CN111498696A - 一种双吊具场桥调度优化方法及装置 - Google Patents

Abstract

本发明涉及场桥调度技术领域，公开了一种双吊具场桥调度优化方法、装置以及计算机存储介质，包括以下步骤：考虑执行同一贝位任务时双吊具之间的协同作用下计算场桥装卸作业完成时间，以所述场桥装卸作业完成时间作为目标函数；设定场桥作业的约束条件，所述约束条件包括作业任务的存储位置约束、任务类别约束以及集卡停靠点约束；以最小的场桥装卸作业完成时间作为目标，在所述约束条件下，建立双吊具场桥调度优化模型；通过遗传模拟退火算法对所述双吊具场桥调度优化模型进行求解，得到最优场桥执行任务序列。本发明提供的双吊具场桥调度优化方法，充分考虑双吊具特点，最大程度发挥双吊具优势，缩短任务执行时间。

Description

一种双吊具场桥调度优化方法及装置

技术领域

本发明涉及场桥调度技术领域，具体涉及一种双吊具场桥调度优化方法、装置以及计算机存储介质。

背景技术

国内外集装箱码头的作业规模和业务水平随着经济的增长呈不断发展的态势，而堆场作为连接码头前沿和闸口之间的重要桥梁，是自动化码头海、陆两侧集装箱运输的中转站，其装卸效率对码头整体的作业水平起着至关重要的作用。堆场的装卸作业主要由自动堆垛起重机(简称场桥)完成，由于集装箱吞吐量的增加，原有的设备及资源逐渐不能满足生产的需要，因此港口设备制造商需要不断更新集装箱装卸设备，来满足越来越大的吞吐量要求。本文主要研究双吊具场桥，即每台场桥上拥有两个吊具，可同时吊起两个集装箱，从而提高堆场装卸效率。

现有关于场桥调度问题的研究多集中于传统码头单吊具场桥作业模式，对双吊具桥吊的研究主要集中在设备结构和控制系统等硬件方面，缺乏对双吊具场桥在执行装卸任务过程中调度问题的研究。而在集装箱码头实际作业过程中，如何根据集装箱装卸任务的箱区位置和集卡停留点，合理利用吊具之间的配合缩短作业时间达到提高作业效率是体现码头服务水平的关键，然而，场桥两吊具之间的协同情况复杂，已有的场桥调度模型均不能准确刻画该问题。

发明内容

本发明的目的在于克服上述技术不足，提供一种双吊具场桥调度优化方法、装置以及计算机存储介质，解决现有技术中场桥调度模型无法准确刻画双吊具之间的协同情况，无法最大程度的发挥双吊具的优势的技术问题。

为达到上述技术目的，本发明的技术方案提供一种双吊具场桥调度优化方法，包括以下步骤：

考虑执行同一贝位任务时双吊具之间的协同作用下计算场桥装卸作业完成时间，以所述场桥装卸作业完成时间作为目标函数；

设定场桥作业的约束条件，所述约束条件包括作业任务的存储位置约束、任务类别约束以及集卡停靠点约束；

以最小的场桥装卸作业完成时间作为目标，在所述约束条件下，建立双吊具场桥调度优化模型；

通过遗传模拟退火算法对所述双吊具场桥调度优化模型进行求解，得到最优场桥执行任务序列。

本发明还提供一种双吊具场桥调度优化装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述双吊具场桥调度优化方法。

本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述双吊具场桥调度优化方法。

与现有技术相比，本发明的有益效果包括：本发明基于双吊具场桥的作业特点，建立了混堆箱区内双吊具场桥调度模型。具体的，考虑了作业任务的存储位置、任务类别、集卡停靠点等约束条件对作业时间的影响，考虑执行同一贝位任务时双吊具间协同作业来计算场桥装卸作业完成时间，以最小化作业完成时间为目标，建立了可以刻画双吊具之间协同作用的模型。同时，将遗传算法与模拟退火算法进行融合求解该场桥调度模型，首先遗传算法对作业任务顺序进行筛选，得到全局较优解；然后利用模拟退火算法对上述全局较优解进一步优化，降温过程中Metropolis准则可以使优化结果有一定的概率跳出局部最优的陷阱，使模拟退火算法充分调用遗传算法的全局信息，从而最终获得全局最优解，得出规避冲突后的最优场桥执行任务序列，从而缩短场桥装卸作业完成时间，优化场桥行走路径。本方法通过充分利用双吊具之间的协同作业，减少集装箱装卸作业任务的总时间。

附图说明

图1是本发明提供的双吊具场桥调度优化方法一实施方式的流程图；

图2是单起升双吊具场桥与双起升双吊具场桥的结构对比图；

图3是本发明提供的单起升双吊具场桥调度优化方法一实施方式的作业环境示意图；

图4a是本发明提供的单起升双吊具场桥调度优化方法一实施方式的作业示意图；

图4b是本发明提供的双起升双吊具场桥调度优化方法一实施方式的作业示意图；

图5a是本发明提供的单起升双吊具场桥采用遗传模拟退火算法进行调度优化一实施方式迭代过程示意图；

图5b是本发明提供的单起升双吊具场桥采用遗传模拟退火算法进行调度优化一实施方式的算法结果图；

图6a是本发明提供的双起升双吊具场桥采用遗传模拟退火算法进行调度优化一实施方式迭代过程示意图；

图6b是本发明提供的双起升双吊具场桥采用遗传模拟退火算法进行调度优化一实施方式的算法结果图；

图7是混堆箱中相邻箱占比不同时场桥任务所需时间的对比图；

图8是总作业任务量不同时场桥任务所需时间的对比图；

图9是混堆箱中贝位数量不同时场桥任务所需时间的对比图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明是基于自动化双吊具场桥作业系统，考虑两吊具之间协同作业情况，研究在自动化集装箱堆场一个箱区中同时进行海、陆两侧存、取箱作业场桥调度问题，优化双吊具间的任务分配、任务的作业顺序以及作业完成时间，为双吊具场桥在自动化码头的应用提供高效、精准、安全的作业计划。

为了实现上述目的，首先，考虑执行同一贝位任务时吊具间发生冲突的可能性，以最小化场桥装卸作业完成时间为目标，建立双吊具场桥调度优化模型。然后，设计遗传模拟退火算法对模型求解，通过迭代对场桥执行任务序列进行优化，得出规避冲突后的最优场桥执行任务序列，进而可得到最短作业完成时间和场桥具体行走路径。

