CN111325481A - 一种智能的自动化集装箱码头节能综合调度方法 - Google Patents

一种智能的自动化集装箱码头节能综合调度方法 Download PDF

Info

Publication number
CN111325481A
CN111325481A CN202010180949.XA CN202010180949A CN111325481A CN 111325481 A CN111325481 A CN 111325481A CN 202010180949 A CN202010180949 A CN 202010180949A CN 111325481 A CN111325481 A CN 111325481A
Authority
CN
China
Prior art keywords
parent
population
solution
scheduling method
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.)
Granted
Application number
CN202010180949.XA
Other languages
English (en)
Other versions
CN111325481B (zh
Inventor
辛健斌
孟闯
彭金柱
王东署
王河山
张方方
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.)
Zhengzhou University
Original Assignee
Zhengzhou University
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 Zhengzhou University filed Critical Zhengzhou University
Priority to CN202010180949.XA priority Critical patent/CN111325481B/zh
Publication of CN111325481A publication Critical patent/CN111325481A/zh
Application granted granted Critical
Publication of CN111325481B publication Critical patent/CN111325481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Abstract

本发明具体公开了一种智能的自动化集装箱码头节能综合调度方法，所述方法包括以下步骤：S1、基于遗传算法的框架，将集装箱装卸任务进行随机编码以形成一个初始种群；S2、计算种群中每个个体的适应度值作为当前代解；S3、判断当前代解的最小值是否为当前最优解；S4、将每个个体的适应度值从小到大排序，并取前1/8的个体作为优秀个体；S5、将所选取的1/8优秀个体作为父体进行翻转、交叉、变异和随机操作，获取1/8的父代所对应7/8的子代，然后将该1/8父代和7/8子代组合构成一个完整的种群并遗传至下一代；S6、判断步骤S5中得到的下一代是否达到终止条件，若是则终止算法，否则返回步骤S2。本发明不仅提高了集装箱装卸作业效率，而且显著降低了设备的能耗。

