CN117474297B - 一种面向自动化码头的船舶泊位和岸桥分配的优化方法 - Google Patents

一种面向自动化码头的船舶泊位和岸桥分配的优化方法 Download PDF

Info

Publication number
CN117474297B
CN117474297B CN202311812045.4A CN202311812045A CN117474297B CN 117474297 B CN117474297 B CN 117474297B CN 202311812045 A CN202311812045 A CN 202311812045A CN 117474297 B CN117474297 B CN 117474297B
Authority
CN
China
Prior art keywords
ship
quay
schemes
port
allocation
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.)
Active
Application number
CN202311812045.4A
Other languages
English (en)
Other versions
CN117474297A (zh
Inventor
邹杨和
许沛澜
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202311812045.4A priority Critical patent/CN117474297B/zh
Publication of CN117474297A publication Critical patent/CN117474297A/zh
Application granted granted Critical
Publication of CN117474297B publication Critical patent/CN117474297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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"
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Ship Loading And Unloading (AREA)

Abstract

本发明提供一种面向自动化码头的船舶泊位和岸桥分配的优化方法，属于自动化集装箱码头技术领域，包括：采集集装箱港口数据、船舶数据，生成若干个船舶港口泊位和岸桥分配的方案；方案分别导入层次竞争优化模型，获得模型优化参数，根据模型优化参数优化方案；采用修复策略对优化后的方案进行修复；将修复且优化后的方案分别导入约束评估模型，评估每个方案所对应的船舶总等待时间和合理性，选择总等待时间最短且合理的方案输出，作为船舶最佳泊位和岸桥分配的方案，从而提高自动化集装箱码头的资源利用率。

