CN118095983A - 一种纸浆特种船的集装箱化配载方法 - Google Patents
一种纸浆特种船的集装箱化配载方法 Download PDFInfo
- Publication number
- CN118095983A CN118095983A CN202410230219.4A CN202410230219A CN118095983A CN 118095983 A CN118095983 A CN 118095983A CN 202410230219 A CN202410230219 A CN 202410230219A CN 118095983 A CN118095983 A CN 118095983A
- Authority
- CN
- China
- Prior art keywords
- loading
- task
- shellfish
- box
- shipping
- 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
- 238000011068 loading method Methods 0.000 title claims abstract description 291
- 238000005457 optimization Methods 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000010586 diagram Methods 0.000 claims abstract description 8
- 235000015170 shellfish Nutrition 0.000 claims description 152
- 230000008569 process Effects 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 26
- 230000009191 jumping Effects 0.000 claims description 24
- 230000007246 mechanism Effects 0.000 claims description 11
- 238000011451 sequencing strategy Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种纸浆特种船的集装箱化配载方法,方法包括:根据人工经验预配置装船约束以及装船偏好,根据装船偏好制定任务排序策略;将智能配载算法适配装船船型属性以及基于配载任务的货物配载属性,设置配载任务的优化目标和对应权重:分别采用装箱算法、翻箱量优化算法以及未装箱量优化算法对多配载任务的配载方案进行循环求解,更新记录目标配载方案;根据目标配载方案生成特种船配载图,通过配载图输出JSON格式的配载文件进行调用。
Description
技术领域
本发明涉及特种船配载技术领域,具体涉及一种纸浆特种船的集装箱化配载方法
背景技术
船舶配载计划是主要通过预配计划和实配计划研究组成,在特种船装配领域的集装箱船舶装配问题是一个多目标、多约束条件以及多任务策略的组合优化问题,其中配载计划的优劣程度关系将影响到集装箱船舶的装卸效率以及后续特种船配载的通用性和高效性。
随着智能配载概念的提出,以配载员经验为主的人工配载模式成为了现有集装箱配载作业的一大瓶颈,目前越来越多的集装箱船舶开始采用智能配载,智能配载指的是由人工智能算法模拟集装箱配载员的思路与方法,综合考虑设备情况、任务分布、堆存状态等因素,根据预配船图、船舶适航要求以及码头作业要求,自动地把预定装载出口的集装箱配载到目标特种船箱位上的决策过程。
然而,目前基于特种船集装箱智能配载的研究存在以下不足之处:
(1)特种船集装箱的配载问题中考虑特殊约束和装船偏好等因素的情况较少,无法完全满足特种船集装箱配载的灵活性和通用性;
(2)在特种船集装箱的实际装配过程中未考虑翻箱和作业冲突等因素对配载的影响,没有全面考虑特种船整体的均衡配载问题;
(3)在通过人工智能算法模拟配载过程时,未完全适配特种船不同船型的解决方案,同时人工经验转化为人工智能算法的过程缺少算法整体框架的嵌套,无法保证智能算法的通用性和高效性,对输出好质量的配载方案存在较大影响。