Description

一种智能的自动化集装箱码头节能综合调度方法
技术领域
本发明涉及集装箱码头装卸调度技术领域，尤其涉及一种智能的自动化集装箱码头节能综合调度方法。
背景技术
全球有超过60％的深海货物均由集装箱运输，从2016年至2019年，全球的集装箱市场需求增长了4.7％左右。集装箱码头作为货物运输的枢纽，代表了船舶、驳船、火车和卡车等运输方式之间的接口，为覆盖不同地理区域提供了灵活性和可扩展性。因此，集装箱码头的的装卸能力对货物运输效率影响很大。自动化可以显著降低货物在码头作业的完工时间，进一步提高集装箱码头的吞吐量。除了完工时间之外，在调度使用码头的设备时，减少能耗也是另外一个重要目标。
设备的能耗依赖于设备的作业时间，传统的自动化集装箱码头节能综合调度方法通常一方面需要最小化完工时间，另一方面需要通过适当地延长设备的作业时间降低作业速度来降低设备能耗。这种方法没有考虑作业顺序对能耗的影响，没有将设备能耗降到最低。然而，最小化设备能耗的方法通常在有限的求解时间内，无法获得令人满意的解决方案。
鉴于此，设计一种高效率和低能耗的智能的自动化集装箱码头节能综合调度方法是本技术领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是提供一种智能的自动化集装箱码头节能综合调度方法，本发明在考虑最小化完工时间的前提下，有效降低集装箱码头的能耗，从而不仅能够提高集装箱的装卸作业效率，而且大大的降低了设备的能源损耗。
为解决上述技术问题，本发明提供一种智能的自动化集装箱码头节能综合调度方法，包括以下步骤：
S1、基于遗传算法的框架，将所有集装箱装卸任务进行随机编码以形成一个初始种群，并生成所述种群中每一个个体所对应的岸桥QC和自动搬运车AGV的调度方案；
S2、计算种群中每个个体的适应度值，并将所计算出的每个个体适应度值作为当前代解；
S3、判断当前代解的最小值是否为当前最优解，若是，则将当前代解的最小值作为最优解，若否，则取上一代解的最小值作为最优解；
S4、将步骤S2中得到的每个个体所对应的适应度值从小到大进行排序，并取前1/8的个体作为优秀个体；
S5、将所述步骤S4中所选取的1/8优秀个体作为父体进行翻转、交叉、变异和随机操作，获取1/8的父代所对应7/8的子代，然后将该1/8的父代和7/8的子代组合构成一个完整的种群并遗传至下一代；
S6、判断步骤S5中得到的下一代是否达到终止条件，若达到终止条件，则终止迭代，否则返回步骤S2。
优选地，所述步骤S1中集装箱装卸任务采用一维元胞数组编码法进行随机编码，得到所述种群对应的一维元胞数组
Figure BDA0002412511820000021
其中，PQC表示每个岸桥QC的调度方案，PAGV表示每个自动搬运车AGV的调度方案，且
Figure BDA0002412511820000022
其中
Figure BDA0002412511820000023
表示所有集装箱装卸任务的一个随机全排列，
Figure BDA0002412511820000024
表示个数为(自动运输车辆数量-1)的间断点；
Figure BDA0002412511820000025
表示每个自动搬运车AGV负载移动和空载移动时的时间。
优选地，所述步骤S2中每个个体对应的适应度值计算公式为：
F(X)＝α1×Jc+α2×Je (1)
式(1)中，X表示种群中的个体，Jc表示岸桥QC和自动搬运车AGV两种设备完成所有作业的完工时间，Je表示所有自动搬运车AGV的总能耗，α1和α2表示比例常数。
优选地，所述步骤S3中当前代解的最小值是否为当前最优解的判断方式为：取当前代解的最小值与其对应的上一代解的最小值进行比较，将数值较小的作为最优解。
优选地，所述步骤S5具体实现方式包括：
S51、对所述1/8的父代中的
Figure BDA0002412511820000026
以及PQC或者
Figure BDA0002412511820000027
进行翻转操作得到对应子代①；
S52、对所述1/8的父代中的
Figure BDA0002412511820000028
以及PQC或者
Figure BDA0002412511820000029
进行交叉操作得到对应子代②；
S53、对所述1/8的父代中的
Figure BDA00024125118200000210
以及PQC或者
Figure BDA00024125118200000211
进行变异操作得到对应子代③；
S54、对所述1/8的父代中的
Figure BDA0002412511820000031
进行随机操作得到对应子代④；
S55、对所述1/8的父代中的
Figure BDA0002412511820000032
以及PQC或者
Figure BDA0002412511820000033
进行翻转操作并对所述1/8的父代中的
Figure BDA0002412511820000034
进行随机操作得到对应子代⑤；
S56、对所述1/8的父代中的