Description

一种面向自动化码头的船舶泊位和岸桥分配的优化方法
技术领域
本发明属于自动化集装箱码头技术领域，具体涉及一种面向自动化码头的船舶泊位和岸桥分配的优化方法。
背景技术
全球经济一体化趋势促进了海上运输业的繁荣，这对自动化集装箱码头的建设提出了更高的要求，而综合泊位分配和岸桥分配问题(BACAP)的优化是自动化集装箱码头建设的关键环节。目前，基于群体的计算智能方法在综合泊位分配和岸桥分配问题上得到了关注，但主要集中在小尺度案例和过于简化的研究上。由于海上运输业的繁荣，港口吞吐量一直在稳步增长，导致集装箱码头需要规划的船舶数量越来越多，搜索空间和约束条件呈爆炸式增长，因此利用现有技术难以高效求解大规模港口泊位和岸桥分配问题，造成港口资源的浪费。其次，现有技术也没有全面考虑该问题，在研究上单一侧重泊位分配问题或单一侧重研究岸桥分配问题，例如在解决泊位分配问题中忽略了岸桥的分配，或者在解决岸桥分配问题中没有考虑泊位分配的复杂性。因此现有技术难以高效、准确地给集装箱码头管理者提供船舶泊位和岸桥分配的最佳方案。
发明内容
发明目的：为解决上述技术问题，本发明提供一种面向自动化码头的船舶泊位和岸桥分配的优化方法。将船舶分配优先级纳入解决方案编码，并利用层次竞争优化模型进行优化求解，以及在优化的基础上采用修复策略进行实时修复，从而能够在大规模情况下更准确地规划泊位和岸桥，提高自动化港口的资源利用率。
技术方案：本发明提供一种面向自动化码头的船舶泊位和岸桥分配的优化方法，包括：
分别采集港口数据、船舶数据；
根据港口数据、船舶数据随机生成若干个船舶港口泊位和岸桥分配的方案；其中，每个船舶港口泊位和岸桥分配的方案包括：船舶泊位、岸桥分配数量及船舶的优先级序列；
若干个船舶港口泊位和岸桥分配的方案分别导入层次竞争优化模型，获得若干个船舶港口泊位和岸桥分配方案的优化参数；
根据若干个船舶港口泊位和岸桥分配方案的优化参数，优化若干个船舶港口泊位和岸桥分配的方案；
采用修复策略对优化后的若干个方案进行修复，获得修复且优化后的船舶港口泊位和岸桥分配的若干个方案；
将修复且优化后的船舶港口泊位和岸桥分配的若干个方案分别导入约束评估模型，评估每个方案所对应的船舶总等待时间及合理性，选择总等待时间最短且合理的方案输出，作为船舶的最佳泊位和岸桥分配的方案。
在进一步的实施例中，所述港口数据包括：港口海岸线长度、港口可运行岸桥数量、每个岸桥的工作效率；
所述船舶数据包括：所有船到岗的预计时间、所有到岗船的长度和载货量。
在进一步的实施例中，根据港口数据、船舶数据生成若干个船舶港口泊位和岸桥分配的方案，包括：
将港口数据和船舶数据导入编码器，随机生成若干个船舶港口泊位和岸桥分配的方案；
其中，所述编码器中预设有编码方案，编码方案参量包括：船舶优先级、分配的泊位，岸桥的数量。
在进一步的实施例中，若干个船舶港口泊位和岸桥分配的方案分别导入层次竞争优化模型进行求解，获得若干个船舶港口泊位和岸桥分配方案的优化参数，包括：
基于若干个船舶港口泊位和岸桥分配的方案分别生成船舶泊位、岸桥分配数量及船舶优先级的向量集合；
将若干个船舶港口泊位和岸桥分配的方案中的向量集合分别代入层次内竞争算法、层次间竞争算法，计算获得若干个方案的向量优化参数，用于对若干个船舶港口泊位和岸桥分配方案中的船舶泊位、岸桥分配数量及船舶优先级的向量集合进行优化。
在进一步的实施例中，将若干个船舶港口泊位和岸桥分配方案中的向量集合分别代入层次内竞争算法、层次间竞争算法，计算获得若干个方案的向量优化参数，包括：
分别预设第一概率值、第二概率值；
基于预设的第一概率值、第二概率值，分别选择对每个船舶港口泊位和岸桥分配的方案进行层次内竞争和层次间竞争，获得在层次内竞争和层次间竞争综合的若干个方案的向量优化参数；其中，预设的第一概率值为P h 、第二概率值为1-P h ；
每个船舶港口泊位和岸桥分配的方案以第一概率值进行层次内竞争，并以第二概率值进行层次间的竞争。
在进一步的实施例中，每个船舶港口泊位和岸桥分配的方案进行层次竞争的层次选择概率表达式为：
（1）；
式中，H i 表示方案i所在的最高层级，j表示当前层级，j∈{1，…，H i }，表示方案i在j层级上的竞争的线性概率，k表示层级序号；
所述层次间竞争和层次内竞争算法速度和位置的更新表达式为：
（2）；
（3）；
式中，r 1、r 2、r 3分别表示随机向量，是总体或邻域中所有方案的平均位置，/>是用来控制/>影响方案程度的参数，v l,t+1表示竞争失败方案更新后的速度，v l,t 表示竞争失败方案的当前速度；x w,t 表示竞争成功方案的当前位置，x l,t 表示竞争失败方案的当前位置，x l,t+1表示竞争失败方案更新后的位置。
在进一步的实施例中，船舶优先级的向量集合进行优化的步骤包括：
基于向量优化参数对船舶优先级向量集合进行更新，确定最优排列的船舶优先级向量组合；
其中，向量优化参数的获取过程：
定义用于计算的船舶优先级排列的向量集合为，根据船舶优先级向量的速度属性获得一系列交换算子，一个单独的交换算子/>表示互换/>和/>，每个交换算子对/>进行交换操作，获得更新后的船舶优先级排列。
