CN116468235A - 一种多港池混合型通航的港口船舶交通组织优化方法 - Google Patents

一种多港池混合型通航的港口船舶交通组织优化方法 Download PDF

Info

Publication number
CN116468235A
CN116468235A CN202310381083.2A CN202310381083A CN116468235A CN 116468235 A CN116468235 A CN 116468235A CN 202310381083 A CN202310381083 A CN 202310381083A CN 116468235 A CN116468235 A CN 116468235A
Authority
CN
China
Prior art keywords
ship
port
navigation
harbor
time
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
CN202310381083.2A
Other languages
English (en)
Inventor
李俊杰
牟健慧
张浩东
于程程
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.)
Yantai University
Original Assignee
Yantai 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 Yantai University filed Critical Yantai University
Priority to CN202310381083.2A priority Critical patent/CN116468235A/zh
Publication of CN116468235A publication Critical patent/CN116468235A/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种多港池混合型通航的港口船舶交通组织优化方法，涉及多港池船舶进出港的调度技术领域，包括如下步骤：考虑进出港船舶乘潮约束、各水域进出港船舶交通冲突消解约束、协调混合型通航模式等约束条件，建立了多港池混合型通航航道船舶交通组织的多目标优化模型。设计NSGA‑II和TS相结合的混合启发式算法进行求解，获得优化后的交通组织方案。该方法解决了以所有船舶的调度时间最小和等待时间最小为目标的调度问题。为计划期内进出港的所有船舶安排合理的通航模式和进出港顺序，使所有船舶的调度时间最小和等待时间最小。对合理安排多港池混合型通航的港口船舶进出港计划具有重要的参考价值。

Description

一种多港池混合型通航的港口船舶交通组织优化方法
技术领域
本发明涉及多港池船舶进出港的调度技术领域，具体而言，尤其涉及一种多港池混合型通航的港口船舶交通组织优化方法。
背景技术
现如今，强化水运通道、港口主枢纽的功能至关重要。提升计划期内单位时间内进出航道的船舶交通量，减少航道占用时间，是港调部门选择首要目标。对于多港池混合型通航航道的港口，船舶进出港过程中，混合型通航航道水深限制了吃水较大的船舶需要根据乘潮时间进出港，并且船舶在航道内航行需要进行单/双向混合通航模式转换。而多港池空间限制了同一时间内两艘船舶不能进出同一个港池。
现有技术缺少针对在多港池混合型通航条件下船舶交通组织问题的研究，混合型通航航道不仅要考虑进出港船舶交通航行连续性约束，还要考虑各水域进出港船舶交通冲突消解等约束条件。目前通常是采用传统的人工经验方式对船舶进行调度。因此，研究多港池混合型通航的港口船舶交通组织优化问题的关键是在考虑上述因素的同时，为计划期内进出港的所有船舶安排合理的通航模式和进出港顺序，使所有船舶的调度时间最小和等待时间最小。
发明内容
本发明考虑了进出港船舶乘潮、进出港船舶交通航行连续性、协调混合型通航模式、船舶进出航速规则、各水域进出港船舶交通冲突消解、多港池船舶交通非负为约束条件，设计NSGA-II和TS相结合的混合启发式算法进行求解，解决了以所有船舶的调度时间最小和等待时间最小为目标的调度问题。
本发明采用的技术手段如下：
一种多港池混合型通航的港口船舶交通组织优化方法，包括如下步骤：
以各水域进出港船舶乘潮、进出港船舶交通航行连续性、协调混合型通航模式、船舶进出航速规则、各水域进出港船舶交通冲突消解、多港池船舶交通非负为约束条件，以所有船舶的调度时间最小和等待时间最小为目标函数，构建多港池混合型通航航道船舶交通组织的多目标优化模型；
根据所述多目标优化模型的特点，设计NSGA-II和TS相结合的混合启发式算法对多目标优化模型进行求解，得到优化后的交通组织方案。