Figure BDA0002412511820000035
以及PQC或者
Figure BDA0002412511820000036
进行交叉操作并对所述1/8的父代中的
Figure BDA0002412511820000037
进行随机操作得到对应子代⑥；
S57、对所述1/8的父代中的
Figure BDA0002412511820000038
以及PQC或者
Figure BDA0002412511820000039
进行变异操作并对所述1/8的父代中的
Figure BDA00024125118200000310
进行随机操作得到对应子代⑦；
S58、将所述1/8的父代和步骤S51～步骤S57得到的所有对应子代结合构成一个完整的种群并遗传至下一代。
优选地，所述步骤S6的具体实现方式包括：
S61、判断步骤S5所得到下一代的迭代次数是否已经达到遗传算法预设的最大迭代次数，若是，则终止迭代并取步骤S3所得到的最优解为集装箱装卸任务的综合调度方法；若否，则进入步骤S62；
S62、将步骤S5中所得到的下一代作为一个种群，然后返回步骤S2。
与现有技术比较，本发明基于遗传算法并通过采用一维元胞数组编码法将岸桥和自动搬运车执行每阶段任务的速度作为一部分基因进行遗传迭代，在考虑最小化完工时间的前提下，从速度层次直接优化岸桥和自动搬运车两种设备的能耗，有效降低集装箱码头的能耗，从而不仅能够提高集装箱的装卸作业效率，而且大大的降低了设备的能源损耗。
附图说明
图1是本发明一种智能的自动化集装箱码头节能综合调度方法的流程图，
图2是本发明中通过将父代进行相应操作获取子代的方法流程图，
图3是本发明中判断种群是否达到终止条件的方法流程图，
图4是本发明一种智能的自动化集装箱码头节能综合调度方法中综合调度方法的收敛曲线图，
图5是本发明一种智能的自动化集装箱码头节能综合调度方法中最优调度方法所对应的甘特图。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案，下面结合附图对本发明作进一步的详细说明。
需要说明的是，本发明中AGV(Automated Guided Vehicle)表示可以自动升降货物进行卸货的自动搬运车，岸桥QC(Quay Crane)指的是岸边集装箱起重机。
如图1～图5所示，我们设定装载位置是自动搬运车AGV的初始位置，卸载位置是岸桥QC的初始位置，所有的集装箱在同一时间到达，且每个货物都有一个随机的存放堆场位置，其中岸桥QC数量3，每个岸桥QC的任务数量为8，则可知一共有3×8＝24个任务，自动搬运车AGV的数量设为6辆，堆场数量设为5个。
图1示出本发明一种智能的自动化集装箱码头节能综合调度方法的流程图，所述方法包括以下步骤：
S1、将所有集装箱装卸任务进行随机编码以形成一个初始种群，并生成所述种群中每一个个体所对应的岸桥QC和自动搬运车AGV的调度方案；
初始种群中的每个个体采用一维元胞数组编码法进行随机编码，得到所述种群对应的多个一维元胞数组，每个一维元胞数组包括三个部分，第一部分PQC是指每个岸桥QC的调度方案，表示每个岸桥QC执行任务的先后顺序；第二部分
Figure BDA0002412511820000041
是指每个自动搬运车AGV的调度方案，表示分配给每个自动搬运车AGV的任务，(由于
Figure BDA0002412511820000042
表示所有集装箱装卸任务的一个随机全排列，
Figure BDA0002412511820000043
表示个数为(自动运输车辆数量-1)的间断点，则通过
Figure BDA0002412511820000044
和
Figure BDA0002412511820000045
组合就可以得到每个自动搬运车AGV需要执行任务的集合)；第三部分
Figure BDA0002412511820000046
是指每个自动搬运车AGV负载移动和空载移动时的时间，由上述三部分可得到所述种群中每个个体所对应的一维元胞数组
Figure BDA0002412511820000047
如：
(1)PQC＝{{2,5,7,4,8,1,3,6}，{15,9,13,10,16,11,14,12}，{24,21,22,20,17,18,23,19}}，表示第一个岸桥QC首先执行任务2，然后依次执行任务5,7等；
(2)PAGV＝{{18,22,14,3,6,9,4,24,2,5,15,11,16,23,21,19,20,1,17,10,12,13,8,7}，{4,6,10,13,19}}，表示将任务[18,22,14,3]分配给第一辆自动搬运车AGV，任务[6,9]分配给第二辆自动搬运车AGV，…任务[10,12,13,8,7]分配给第六辆自动搬运车AGV；
(3)
Figure BDA0002412511820000051
其中，括号内的第一部分表示自动搬运车AGV将货物运送到堆场时的时间，括号内的第二部分表示自动搬运车AGV空载移动时的时间。
S2、计算种群中每个个体的适应度值，并将所计算出的每个个体适应度值作为当前代解；