在层次间竞争和层次内竞争算法的优化过程中，其中交换算子通过公式（2）更新，船舶交换优先级排列通过公式（3）更新，获得船舶优先级向量优化参数；
在进一步的实施例中，对优化后的船舶港口泊位和岸桥分配的若干个方案采用修复策略进行修复，获得修复且优化后的船舶港口泊位和岸桥分配的若干个方案，包括：
获取优化后的船舶港口泊位和岸桥分配的若干个方案，以及实时获取港口变化数据、船舶变化数据；
修复策略包括：泊位的修复和岸桥的修复。
在进一步的实施例中，所述泊位修复包括：判断船舶泊位方案是否存在泊位被占，在泊位被占时，则在船舶实际停泊位置寻找空闲泊位；
若存在空闲泊位，则将空闲泊位修复为船舶当前泊位方案；
若不存在空闲泊位，则不进行修复策略，该船只等待泊位空闲后停泊。
在进一步的实施例中，所述岸桥修复包括：判断船舶岸桥分配方案是否存在岸桥达到工作上限，如果为该船只工作的岸桥未达到上限数量时，则在船舶实际停泊位置寻找空闲岸桥；
若存在空闲岸桥，则将空闲岸桥修复为船舶当前岸桥分配方案，用于调用空闲岸桥进行卸货；
若不存在空闲岸桥，则不进行修复策略，按原先分配的岸桥数目进行卸货工作；
其中，岸桥的总数量不能超过船舶所设定分配岸桥的数量上限。
有益效果：本发明与现有技术相比具有以下优点：将船舶分配优先级纳入解决方案编码，与一般的经验分配方法或者先来先分配的方法不同，该方法从港口全局考虑，使得港口运行效率最高。随着船舶到达密度的增加，经验分配方法或者先来先分配的方法面临着浪费泊位和岸桥资源的风险。船舶分配的优先级可有效提高泊位和岸桥的利用率。
利用层次竞争优化模型进行优化求解，层次竞争优化模型与一般的计算智能方法不同，该模型平衡了粒子的搜索空间和粒子解的质量，可在较短时间内获得高质量解。结合船舶分配优先级的方法，从而能够在大规模情况下更准确地规划泊位和岸桥。
采用修复策略来提高解决方案的质量对优化后的方案进行实时修复，使得方案能够适用所有船型，并根据船型变化实现自适应规划调整。同时也弥补了优化模型的缺陷，提高了方案的质量。
通过约束评估模型评估每个方案所对应的船舶总等待时间，可快速地从所有方案中寻找到所有船舶等待时间最短且合理的技术方案，在大规模船舶等待的情况下综合时间因素，高效精确地规划船舶泊位和岸桥。
附图说明
图1为本发明基于层次竞争粒子群算法的码头泊位和岸桥分配的方法的流程图；
图2为本发明港口泊位分配与岸桥分配的情景图；
图3为本发明编码器采用的解编码方案的实施例图；
图4为本发明层次内和层次间竞争的实施例图；
图5为本发明船舶泊位优先级规划的实施例图；
图6为本发明船舶岸桥分配的实施例图；
图7为本发明船舶泊位修复的实施例图；
图8为本发明船舶岸桥分配修复的实施例图。
具体实施方式
为了更充分理解本发明的技术内容，下面结合具体实施例对本发明的技术方案进一步介绍和说明，但不局限于此。
结合图1进一步说明本实施例中的技术方案，面向自动化码头的船舶泊位和岸桥分配的优化方法包括：
S1、分别采集港口数据、船舶数据；
S2、根据港口数据、船舶数据生成若干个船舶港口泊位和岸桥分配的方案；其中，每个船舶港口泊位和岸桥分配的方案包括：船舶泊位、岸桥分配数量及船舶的优先级序列；
S3、若干个船舶港口泊位和岸桥分配的方案分别导入层次竞争优化模型，获得若干个船舶港口泊位和岸桥分配方案的优化参数；根据若干个船舶港口泊位和岸桥分配方案的优化参数，优化若干个船舶港口泊位和岸桥分配的方案；
S4、采用修复策略对优化后的若干个方案进行修复，获得修复且优化后的船舶港口泊位和岸桥分配的若干个方案；
S5、将修复且优化后的船舶港口泊位和岸桥分配的若干个方案分别导入约束评估模型评估每个方案所对应的船舶总等待时间及合理性；
S6、选择总等待时间最短且合理的方案输出，作为船舶的最佳泊位和岸桥分配的方案。
在本实施例中，港口数据包括港口海岸线长度、可正常工作的岸桥数量及每个岸桥的工作效率。船舶数据包括：船只到港预估时间，船只的载货量，船只的长度。
如图2所示集装箱码头的综合船舶港口泊位和岸桥分配问题（BACAP）的示意图，其中船舶不断到达港口并在锚地等待(图2中a点处)。随后，对于锚地等待的船舶要求泊位和岸桥，决策者的任务是确定每艘船的泊位分配(图2中b点处)和岸桥分配(图2中c点处)。因此，BACAP的一个关键目标是最小化所有船舶的停留时间，以提高港口的运营效率。
根据港口数据、船舶数据生成若干个船舶港口泊位和岸桥分配的方案，包括：
将港口数据和船舶数据导入编码器，随机生成若干个港口泊位和岸桥分配的方案；
其中，所述编码器中预设有编码方案，编码方案的参量包括：船舶优先级、分配的泊位和岸桥的数量。
本实施例中结合图3进一步解释本发明编码器所采用的解编码方案中，表示第i艘船舶的优先级，/>表示第i艘船舶的泊位，/>表示分配给第i艘船舶的岸桥数量，n表示船舶数量；