进一步地，设计NSGA-II和TS相结合的混合启发式算法对多目标优化模型进行求解，包括如下步骤：
将船舶编号、通航模式、港池编号和泊位编号代入染色体生成算法，生成的染色体表示为一个船舶交通组织方案，所述染色体的长度为进出港船舶的数量，所述染色体的基因位表示一艘船舶所在方案中的进出港顺序；
采取局部最优航行算子产生邻域解集，选择快速非支配排序中排序等级最小的任何一个个体作为TS算法的初始解，寻找最优解作为当前解并输出；
采用通航模式合理性修复策略与同一泊位先离后靠修复策略对生成的初始种群进行修复，得到符合船舶交通组织方案实际情况的染色体。
进一步地，初始染色体采用四层实数编码方式，每个基因位对应四层基础信息，所述四层基础信息包括船舶编号、通航模式、港池编号和泊位编号；每一条染色体表示为一个船舶交通组织方案，每一条染色体长度为进出港船舶的数量，基因位表示一艘船舶所在方案中的进出港顺序，根据染色体编码方式以及设定的种群规模，从而形成初始化种群。
进一步地，所述染色体生成算法中，选择操作策略为最优通航选择，保留一部分最优通航模式个体，直接进入下一代，直到选择的个体数量达到所保留最优个体的数量，而种群中剩余个体进行交叉和变异操作。采用船舶互换交叉算子作为交叉操作策略，根据设定的交叉概率PC，在[1,m]区间中随机选择两个船舶交叉点，m表示船舶数量，然后将两个父代中两个船舶基因位之间的部分基因位进行交换。混合航道逆转变异算子作为变异操作策略，根据设定的变异概率PM，在[1，m]区间中随机选择两个航道逆转点基因位，m表示船舶数量，再将个体中两个基因位进行交换。
进一步地，所述通航模式合理性修复策略包括：根据港口通航规则调整每艘船舶已分配的通航模式以确保合理性，当同一段时间内两艘船舶航行方向相反且不满足混合通航模式条件时，需将已分配的混合通航模式的船舶重新分配为单向通航模式，当船舶被分配了混合通航模式，在该船调度的开始时间与完成时间内，暂无与其航行方向相反的船舶，可将其通航模式调整为单向通航模式。
进一步地，所述同一泊位先离后靠修复策略包括：根据同一泊位先出后进原则调整船舶进出港顺序，当所调度的船舶有泊位编号相同且进港船先于出港船舶调度时，则需要将这两艘船舶的进出港顺序互换，以确保同一泊位只允许一艘船舶停靠。
进一步地，所述多目标优化模型的船舶乘潮约束包括：
乘潮进港的船舶需要根据乘潮时间窗的开始时刻来调整相应的申请时刻，同时确保该船舶航行达到多港池入口水域的时刻小于乘潮时间窗的结束时刻，公式如下：
其中，Ttei表示船舶i乘潮时间窗的结束时刻；T3i表示船舶i到达多港池入口水域的时刻；ai'表示船舶i调整申请时刻；Ttsi表示船舶i乘潮时间窗的开始时刻；M表示一个极大值的正整数；IOi表示船舶i为进港方向航行，则值为1，否则，值为0；γi表示船舶i需要乘潮进出港，则值为1，否则，值为0；
乘潮出港的船舶需要根据乘潮时间窗的开始时刻来调整相应的申请时刻，同时确保该船舶航行达到航道入口水域的时刻小于乘潮时间窗的结束时刻，公式如下：
其中，fi表示船舶i调度完成时刻；
确保船舶调度的开始时刻不得早于其申请时刻或调整后的申请时刻，公式如下：
其中，Si表示船舶i调度开始时刻；ai表示船舶i的申请时刻。
进一步地，所述协调混合型通航模式约束包括：
根据港口通航规则为船舶分配单向通航模式或双向通航模式，若单艘船长或单艘船宽分别超过规定值或两艘船宽之和大于规定值时，则船舶被分配单向通航模式；否则，船舶被分配混合通航模式，公式如下：
其中，Xi为0-1决策变量，Xi＝1表示船舶i被分配单向通航模式；Xi＝0表示船舶i被分配混合通航模式；lengthi表示船舶i的长度；length1m表示单艘船长的规定值；breadthi表示船舶i的宽度；breadth1m表示单艘船宽的规定值；breadth2m表示两艘船宽之和的规定值。
进一步地，所述各水域进出港船舶交通冲突消解约束包括：
不同港池水域的出港流之间避免形成追越局面，出港船舶之间需要保持最小安全时间间隔的同时，确保后船航速不大于前船航速，公式如下：
其中，T3i表示船舶i到达多港池入口水域的时刻；δ1表示避免追越局面需要船舶保持最小安全时间间隔；M表示一个极大值的正整数；IOi表示船舶i为进港方向航行，则值为1，否则值为0；Yii'为0-1决策变量，Yii'＝1表示船舶i航行在船舶i'前面；Yii'＝0表示船舶i'航行在船舶i前面；ψii'表示船舶i和船舶i'航行经过不同港池水域，则值为1，否则值为0；
进港流与出港流之间避免形成交叉相遇局面，当不同港池水域的两艘船舶被分配混合通航模式且航行方向不同时，进港船与出港船需要保持最小安全时间间隔，公式如下；