因此,亟需一种纸浆特种船的集装箱化配载方法以解决上述基于特种船集装箱智能配载的研究存在不足的问题,进而对特种船集装箱配载优化问题进行研究。
发明内容
针对现有技术的不足,本发明提出一种纸浆特种船的集装箱化配载方法。
本发明第一方面公开了一种纸浆特种船的集装箱化配载方法,包括:
S1:根据人工经验预配置装船约束以及装船偏好,根据所述装船偏好制定任务排序策略;
S2:将智能配载算法适配装船船型属性以及基于配载任务的货物配载属性,同时将船舶数据和任务数据转化为统一格式进行独立封装以提供给所述智能配载算法进行数据识别读取,所述智能配载算法包括装箱算法、翻箱量优化算法、未装箱量优化算法以及箱类识别优化算法;
S3:设置所述配载任务的优化目标和对应权重,所述优化目标包括:①保证集装箱未装箱数量最小;②保证始发地港和目的港中翻倒箱量的加权均值最小;③保证不同目的港的集装箱混装层数最小;
S4:采用所述装箱算法对多配载任务的配载方案进行循环求解,若多次循环求解过程均存在满足翻箱量优化目标的配载方案可行解,则记录所述可行解并通过所述装箱算法在可行解的基础上循环优化所述优化目标③,更新记录目标配载方案并跳转至步骤S7,若多次循环求解过程在满足翻箱量优化目标的条件下无法生成配载方案可行解,则进入步骤S5;
S5:采用所述翻箱量优化算法对多配载任务的配载方案进行循环求解,若多次循环求解过程均存在满足全部配载任务的配载方案可行解,则记录所述可行解并通过所述翻箱量优化算法在可行解的基础上加权优化所述优化目标②和优化目标③,更新记录目标配载方案并跳转至步骤S7,若多次循环求解过程在满足翻箱量优化目标的条件下无法满足未装箱量优化的配载方案可行解,则进入步骤S6;
S6:采用所述未装箱量优化算法对多配载任务的配载方案进行循环求解,记录当前解,通过所述未装箱量优化算法依次加权优化所述优化目标①、优化目标②以及优化目标③,更新记录目标配载方案;
S7:根据所述目标配载方案生成特种船配载图,通过所述配载图输出JSON格式的配载文件进行调用,所述配载文件内记录目标配载方案全部集装箱的配载信息。
在一个可选的实施例中,所述根据人工经验预配置的装船约束包括一级装船约束和二级装船约束,所述一级装船约束包括:栈高限制、重量限制、同栈集集装箱宽度相同、同层集装箱高度相同、贝位容量限制、集装箱位置优先级约束、集装箱同箱位匹配约束;所述二级装船约束包括:标准箱不与超宽箱混装、框架箱装于舱内、新能源箱装于仓外、框架箱上层盖装标准箱以及特殊框架箱装船约束。
在一个可选的实施例中,所述根据人工经验预配置的装船偏好包括:①同目的港的集装箱装于同一层;②同舱室非混装偏好;③上层集装箱目的港比下层集装箱的目的港近;④船舶装箱量偏好;⑤人工装船偏好;
所述根据装船偏好制定任务排序策略包括:①将始发港由近到远、目的港由远到近的顺序对初始装配任务进行排序;②按目的港由远到近、始发港由近到远的顺序对初始装配任务进行排序;③优先处理特殊框架箱,且始发港由近到远、目的港由远到近的顺序对初始装配任务进行排序;④优先处理特殊框架箱,且目的港由远到近、始发港由近到远的顺序对初始装配任务进行排序。
在一个可选的实施例中,所述将智能配载算法适配装船船型属性包括:
S21:将船舶横向分割为多个舱室,垂直方向分为甲板位和舱内位,并将甲板位和舱内位的贝位进行编号;
S22:通过一级尺寸、二级尺寸和三级尺寸的集装箱基准单元将箱位分割为一级箱位、二级箱位和三级箱位,将一级箱位同所述二级箱位和三级箱位进行匹配并区分标准箱和超宽箱的箱位;
S23:所有箱位通过贝、栈、层的三维坐标进行位置标记,并通过额外标记确定箱位是否存在集装箱;
S24:根据所述三维坐标的贝坐标对贝位属性进行标记,通过贝位属性确定对应贝位是否适于装配特殊箱,并以栈为单位对集装箱的堆高和堆重进行限制标记,所述贝位属性包括贝位尺寸、贝位位置以及贝位所属舱室。
在一个可选的实施例中,所述将智能配载算法适配基于配载任务的货物配载属性包括:
S25:将配载任务作为任务单位通过智能配载算法对配载任务相关联的始发港、目的港、集装箱重量、集装箱箱型以及特殊集装箱任务进行标记;
S26:通过智能配载算法将当前可进行配载的贝位进行标记;
S27:通过智能配载算法将已配载于所述甲板位和舱内位的货物进行标记。
在一个可选的实施例中,所述装箱算法根据任务排序策略①进行配载任务的排序,装箱算法的步骤包括:
S41:获取配载任务;