其解编码方案由三部分组成，分别描述所有船舶需要优化的信息，即船舶的优先级、分配的泊位和分配的岸桥数量，其中每部分由n元素组成，共3n个元素。第一部分用于确定船舶的优先级，这是自然数{1,…,n}。优化船舶的优先级意味着尽早对更关键的船舶进行泊位和岸桥分配，而不是计划较早到达港口的船舶。其余两部分为泊位分配和岸桥分配。本发明中尤其没有指定岸桥的具体指标和位置，而是为每艘船指定岸桥的数量，进而大大减少了需要优化的参数数量和必须考虑的约束条件。
在进一步的实施例中，若干个船舶港口泊位和岸桥分配的方案分别导入层次竞争优化模型进行求解，获得若干个船舶港口泊位和岸桥分配方案的优化参数，包括：
基于若干个船舶港口泊位和岸桥分配的方案分别生成船舶泊位、岸桥分配数量及船舶优先级的向量集合；
将若干个船舶港口泊位和岸桥分配的方案中的向量集合分别代入层次内竞争算法、层次间竞争算法，计算获得若干个方案的向量优化参数，用于对若干个船舶港口泊位和岸桥分配方案中的船舶泊位、岸桥分配数量及船舶优先级的向量集合进行优化；
本实施例中的层次竞争优化模型如图4所示，采用金字塔层次结构，在更高的层次上可能有更优秀的粒子。每个层次只保存索引而不保存粒子本身，粒子可能属于不同的层次，可以在所属的任何层次中更新自己的位置。这种方式有利于保持粒子群在更高层次上的多样性。此外，我们采用随机分组策略将种群在每个层次上划分为多个群体，进一步增强了层次内的探索能力。基于上述层级结构模型，我们设计了层次内和层次间的竞争；
最初，采用随机分组策略将种群分成多个组，其中每组有k个粒子（方案），第一层次的粒子（方案）群P 1包含所有组。然后是更高层次的粒子（方案）群P j+1是通过从当前层级j的每一组中提升前%的优秀粒子来构建的, j∈{1，…，H-1}，直到构建共H层。粒子（方案）群{P 2，…，P H }用随机分组策略重新划分。
将若干个船舶港口泊位和岸桥分配的方案中的向量集合分别代入层次内竞争算法、层次间竞争算法，计算获得若干个方案的向量优化参数，包括：
分别预设第一概率值、第二概率值；
基于预设的第一概率值、第二概率值，分别选择对每个船舶港口泊位和岸桥分配的方案进行层次内竞争和层次间竞争，获得在层次内竞争和层次间竞争综合的若干个方案的向量优化参数；其中，预设的第一概率值为P h 、第二概率值为1-P h ；
每个船舶港口泊位和岸桥分配的方案以第一概率值进行层次内竞争，并以第二概率值进行层次间的竞争。
本实施例中，对于每个方案，我们设计了一个线性概率/>来确定方案在哪个层次上进行竞争操作，越低层次越有可能发生竞争操作；
每个船舶港口泊位和岸桥分配的方案进行层次竞争的层次选择概率表达式为：
（1）；
式中，H i 表示方案i所在的最高层级，j表示当前层级，j∈{1，…，H i }，表示方案i在j层级上的竞争的线性概率，k表示层级序号；
所述层次间竞争和层次内竞争算法速度和位置的更新表达式为：
（2）；
（3）；
式中，r 1、r 2、r 3表示随机向量，是总体或邻域中所有方案的平均位置，/>是用来控制/>影响方案程度的参数，v l,t+1表示竞争失败方案更新后的速度，v l,t 表示竞争失败方案的当前速度；x w,t 表示竞争成功方案的当前位置，x l,t 表示竞争失败方案的当前位置，x l,t+1表示竞争失败方案更新后的位置。
该模型将种群分成多个群体，在同一层次结构中搜索不同的区域。在不同的层次中，方案具有不同的群内邻居，在不同的群内更新位置可以促进所有方案的全局通信。因此，层级结构和分组策略的协同有利于增强种群的多样性，从而增强种群的探索能力。结合层次内和层次间的竞争，可以有效地平衡种群的探索和开发，对于每个方案，我们先确定竞争的层次高度，再通过随机数的方式确定在层次内还是层次间竞争。
由于小型船舶到达密度低，而泊位和岸桥被满负荷占用的情况并不常见。因此，现有技术通常遵循先来先规划 (FIFP)的原则。然而，随着船舶到达密度的增加，先来先规划面临着浪费泊位和岸桥资源的风险。因此针对船舶优先级优化可有效避免资源利用效率低下的问题。船舶优先级向量的优化过程包括：
基于向量优化参数对船舶优先级向量集合进行更新，确定最优排列的船舶优先级向量组合；
其中，向量优化参数的获取过程：
定义用于计算的船舶优先级排列的向量集合为，根据船舶优先级向量的速度属性获得一系列交换算子，一个单独的交换算子/>表示互换/>和/>，每个交换算子对/>进行交换操作，获得更新后的船舶优先级排列。
在层次间竞争和层次内竞争算法的优化过程中，其中交换算子通过公式（2）更新，船舶交换优先级排列通过公式（3）更新，获得船舶优先级向量优化参数；
本实施例，还包括：置换算子与置换算子之间的加法⊕/>可以定义为执行置换操作，交换序列/>与交换序列/>之间的加法/>可定义为:
（4）；
因此，加法、减法和标量乘法在重新定义后可重新使用公式（2）、公式（3）。除此之外，两个交换序列之间的添加⊕/>定义为两个交换序列的合并和重复交换操作的移除。并且，两个排列之间的相减可以定义为/>，即两个排列相减得到一个交换序列/>。最后，交换序列的标量乘法/>定义为取交换序列/>中的前r个交换算子，其中r∈[0,1]，舍入以保留小数点后一位。
有了上述运算法则（新定义），使用公式（2）、公式（3）优化船舶的优先级序列。