其中，δ3表示避免交叉相遇局面需要船舶保持最小安全时间间隔；Xi为0-1决策变量，Xi＝1表示船舶i被分配单向通航模式；Xi＝0表示船舶i被分配混合通航模式；Zii'为0-1决策变量，Zii'＝1表示船舶i'为出港方向航行和船舶i为进港方向航行；Zii'＝0表示船舶i'为进港方向航行和船舶i为出港方向航行；
停靠不同泊位的进港船和出港船航行经过同一港池时，出港船与进港船需要保持最小安全时间间隔，公式如下；
其中，δ2表示避免对遇局面需要船舶保持最小安全时间间隔；fi表示船舶i调度完成时刻；ζii'表示船舶i所停靠的泊位与船舶i'所停靠的泊位不相同，则值为1，否则值为0。
较现有技术相比，本发明具有以下优点：
本发明提供的多港池混合型通航航道船舶交通组织的多目标优化模型，通过设计NSGA-II和TS相结合的混合启发式算法，实现了以所有船舶的调度时间最小和等待时间最小为目标的调度问题。为计划期内进出港的所有船舶安排合理的通航模式和进出港顺序，使所有船舶的调度时间最小和等待时间最小。对合理安排多港池混合型通航的港口船舶进出港计划具有重要的参考价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
图2为本发明实施例中某港区航道示意图。
图3为本发明NSGA-II-TS算法流程图。
图4为本发明15艘船舶的Pareto最优前沿面图。
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方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
首先，针对本发明至少部分实施例中出现的参数和变量含义加以说明：V表示计划期内船舶集合；i表示计划期内船舶编号；i'表示除i以外任意船舶编号，(i,i')∈V且i≠i'；H表示港池集合；h表示港池编号，h∈H；B表示港内泊位集合；b表示港内泊位编号，b∈B；d1i表示船舶i从锚地到航道入口水域的距离，i∈V；d2表示航道入口水域到单/双向连接水域的距离，即单向通航段的距离；d3表示单/双向连接水域到多港池入口水域的距离，即双向通航段的距离；d4i表示多港池入口水域到船舶i停靠泊位的距离；vi表示船舶i的航速；vmin表示最小航速限制；vmax表示最大航速限制；lengthi表示船舶i的长度；length1m表示单艘船长的规定值；breadthi表示船舶i的宽度；breadth1m表示单艘船宽的规定值；breadth2m表示两艘船宽之和的规定值；Ttsi表示船舶i乘潮时间窗的开始时刻；Ttei表示船舶i乘潮时间窗的结束时刻；ai表示船舶i的申请时刻；M表示一个极大值的正整数；δ1表示避免追越局面需要船舶保持最小安全时间间隔；δ2表示避免对遇局面需要船舶保持最小安全时间间隔；δ3表示避免交叉相遇局面需要船舶保持最小安全时间间隔；IOi表示船舶i为进港方向航行，则值为1；否则，值为0；γi表示船舶i需要乘潮进出港，则值为1；否则，值为0；ψii'表示船舶i和船舶i'航行经过不同港池水域，则值为1；否则，值为0；ζii'表示船舶i所停靠的泊位与船舶i'所停靠的泊位不相同，则值为1；否则，值为0；Ts表示所有船舶的调度时间；Tw表示所有船舶的等待时间；T1i表示船舶i到达航道入口水域的时刻；T2i表示船舶i到达单/双向连接水域的时刻；T3i表示船舶i到达多港池入口水域的时刻；ai'表示船舶i调整申请时刻；Si表示船舶i调度开始时刻；Smin表示所有船舶中最小的调度开始时刻；fi表示船舶i调度完成时刻；fmax表示所有船舶中最大的调度完成时刻；Xi为0-1决策变量，Xi＝1表示船舶i被分配单向通航模式；Xi＝0表示船舶i被分配混合通航模式；Yii'为0-1决策变量，Yii'＝1表示船舶i航行在船舶i'前面；Yii'＝0表示船舶i'航行在船舶i前面；Zii'为0-1决策变量，Zii'＝1表示船舶i'为出港方向航行和船舶i为进港方向航行；Zii'＝0表示船舶i'为进港方向航行和船舶i为出港方向航行。
如图1所示，本发明提供了一种多港池混合型通航的港口船舶交通组织优化方法，包括如下步骤：
S1、以各水域船舶交通冲突消解、船舶乘潮、进出航速、船舶航行连续性及港口通航规则为约束条件，以所有船舶的调度时间最小和等待时间最小为目标函数，构建多港池混合型通航航道船舶交通组织的多目标优化模型；
S2、根据所述多目标优化模型的特点，设计NSGA-II和TS相结合的混合启发式算法对多目标优化模型进行求解，得到优化后的交通组织方案。
S1中：
多港池船舶交通调度目标函数：
式(1)表示所有船舶的调度时间最小，即所有船舶中最大的调度完成时刻与最小的调度开始时刻之差的最小值。其中船舶调度完成时刻是指进港船舶达到泊位或出港船舶达到航道入口的时刻，船舶开始调度时刻是指进港船舶离开锚地或出港船舶离开泊位的时刻。