S42:所述配载任务基于满足特殊装船约束和翻箱约束的条件下生成当前任务的可装箱贝位;
S43:采用轮盘赌机制在满足所述装船偏好①和所述装船偏好②的前提下在所述可装箱贝位中选择装箱贝位;
S44:在所述一级装船约束下根据选择的装箱贝位对配载任务内的集装箱进行逐层装箱;
S45:重复执行步骤S42-S44直至未装集装箱数量为零,获取下一个配载任务;
S46:重复执行步骤S42-S45直至完成全部配载任务。
在一个可选的实施例中,所述翻箱量优化算法对多配载任务的配载方案进行循环求解,其步骤包括:
S51:根据所述任务排序策略生成对应的装船任务序列;
S52:根据所述装船任务序列的顺序获取装船的配载任务;
S53:基于不翻箱约束和所述二级装船约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则跳转至步骤S55,否则继续执行步骤S54;
S54:基于所述二级装船约束以及可翻箱约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则继续执行步骤S55,否则跳转至步骤S52对当前装船任务序列的配载任务进行多次迭代,若无法生成可行解,则跳转至步骤S59执行下一个装船任务序列;
S55:将当前装船任务序列下的可装箱贝位在满足装船偏好①、装船偏好②以及装船偏好③的条件下通过轮盘赌机制选择装箱贝位;
S56:在所述一级装船约束下根据选择的装箱贝位对当前装船任务序列的配载任务进行集装箱的逐层装箱;
S57:重复执行步骤S52-S56直至未装集装箱数量为零,获取当前装船任务序列的下一个配载任务;
S58:重复执行步骤S52-S57直至完成当前装船任务序列下的所有配载任务,将所有配载任务记录生成当前装船任务序列达到优选配载方案;
S59:重复执行步骤S52-S58,直至求解全部装船任务序列下的优选配载方案,根据所述优选配载方案输出目标配载方案。
在一个可选的实施例中,所述采用所述未装箱量优化算法对多配载任务的配载方案进行循环求解,未装箱量优化算法的步骤包括:
S61:根据所述任务排序策略生成对应的装船任务序列;
S62:根据所述装船任务序列的顺序获取装船的配载任务;
S63:基于不翻箱约束和所述二级装船约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则跳转至步骤S65,否则继续执行步骤S64;
S64:基于所述二级装船约束以及可翻箱约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则继续执行步骤S65,否则跳转至步骤S62当前装船任务序列的配载任务进行多次迭代,若无法生成可行解,则跳转至步骤S69执行下一个装船任务序列;
S65:对当前装船任务序列下配载任务中存在的可装箱贝位基于满足装船偏好①、装船偏好②以及装船偏好③的条件通过轮盘赌机制选择装箱贝位;
S66:在所述一级装船约束下根据选择的装箱贝位对当前装船任务序列的配载任务进行集装箱的逐层装箱;
S67:重复执行步骤S62-S66直至未装集装箱数量为零,获取当前装船任务序列的下一个配载任务;
S68:重复执行步骤S62-S67遍历当前装船任务序列内的全部配载任务,记录当前装船任务序列中全部配载任务生成的优选配载方案;
S69:重复执行步骤S62-S68,直至求解全部装船任务序列下的优选配载方案,根据所述优选配载方案输出目标配载方案。
在一个可选的实施例中,所述箱类识别优化算法包括一级尺寸箱类识别、二级尺寸箱类识别以及三级尺寸箱类识别,所述一级尺寸箱类识别包括:
对一级尺寸箱类的贝位进行位置的优先级排序,依次为位于舱内的一级箱位、位于甲板上的一级贝位,位于甲板上的非一级贝位以及位于舱内的非一级贝位,通过装箱贝位选择函数和识别规则将一级尺寸箱按优先级排序选择对应的贝位进行装箱;
所述识别规则通过遍历船舶上的贝位,判断贝位是否为不存在对应偶数贝位的奇数贝位,若是,则将该奇数贝位根据位置的优先级排序加入一级尺寸箱的预装箱列表内;判断所述预装箱列表内的原奇数贝位是否存在新奇数贝位能同该原奇数贝位组成新的偶数贝位,若不存在则保留预装箱列表的原奇数贝位,若存在新奇数贝位,则判断同原奇数贝位组成新偶数贝位的新奇数贝位在船舶上的位置分布是否同原奇数贝位的位置分布相同,若位置分布不同,则将所述原奇数贝位保存至预装箱列表内,若位置分布相同,则将所述原奇数贝位移除预装箱列表。