具体的，进行建模前，首先设定双吊具场桥调度优化模型的适用条件：

1、所有待操作的任务均处于同一混堆箱区，作业任务包括与岸边之间的装卸船作业和外集卡的进提箱作业；

2、所有任务的存储位置和目标位置均已知；

3、集装箱箱型均相同，本实施例中为40英尺集装箱，不考虑翻箱操作；

4、作业顺序可以任意排序，即本发明提出的双吊具场桥调度优化模型是针对同一时间段内所要装卸的集装箱，不考虑集卡到达的时间顺序；

5、一个箱区内仅有一台双吊具场桥，该场桥可以在箱区内自由移动；

6、两个吊具之间可以协同配合作业，双吊具场桥在作业过程中一次可以提起两个相邻集装箱或一个集装箱，双箱作业与单箱作业进行切换时需要一定时间，本实施例中需要90S。

实施例1

具体的，如图1所示，本发明的实施例1提供了双吊具场桥调度优化方法，包括以下步骤：

S1、考虑执行同一贝位任务时双吊具之间的协同作用下计算场桥装卸作业完成时间，以所述场桥装卸作业完成时间作为目标函数；

S2、设定场桥作业的约束条件，所述约束条件包括作业任务的存储位置约束、任务类别约束以及集卡停靠点约束；

S3、以最小的场桥装卸作业完成时间作为目标，在所述约束条件下，建立双吊具场桥调度优化模型；

S4、通过遗传模拟退火算法对所述双吊具场桥调度优化模型进行求解，得到最优场桥执行任务序列。

双吊具场桥调度优化模型以下简称场桥调度模型。

本实施例考虑了作业任务的存储位置、任务类别、集卡停靠点等约束条件对作业时间的影响，考虑执行同一贝位任务时吊具间协同作业来计算场桥装卸作业完成时间，以最小化作业完成时间为目标，建立了可以刻画双吊具之间协同作用的模型。同时，将遗传算法与模拟退火算法进行融合求解该场桥调度模型，首先遗传算法对作业任务顺序进行筛选，得到全局较优解；然后利用模拟退火算法对上述全局较优解进一步优化，降温过程中Metropolis准则可以使优化结果有一定的概率跳出局部最优的陷阱，使模拟退火算法充分调用遗传算法的全局信息，从而最终获得全局最优解，得出规避冲突后的最优场桥执行任务序列，从而缩短场桥装卸作业完成时间，优化场桥行走路径。本方法通过充分利用双吊具之间的协同作业，减少集装箱装卸作业任务的总时间。

本发明为双吊具场桥提供调度方法，可以为自动化集装箱码头堆场建设提供设备选型和布局参考，有利于推动双吊具场桥在我国自动化码头的应用；由于双吊具场桥的调度方式更加复杂，在建立模型时需要考虑作业任务的存储位置及作业类别，从而实现吊具之间的协同，减少作业时间，所以本发明通过考虑吊具之间的协同配合作业，拓宽了码头堆场场桥调度研究的思路，丰富了装卸作业系统相关研究理论。

优选的，考虑执行同一贝位任务时双吊具之间的协同作用下计算场桥装卸作业完成时间，作为目标函数，具体为：

计算不同类型任务转移至两个同一类型任务的任务组时，所需要的转移时间t_ijk，t_ijk表示任务i到任务组jk所需要的转移时间，任务组jk包括任务j和任务k，任务j和任务k属于同一类型任务，任务j和任务k位于同贝位同层高，任务j和任务k与双吊具一一对应，t_ijk等于场桥从任务i完成点到任务组jk存储位置的移动时间与对任务组jk作业时吊具的起升时间之和：

根据所述转移时间计算场桥完成所有任务所需的完成时间，即目标函数：

其中，z为目标函数，x_ijk为决策变量，用于判断任务i完成后是否进入任务组jk，I是所有任务起点的集合，包含场桥起始位置点0'，I＝{0',1,2,...,n}；J是所有任务终点的集合，包含场桥结束位置点0”，J＝{0”,1,2,...,n}；X是所有场桥作业任务的集合，不包含场桥的起始位置点0'和结束位置点0”，X＝{1,2,...,n}，n为除起始位置点和结束位置点外所有任务点的数量；

所述决策变量具体为：

本实施例在建立目标函数时，即在计算场桥完成所有任务所需的完成时间时，充分考虑了双吊具同时工作的情况，从而最大程度的节省装卸作业的时间。

具体的，混堆箱区场桥的作业任务分为取箱任务和存箱任务，在规划行走路线和分配任务之前，需要判断作业任务的类别：

本实施例中各类不同任务的坐标信息为：起始位置点0'坐标为(0,0,H+1),存箱/取箱任务i的任务完成点坐标为(B_i,S_i,h_i)，存箱/取箱任务组jk的集卡停靠位置坐标为(TB_jk,TS_jk,1),存箱/取箱任务j的存储位置坐标为(B_j,S_j,h_j)，存箱/取箱任务k的存储位置坐标为(B_k,S_k,h_k)。

外集卡的停留点是陆侧，坐标为(B₀,S_i,1)，内集卡的停留点是海侧，坐标为(B_max,S_i,1)：

如图2所示，双吊具场桥分为单起升和双起升两种，图2中左侧为单起升，右侧为双起升。前者只有一套起升机构，且同时作业的两个集装箱必须相邻，灵活性较差，在进行装卸作业时需要切换单吊具和双吊具两种作业模式，实现装卸作业；后者有两套起升机构，每个吊具可以分别单独起升，两吊具可实现装卸不相邻的两个集装箱，也可以进行单箱作业，即使一套起升机构发生故障，另一套起升机构仍能正常工作，装卸过程更加灵活，可以适应对起吊两个有高低差的集装箱、呈八字形排列，或前后错位排列的集装箱、重心偏移等多种工况操作。但是在实际操作时，双起升结构的控制系统更加复杂，且对准操作较为困难，因此在成本、能耗以及故障维修等方面都有一定不足。

因此，本发明分别针对单起升双吊具场桥以及双起升双吊具场桥建立目标函数，进而分别建立场桥调度模型。下面分别分析单起升结构和双起升结构的场桥调度模型中进行两个集装箱作业任务时的作业时间(即目标函数)的计算方法。

优选的，所述场桥为单起升结构双吊具场桥时，计算不同类型任务切换至两个同一类型任务的任务组时，所需要的转移时间t_ijk，具体为：将作业时间细分后分别进行研究，分为以下几种情况：

1)、当场桥从起始位置点0'转移到存箱任务组jk时，所需要的转移时间可划分为两个部分：场桥从起始位置点0'移动到存箱任务组jk的集卡停靠位置并提取要存入堆场的两个集装箱的时间t_0',I/O(jk)；场桥从存箱任务组jk的集卡停靠位置移动至存箱任务j和存箱任务k的存储位置并将两个集装箱存放至相应的存储位置的时间t_I/O(jk),jk。更具体的，t_0',I/O(jk)可划分为：场桥从起始位置点0'移动到存箱任务组jk的集卡停靠位置的行走时间