式(2)表示所有船舶的等待时间最小，即所有船舶调度开始时刻与对应的申请时刻之差的和最小值。其中船舶申请时刻是指进港船舶在锚地提交申请进港报告或出港船舶在泊位提交申请出港报告的时刻。
约束条件：
船舶进出港乘潮约束:
式(3)表示乘潮进港的船舶需要根据乘潮时间窗的开始时刻来调整相应的申请时刻，同时确保该船舶航行达到多港池入口水域的时刻小于乘潮时间窗的结束时刻。
式(4)表示乘潮出港的船舶需要根据乘潮时间窗的开始时刻来调整相应的申请时刻，同时确保该船舶航行达到航道入口水域的时刻小于乘潮时间窗的结束时刻。
式(5)表示确保船舶调度的开始时刻不得早于其申请时刻或调整后的申请时刻。
进港船舶交通航行连续性约束：
式(6-9)表示船舶进港过程航行连续性，依次可以确定船舶航行到达混合型通航航道入口水域、单/双向连接水域、多港池入口水域和港池水域(即所停靠泊位)的时刻。
出港船舶交通航行连续性约束：
式(10-12)表示船舶出港过程航行连续性，依次可以确定船舶航行到达多港池入口水域、单/双向连接水域和混合型通航航道入口水域的时间。
协调混合型通航模式约束：
式(13)表示根据港口通航规则为船舶分配单向通航模式或双向通航模式，若单艘船长或单艘船宽分别超过规定值(单艘船长或单艘船宽)或两艘船宽之和大于规定值(两艘船宽之和)时，则船舶被分配单向通航模式；否则，船舶被分配混合通航模式。
船舶进出航速规则约束：
式(14)表示船舶进出航速应在港口通航规则限制范围内。
各水域进出港船舶交通冲突消解约束：
航道入口水域交通汇合流时空分配约束：
式(15)表示进港流之间避免形成追越局面，即进港船舶之间需要保持最小安全时间间隔的同时，还要确保后船航速不大于前船航速。
式(16-18)表示进港流与出港流之间避免形成对遇局面。
式(16)表示当两艘船舶被分配混合通航模式且航行方向不同时，进港船与出港船需要保持最小安全时间间隔。
式(17)表示当两艘船舶被分配单向通航模式且航行方向不同时，进港船与出港船需要保持最小安全时间间隔。
式(18)表示当两艘船舶被分配混合通航模式且航行方向不同时，进港船与出港船需要保持最小安全时间间隔。
单/双向连接水域混合流转换约束：
式(19)表示进港流与出港流之间避免形成对遇局面，即当两艘船舶被分配混合通航模式且航行方向不同时，出港船与进港船需要保持最小安全时间间隔。
多港池入口水域转换流协调约束：
式(20)表示不同港池水域的出港流之间避免形成追越局面，即出港船舶之间需要保持最小安全时间间隔的同时，还要确保后船航速不大于前船航速。
式(21-22)表示进港流与出港流之间避免形成对遇局面。
式(21)表示当不同港池水域的两艘船舶被分配单向通航模式且航行方向不同时，进港船与出港船需要保持最小安全时间间隔。
式(22)表示当不同港池水域的两艘船舶被分配混合通航模式且航行方向不同时，进港船与出港船需要保持最小安全时间间隔。
式(23)表示进港流与出港流之间避免形成交叉相遇局面，即当不同港池水域的两艘船舶被分配混合通航模式且航行方向不同时，进港船与出港船需要保持最小安全时间间隔。
多港池水域交通流冲突消解约束：
式(24)表示停靠不同泊位的进港船和出港船航行经过同一港池时，出港船与进港船需要保持最小安全时间间隔。
式(25)表示停靠同一泊位的进港船和出港船航行经过同一港池时，进港船与出港船需要保持安全时间间隔。
式(26)表示出港流之间避免形成追越局面，即同一港池水域的两艘出港船舶之间需要保持最小安全时间间隔的同时，还要确保后船航速不大前船航速。
多港池船舶交通非负约束：
式(27-28)定义了模型中变量的取值范围。
S2中：
根据建立模型的特点，设计NSGA-II和TS相结合的混合启发式算法对模型进行求解，即非支配排序遗传-禁忌搜索算法(NSGA-II-TS)。NSGA-II-TS算法流程如图3所示。其中，NSGA-II的当前迭代次数为gen，NSGA-II的最大迭代次数为MAXGEN，TS的当前迭代次数为λ，TS的最大迭代次数为μ。
NSGA-II和TS相结合的混合启发式算法包括染色体生成算法、禁忌算法、采用染色体修复策略；
染色体生成算法考虑船舶的编号、通航模式、港池位置以及泊位位置的因素对目标函数的影响，因此初始染色体采用四层实数编码方式，即每个基因位对应四个基础信息，分别是船舶编号、通航模式、港池编号和泊位编号。每一条染色体表示为一个船舶交通组织方案，其长度为进出港船舶的数量，基因位表示一艘船舶所在方案中的进出港顺序。染色体的解码可以看成是染色体编码的逆过程。根据染色体编码方式以及设定的种群规模(PS)，从而形成初始化种群。
选择策略包括以采用最优通航选择保留一部分最优通航模式个体，直接进入下一代，直到选择的个体数量达到所保留最优个体的数量，而种群中剩余个体进行交叉和变异操作。采用船舶互换交叉算子作为交叉操作策略，根据设定的交叉概率PC，在[1,m]区间中随机选择两个船舶交叉点，m表示船舶数量，然后将两个父代中两个船舶基因位之间的部分基因位进行交换。混合航道逆转变异算子作为变异操作策略，根据设定的变异概率PM，在[1，m]区间中随机选择两个航道逆转点基因位，m表示船舶数量，再将个体中两个基因位进行交换。