在一个可选的实施例中,所述二级尺寸箱类识别包括:
识别船舶的特殊船型特征,根据特殊船型约束判断具备特殊船型特征的船舶舱内末尾偶数贝位最底层是否配载二级尺寸箱,若是则记录当前装箱数量并累积添加二级尺寸箱进入末尾偶数贝位直至所述舱内末尾偶数贝位最底层通过二级尺寸箱填满,遍历全部配载任务同时调用装箱函数执行二级尺寸箱装船操作直至满足特殊船型约束。
在一个可选的实施例中,所述三级尺寸箱类识别包括:
分别对三级尺寸箱类和其他箱类进行标识划分为超宽箱和标准箱并保存至四维变量中,所述四维变量的第一层表示标准箱的三维坐标箱位,第二层表示超宽箱的三维坐标箱位,在所述智能配载算法生成当前任务的可装箱贝位过程通过识别标准箱和超宽箱,将可装箱贝位分为标准箱位和超宽箱位进行集装箱的配载,其中所述标准箱位和超宽箱位对配载于箱位上的集装箱进行约束,仅配载箱类同箱位匹配的集装箱。
在一个可选的实施例中,所述根据人工经验预配置的装船偏好还包括:同属于相同始发港和目的港的集装箱放置于船舶非相邻舱内,通过算法定义船舶中相邻的禁止舱对并保存于禁止舱对变量中,根据所述禁止舱对变量遍历目标配载任务中相同始发港和目的港的集装箱是否存在相邻舱室放置的集装箱,若是则通过禁止舱对变量存储的可选择的可行贝位进行替换以满足相同始发港和目的港的集装箱放置于船舶非相邻舱内的装船偏好。
本发明第二方面公开了一种纸浆特种船的集装箱化配载设备,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如本发明第一方面公开的任一项所述的纸浆特种船的集装箱化配载方法。
本发明第三方面公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如本发明第一方面公开的任一项所述的纸浆特种船的集装箱化配载方法。
与现有技术相比,本发明具有以下优点:
(1)本发明通过根据人工经验预配置装船约束以及装船偏好,根据所述装船偏好制定任务排序策略,以满足不同特种船集装箱配载过程对于灵活性和通用性的需求;
(2)本发明通过将智能配载算法适配装船船型属性以及基于配载任务的货物配载属性,同时将船舶数据和任务数据转化为统一格式进行独立封装以提供给所述智能配载算法进行数据识别读取,通过人工经验转化为算法程序嵌套在算法整体框架中,可以提高算法的通用性、高效性,并确保算法能够输出高质量的符合配载要求的特种船配载方案。
(3)本发明通过设置所述配载任务的优化目标和对应权重,并将装箱算法、翻箱量优化算法、未装箱量优化算法以及箱类识别优化算法加入配载方案的求解过程,充分考虑不同特种船在装配过程中存在的影响因素,从特种船整体的集装箱配载均衡考量全船配载的解决方案,为特种船集装箱配载问题的研究提供优化方案。
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作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明纸浆特种船的集装箱化配载方法的流程图;
图2为本发明纸浆特种船的集装箱化配载方法中智能配载算法适配船型属性和货物配载属性的流程图;
图3为本发明纸浆特种船的集装箱化配载方法中装箱算法的流程图;
图4为本发明纸浆特种船的集装箱化配载方法中翻箱量优化算法的流程图;
图5为本发明纸浆特种船的集装箱化配载方法中未装箱量优化算法的流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
实施例1
参见图1,本发明实施方式公开了一种纸浆特种船的集装箱化配载方法,包括:
S1:根据人工经验预配置装船约束以及装船偏好,根据所述装船偏好制定任务排序策略;
S2:将智能配载算法适配装船船型属性以及基于配载任务的货物配载属性,同时将船舶数据和任务数据转化为统一格式进行独立封装以提供给所述智能配载算法进行数据识别读取,所述智能配载算法包括装箱算法、翻箱量优化算法、未装箱量优化算法以及箱类识别优化算法;
S3:设置所述配载任务的优化目标和对应权重,所述优化目标包括:①保证集装箱未装箱数量最小;②保证始发地港和目的港中翻倒箱量的加权均值最小;③保证不同目的港的集装箱混装层数最小;