提取要存入堆场的两个集装箱吊具的起升时间

t_I/O(jk),jk可划分为：场桥从存箱任务组jk的集卡停靠位置移动至任务j和任务k的存储位置的行走时间

将两个集装箱存放至相应的存储位置吊具的起升时间

场桥完成存箱任务组jk后默认停留在任务完成点。转移时间整体表示为：

2)、当场桥从起始位置点0'转移到取箱任务组jk时，所需要的转移时间可划分为两个部分：场桥从起始位置点0'移动到取箱任务j和取箱任务k的存储位置并抓取要取走的两个集装箱的时间t_0',jk；场桥从取箱任务j和取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置并将两个集装箱卸下的时间t_jk,I/O(jk)。更具体的，t_0',jk可划分为：场桥从起始位置点0'移动到取箱任务j和取箱任务k的存储位置的行走时间

抓取要取走的两个集装箱的吊具起升时间

t_jk,I/O(jk)可划分：为场桥从取箱任务j和取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置的行走时间

将两个集装箱卸下的吊具起升时间

场桥完成取箱任务组jk后默认停留在任务完成点。转移时间整体表示为：

3)、当场桥从存箱任务i转移到取箱任务组jk时，所需要的转移时间可划分为两个部分：场桥从存箱任务i的任务完成点移动到取箱任务j和取箱任务k的存储位置并抓取要取走的两个集装箱的时间t_i,jk；场桥从取箱任务j和取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置并将两个集装箱卸下的时间t_jk,I/O(jk)。更具体的，t_i,jk可划分为：场桥从存箱任务i的任务完成点移动到取箱任务j和取箱任务k的存储位置的行走时间

抓取要取走的两个集装箱的吊具起升时间

t_jk,I/O(jk)可划分为：场桥从取箱任务j和取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置的行走时间

将两个集装箱卸下的吊具起升时间

场桥完成取箱任务组jk后默认停留在任务完成点。所需要的转移时间整体表示为：

4)、当场桥从存箱任务i转移到存箱任务组jk时，所需要的转移时间可划分为两个部分：场桥从存箱任务i的任务完成点移动到存箱任务组jk的集卡停靠位置并提取要存入堆场的两个集装箱的时间t_i,I/O(jk)；场桥从存箱任务组jk的集卡停靠位置移动至存箱任务j和存箱任务k的存储位置并将两个集装箱存放至相应的存储位置的时间t_I/O(jk),jk。更具体的，t_i,I/O(jk)可划分为：场桥从存箱任务i的任务完成点移动到存箱任务组jk的集卡停靠位置的行走时间

提取要存入堆场的两个集装箱的吊具起升时间

t_I/O(jk),jk可划分为：场桥从存箱任务组jk的集卡停靠位置移动至存箱任务j和存箱任务k的存储位置的行走时间

将两个集装箱存放至相应的存储位置的吊具起升时间

场桥完成取箱任务组jk后默认停留在任务完成点。所需要的转移时间整体表示为：

5)、当场桥从取箱任务i转移到取箱任务组jk时，所需要的转移时间可划分为两个部分：场桥从取箱任务i的任务完成点移动到取箱任务j和取箱任务k的存储位置并抓取要取走的两个集装箱的时间t_I/O(i),jk；场桥从取箱任务j和取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置并将两个集装箱卸下的时间t_jk,I/O(jk)。更具体的，t_I/O(i),jk可划分为：场桥从取箱任务i的任务完成点移动到取箱任务j和取箱任务k的存储位置的行走时间

抓取要取走的两个集装箱的吊具起升时间

t_jk,I/O(jk)可划分为：场桥从取箱任务j和取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置的时间

将两个集装箱卸下的时间

场桥完成取箱任务组jk后默认停留在任务完成点。所需要的转移时间整体表示为：

6)、当场桥从取箱任务i转移到存箱任务组jk时，所需要的转移时间可划分为两个部分：场桥从取箱任务i的任务完成点移动到存箱任务组jk的集卡停靠位置并提取要存入堆场的两个集装箱的时间t_{I/O(i),I/O(jk)}；场桥从存箱任务组jk的集卡停靠位置移动至存箱任务j和存箱任务k的存储位置并将两个集装箱存放至相应的存储位置的时间t_I/O(jk),jk。更具体的，t_{I/O(i),I/O(jk)}可划分为：场桥从取箱任务i的任务完成点移动到存箱任务组jk的集卡停靠位置的行走时间

提取要存入堆场的两个集装箱的吊具起升时间

t_I/O(jk),jk可划分为:场桥从存箱任务组jk的集卡停靠位置移动至存箱任务j和存箱任务k的存储位置的行走时间

将两个集装箱存放至相应的存储位置的吊具起升时间

场桥完成取箱任务组jk后默认停留在任务完成点。所需要的转移时间整体表示为：

7)、当场桥从存箱/取箱任务i转移到结束位置点0”时，所需要的转移时间为：

t_i0”＝0

其中，B_i是场桥执行第i个任务时所在的贝位；B_jk是场桥执行任务组jk时所在的贝位；TB_i是场桥执行第i个任务时所需集卡的停靠贝位；TB_jk是场桥执行任务组jk所需集卡的停靠贝位；L_B是箱区每个贝位的宽度；v_B是场桥在贝位之间移动时的行走速度；

S_i是场桥执行第i个任务时所在的栈；S_jk是场桥执行任务组jk时所在的栈；TS_i是场桥执行第i个任务时所需集卡的停靠栈；TS_jk是场桥执行任务组jk所需集卡的停靠栈；L_S是箱区每个栈的宽度；v_S是场桥在栈之间移动时的吊具的水平移动速度；

h_i是场桥执行第i个任务时所在的层高；h_jk是场桥执行任务组jk时所在的层高；L_h是箱区每层集装箱的高度；v_h1是场桥吊具空载时的起升速度；v_h2是场桥吊具重载时的起升速度；H是箱区所堆码的集装箱的最大层高。

优选的，所述场桥为双起升结构双吊具场桥时，计算不同类型任务切换至两个同一类型任务的任务组时，所需要的转移时间t_ijk，具体为：

1)当场桥从起始位置点0'转移到存箱任务组jk时，所需要的转移时间可划分为三个部分：场桥从起始位置点0'移动到存箱任务组jk的集卡停靠位置并提取要存入堆场的两个集装箱的时间t_0',I/O(jk)；场桥从存箱任务组jk的集卡停靠位置移动至存箱任务j的存储位置并将一个集装箱存放至相应的存储位置的时间t_I/O(jk),j；场桥从存箱任务j的存储位置移动到存箱任务k的存储位置并将另一个集装箱存放至相应的存储位置的时间t_j,k。更具体的，t_0',I/O(jk)可划分为：场桥从起始位置点0'移动到存箱任务组jk的集卡停靠位置的行走时间