交叉策略包括采用船舶互换交叉算子法。变异操作策略采用混合航道逆转变异算子法。产生新的后代种群是根据代沟GGAP确定生成新的后代种群有多少比例的个体是被交叉、变异操作后的个体覆盖；然后，再将TS算法求解的最优个体换生成新的后代种群中最差的个体；最后，根据种群规模PS形成新的后代种群。
禁忌算法包括采取局部最优航行算子法产生邻域解集，通过禁忌表记录所找到的最优点，在搜索过程中避免重复搜索禁忌表中所记录的最优点。选择快速非支配排序中排序等级最小的任何一个个体作为TS算法的初始解，其中以两个目标函数值之和最小作为特赦准则。
TS算法采取局部最优航行算子产生邻域解集，选择快速非支配排序中排序等级最小的任何一个个体作为TS算法的初始解，其中以两个目标函数值之和最小作为特赦准则。
TS算法具体步骤如下：
(1)获得初始解，初始化TS算法参数：禁忌表χ＝λ，禁忌步长τ，迭代次数λ＝1，最大迭代次数μ。
(2)采用两元素优化，最大迭代次数算子产生当前解的邻域解集，并对解集内所有染色体进行修复；
(3)计算染色体的目标函数值；
(4)判断当前解的邻域解集中是否存在比当前寻得的最优解更优。若存在比当前寻得的最优解更优的解，则满足特赦准则，并将该解作为当前解的最优解；若不存在比当前寻得的最优解更优的解，则不满足特赦准则，并将当前解的邻域解集内非禁忌表χ中最优解作为当前的解；
(5)更新禁忌表χ；
(6)判断是否到达最大迭代次数。若没达到最大迭代次数，则重复上述禁忌搜索过程；若达到最大迭代次数，则禁忌搜索过程终止，并输出禁忌表χ的最优解。
经过种群初始化、TS算法和变异操作后，为了确保染色体代表的船舶交通组织方案符合实际情况，提出了通航模式合理性修复策略与同一泊位先离后靠修复策略对生成的初始种群进行修复。
通航模式合理性修复策略：根据港口通航规则调整每艘船舶已分配的通航模式以确保合理性。例如当同一段时间内两艘船舶航行方向相反且不满足混合通航模式条件时，需将已分配的混合通航模式的船舶重新分配为单向通航模式。此外，当船舶被分配了混合通航模式，在该船调度的开始时间与完成时间内，暂无与其航行方向相反的船舶，可将其通航模式调整为单向通航模式。
同一泊位先离后靠修复策略：根据同一泊位先出后进原则调整船舶进出港顺序。例如当所调度的船舶有泊位编号相同且进港船先于出港船舶调度时，则需要将这两艘船舶的进出港顺序互换，以确保同一泊位只允许一艘船舶停靠。
实施例
如图2所示，以某港区航道为例进行仿真实验。分析不同参数对算法性能的影响，通过船舶仿真结果对模型的合理性进行了验证分析，并计算不同规模船舶数量的仿真算例，确定了算法合适的参数组合。
本发明以某港区航道为例进行仿真实验。某港区有3个锚地、3个港池和17个煤炭泊位，其中三个港池共用一条航道且多港池空间有限。其通航规则如下：当单船长超过225m或船宽超过32.3m时，航道交通模式为单向通航模式；当两船为单船长不超过225m，宽不超过32.3m，且两船宽之和小于61m，航道交通模式为单双向混合通航模式。为确保进出港船舶航行安全，规定航道内船舶最大航速为10kn，最小航速为8kn。其中，22号浮筒与32号浮筒之间的距离为4.66nm，32号浮筒与40号浮筒之间的距离为3.38nm，40号浮筒与46号浮筒之间的距离为2.74nm。1-3号锚地与22号浮筒的距离分别为4.4nm、11nm和17.8nm。各泊位与46号浮筒的距离如表1所示。
表1各泊位与46号浮筒的距离
随机选取某港区某一天计划期内15艘船舶为例进行仿真实验，对应的进出港计划如表2所示。从表中可知2号、14号和15号船舶进出港需要借助乘潮时间窗，由于这些船舶吃水深度不同，船舶借助乘潮时间窗也会有所不同。例如1号船舶的申请时间为0min，即00:00(午夜)；15号船舶的申请时间为648min，即10:48(上午)。根据实地调研情况，将模型中61、62以及63的参数设置为10min。NSGA-II-TS算法的参数设置：NSGA-II算法的最大迭代次数MAXGEN为300，种群规模PS为200，代沟GGAP为0.8，交叉概率PC为0.8，变异概率PM为0.05，TS算法的最大迭代次数μ为100，禁忌步长T为100。
表2 15艘船舶进出港计划
经过300代计算后，15艘船舶的最小调度时间和最小等待时间分别在第82代和第95代趋于平稳，所对应的值分别为315min和947min。最终15艘船舶的Pareto最优前沿面包含了9种最优解方案，如图4所示，其对应的各目标值如表3所示。从表3可以看出15艘船舶的调度时间最小为315min，此时15艘船舶的等待时间为9412min；15艘船舶的等待时间最小为947min，此时15艘船舶的调度时间为995min。