S4:采用所述装箱算法对多配载任务的配载方案进行循环求解,若多次循环求解过程均存在满足翻箱量优化目标的配载方案可行解,则记录所述可行解并通过所述装箱算法在可行解的基础上循环优化所述优化目标③,更新记录目标配载方案并跳转至步骤S7,若多次循环求解过程在满足翻箱量优化目标的条件下无法生成配载方案可行解,则进入步骤S5;
S5:采用所述翻箱量优化算法对多配载任务的配载方案进行循环求解,若多次循环求解过程均存在满足全部配载任务的配载方案可行解,则记录所述可行解并通过所述翻箱量优化算法在可行解的基础上加权优化所述优化目标②和优化目标③,更新记录目标配载方案并跳转至步骤S7,若多次循环求解过程在满足翻箱量优化目标的条件下无法满足未装箱量优化的配载方案可行解,则进入步骤S6;
S6:采用所述未装箱量优化算法对多配载任务的配载方案进行循环求解,记录当前解,通过所述未装箱量优化算法依次加权优化所述优化目标①、优化目标②以及优化目标③,更新记录目标配载方案;
S7:根据所述目标配载方案生成特种船配载图,通过所述配载图输出JSON格式的配载文件进行调用,所述配载文件内记录目标配载方案全部集装箱的配载信息。
在一个可选的实施例中,所述根据人工经验预配置的装船约束包括一级装船约束和二级装船约束,所述一级装船约束包括:栈高限制、重量限制、同栈集集装箱宽度相同、同层集装箱高度相同、贝位容量限制、集装箱位置优先级约束、集装箱同箱位匹配约束;所述二级装船约束包括:标准箱不与超宽箱混装、框架箱装于舱内、新能源箱装于仓外、框架箱上层盖装标准箱以及特殊框架箱装船约束。
需要进行说明的是,一级装船约束为一般装船约束,包括①栈高、重量限制;②同栈集装箱宽度一致;③同层集装箱高度一致(每贝的最上层可放宽此约束);④贝位容量限制;⑤20尺集装箱位置优先级:优先装部分特殊贝位,然后是舱内与甲板上仅能装20尺集装箱箱位,最后是甲板上可行箱位;⑥箱子和箱位类型匹配,其中一级集装箱对应20尺范围内的集装箱。
进一步的,二级装船约束为特殊装船约束,包括①标准箱与超宽箱不混装;②框架箱装于舱内(特殊40FR框架箱除外);③新能源箱不能装于某些舱内;④框架箱上需盖一层普通集装箱;⑤40FR框架箱特殊装船需求(货物溢出的特殊40FR框架箱只能放置于贝位的最上层,且一个箱子可能会占多个箱位)。
在一个可选的实施例中,所述根据人工经验预配置的装船偏好包括:①同目的港的集装箱装于同一层;②同舱室非混装偏好;③上层集装箱目的港比下层集装箱的目的港近;④船舶装箱量偏好;⑤人工装船偏好;
所述根据装船偏好制定任务排序策略包括:①将始发港由近到远、目的港由远到近的顺序对初始装配任务进行排序;②按目的港由远到近、始发港由近到远的顺序对初始装配任务进行排序;③优先处理特殊框架箱,且始发港由近到远、目的港由远到近的顺序对初始装配任务进行排序;④优先处理特殊框架箱,且目的港由远到近、始发港由近到远的顺序对初始装配任务进行排序。
需要进行说明的是,装船偏好包括:①同一层尽量装同一目的港的集装箱;②同一港口装卸时尽量少移动舱盖:同一舱室尽量少的混装;③倒箱量尽量少:同一舱室舱上集装箱目的港尽量比舱内集装箱的目的港近(需同时考虑装卸箱时移动舱盖因素);同一贝位,上层集装箱目的港尽量比下层集装箱的目的港近;④船舶装箱量尽量多以将全部集装箱完成装箱工作;⑤满足其他人工装船偏好,即根据人工经验进行调整,这里并不对装船偏好进行限制,即在进行装船过程符合人工装船偏好的约束都可以通过算法定义到装船偏好中。
在一个可选的实施例中,所述将智能配载算法适配装船船型属性包括:
S21:将船舶横向分割为多个舱室,垂直方向分为甲板位和舱内位,并将甲板位和舱内位的贝位进行编号;
S22:通过一级尺寸、二级尺寸和三级尺寸的集装箱基准单元将箱位分割为一级箱位、二级箱位和三级箱位,将一级箱位同所述二级箱位和三级箱位进行匹配并区分标准箱和超宽箱的箱位;
S23:所有箱位通过贝、栈、层的三维坐标进行位置标记,并通过额外标记确定箱位是否存在集装箱;
S24:根据所述三维坐标的贝坐标对贝位属性进行标记,通过贝位属性确定对应贝位是否适于装配特殊箱,并以栈为单位对集装箱的堆高和堆重进行限制标记,所述贝位属性包括贝位尺寸、贝位位置以及贝位所属舱室。