根据适应度值计算公式F(X)＝α1×Jc+α2×Je，计算出种群中每个个体的适应度值并作为当前代解，其中，X表示种群中的个体，Jc表示岸桥QC和自动搬运车AGV两种设备的最大完工时间(即指岸桥QC和自动搬运车AGV两种设备执行完所有装卸任务的结束时间)，Je表示所有自动搬运车AGV的总能耗，本实施例中，比例常数α1＝1，α2＝0.00001；然后将种群中每个个体(即每个岸桥QC的调度方案、每个自动搬运车AGV的调度方案以及每个自动搬运车AGV负载移动和空载移动时的时间)所计算出来的适应度值作为当前代解；
S3、判断当前代解的最小值是否为当前最优解，即取当前代解的最小值与其对应的上一代解的最小值进行比较，将数值较小的作为最优解；
S4、将步骤S2中计算得到的每个个体所对应的适应度值从小到大进行排序，并取前1/8的个体作为优秀个体；在其他实施例中也可以选取前面其他比例的个体作为优秀个体，若选取其他比例个体的话，所述步骤S5中通过优秀个体作为父代来获取对应子代的操作方式和子代的比例均相应发生变化；
S5、将所述步骤S4中所选取的1/8优秀个体作为父体，记为
Figure BDA0002412511820000052
并通过下述操作获取1/8的父代所对应7/8的子代：
S51、对所述
Figure BDA0002412511820000061
中的
Figure BDA0002412511820000062
以及PQC或者
Figure BDA0002412511820000063
进行翻转操作得到对应子代①；
S52、对所述
Figure BDA0002412511820000064
中的
Figure BDA0002412511820000065
以及
Figure BDA0002412511820000066
或者
Figure BDA0002412511820000067
进行交叉操作得到对应子代②；
S53、对所述
Figure BDA0002412511820000068
中的
Figure BDA0002412511820000069
以及PQC或者
Figure BDA00024125118200000610
进行变异操作得到对应子代③；
S54、对所述
Figure BDA00024125118200000611
中的
Figure BDA00024125118200000612
进行随机操作得到对应子代④；
S55、对所述
Figure BDA00024125118200000613
中的
Figure BDA00024125118200000614
以及PQC或者
Figure BDA00024125118200000615
进行翻转操作并对所述
Figure BDA00024125118200000616
中的
Figure BDA00024125118200000617
进行随机操作得到对应子代⑤；
S56、对所述
Figure BDA00024125118200000618
中的
Figure BDA00024125118200000619
以及PQC或者
Figure BDA00024125118200000620
进行交叉操作并对所述
Figure BDA00024125118200000621
中的
Figure BDA00024125118200000622
进行随机操作得到对应子代⑥；
S57、对所述
Figure BDA00024125118200000623
中的
Figure BDA00024125118200000624
以及PQC或者
Figure BDA00024125118200000625
进行变异操作并对所述
Figure BDA00024125118200000626
中的
Figure BDA00024125118200000627
进行随机操作得到对应子代⑦；
然后将步骤S51～步骤S57所得到的所有子代(这里的所有子代包括子代①、子代②、子代③、子代④、子代⑤、子代⑥和子代⑦)和
Figure BDA00024125118200000628
结合作为一个完整的种群遗传至下一代；
S6、判断步骤S5中得到的下一代的迭代次数是否已经达到遗传算法预设的最大迭代次数，若是，则终止迭代并取步骤S3所得到的最优解为集装箱装卸任务的综合调度方法；若否，则将步骤S5中所得到的下一代再作为一个种群，然后返回步骤S2计算种群中每个个体的适应度值以判断最优解。
从图4所示的综合调度方法收敛曲线图可知，最优值能够明显收敛，且在前100代的收敛速度较快，并且在50代左右已经收敛至最优解。
从图5所示的甘特图可知，自动搬运车AGV无论是负载移动还是空载移动，都能够在时间最小的前提下来适当的降低速度，以达到节能的效果。
综上所述，本发明一种智能的自动化集装箱码头节能综合调度方法能够快速有效的得到一个较优的节能综合调度方案。
以上对本发明所提供的一种的智能的自动化集装箱码头节能综合调度方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (6)