如图5所至图6所示，进一步解释先来先规划对泊位和岸桥资源利用效率低下的情况。如图5中(a)所示，假设长度为200m的泊位空置，有3艘长度分别为130m（船1）、90m（船2）和80m（船3）的船舶依次等待分配泊位。如果按照图5中(b)先来先规划的原则分配泊位，则可用泊位只能容纳船1，浪费了70m泊位线。反之，如果按照图5中(c)使用船舶停泊的优先级，船2和船3优先级高于船1，所以船2和船3优先停泊，则可用泊位可以容纳船2和船3，而船1可以等待其他泊位，从而提高港口泊位资源利用率。
在图6中假设船1、船2、船3先后到达港口，在泊位卸货，船2即将卸货完毕离港，船1和船3的剩余卸货时间分别为200min和300min。此外，我们还假设允许岸桥从一艘即将离开的船只重新分配到另一艘船上。如果遵循图6中(a)先来先规划原则，则当船2离港时，为其工作的岸桥被重新分配到船1。因此，所有船只的剩余等待时间为200/2 + 300 =400分钟。然而，如果遵循图6中(b)优先级规则，船3被赋予更高的优先级，船3优先分配岸桥，那么所有船只的剩余等待时间为200 + 300/2 =350min，优于先来先规划。
由于大型港口船舶的复杂性，优化模型的解通常接近真正的最优解，但在某些情况下也存在较大差距。如图7至图8所示，为了提高解的质量，因此采用修复策略对优化后船舶港口泊位和岸桥分配的若干个方案进行修复，获得修复且优化后船舶港口泊位和岸桥分配的若干个方案，包括：
获取优化后的船舶港口泊位和岸桥分配的若干个方案，实时获取港口变化数据、船舶变化数据；
基于港口、船舶变化数据，确定更新泊位和岸桥分配的方案，对若干个方案中泊位和岸桥分配分别进行泊位修复和岸桥修复，获得修复且优化后的船舶港口泊位和岸桥分配的若干个方案。
本实施例中，图7显示了泊位分配的情况，假设一艘船已经停泊在100m处。这种情况下，如果新到的船只被分配在150m，它会等待前一艘船只离开泊位，然后才能继续停泊，即使右侧有空位可以容纳这艘船只。图8显示了岸桥分配的情况，假设一艘船分配了一个岸桥卸货，附近有一个空闲的岸桥，这种分配方案不能有效地利用岸桥资源。为了解决现实和理想规划之间可能存在的差距，我们设计了一个修复策略，旨在对候选解决方案进行微调。
进一步，泊位修复包括：判断船舶泊位方案是否存在泊位被占，在泊位被占时，则在船舶实际停泊位置寻找空闲泊位；
若存在空闲泊位，则将空闲泊位修复为船舶当前泊位方案；
若不存在空闲泊位，则不进行修复策略，该船只等待泊位空闲后停泊。
进一步，岸桥修复包括：判断船舶岸桥分配方案是否存在岸桥达到工作上限，如果为该船只工作的岸桥未达到上限数量，则在船舶实际停泊位置寻找空闲岸桥；
若存在空闲岸桥，则将空闲岸桥修复为船舶当前岸桥分配方案，用于调用空闲岸桥进行卸货；
若不存在空闲岸桥，则不进行修复策略，按原先分配的岸桥数目进行卸货工作。
其中，岸桥的总数量不能超过船舶所设定分配岸桥的数量上限。
将修复且优化后的船舶港口泊位和岸桥分配的若干个方案分别导入约束评估模型，评估每个方案所对应的船舶总等待时间，选择总等待时间最短的方案输出，作为船舶最佳泊位和岸桥分配的方案；其中，还考虑到船舶之间的安全距离，因此把综合船舶泊位和岸桥分配作为一个大规模的约束优化问题，除了通过预处理和编码方案来满足解的可行性外，还定义了约束违反函数表示约束违反的程度：
（5）；
式中，t表示迭代次数，V表示船的集合，l i 表示第i艘船的船长，l k 表示第k艘船的船长，s it 表示第i艘船第t次优化停靠的位置，s kt 表示第k艘船第t次优化停靠的位置，表示安全距离占船长的百分比，/>表示第t次迭代该方案违反约束的值。
本申请的实施例可提供为方法、系统、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。
以上所述仅是本发明的优选实施方式，在不脱离本发明技术原理的前提下，还可以做出若干个改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种面向自动化码头的船舶泊位和岸桥分配的优化方法，其特征在于，包括：
分别采集港口数据、船舶数据；
根据港口数据、船舶数据生成若干个船舶港口泊位和岸桥分配的方案；其中，每个船舶港口泊位和岸桥分配的方案包括：船舶泊位、岸桥分配数量及船舶的优先级序列；
若干个船舶港口泊位和岸桥分配的方案分别导入层次竞争优化模型，获得若干个船舶港口泊位和岸桥分配的方案的优化参数；
根据若干个船舶港口泊位和岸桥分配的方案的优化参数，优化若干个船舶港口泊位和岸桥分配的方案；
采用修复策略对优化后的若干个船舶港口泊位和岸桥分配的方案进行修复，获得修复且优化后的船舶港口泊位和岸桥分配的若干个方案；
将修复且优化后的船舶港口泊位和岸桥分配的若干个方案分别导入约束评估模型，评估每个方案所对应的船舶总等待时间及合理性，选择总等待时间最短且合理的方案输出，作为船舶港口泊位和岸桥分配的最佳方案；
若干个船舶港口泊位和岸桥分配的方案分别导入层次竞争优化模型进行求解，获得若干个船舶港口泊位和岸桥分配的方案的优化参数，包括：
基于若干个船舶港口泊位和岸桥分配的方案分别生成船舶泊位、岸桥分配数量及船舶优先级向量集合；