提取要存入堆场的两个集装箱吊具的起升时间

t_I/O(jk),j可划分为：场桥从存箱任务组jk的集卡停靠位置移动至任务j的存储位置的行走时间

将一个集装箱存放至相应的存储位置吊具的起升时间

t_j,k可划分为：场桥从存箱任务j的存储位置移动到存箱任务k的存储位置的行走时间

将另一个集装箱存放至相应的存储位置吊具的起升时间

场桥完成存箱任务组jk后默认停留在任务完成点。转移时间整体表示为：

2)当场桥从起始位置点0'转移到取箱任务组jk时，所需要的转移时间可划分为三个部分：场桥从起始位置点0'移动到取箱任务j的存储位置并提取要取走的集装箱的时间t_0',j；场桥从取箱任务j的存储位置移动至取箱任务k的存储位置并提取要取走的集装箱存的时间t_j,k；场桥从取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置并将两个集装箱卸下的时间t_k,I/O(jk)。更具体的，t_0',j可划分为：场桥从起始位置点0'移动到存箱任务组jk的集卡停靠位置的行走时间

提取要存入堆场的两个集装箱吊具的起升时间

t_j,k可划分为：场桥从存箱任务组jk的集卡停靠位置移动至任务j的存储位置的行走时间

将一个集装箱存放至相应的存储位置吊具的起升时间

t_k,I/O(jk)可划分为：场桥从存箱任务j的存储位置移动到存箱任务k的存储位置的行走时间

将另一个集装箱存放至相应的存储位置吊具的起升时间

场桥完成存箱任务组jk后默认停留在任务完成点。转移时间整体表示为：

3)当场桥从存箱任务i转移到取箱任务组jk时，所需要的转移时间可划分为两个部分：场桥从存箱任务i的任务完成点移动到取箱任务j的存储位置并抓取要取走的集装箱的时间t_i,j；场桥从取箱任务j的存储位置移动到取箱任务k的存储位置并抓取要取走的集装箱的时间t_j,k；场桥从取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置并将两个集装箱卸下的时间t_k,I/O(jk)。更具体的，t_i,j可划分为：场桥从存箱任务i的任务完成点移动到取箱任务j的存储位置的行走时间

抓取要取走的集装箱的吊具起升时间

t_j,k可划分为：场桥从取箱任务j的存储位置移动到取箱任务k的存储位置的行走时间

抓取要取走的集装箱的吊具起升时间

t_k,I/O(jk)可划分为：场桥从取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置的行走时间

将两个集装箱卸下的吊具起升时间

场桥完成取箱任务组jk后默认停留在任务完成点。所需要的转移时间整体表示为：

4)当场桥从存箱任务i转移到存箱任务组jk时，所需要的转移时间可划分为三个部分：场桥从存箱任务i的任务完成点移动到存箱任务组jk的集卡停靠位置并提取要存入堆场的两个集装箱的时间t_i,I/O(jk)；场桥从存箱任务组jk的集卡停靠位置移动至存箱任务j的存储位置并将一个集装箱存放至相应的存储位置的时间t_I/O(jk),j；场桥从存箱任务j的存储位置移动到存箱任务k的存储位置并将另一个集装箱存放至相应的存储位置的时间t_j,k。更具体的，t_i,I/O(jk)可划分为：场桥从起始位置点0'移动到存箱任务组jk的集卡停靠位置的行走时间

提取要存入堆场的两个集装箱吊具的起升时间

t_I/O(jk),j可划分为：场桥从存箱任务组jk的集卡停靠位置移动至任务j的存储位置的行走时间

将一个集装箱存放至相应的存储位置吊具的起升时间

t_j,k可划分为：场桥从存箱任务j的存储位置移动到存箱任务k的存储位置的行走时间

将另一个集装箱存放至相应的存储位置吊具的起升时间

场桥完成存箱任务组jk后默认停留在任务完成点。转移时间整体表示为：

5)当场桥从取箱任务i转移到取箱任务组jk时，所需要的转移时间可划分为两个部分：场桥从取箱任务i的任务完成点移动到取箱任务j的存储位置并抓取要取走的集装箱的时间t_I/O(i),j；场桥从取箱任务j的存储位置移动到取箱任务k的存储位置并抓取要取走的集装箱的时间t_j,k；场桥从取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置并将两个集装箱卸下的时间t_k,I/O(jk)。更具体的，t_I/O(i),j可划分为：场桥从取箱任务i的任务完成点移动到取箱任务j的存储位置的行走时间

抓取要取走的集装箱的吊具起升时间

t_j,k可划分为：场桥从取箱任务j的存储位置移动到取箱任务k的存储位置的行走时间

抓取要取走的集装箱的吊具起升时间

t_k,I/O(jk)可划分为：场桥从取箱任务k的存储位置移动至取箱任务组jk的集卡停靠位置的行走时间

将两个集装箱卸下的吊具起升时间

场桥完成取箱任务组jk后默认停留在任务完成点。所需要的转移时间整体表示为：

6)当场桥从取箱任务i转移到存箱任务组jk时，所需要的转移时间可划分为三个部分：场桥从取箱任务i的任务完成点移动到存箱任务组jk的集卡停靠位置并提取要存入堆场的两个集装箱的时间t_{I/O(i),I/O(jk)}；场桥从存箱任务组jk的集卡停靠位置移动至存箱任务j的存储位置并将一个集装箱存放至相应的存储位置的时间t_I/O(jk),j；场桥从存箱任务j的存储位置移动到存箱任务k的存储位置并将另一个集装箱存放至相应的存储位置的时间t_j,k。更具体的，t_{I/O(i),I/O(jk)}可划分为：场桥从起始位置点0'移动到存箱任务组jk的集卡停靠位置的行走时间

提取要存入堆场的两个集装箱吊具的起升时间

t_I/O(jk),j可划分为：场桥从存箱任务组jk的集卡停靠位置移动至任务j的存储位置的行走时间

将一个集装箱存放至相应的存储位置吊具的起升时间

t_j,k可划分为：场桥从存箱任务j的存储位置移动到存箱任务k的存储位置的行走时间

将另一个集装箱存放至相应的存储位置吊具的起升时间

场桥完成存箱任务组jk后默认停留在任务完成点。转移时间整体表示为：

7)当场桥从存箱/取箱任务i转移到结束位置点0”时，所需要的转移时间为：

t_i0”＝0

其中，B_i是场桥执行第i个任务时所在的贝位；B_jk是场桥执行任务组jk时所在的贝位；TB_i是场桥执行第i个任务时所需集卡的停靠贝位；TB_jk是场桥执行任务组jk所需集卡的停靠贝位；L_B是箱区每个贝位的宽度；v_B是场桥在贝位之间移动时的行走速度；

