulation-based quantitative evaluation method for water–water transshipment coal terminals |
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: 20200211 |