1.一种智能的自动化集装箱码头节能综合调度方法，其特征在于，包括以下步骤：
S1、基于遗传算法的框架，将所有集装箱装卸任务进行随机编码以形成一个初始种群，并生成所述种群中每一个个体所对应的岸桥QC和自动搬运车AGV的调度方案；
S2、计算种群中每个个体的适应度值，并将所计算出的每个个体适应度值作为当前代解；
S3、判断当前代解的最小值是否为当前最优解，若是，则将当前代解的最小值作为最优解，若否，则取上一代解的最小值作为最优解；
S4、将步骤S2中得到的每个个体所对应的适应度值从小到大进行排序，并取前1/8的个体作为优秀个体；
S5、将所述步骤S4中所选取的1/8优秀个体作为父体进行翻转、交叉、变异和随机操作，获取1/8的父代所对应7/8的子代，然后将该1/8的父代和7/8的子代组合构成一个完整的种群并遗传至下一代；
S6、判断步骤S5中得到的下一代是否达到终止条件，若达到终止条件，则终止迭代，否则返回步骤S2。
2.如权利要求1所述的智能的自动化集装箱码头节能综合调度方法，其特征在于，所述步骤S1中集装箱装卸任务采用一维元胞数组编码法进行随机编码，得到所述种群对应的一维元胞数组
Figure FDA0002412511810000011
其中，PQC表示每个岸桥QC的调度方案，PAGV表示每个自动搬运车AGV的调度方案，且
Figure FDA0002412511810000012
其中
Figure FDA0002412511810000013
表示所有集装箱装卸任务的一个随机全排列，
Figure FDA0002412511810000014
表示个数为(自动运输车辆数量-1)的间断点；
Figure FDA0002412511810000015
表示每个自动搬运车AGV负载移动和空载移动时的时间。
3.如权利要求2所述的智能的自动化集装箱码头节能综合调度方法，其特征在于，所述步骤S2中每个个体对应的适应度值计算公式为：
F(X)＝α1×Jc+α2×Je (1)
式(1)中，X表示种群中的个体，Jc表示岸桥QC和自动搬运车AGV两种设备的最大完工时间，Je表示所有自动搬运车AGV的总能耗，α1和α2表示比例常数。
4.如权利要求3所述的智能的自动化集装箱码头节能综合调度方法，其特征在于，所述步骤S3中当前代解的最小值是否为当前最优解的判断方式为：取当前代解的最小值与其对应的上一代解的最小值进行比较，将数值较小的作为最优解。
5.如权利要求4所述的智能的自动化集装箱码头节能综合调度方法，其特征在于，所述步骤S5具体实现方式包括：
S51、对所述1/8的父代中的
Figure FDA0002412511810000021
以及PQC或者
Figure FDA0002412511810000022
进行翻转操作得到对应子代①；
S52、对所述1/8的父代中的
Figure FDA0002412511810000023
以及PQC或者
Figure FDA0002412511810000024
进行交叉操作得到对应子代②；
S53、对所述1/8的父代中的
Figure FDA0002412511810000025
以及PQC或者
Figure FDA0002412511810000026
进行变异操作得到对应子代③；
S54、对所述1/8的父代中的
Figure FDA0002412511810000027
进行随机操作得到对应子代④；
S55、对所述1/8的父代中的
Figure FDA0002412511810000028
以及PQC或者
Figure FDA0002412511810000029
进行翻转操作并对所述1/8的父代中的
Figure FDA00024125118100000210
进行随机操作得到对应子代⑤；
S56、对所述1/8的父代中的
Figure FDA00024125118100000211
以及PQC或者
Figure FDA00024125118100000212
进行交叉操作并对所述1/8的父代中的
Figure FDA00024125118100000213
进行随机操作得到对应子代⑥；
S57、对所述1/8的父代中的
Figure FDA00024125118100000214
以及PQC或者
Figure FDA00024125118100000215
进行变异操作并对所述1/8的父代中的
Figure FDA00024125118100000216
进行随机操作得到对应子代⑦；
S58、将所述1/8的父代和步骤S51～步骤S57得到的所有对应子代结合构成一个完整的种群并遗传至下一代。
6.如权利要求5所述的智能的自动化集装箱码头节能综合调度方法，其特征在于，所述步骤S6的具体实现方式包括：
S61、判断步骤S5所得到下一代的迭代次数是否已经达到遗传算法预设的最大迭代次数，若是，则终止迭代并取步骤S3所得到的最优解为集装箱装卸任务的综合调度方法；若否，则进入步骤S62；
S62、将步骤S5中所得到的下一代作为一个新种群，然后返回步骤S2。
CN202010180949.XA 2020-03-16 2020-03-16 一种智能的自动化集装箱码头节能综合调度方法 Active CN111325481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010180949.XA CN111325481B (zh) 2020-03-16 2020-03-16 一种智能的自动化集装箱码头节能综合调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010180949.XA CN111325481B (zh) 2020-03-16 2020-03-16 一种智能的自动化集装箱码头节能综合调度方法