S_i是场桥执行第i个任务时所在的栈；S_jk是场桥执行任务组jk时所在的栈；TS_i是场桥执行第i个任务时所需集卡的停靠栈；TS_jk是场桥执行任务组jk所需集卡的停靠栈；L_S是箱区每个栈的宽度；v_S是场桥在栈之间移动时的吊具的水平移动速度；

h_i是场桥执行第i个任务时所在的层高；h_jk是场桥执行任务组jk时所在的层高；L_h是箱区每层集装箱的高度；v_h1是场桥吊具空载时的起升速度；v_h2是场桥吊具重载时的起升速度；H是箱区所堆码的集装箱的最大层高。

优选的，设定场桥作业的约束条件，具体为：

每个取箱/存箱任务只能被场桥作业一次，每个集装箱只有一次被抓取和放下的机会，且场桥在起始位置点和终止位置点之后不再进行操作：

场桥完成n个取箱/存箱任务所需要的转移次数约束：

每个贝位作业的集装箱总数量等于该贝位内所有的任务数量：

场桥作业的总集装箱数量等于该时段内所有任务总量：

每相邻的两个任务之间的贝位不大于最大贝位数，每相邻的两个任务之间的栈不大于最大栈数：

场桥任意两个任务之间只能转移一次，避免产生回路：

其中，n为除起始位置点和结束位置点外所有任务点的数量，c_Bi是t时间内第B_i个贝位中集装箱的总任务数量；c是t时间内场桥需要装卸集装箱的总任务数量；m是单起升双吊具场桥同时作业两个任务的次数；B_max是箱区内最大的贝位数；S_max是箱区内最大的栈数量。

优选的，通过遗传模拟退火算法对所述双吊具场桥调度优化模型进行求解，得到最优场桥执行任务序列，具体为：

初始化控制参数，包括种群大小NIND、最大进化次数MAXGEN、交叉概率Pc、变异概率Pm、退火初始温度T0、降温速率q以及终止温度Tend；具体的，根据建立的模型，结合遗传算法参数设定的经验，本实施例将种群大小NIND设为50；设定遗传参数，通过多次实验发现算法迭代100～200次之间时，计算结果趋于稳定，能够得到最优解，最大进化次数MAXGEN设定为200次；将遗传算法的交叉概率Pc设为0.9，变异概率Pm采用固定值0.05，代沟GGPA设为0.9；设定模拟退火参数，退火初始温度T0＝1000、降温速率q＝0.9和终止温度Tend＝0.001。

随机初始化n个任务，并生成初始种群Chrom，即多个初始场桥执行任务序列，计算各个体的初始适应度值fi，其中i＝1，2，…，NIND；对循环计数变量归零gen＝0；

对种群实施选择、交叉、变异中至少一种遗传操作，计算新产生个体的适应度值fi’，并判断新产生个体的适应度值是否大于上一次产生的个体的适应度值，如果大于，即fi’>fi，则用新产生的个体替换旧的个体，否则以一定概率接受新产生的个体，即P＝exp((fi-fi’)T)，舍弃旧的个体；

判断种群遗传操作的统计次数是否小于最大进化次数，如果是，即gen<MAXGEN，则转上一步进行下一次遗传操作，并对循环计数变量进行加1，则gen＝gen+1，如果否，则进一步判断当前退火温度是否小于终止温度，如果小于，即Ti<Tend，则输出当前种群，得到最优场桥执行任务序列，如果不小于，则执行降温操作，令Ti+1＝qTi，对种群的遗传操作的统计次数进行清零gen＝0，然后再转上一步进行下一次遗传操作。

本实施例中采用的算法结合了遗传算法和模拟退火算法两种算法，首先遗传算法对生成的初始种群进行筛选，计算各有效解的适应度函数值，通过选择、交叉、变异等操作对种群迭代，得到全局较优解；然后利用模拟退火算法对上述解进一步优化，降温过程中Metropolis准则可以使优化结果有一定的概率跳出局部最优的陷阱，使模拟退火算法充分调用遗传算法的全局信息，从而最终获得最优解。设计遗传模拟退火算法对模型求解，通过迭代对场桥执行任务的序列进行优化，得出规避冲突后的最优作业序列、最短作业完成时间和场桥行走路径。

优选的，所述适应度值通过适应度函数计算，所述适应度函数具体为：

其中，fitness为适应度函数，t_ij表示任务i到任务j所需要的转移时间，i∈I,I是所有任务起点的集合，包含场桥起始位置点0'，I＝{0',1,2,...,n},j∈J，J是所有任务终点的集合，包含场桥结束位置点0”，J＝{0”,1,2,...,n}，n为除起始位置点和结束位置点外所有任务点的数量，M为无穷大的正实数。

场桥调度模型的目标函数是最小化场桥的作业完成时间，设t_ij为从任务i到任务j的完成时间，适应度函数为恰好完成所有作业任务的时间的倒数。优化的目标就是找到适应度函数值较大的染色体。为了剔除不满足场桥作业时间限制的个体，引入时间惩罚机制(M是一个无穷大的正实数)，降低其适应度。

优选的，对种群实施选择操作具体为：

采用轮盘赌法选择个体，即基于适应度比例的选择策略，个体i被选中的概率为：

其中，p_i为个体i被选中的概率，f_i为个体i的适应度值，N为种群个体数目；

对种群实施交叉操作具体为：

采用部分映射杂交，确定交叉操作的父代，将父代个体两两分组，每组父代个体重复以下过程，以10个任务为例：

产生两个[1,10]区间内的随机整数r₁和r₂，如r₁＝4、r₂＝7，根据两个随机整数确定两个位置，对两个位置中间数据进行交叉；

交叉后，同一个个体中有重复的任务编号采用部分映射的方法消除冲突，即利用中间段的对应关系进行映射，不重复的任务编号保留；

对两个位置中间数据进行交叉采用实数交叉法，第k个染色体a_k和第l个染色体a_l在j位的交叉操作方法为：

a'_lj＝a_lj(1-b)+a_kjb a_lj

a'_kj＝a_kj(1-b)+a_ljb

其中，a'_lj是第l个染色体a_l在j位与第k个染色体a_k交叉后的值，a'_kj第k个染色体a_k在在j位与第l个染色体第l个染色体a_l，a_lj是交叉前第l个染色体a_l在j位的值，a_kj是交叉前第k个染色体a_k在j位的值，b是[0,1]区间内的随机数；