将若干个船舶港口泊位和岸桥分配方案中的向量集合分别代入层次内竞争算法、层次间竞争算法计算获得若干个方案的向量优化参数，用于对若干个船舶港口泊位和岸桥分配的方案中的船舶泊位、岸桥分配数量及船舶优先级的向量集合进行优化；
将若干个船舶港口泊位和岸桥分配的方案中的向量集合分别代入层次内竞争算法、层次间竞争算法，计算获得若干个方案的向量优化参数，包括：
分别预设第一概率值、第二概率值；
基于预设的第一概率值、第二概率值，分别选择对每个船舶港口泊位和岸桥分配的方案进行层次内竞争和层次间竞争，获得若干个方案的向量优化参数；其中，预设的第一概率值为Ph、第二概率值为1-Ph；
每个船舶港口泊位和岸桥分配的方案以第一概率值进行层次内竞争，并以第二概率值进行层次间的竞争；
每个船舶港口泊位和岸桥分配的方案进行层次竞争的层次选择概率表达式为：
式中，Hi表示方案i粒子所在的最高层级，j表示当前层级，j∈{1,...，Hi}，Ω(i，j)表示方案i在j层级上的竞争的线性概率，k表示层级序号；
所述层次间竞争和层次内竞争算法速度和位置的更新表达式为：
xl，t+1＝xl，t+vl，t+1 (3)
式中，r1，r2，r3分别表示随机向量，是总体或邻域中所有方案的平均位置，ψ是用来控制/>影响方案程度的参数，vl，t+1表示竞争失败方案更新后的速度，vl，t表示竞争失败方案的当前速度；xw，t表示竞争成功方案的当前位置，xl，t表示竞争失败方案的当前位置，xl，t+1表示竞争失败方案更新后的位置；
对船舶优先级的向量集合进行优化的步骤包括：
基于向量优化参数对船舶优先级向量集合进行更新，确定最优排列的船舶优先级向量组合；
其中，向量优化参数的获取过程：
定义用于计算的船舶优先级排列的向量集合为E＝{ζ1,...，ζn}，根据船舶优先级向量的速度属性获得一系列交换算子，一个单独的交换算子δ(i1，i2)表示互换和/>每个交换算子对E＝{ζ1,...，ζn}进行交换操作，获得更新后的船舶优先级排列；
在层次间竞争和层次内竞争算法的优化过程中，其中交换算子通过公式(2)更新，船舶交换优先级排列通过公式(3)更新，获得船舶优先级向量优化参数。
2.根据权利要求1所述的一种面向自动化码头的船舶泊位和岸桥分配的优化方法，其特征在于，所述港口数据包括：港口的海岸线长度、港口的可运行岸桥数量、每个岸桥的工作效率；
所述船舶数据包括：所有船到岗的预计时间、所有到岗船的长度和载货量。
3.根据权利要求1所述的一种面向自动化码头的船舶泊位和岸桥分配的优化方法，其特征在于，根据港口数据、船舶数据生成若干个船舶港口泊位和岸桥分配的方案，包括：
将港口数据和船舶数据导入编码器，随机生成若干个船舶港口泊位和岸桥分配的方案；
其中，所述编码器中预设有编码方案，编码方案的参量包括：船舶优先级、分配的泊位，岸桥的数量。
4.根据权利要求1所述的一种面向自动化码头的船舶泊位和岸桥分配的优化方法，其特征在于，对优化后的船舶港口泊位和岸桥分配的若干个方案采用修复策略进行修复，获得修复且优化后的船舶港口泊位和岸桥分配的若干个方案，包括：
获取优化后的船舶港口泊位和岸桥分配的若干个方案，以及实时获取港口变化数据、船舶变化数据；
基于港口变化数据、船舶变化数据确定更新泊位和岸桥分配的方案，对若干个方案中的船舶港口泊位和岸桥分配分别进行泊位修复和岸桥修复，获得修复且优化后的船舶港口泊位和岸桥分配的若干个方案。
5.根据权利要求4所述的一种面向自动化码头的船舶泊位和岸桥分配的优化方法，其特征在于，所述泊位修复包括：判断船舶泊位方案是否存在泊位被占，在泊位被占时，则在船舶实际停泊位置寻找空闲泊位；
若存在空闲泊位，则将空闲泊位修复为船舶当前泊位方案；
若不存在空闲泊位，则不进行修复策略，该船舶等待泊位空闲后停泊。
6.根据权利要求4所述的一种面向自动化码头的船舶泊位和岸桥分配的优化方法，其特征在于，所述岸桥修复包括：判断船舶岸桥分配方案是否存在岸桥达到工作上限，如果为该船舶工作的岸桥未达到上限数量时，则在船舶实际停泊位置寻找空闲岸桥；
若存在空闲岸桥，则将空闲岸桥修复为船舶当前岸桥分配方案，用于调用空闲岸桥进行卸货；
若不存在空闲岸桥，则不进行修复策略，按原先分配的岸桥数目进行卸货工作；
其中，岸桥的总数量不能超过船舶所设定分配岸桥数量的上限。
CN202311812045.4A 2023-12-27 2023-12-27 一种面向自动化码头的船舶泊位和岸桥分配的优化方法 Active CN117474297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311812045.4A CN117474297B (zh) 2023-12-27 2023-12-27 一种面向自动化码头的船舶泊位和岸桥分配的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311812045.4A CN117474297B (zh) 2023-12-27 2023-12-27 一种面向自动化码头的船舶泊位和岸桥分配的优化方法