需要进行说明的是,在执行船舶配载前为了便于后期数据维护,船舶数据和任务数据读取与处理的初始阶段即将船舶数据和任务数据设置成统一格式,独立封装,便于算法对数据的读取,同时为了让配载算法能够适应各种船型需要进行以下调整:①将船舶从横向分割成多个舱室,垂向分成甲板上和舱内两部分,对甲板上和舱内的贝位分别进行编号;②进一步以20尺集装箱、40尺集装箱和48尺集装箱为基准单元,进行箱位分割,将20尺集装箱与40尺集装箱和48尺集装箱箱位进行匹配,并区分标准箱与超宽箱箱位;③每一个箱位用(贝,栈,层)的三维坐标进行刻画,并额外标记箱位是否存在;④以贝为单位,(贝位属性)标记贝位尺寸、对应贝位、以及所属舱室,标记该贝是否能装特殊箱;⑤以栈为单位,标记堆高、堆重限制。
在一个可选的实施例中,所述将智能配载算法适配基于配载任务的货物配载属性包括:
S25:将配载任务作为任务单位通过智能配载算法对配载任务相关联的始发港、目的港、集装箱重量、集装箱箱型以及特殊集装箱任务进行标记;
S26:通过智能配载算法将当前可进行配载的贝位进行标记;
S27:通过智能配载算法将已配载于所述甲板位和舱内位的货物进行标记。
更进一步的,为了使算法适应各种货物配载表单,对算法进行以下处理:①以任务为单位,标记始发港、目的港、重量、箱型、以及是否是超宽40FR箱、虚拟箱、新能源箱等特殊情况。②标记当前可进行配载的贝位(保证配载结果人为可控)③标记甲板上和舱内已经配载的货物(可实现人工操作与智能算法协同配载)。
在一个可选的实施例中,所述装箱算法根据任务排序策略①进行配载任务的排序,装箱算法的步骤包括:
S41:获取配载任务;
S42:所述配载任务基于满足特殊装船约束和翻箱约束的条件下生成当前任务的可装箱贝位;
S43:采用轮盘赌机制在满足所述装船偏好①和所述装船偏好②的前提下在所述可装箱贝位中选择装箱贝位;
S44:在所述一级装船约束下根据选择的装箱贝位对配载任务内的集装箱进行逐层装箱;
S45:重复执行步骤S42-S44直至未装集装箱数量为零,获取下一个配载任务;
S46:重复执行步骤S42-S45直至完成全部配载任务。
在一个可选的实施例中,所述翻箱量优化算法对多配载任务的配载方案进行循环求解,其步骤包括:
S51:根据所述任务排序策略生成对应的装船任务序列;
S52:根据所述装船任务序列的顺序获取装船的配载任务;
S53:基于不翻箱约束和所述二级装船约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则跳转至步骤S55,否则继续执行步骤S54;
S54:基于所述二级装船约束以及可翻箱约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则继续执行步骤S55,否则跳转至步骤S52对当前装船任务序列的配载任务进行多次迭代,若无法生成可行解,则跳转至步骤S59执行下一个装船任务序列;
S55:将当前装船任务序列下的可装箱贝位在满足装船偏好①、装船偏好②以及装船偏好③的条件下通过轮盘赌机制选择装箱贝位;
S56:在所述一级装船约束下根据选择的装箱贝位对当前装船任务序列的配载任务进行集装箱的逐层装箱;
S57:重复执行步骤S52-S56直至未装集装箱数量为零,获取当前装船任务序列的下一个配载任务;
S58:重复执行步骤S52-S57直至完成当前装船任务序列下的所有配载任务,将所有配载任务记录生成当前装船任务序列达到优选配载方案;
S59:重复执行步骤S52-S58,直至求解全部装船任务序列下的优选配载方案,根据所述优选配载方案输出目标配载方案。
在一个可选的实施例中,所述采用所述未装箱量优化算法对多配载任务的配载方案进行循环求解,未装箱量优化算法的步骤包括:
S61:根据所述任务排序策略生成对应的装船任务序列;
S62:根据所述装船任务序列的顺序获取装船的配载任务;
S63:基于不翻箱约束和所述二级装船约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则跳转至步骤S65,否则继续执行步骤S64;
S64:基于所述二级装船约束以及可翻箱约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则继续执行步骤S65,否则跳转至步骤S62当前装船任务序列的配载任务进行多次迭代,若无法生成可行解,则跳转至步骤S69执行下一个装船任务序列;
S65:对当前装船任务序列下配载任务中存在的可装箱贝位基于满足装船偏好①、装船偏好②以及装船偏好③的条件通过轮盘赌机制选择装箱贝位;
S66:在所述一级装船约束下根据选择的装箱贝位对当前装船任务序列的配载任务进行集装箱的逐层装箱;
S67:重复执行步骤S62-S66直至未装集装箱数量为零,获取当前装船任务序列的下一个配载任务;