对种群实施变异操作具体为：

其中，a_i'_j为第i个个体的第j个基因a_ij进行变异后的值，a_max是基因a_ij的上界，a_min是基因a_ij的下界，f(g)＝r₂(1-g/G_max)²，r₂是一个随机数，g是当前进化次数，G_max是最大进化次数，r为[0,1]区间内的随机数，变异概率在0.001-0.1之间取值，变异概率根据个体的适应度值以及当代的平均适应度值计算，每代个体的变异概率均不一样。

为了更清楚的说明本发明的工作过程，以下分别以单起升结构双吊具场桥和双起升结构双吊具场桥为例对建模以及求解的具体过程进行说明。

对于单起升结构的场桥，如图3所示，由于同时作业的两个集装箱必须相邻，且两吊具高度差有限制，只能对相同层高的相邻集装箱进行作业，所以只有当场桥作业的连续两个任务均为存箱任务(目标存储位置为相同贝位的相同层高)或均为取箱任务(提箱位置为相同贝位的相同层高)的时候，才能实现双吊具同时作业，节省装卸作业的时间。单起升结构的双吊具场桥作业模式如图4a所示，只有当存取对象为A和B所示位置时，才能进行双吊具同时作业。

对于双起升结构的场桥，由于两吊具的水平距离和垂直高度可以调节，场桥可以同时对不相邻的两个集装箱进行操作，分别进行装卸作业，并且可以实现边装边卸的功能，在一个吊具进行卸箱操作时，另一吊具可抓取同贝位其他集装箱，这种作业模式有利于提高码头堆场的作业效率，双起升结构的双吊具场桥作业模式如图4b所示，对于存取箱操作，集装箱位于C和D位置时，也能进行双吊具作业。

海侧装卸船作业过程主要需要解决诸如泊位分配、集装箱装载、车辆路线选择等问题，以及车辆调度策略和车辆驻留点策略等设计的选择。对于码头运作过程而言，码头前沿装卸船作业会极大影响码头堆场作业效率。

陆侧闸口进提箱作业过程，目前的自动化码头外集卡的进提箱管理大多实现预约到港，即码头即将到港的集卡顺序已知，这样可以很大程度平衡闸口的进出量，避免高峰期集卡等待时间过长的情况，提高码头的服务水平。除此之外，自动化码头闸口基本已经实现无人化操作，外集卡达到之后，系统将车辆信息与提前录入信息对比，审核单据等。

根据混堆箱区集装箱作业特点不同，将作业任务分为4类，如表1所示。

表1：混堆箱区集装箱的作业任务特点

每个混堆箱区的参数为30贝位、6栈、4层，每个箱区全部存放40英尺的标准箱，40英尺标箱的内部长宽高分别为12.029m、2.350m、2.392m，外部长宽高分别为12.192m、2.438m、2.591m。因此，本实验中将每个贝位长度设置为12.2m，栈宽度为2.5m，每层层高为2.6m。考虑2个小时的计划期内箱区有40个作业任务，由于一个箱区内只布置一台场桥，因此，该场桥的存箱和取箱任务可能会交叉进行，且根据任务类别可以确定其内外集卡的停靠位置。

实验将单吊具场桥的大车行车速度和吊具的水平移动速度设定为80～120m/min(80m/min为重载，120m/min为空载)，双吊具场桥的大车行车速度和吊具的水平移动速度设定为70～100m/min(70m/min为重载，100m/min为空载)，起升速度在40～90m/min(40m/min为重载，90m/min为空载)。单起升结构双吊具场桥在进行单个集装箱作业时需要切换成单吊具模式，单双吊具间的模式切换时间大约为90s。

表2：实验计划期内的作业任务信息

在混堆箱区一台单起升结构双吊具场桥作业的情况下，利用本文设计的遗传模拟退火算法进行求解，完成上述40个作业任务的最短时间为94.87分钟，相比单吊具场桥装卸作业完成时间缩短了将近12分钟，作业效率提高11.3％，迭代过程如图5a所示，最后得到的场桥最优作业顺序如图5b所示。本次实验中有10组作业任务是相邻的，符合单起升结构双吊具作业的特点，其中任务组合有(1,11)(3,6)(4,31)(7,19)(8,35)(10,27)(13,15)(14,30)(24,38)(25,28)，从场桥任务轨迹图可以看出相邻的任务组合会同步完成，场桥的最优作业顺序为：

40→33→1→11→2→25→28→26→13→15→3→6→10→27→29→22→23→20→4→31→39→9→8→35→36→5→14→30→16→7→19→18→32→37→21→12→24→38→34→17

在混堆箱区一台双起升结构双吊具场桥作业的情况下，利用本文设计的遗传模拟退火算法进行求解，完成上述40个作业任务的最短时间为86.83分钟，相比单吊具场桥作业完成时间缩短了19分钟，作业效率提高18.3％，相比单起升结构双吊具场桥作业完成时间缩短了8分钟，作业效率提高8.5％，迭代过程如图6a所示，最后得到的场桥最优作业顺序如图6b所示。

本次实验中将作业任务两两分组，结果中相邻的两个作业任务在一次大车行走过程中完成，例如任务13和任务14均为外集卡取箱任务，则场桥可以分别到两任务的存储位置抓取两个集装箱，再分别行走至任务13和任务14的集卡停靠点将集装箱卸下。场桥的最优作业顺序为：

13→14→5→7→30→4→15→2→8→10→23→34→12→37→38→21→27→29→20→6→1→11→26→40→39→3→25→28→18→9→35→33→17→19→16→31→24→22→32→36

在此基础上，改变混堆箱区相邻箱占比、总作业任务量和箱区的贝位数量，经过多次实验，得到不同实验结果的对比。

混堆箱中相邻箱占比不同时场桥任务和算法运行所需的时间如表3所示，混堆箱中相邻箱占比不同时场桥任务所需时间的对比如图7所示。

表3：不同相邻箱任务占比实验结果

总作业任务量不同时场桥任务和算法运行所需的时间如表4所示，总作业任务量不同时场桥任务所需时间的对比如图8所示。

表4：不同作业任务量实验结果

混堆箱中贝位数量不同时场桥任务和算法运行所需的时间如表5所示，混堆箱中贝位数量不同时场桥任务所需时间的对比如图9所示。

表5：不同贝位数量实验结果

通过以上的实验对比发现：

对相同作业任务进行装卸时，相邻箱任务占比越大，单起升结构的双吊具场桥装卸作业完成时间越短，效率提高越快；若待装卸集装箱全部为相邻箱，则单起升结构双吊具场桥的作业完成时间基本会比单吊具场桥缩短一半，且当作业任务全部都不相邻时，单起升结构双吊具场桥的作业效率较单吊具场桥更低，原因在于双吊具场桥的自重较大，行走速度较慢；相邻箱占比对单吊具场桥和双起升结构双吊具场桥的作业效率影响较小；当作业任务中相邻箱占比达到25％以上时，单起升结构双吊具场桥才具有一定装卸优势。