Publications (2)

Publication Number Publication Date
CN117474297A CN117474297A (zh) 2024-01-30
CN117474297B true CN117474297B (zh) 2024-04-16

Family

ID=89624096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311812045.4A Active CN117474297B (zh) 2023-12-27 2023-12-27 一种面向自动化码头的船舶泊位和岸桥分配的优化方法

Country Status (1)

Country Link
CN (1) CN117474297B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530709A (zh) * 2013-11-04 2014-01-22 上海海事大学 一种基于细菌觅食优化方法的集装箱码头泊位和岸桥分配方法
CN105810011A (zh) * 2016-05-26 2016-07-27 南京信息工程大学 一种动态分配泊位的方法及智能诱导车停靠系统
CN107330561A (zh) * 2017-07-05 2017-11-07 青岛大学附属医院 一种基于蚁群算法的多目标岸桥‑泊位调度优化方法
CN111861205A (zh) * 2020-07-20 2020-10-30 深圳大学 一种自动化集装箱码头出口箱空间分配方法
CN114154823A (zh) * 2021-11-23 2022-03-08 江苏海洋大学 一种基于改进粒子群算法的鲁棒泊位岸桥联合分配方法
CN114580777A (zh) * 2022-03-16 2022-06-03 浙江工业大学 一种基于集划分模型的集装箱码头泊位岸桥分配方法
CN114896672A (zh) * 2022-06-09 2022-08-12 合肥工业大学 一种基于CSO-BiLSTM网络的桥梁动态位移重构方法
CN114997630A (zh) * 2022-05-26 2022-09-02 江苏大学 一种基于竞争学习约束多目标粒子群算法的多区域环境经济调度方法
CN115907415A (zh) * 2022-12-19 2023-04-04 海南港航通用码头有限公司 基于散杂货码头智能调度系统
CN115983746A (zh) * 2022-12-29 2023-04-18 西南交通大学 一种自动化集装箱港口多主体协同优化作业方法
CN116993104A (zh) * 2023-08-11 2023-11-03 西安电子科技大学广州研究院 集装箱码头泊位与岸桥分配的通用性优化方法及应用

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10546433B2 (en) * 2017-08-03 2020-01-28 The University Of North Carolina At Chapel Hill Methods, systems, and computer readable media for modeling garments using single view images