S68:重复执行步骤S62-S67遍历当前装船任务序列内的全部配载任务,记录当前装船任务序列中全部配载任务生成的优选配载方案;
S69:重复执行步骤S62-S68,直至求解全部装船任务序列下的优选配载方案,根据所述优选配载方案输出目标配载方案。
在一个可选的实施例中,所述箱类识别优化算法包括一级尺寸箱类识别、二级尺寸箱类识别以及三级尺寸箱类识别,所述一级尺寸箱类识别包括:
对一级尺寸箱类的贝位进行位置的优先级排序,依次为位于舱内的一级箱位、位于甲板上的一级贝位,位于甲板上的非一级贝位以及位于舱内的非一级贝位,通过装箱贝位选择函数和识别规则将一级尺寸箱按优先级排序选择对应的贝位进行装箱;
所述识别规则通过遍历船舶上的贝位,判断贝位是否为不存在对应偶数贝位的奇数贝位,若是,则将该奇数贝位根据位置的优先级排序加入一级尺寸箱的预装箱列表内;判断所述预装箱列表内的原奇数贝位是否存在新奇数贝位能同该原奇数贝位组成新的偶数贝位,若不存在则保留预装箱列表的原奇数贝位,若存在新奇数贝位,则判断同原奇数贝位组成新偶数贝位的新奇数贝位在船舶上的位置分布是否同原奇数贝位的位置分布相同,若位置分布不同,则将所述原奇数贝位保存至预装箱列表内,若位置分布相同,则将所述原奇数贝位移除预装箱列表。
需要进说明的是,根据人工经验,20尺集装箱(一级尺寸箱)装箱位置优先级如下:优先级1:舱内优先装20尺集装箱(一级尺寸箱)的箱位;优先级2:甲板上优先装20尺集装箱(一级尺寸箱)的箱位;优先级3:甲板上其他箱位;优先级4:舱内其他箱位,而对于上述优先级处理,通过“genCanBay”算法的函数执行,首先,针对不同的船舶,识别舱内可优先装20尺集装箱的贝位,记为Prefer_20_Cabin_Bay,以及甲板上可优先装20尺集装箱的贝位,记为Prefer_20_Deck_Bay,识别规则为:若与某一个奇数贝构成同一个偶数贝的另一个奇数贝与该奇数贝的箱位分布不一致,则将其记为可优先装20尺集装箱的贝位。
进一步的,以识别甲板上可优先装20尺集装箱的贝位为例,生成可装当前任务的舱内贝位以及甲板上贝位,分别记录在Can_Cabin_Bay以及Can_Deck_Bay中。判断当前要进行装箱的任务是否是20尺箱,若为20尺箱,则触发如下选择机制,返回可装当前任务的贝集合,通过选择机制,可以保证位20尺集装箱优先选择舱内优先装20尺集装箱的贝位,否则选择甲板上的优先装20尺集装箱的贝位,然后选择甲板上的其他贝,最后才会选择舱内的其他贝位。
在一个可选的实施例中,所述二级尺寸箱类识别包括:
识别船舶的特殊船型特征,根据特殊船型约束判断具备特殊船型特征的船舶舱内末尾偶数贝位最底层是否配载二级尺寸箱,若是则记录当前装箱数量并累积添加二级尺寸箱进入末尾偶数贝位直至所述舱内末尾偶数贝位最底层通过二级尺寸箱填满,遍历全部配载任务同时调用装箱函数执行二级尺寸箱装船操作直至满足特殊船型约束。
需要进行说明的是,二级尺寸箱为40英尺的HQ箱与HC箱,由于部分特种船的形状限制,最后一个偶数舱内贝只有在最底层平铺9个HQ或HC高箱,才能保证底层是平的,进而可以继续往上装其他箱子,能够保证装箱率。因此根据人工经验,装箱时会对该类船舶的最后一个偶数舱内的最底层优先铺满HQ或HC高箱。
进一步的,根据人工经验将装箱过程加入算法规则中识别具有上述特征的船舶,并优先将HQ和HC高箱装于该类船舶的最后一个舱内偶数贝的最底层。其步骤如下所示,判断是否是具有上述特征的船舶;判断最后一个偶数贝的最底层是否已经人工装了高箱(HQ和HC高箱);记录最底层需要继续装高箱的数量;直到最底层被高箱铺满后停止;对每一个任务进行遍历;若当前任务为HQ或HC高箱子,则调用装箱函数,执行装船操作;当最底层被铺满,停止装箱,继续执行下一个配载任务直至全部最底层被铺满,停止装箱。
在一个可选的实施例中,所述三级尺寸箱类识别包括:
分别对三级尺寸箱类和其他箱类进行标识划分为超宽箱和标准箱并保存至四维变量中,所述四维变量的第一层表示标准箱的三维坐标箱位,第二层表示超宽箱的三维坐标箱位,在所述智能配载算法生成当前任务的可装箱贝位过程通过识别标准箱和超宽箱,将可装箱贝位分为标准箱位和超宽箱位进行集装箱的配载,其中所述标准箱位和超宽箱位对配载于箱位上的集装箱进行约束,仅配载箱类同箱位匹配的集装箱。