表3Pareto最优前沿面对应的各目标值
选择以等待时间最小的染色体为例进行分析，通过判断该方案是否满足进出港船舶乘潮、进出港船舶交通航行连续性、协调混合型通航模式、船舶进出航速规则、各水域进出港船舶交通冲突消解、多港池船舶交通非负为约束条件，以验证模型的合理性。以15艘船舶等待时间最小的染色体为例，其解码如表4所示。通过对其解码进行分析，获得混合通航模式进出港船舶航行时间及航速如表8所示。具体分析如下：
表4 15艘船舶等待时间最小的染色体解码
表5单向通航模式进港船舶航行时间
表6单向通航模式出港船舶航行时间
表7混合通航模式进港船舶航行时间
表8混合通航模式出港船舶航行时间
综上所述，从图4和表5-8可以看出，所有的船舶航行经过混合型通航航道入口水域、单/双向连接水域、多港池入口水域和各港池水域都保持相应的最小安全时间间隔，满足本发明提出的进出港船舶乘潮、进出港船舶交通航行连续性、协调混合型通航模式、船舶进出航速规则、各水域进出港船舶交通冲突消解、多港池船舶交通非负为约束条件，避免了多港池混合型通航航道船舶交通冲突中形成追越、对遇和交叉相遇局面，从而说明了本发明提出的一种多港池混合型通航的港口船舶交通组织优化方法的合理性和有效性。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种多港池混合型通航的港口船舶交通组织优化方法，其特征在于，包括如下步骤：
考虑进出港船舶乘潮约束、各水域进出港船舶交通冲突消解约束、协调混合型通航模式为约束条件，以所有船舶的调度时间最小和等待时间最小为目标函数，构建多港池混合型通航航道船舶交通组织的多目标优化模型；
根据所述多目标优化模型的特点，设计NSGA-II和TS相结合的混合启发式算法对多目标优化模型进行求解，得到优化后的交通组织方案。
2.根据权利要求1所述的多港池混合型通航的港口船舶交通组织优化方法，其特征在于，设计NSGA-II和TS相结合的混合启发式算法对多目标优化模型进行求解，包括如下步骤：
将船舶编号、通航模式、港池编号和泊位编号代入染色体生成算法，生成的染色体表示为一个船舶交通组织方案，所述染色体的长度为进出港船舶的数量，所述染色体的基因位表示一艘船舶所在方案中的进出港顺序；
采取局部最优航行算子产生邻域解集，选择快速非支配排序中排序等级最小的任何一个个体作为TS算法的初始解，寻找最优解作为当前解并输出；
采用通航模式合理性修复策略与同一泊位先离后靠修复策略对生成的初始种群进行修复，得到符合船舶交通组织方案实际情况的染色体。
3.根据权利要求2所述的多港池混合型通航的港口船舶交通组织优化方法，其特征在于，初始染色体采用四层实数编码方式，每个基因位对应四层基础信息，所述四层基础信息包括船舶编号、通航模式、港池编号和泊位编号；每一条染色体表示为一个船舶交通组织方案，每一条染色体长度为进出港船舶的数量，基因位表示一艘船舶所在方案中的进出港顺序，根据染色体编码方式以及设定的种群规模，从而形成初始化种群。
4.根据权利要求2所述的多港池混合型通航的港口船舶交通组织优化方法，其特征在于，所述染色体生成算法中，选择操作策略为最优通航选择，保留一部分最优通航模式个体，直接进入下一代，直到选择的个体数量达到所保留最优个体的数量，而种群中剩余个体进行交叉和变异操作，采用船舶互换交叉算子作为交叉操作策略，根据设定的交叉概率PC，在[1,m]区间中随机选择两个船舶交叉点，m表示船舶数量，然后将两个父代中两个船舶基因位之间的部分基因位进行交换。混合航道逆转变异算子作为变异操作策略，根据设定的变异概率PM，在[1，m]区间中随机选择两个航道逆转点基因位，m表示船舶数量，再将个体中两个基因位进行交换。
5.根据权利要求2所述的多港池混合型通航的港口船舶交通组织优化方法，其特征在于，所述通航模式合理性修复策略包括：根据港口通航规则调整每艘船舶已分配的通航模式以确保合理性，当同一段时间内两艘船舶航行方向相反且不满足混合通航模式条件时，需将已分配的混合通航模式的船舶重新分配为单向通航模式，当船舶被分配了混合通航模式，在该船调度的开始时间与完成时间内，暂无与其航行方向相反的船舶，可将其通航模式调整为单向通航模式。
6.根据权利要求2所述的多港池混合型通航的港口船舶交通组织优化方法，其特征在于，所述同一泊位先离后靠修复策略包括：根据同一泊位先出后进原则调整船舶进出港顺序，当所调度的船舶有泊位编号相同且进港船先于出港船舶调度时，则需要将这两艘船舶的进出港顺序互换，以确保同一泊位只允许一艘船舶停靠。
7.根据权利要求1所述的多港池混合型通航的港口船舶交通组织优化方法，其特征在于，所述多目标优化模型的船舶乘潮约束包括：