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530709A (zh) * 2013-11-04 2014-01-22 上海海事大学 一种基于细菌觅食优化方法的集装箱码头泊位和岸桥分配方法
CN105810011A (zh) * 2016-05-26 2016-07-27 南京信息工程大学 一种动态分配泊位的方法及智能诱导车停靠系统
CN107330561A (zh) * 2017-07-05 2017-11-07 青岛大学附属医院 一种基于蚁群算法的多目标岸桥‑泊位调度优化方法
CN111861205A (zh) * 2020-07-20 2020-10-30 深圳大学 一种自动化集装箱码头出口箱空间分配方法
CN114154823A (zh) * 2021-11-23 2022-03-08 江苏海洋大学 一种基于改进粒子群算法的鲁棒泊位岸桥联合分配方法
CN114580777A (zh) * 2022-03-16 2022-06-03 浙江工业大学 一种基于集划分模型的集装箱码头泊位岸桥分配方法
CN114997630A (zh) * 2022-05-26 2022-09-02 江苏大学 一种基于竞争学习约束多目标粒子群算法的多区域环境经济调度方法
CN114896672A (zh) * 2022-06-09 2022-08-12 合肥工业大学 一种基于CSO-BiLSTM网络的桥梁动态位移重构方法
CN115907415A (zh) * 2022-12-19 2023-04-04 海南港航通用码头有限公司 基于散杂货码头智能调度系统
CN115983746A (zh) * 2022-12-29 2023-04-18 西南交通大学 一种自动化集装箱港口多主体协同优化作业方法
CN116993104A (zh) * 2023-08-11 2023-11-03 西安电子科技大学广州研究院 集装箱码头泊位与岸桥分配的通用性优化方法及应用

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Applying multi-phase particle swarm optimization to solve bulk cargo port scheduling problem;Tang, M 等;《ADVANCES IN PRODUCTION ENGINEERING & MANAGEMENT》;20161231;第11卷(第4期);第299-310页 *
CFD港集装箱码头堆场资源调度问题研究;陈旭;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20220915(第9期);第J151-3页 *
Multistage collaborative scheduling of berth and quay crane based on heuristic strategies and particle swarm optimization;Xiaolei Liang 等;《Proceedings of the 2012 IEEE 16th International Conference on Computer Supported Cooperative Work in Design (CSCWD)》;20120621;第913-918页 *
Particle swarm optimization algorithm for the berth allocation problem;Ching-Jung Ting 等;《Expert Systems with Applications》;20140331;第41卷(第4期);第1543-1550页 *
混沌云粒子群混合优化算法及其在港口管理中的应用研究;李明伟;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20140515(第5期);第C034-61页 *
演化大规模优化算法研究;许沛澜;《中国博士学位论文全文数据库 信息科技辑》;20230315(第3期);第I140-18页 *

Also Published As

Publication number Publication date
CN117474297A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
Kavoosi et al. An augmented self-adaptive parameter control in evolutionary computation: A case study for the berth scheduling problem
Bose et al. Vehicle dispatching at seaport container terminals using evolutionary algorithms
Kozan et al. Mathematical modelling of container transfers and storage locations at seaport terminals
CN108845496B (zh) 一种自动化码头agv调度方法及系统
CN111861205B (zh) 一种自动化集装箱码头出口箱空间分配方法
Guo et al. Dynamic space and time partitioning for yard crane workload management in container terminals
CN113689037B (zh) 一种散货港口生产调度优化方法
CN113240234B (zh) 煤炭港口装船设备分配与船舶交通组织协调优化方法
Lee et al. Integrated bay allocation and yard crane scheduling problem for transshipment containers
CN115713170A (zh) 自动化集装箱码头泊位和岸桥优化分配方法
CN117078124A (zh) 一种基于遗传算法的船舶指泊方法及系统
CN114331075A (zh) 堆场拖车调度方法、装置、设备及存储介质
Vacca et al. Optimization of operations in container terminals: hierarchical vs integrated approaches
CN101930556A (zh) 一种自动化码头的桥吊计划调度方法
Shu et al. A double-population genetic algorithm for ASC loading sequence optimization in automated container terminals
CN116542488B (zh) 一种基于人工智能的港口调度方法和系统
CN117474297B (zh) 一种面向自动化码头的船舶泊位和岸桥分配的优化方法
Pratap et al. The robust quay crane allocation for a discrete bulk material handling port
CN109345008A (zh) 自动排船方法
Liu et al. Randomized algorithm with tabu search for multi-objective optimization of large containership stowage plans
CN117494854A (zh) 港口作业管理方法、装置和存储介质
CN114742350A (zh) 一种基于变邻域交叉熵算法的鲁棒泊位岸桥调度方法
Zhao et al. A novel strategy for stowage planning of 40 feet containers in container terminals
Rosa et al. Planning the berth allocation problem in developing countries with multiple cargos and cargo priority by a mathematical model and a clustering search metaheuristic
Huang et al. An improved least cost heuristic for dynamic yard crane deployment in container 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
GR01 Patent grant
GR01 Patent grant