在相同作业量的情况下，随着总作业任务量的改变，双吊具场桥相比于单吊具场桥的作业效率提高率维持在11％～21％之间；除此之外，增加总作业的任务量，会导致场桥的大车行走距离增加，从而使场桥的作业完成时间和相应算法的计算时间增加。当作业任务量相同时，三种场桥调度模型的计算时间基本一致，且随着任务量的增加，算法种群中的可行解数量会增加，收敛速度变慢，导致计算时间呈上升趋势。

在相同贝位规模下完成同一组作业任务，单起升结构双吊具场桥的作业完成时间基本相同，相比于单吊具场桥，作业效率提高13％～19％不等。单箱区内贝位数设置为40贝，不仅可以有效减少场桥作业时间，而且从实际情况考虑能够提高码头的土地资源利用效率。

在算法方面，遗传模拟退火算法对场桥调度模型的计算时间基本稳定在40秒左右，且改变作业任务位置对计算时间影响不大，验证了本发明算法的可行性和有效性。

总体而言，双吊具场桥在作业效率方面具有装卸优势，对比多组实验结果，双吊具场桥在相邻箱占比较大、一定时间内总作业任务量较大的情况下优势更明显，由于双起升结构双吊具场桥在作业时间上基本和单起升结构双吊具场桥相同，且实际调度更加复杂、成本更高，所以建议码头堆场装卸作业设备采用单起升结构双吊具场桥。

本发明的有益效果在于：根据双吊具场桥的作业特点，结合自动化集装箱码头的堆场布局和混堆箱区内集装箱的装卸任务的位置信息，建立了以最小化作业完成时间为目标的场桥调度模型，模型根据场桥的大车行走时间、吊具水平移动时间和起升时间等计算公式来得出场桥在任务之间转移需要花费的时间，创新性地提出了场桥双吊具作业时的时间计算方式，考虑了吊具之间的协同作用、单吊具与双吊具模式切换时间以及集卡的停靠点位置对场桥调度的影响，使模型更加符合实际情况。

实施例2

本发明的实施例2提供了双吊具场桥调度优化装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的双吊具场桥调度优化法。

本发明实施例提供的双吊具场桥调度优化装置，用于实现双吊具场桥调度优化方法，因此，双吊具场桥调度优化方法所具备的技术效果，双吊具场桥调度优化装置同样具备，在此不再赘述。

实施例3

本发明的实施例3提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1提供的双吊具场桥调度优化方法。

本发明实施例提供的计算机存储介质，用于实现双吊具场桥调度优化方法，因此，双吊具场桥调度优化方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。

以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (10)

1.一种双吊具场桥调度优化方法，其特征在于，包括以下步骤：

考虑执行同一贝位任务时双吊具之间的协同作用下计算场桥装卸作业完成时间，以所述场桥装卸作业完成时间作为目标函数；

设定场桥作业的约束条件，所述约束条件包括作业任务的存储位置约束、任务类别约束以及集卡停靠点约束；

以最小的场桥装卸作业完成时间作为目标，在所述约束条件下，建立双吊具场桥调度优化模型；

通过遗传模拟退火算法对所述双吊具场桥调度优化模型进行求解，得到最优场桥执行任务序列。

2.根据权利要求1所述的双吊具场桥调度优化方法，其特征在于，考虑执行同一贝位任务时双吊具之间的协同作用下计算场桥装卸作业完成时间，作为目标函数，具体为：

计算不同类型任务转移至两个同一类型任务的任务组时，所需要的转移时间t_ijk，t_ijk表示任务i到任务组jk所需要的转移时间，任务组jk包括任务j和任务k，任务j和任务k属于同一类型任务，任务j和任务k位于同贝位同层高，任务j和任务k与双吊具一一对应，t_ijk等于场桥从任务i完成点到任务组jk存储位置的移动时间与对任务组jk作业时吊具的起升时间之和：

根据所述转移时间计算场桥完成所有任务所需的完成时间，即目标函数：

其中，z为目标函数，x_ijk为决策变量，用于判断任务i完成后是否进入任务组jk，I是所有任务起点的集合，包含场桥起始位置点0'，I＝{0',1,2,...,n}；J是所有任务终点的集合，包含场桥结束位置点0”，J＝{0”,1,2,...,n}；X是所有场桥作业任务的集合，不包含场桥的起始位置点0'和结束位置点0”，X＝{1,2,...,n}，n为除起始位置点和结束位置点外所有任务点的数量；

所述决策变量具体为：

3.根据权利要求2所述的双吊具场桥调度优化方法，其特征在于，所述场桥为单起升结构双吊具场桥时，计算不同类型任务切换至两个同一类型任务的任务组时，所需要的转移时间t_ijk，具体为：

当场桥从起始位置点0'转移到存箱任务组jk时，所需要的转移时间为：

当场桥从起始位置点0'转移到取箱任务组jk时，所需要的转移时间为：

当场桥从存箱任务i转移到取箱任务组jk时，所需要的转移时间为：

当场桥从存箱任务i转移到存箱任务组jk时，所需要的转移时间为：

当场桥从取箱任务i转移到取箱任务组jk时，所需要的转移时间为：

当场桥从取箱任务i转移到存箱任务组jk时，所需要的转移时间为：

当场桥从存箱/取箱任务i转移到结束位置点0”时，所需要的转移时间为：

t_i0”＝0

其中，B_i是场桥执行第i个任务时所在的贝位；B_jk是场桥执行任务组jk时所在的贝位；TB_i是场桥执行第i个任务时所需集卡的停靠贝位；TB_jk是场桥执行任务组jk所需集卡的停靠贝位；L_B是箱区每个贝位的宽度；v_B是场桥在贝位之间移动时的行走速度；

S_i是场桥执行第i个任务时所在的栈；S_jk是场桥执行任务组jk时所在的栈；TS_i是场桥执行第i个任务时所需集卡的停靠栈；TS_jk是场桥执行任务组jk所需集卡的停靠栈；L_S是箱区每个栈的宽度；v_S是场桥在栈之间移动时的吊具的水平移动速度；

h_i是场桥执行第i个任务时所在的层高；h_jk是场桥执行任务组jk时所在的层高；L_h是箱区每层集装箱的高度；v_h1是场桥吊具空载时的起升速度；v_h2是场桥吊具重载时的起升速度；H是箱区所堆码的集装箱的最大层高。