乘潮进港的船舶需要根据乘潮时间窗的开始时刻来调整相应的申请时刻，同时确保该船舶航行达到多港池入口水域的时刻小于乘潮时间窗的结束时刻，公式如下：
其中，Ttei表示船舶i乘潮时间窗的结束时刻；T3i表示船舶i到达多港池入口水域的时刻；ai'表示船舶i调整申请时刻；Ttsi表示船舶i乘潮时间窗的开始时刻；M表示一个极大值的正整数；IOi表示船舶i为进港方向航行，则值为1，否则，值为0；γi表示船舶i需要乘潮进出港，则值为1，否则，值为0；
乘潮出港的船舶需要根据乘潮时间窗的开始时刻来调整相应的申请时刻，同时确保该船舶航行达到航道入口水域的时刻小于乘潮时间窗的结束时刻，公式如下：
其中，fi表示船舶i调度完成时刻；
确保船舶调度的开始时刻不得早于其申请时刻或调整后的申请时刻，公式如下：
其中，Si表示船舶i调度开始时刻；ai表示船舶i的申请时刻。
8.根据权利要求1所述的多港池混合型通航的港口船舶交通组织优化方法，其特征在于，所述协调混合型通航模式约束包括：
根据港口通航规则为船舶分配单向通航模式或双向通航模式，若单艘船长或单艘船宽分别超过规定值或两艘船宽之和大于规定值时，则船舶被分配单向通航模式；否则，船舶被分配混合通航模式，公式如下：
其中，Xi为0-1决策变量，Xi＝1表示船舶i被分配单向通航模式；Xi＝0表示船舶i被分配混合通航模式；lengthi表示船舶i的长度；length1m表示单艘船长的规定值；breadthi表示船舶i的宽度；breadth1m表示单艘船宽的规定值；breadth2m表示两艘船宽之和的规定值。
9.根据权利要求1所述的多港池混合型通航的港口船舶交通组织优化方法，其特征在于，所述各水域进出港船舶交通冲突消解约束包括：
不同港池水域的出港流之间避免形成追越局面，出港船舶之间需要保持最小安全时间间隔的同时，确保后船航速不大于前船航速，公式如下：
其中，T3i表示船舶i到达多港池入口水域的时刻，δ1表示避免追越局面需要船舶保持最小安全时间间隔；M表示一个极大值的正整数；IOi表示船舶i为进港方向航行，则值为1，否则值为0；Yii'为0-1决策变量，Yii'＝1表示船舶i航行在船舶i'前面；Yii'＝0表示船舶i'航行在船舶i前面；ψii'表示船舶i和船舶i'航行经过不同港池水域，则值为1，否则值为0；
进港流与出港流之间避免形成交叉相遇局面，当不同港池水域的两艘船舶被分配混合通航模式且航行方向不同时，进港船与出港船需要保持最小安全时间间隔，公式如下；
其中，δ3表示避免交叉相遇局面需要船舶保持最小安全时间间隔；Xi为0-1决策变量，Xi＝1表示船舶i被分配单向通航模式；Xi＝0表示船舶i被分配混合通航模式；Zii'为0-1决策变量，Zii'＝1表示船舶i'为出港方向航行和船舶i为进港方向航行；Zii'＝0表示船舶i'为进港方向航行和船舶i为出港方向航行；
停靠不同泊位的进港船和出港船航行经过同一港池时，出港船与进港船需要保持最小安全时间间隔，公式如下；
其中，δ2表示避免对遇局面需要船舶保持最小安全时间间隔；fi表示船舶i调度完成时刻；ζii'表示船舶i所停靠的泊位与船舶i'所停靠的泊位不相同，则值为1，否则值为0。
CN202310381083.2A 2023-04-11 2023-04-11 一种多港池混合型通航的港口船舶交通组织优化方法 Pending CN116468235A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310381083.2A CN116468235A (zh) 2023-04-11 2023-04-11 一种多港池混合型通航的港口船舶交通组织优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310381083.2A CN116468235A (zh) 2023-04-11 2023-04-11 一种多港池混合型通航的港口船舶交通组织优化方法

Publications (1)

Publication Number Publication Date
CN116468235A true CN116468235A (zh) 2023-07-21

Family

ID=87174616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310381083.2A Pending CN116468235A (zh) 2023-04-11 2023-04-11 一种多港池混合型通航的港口船舶交通组织优化方法

Country Status (1)

Country Link