Publications (2)

Publication Number Publication Date
CN111325481A true CN111325481A (zh) 2020-06-23
CN111325481B CN111325481B (zh) 2023-02-24

Family

ID=71173365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010180949.XA Active CN111325481B (zh) 2020-03-16 2020-03-16 一种智能的自动化集装箱码头节能综合调度方法

Country Status (1)

Country Link
CN (1) CN111325481B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884383A (zh) * 2021-04-19 2021-06-01 上海海事大学 考虑时间窗约束的集装箱港口应急物资优化调运方法
CN114455338A (zh) * 2022-01-06 2022-05-10 东风柳州汽车有限公司 一种港口装卸控制系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789093A (zh) * 2009-07-21 2010-07-28 上海海事大学 一种集装箱码头泊位与岸桥分配方法
WO2016165392A1 (zh) * 2015-04-17 2016-10-20 华南理工大学 一种基于遗传算法的云计算资源调度方法
CN106557906A (zh) * 2016-11-30 2017-04-05 长威信息科技发展股份有限公司 一种基于三维建模的仓库管理方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789093A (zh) * 2009-07-21 2010-07-28 上海海事大学 一种集装箱码头泊位与岸桥分配方法
WO2016165392A1 (zh) * 2015-04-17 2016-10-20 华南理工大学 一种基于遗传算法的云计算资源调度方法
CN106557906A (zh) * 2016-11-30 2017-04-05 长威信息科技发展股份有限公司 一种基于三维建模的仓库管理方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
严南南等: "集装箱码头考虑集卡能耗的岸桥集卡协调调度", 《广西大学学报(自然科学版)》 *
刘电霆等: "虚拟企业中细粒度协同设计任务的不确定调度及GA求解", 《机械设计》 *
尚晶: "面向双40英尺岸桥的码头集卡调度模型与算法", 《华中科技大学学报(自然科学版)》 *
蒋美仙: "连续泊位-岸桥-集卡调度模型构建及应用", 《浙江工业大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884383A (zh) * 2021-04-19 2021-06-01 上海海事大学 考虑时间窗约束的集装箱港口应急物资优化调运方法
CN112884383B (zh) * 2021-04-19 2024-04-05 上海海事大学 考虑时间窗约束的集装箱港口应急物资优化调运方法
CN114455338A (zh) * 2022-01-06 2022-05-10 东风柳州汽车有限公司 一种港口装卸控制系统
CN114455338B (zh) * 2022-01-06 2023-06-23 东风柳州汽车有限公司 一种港口装卸控制系统

Also Published As

Publication number Publication date
CN111325481B (zh) 2023-02-24

Similar Documents

Publication Publication Date Title
CN111325481B (zh) 一种智能的自动化集装箱码头节能综合调度方法
CN111861205B (zh) 一种自动化集装箱码头出口箱空间分配方法
CN112712288B (zh) 一种内河码头干散货作业集成调度方法
CN111553507B (zh) 基于多商品流的中欧集装箱运输方案优化方法
CN101957945A (zh) 一种集装箱货物装载优化方法、装置
CN112434870B (zh) 一种集装箱区垂直布置的双自动化场桥动态调度方法
CN114118639B (zh) 一种顺岸式边装卸自动化码头art动态调度方法
CN114358233A (zh) 基于双混合粒子群的多agv路径规划问题优化方法及系统
CN110942203A (zh) 一种自动化集装箱码头agv路径优化方法
CN114970983B (zh) 一种基于改进lhl算法的客滚船配载优化方法
CN114626754A (zh) 一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法
CN113052537A (zh) 一种基于启发式粒子群算法的物流车辆低碳路线规划方法
Zhong et al. Adaptive autotuning mathematical approaches for integrated optimization of automated container terminal
CN115713170A (zh) 自动化集装箱码头泊位和岸桥优化分配方法
Lu The three-stage integrated optimization of automated container terminal scheduling based on improved genetic algorithm
CN116629424A (zh) 新型集装箱堆场作业模式的自动化双场桥智能调度方法
Yang et al. Energy saving of automated terminals considering agv speed variation
Lu The optimization of automated container terminal scheduling based on proportional fair priority
CN114048996A (zh) 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
CN112053046B (zh) 一种带有时间窗的自动化集装箱码头agv重进重出路径规划方法
Homayouni et al. Energy-Efficient Scheduling of Intraterminal Container Transport
Yuan et al. Flexible Assembly Shop Scheduling Based on Improved Genetic Algorithm
Hu Study on Joint Dispatching of Bulk Carriers Berth and Ship Unloader
Li A heuristic algorithm for equipment scheduling at an automated container terminal with multi-size containers
Dkhil et al. Optimization of container handling systems in automated maritime terminals: A hybrid genetic and a tabu search algorithms

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
GR01 Patent grant
GR01 Patent grant