4.根据权利要求2所述的双吊具场桥调度优化方法，其特征在于，所述场桥为双起升结构双吊具场桥时，计算不同类型任务切换至两个同一类型任务的任务组时，所需要的转移时间t_ijk，具体为：

当场桥从起始位置点0'转移到存箱任务组jk时，所需要的转移时间为：

当场桥从起始位置点0'转移到取箱任务组jk时，所需要的转移时间为：

当场桥从存箱任务i转移到取箱任务组jk时，所需要的转移时间为：

当场桥从存箱任务i转移到存箱任务组jk时，所需要的转移时间为：

当场桥从取箱任务i转移到取箱任务组jk时，所需要的转移时间为：

当场桥从取箱任务i转移到存箱任务组jk时，所需要的转移时间为：

当场桥从存箱/取箱任务i转移到结束位置点0”时，所需要的转移时间为：

t_i0”＝0

其中，B_i是场桥执行第i个任务时所在的贝位；B_jk是场桥执行任务组jk时所在的贝位；TB_i是场桥执行第i个任务时所需集卡的停靠贝位；TB_jk是场桥执行任务组jk所需集卡的停靠贝位；L_B是箱区每个贝位的宽度；v_B是场桥在贝位之间移动时的行走速度；

S_i是场桥执行第i个任务时所在的栈；S_jk是场桥执行任务组jk时所在的栈；TS_i是场桥执行第i个任务时所需集卡的停靠栈；TS_jk是场桥执行任务组jk所需集卡的停靠栈；L_S是箱区每个栈的宽度；v_S是场桥在栈之间移动时的吊具的水平移动速度；

h_i是场桥执行第i个任务时所在的层高；h_jk是场桥执行任务组jk时所在的层高；L_h是箱区每层集装箱的高度；v_h1是场桥吊具空载时的起升速度；v_h2是场桥吊具重载时的起升速度；H是箱区所堆码的集装箱的最大层高。

5.根据权利要求1所述的双吊具场桥调度优化方法，其特征在于，设定场桥作业的约束条件，具体为：

每个取箱/存箱任务只能被场桥作业一次，每个集装箱只有一次被抓取和放下的机会，且场桥在起始位置点和终止位置点之后不再进行操作：

场桥完成n个取箱/存箱任务所需要的转移次数约束：

每个贝位作业的集装箱总数量等于该贝位内所有的任务数量：

场桥作业的总集装箱数量等于该时段内所有任务总量：

每相邻的两个任务之间的贝位不大于最大贝位数，每相邻的两个任务之间的栈不大于最大栈数：

场桥任意两个任务之间只能转移一次，避免产生回路：

其中，n为除起始位置点和结束位置点外所有任务点的数量，c_Bi是t时间内第Bi个贝位中集装箱的总任务数量；c是t时间内场桥需要装卸集装箱的总任务数量；m是单起升双吊具场桥同时作业两个任务的次数；B_max是箱区内最大的贝位数；S_max是箱区内最大的栈数量。

6.根据权利要求1所述的双吊具场桥调度优化方法，其特征在于，通过遗传模拟退火算法对所述双吊具场桥调度优化模型进行求解，得到最优场桥执行任务序列，具体为：

初始化种群大小、最大进化次数、交叉概率、变异概率、退火初始温度、降温速率以及终止温度；随机初始化n个任务，并生成初始种群，即多个初始场桥执行任务序列，计算各个体的初始适应度值；

对种群实施选择、交叉、变异中至少一种遗传操作，计算新产生个体的适应度值，并判断新产生个体的适应度值是否大于上一次产生的个体的适应度值，如果大于，则用新产生的个体替换旧的个体，否则以一定概率接受新产生的个体，舍弃旧的个体；

判断种群遗传操作的统计次数是否小于最大进化次数，如果是，则转上一步进行下一次遗传操作，如果否，则进一步判断当前退火温度是否小于终止温度，如果小于，则输出当前种群，得到最优场桥执行任务序列，如果不小于，则执行降温操作，对种群的遗传操作的统计次数进行清零，然后再转上一步进行下一次遗传操作。

7.根据权利要求6所述的双吊具场桥调度优化方法，其特征在于，所述适应度值通过适应度函数计算，所述适应度函数具体为：

其中，fitness为适应度函数，t_ij表示任务i到任务j所需要的转移时间，i∈I,I是所有任务起点的集合，包含场桥起始位置点0'，I＝{0',1,2,...,n},j∈J，J是所有任务终点的集合，包含场桥结束位置点0”，J＝{0”,1,2,...,n}，n为除起始位置点和结束位置点外所有任务点的数量，M为无穷大的正实数。

8.根据权利要求6所述的双吊具场桥调度优化方法，其特征在于，对种群实施选择操作具体为：

采用轮盘赌法选择个体，即基于适应度比例的选择策略，个体i被选中的概率为：

其中，p_i为个体i被选中的概率，f_i为个体i的适应度值，N为种群个体数目；

对种群实施交叉操作具体为：

确定交叉操作的父代，将父代个体两两分组，每组父代个体重复以下过程：

产生两个[1,10]区间内的随机整数，根据两个随机整数确定两个位置，对两个位置中间数据进行交叉；

交叉后，同一个个体中有重复的任务编号采用部分映射的方法消除冲突，即利用中间段的对应关系进行映射，不重复的任务编号保留；

对两个位置中间数据进行交叉采用实数交叉法，第k个染色体a_k和第l个染色体a_l在j位的交叉操作方法为：

a’_lj＝a_lj(1-b)+a_kjb a_lj

a'_kj＝a_kj(1-b)+a_ljb

其中，a’_lj是第l个染色体a_l在j位与第k个染色体a_k交叉后的值，a'_kj第k个染色体a_k在在j位与第l个染色体第l个染色体a_l，a_lj是交叉前第l个染色体a_l在j位的值，a_kj是交叉前第k个染色体a_k在j位的值，b是[0,1]区间内的随机数；

对种群实施变异操作具体为：

其中，a’_ij为第i个个体的第j个基因a_ij进行变异后的值，a_max是基因a_ij的上界，a_min是基因a_ij的下界，f(g)＝r₂(1-g/G_max)²，r₂是一个随机数，g是当前进化次数，G_max是最大进化次数，r为[0,1]区间内的随机数。

9.一种双吊具场桥调度优化装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-8任一所述的双吊具场桥调度优化方法。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8任一所述的双吊具场桥调度优化方法。

Images