CN (1) CN116468235A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116911560A (zh) * 2023-07-27 2023-10-20 中国舰船研究设计中心 一种基于多目标优化的船舶任务系统决策规划方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116911560A (zh) * 2023-07-27 2023-10-20 中国舰船研究设计中心 一种基于多目标优化的船舶任务系统决策规划方法
CN116911560B (zh) * 2023-07-27 2024-03-12 中国舰船研究设计中心 一种基于多目标优化的船舶任务系统决策规划方法

Similar Documents

Publication Publication Date Title
Li et al. Vessel traffic scheduling optimization for restricted channel in ports
CN107341573B (zh) 一种复式航道水域的船舶交通组织优化方法
CN108346319B (zh) 一种进出大型海港复杂航道的全局交通组织优化方法
Thiers et al. A port simulation model as a permanent decision instrument
CN105117793B (zh) 一种双向通航港口船舶调度优化方法
Zhang et al. Multi-object-based vessel traffic scheduling optimisation in a compound waterway of a large harbour
CN116468235A (zh) 一种多港池混合型通航的港口船舶交通组织优化方法
CN111898859A (zh) 一种多目标单向航道码头连续型泊位分配调度方法
CN113689037A (zh) 一种散货港口生产调度优化方法
CN110110403A (zh) 一种适用单向连续过闸船舶的调度排档方法
Li et al. An adaptive heuristic algorithm based on reinforcement learning for ship scheduling optimization problem
CN115965146A (zh) 一种多种类型泊位智能指泊方法
Jiang et al. Vessel scheduling model with resource restriction considerations for restricted channel in ports
Wu et al. Quay crane scheduling with draft and trim constraints
Muñuzuri et al. Planning navigation in inland waterways with tidal depth restrictions
Zhang et al. Model and algorithm for vessel scheduling through a one-way tidal channel
CN114154822B (zh) 一种基于改进交叉熵算法的鲁棒泊位岸桥分配方法
Nadales et al. Safe optimal vessel planning on natural inland waterways
CN118014253A (zh) 一种基于改进遗传算法的岸桥泊位集成调度方法
Wu et al. Evacuating offshore working barges from a land reclamation site in storm emergencies
Zhang et al. Optimising feeder routing for container ships through an electronic chart display and information system
Zhang et al. Model and algorithm for vessel scheduling optimisation through the compound channel with the consideration of tide height
CN111881563A (zh) 限制性双向航道船舶交通组织优化方法
CN115713148A (zh) 基于改进多目标帝国竞争算法的船舶交通组织优化方法
Nadales et al. Tube based safe planning on natural inland waterways

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