需要进行说明的是,特种船在运输集装箱时舱内没有固定的箱位,因此根据集装箱的宽度,可人工划分每一层的箱位位置。特种船运输的集装箱具有多种不同的类型和尺寸,但从宽度来看可大体划分为两大类,标准集装箱和超宽集装箱。对于标准集装箱和超宽集装箱在划分箱位的结果不同(相较于超宽箱,每一层可装更多的标准集装箱),且超宽箱和标准箱不可配载于同一个贝位内。
进一步的,对于不同类型集装箱的配载要求通过算法进行处理,分别对超宽箱和标准箱的箱位进行划分和记录,存至CABIN_SLOT_STATE(四维变量)中,第一层表示标准箱的三维箱位标识,第二层表示超宽箱的三维箱位标识。对不同类型的集装箱进行标记,通过CON_WIDTH_TYPE进行标记,若CON_WIDTH_TYPE为1则表示为标准箱,若CON_WIDTH_TYPE为2则表示为超宽箱。在装箱的过程中,将标准箱与标准箱箱位进行匹配,将超宽箱与超宽箱箱位进行匹配。此外,为了满足超宽箱和标准箱不可配载于同一个贝位内的要求,在生成可行贝位的时候进行了如下判断:
if CABIN_TYPE[bay]!=-1and CABIN_TYPE[bay]!=containerWidthType:
continue
上述规则中CABIN_TYPE[bay]表示贝位bay已装的集装箱宽度类型,containerWidthType表示当前要装的集装箱宽度类型,CABIN_TYPE[bay]!=-1表示bay中已经装了某一个类型的集装箱。那么通过上述规则可以保证如果贝位bay如果已经装了某一个集装箱宽度类型的集装箱了,那么该贝就不可以继续装其他不同宽度类型的集装箱。
在一个可选的实施例中,所述根据人工经验预配置的装船偏好还包括:同属于相同始发港和目的港的集装箱放置于船舶非相邻舱内,通过算法定义船舶中相邻的禁止舱对并保存于禁止舱对变量中,根据所述禁止舱对变量遍历目标配载任务中相同始发港和目的港的集装箱是否存在相邻舱室放置的集装箱,若是则通过禁止舱对变量存储的可选择的可行贝位进行替换以满足相同始发港和目的港的集装箱放置于船舶非相邻舱内的装船偏好。
需要进行说明的是,在特种船实际装卸作业过程中,在装卸某一个舱内的集装箱时,首先需要将该舱对应的舱盖移至相邻舱的舱盖上,因此为了避免在某一个港口进行装卸作业的时候需要多次移动舱盖,同一装卸港的货不要集中装在同一个舱内,至少间隔一个舱装载,以便于卸货港可以至少两台吊车同时作业,节约靠港时间,进而提高装卸效率,根据人工经验,会尽量保证同一装卸港的箱子不放在相邻的舱室内。
进一步的,同一装卸港的箱子尽量不要放在相邻的禁止舱内的配载要求,通过算法设置如下规则和步骤:首先定义每艘特种船的“相邻的禁止舱室对”,并存到变量CABIN_FORBID_BAY中,表示属于当前贝所在的舱室的禁止舱室中的贝。在生成可行舱内贝,即得到Can_Cabin_Bay后,需要在Can_Cabin_Bay中选择实际装船的一个贝位。在选择的过程中加入舱内贝选择规则,来计算temp_Can_Cabin_Bay,用来存储可选择的不会发生多次移动舱盖的可行贝。若temp_Can_Cabin_Bay的长度大于0,则表示存在不会发生多次移动舱盖的可行贝,那么将Can_Cabin_Bay替换为temp_Can_Cabin_Bay,再进行后续的贝位选择,能够尽量保证同一装卸港的箱子不放在相邻的舱室内。
本发明通过根据人工经验预配置装船约束以及装船偏好,根据所述装船偏好制定任务排序策略,以满足不同特种船集装箱配载过程对于灵活性和通用性的需求;本发明通过将智能配载算法适配装船船型属性以及基于配载任务的货物配载属性,同时将船舶数据和任务数据转化为统一格式进行独立封装以提供给所述智能配载算法进行数据识别读取,通过人工经验转化为算法程序嵌套在算法整体框架中,可以提高算法的通用性、高效性,并确保算法能够输出高质量的符合配载要求的特种船配载方案。本发明通过设置所述配载任务的优化目标和对应权重,并将装箱算法、翻箱量优化算法、未装箱量优化算法以及箱类识别优化算法加入配载方案的求解过程,充分考虑不同特种船在装配过程中存在的影响因素,从特种船整体的集装箱配载均衡考量全船配载的解决方案,为特种船集装箱配载问题的研究提供优化方案。
本发明第二方面公开了一种纸浆特种船的集装箱化配载设备,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如本发明第一方面公开的任一项所述的纸浆特种船的集装箱化配载方法。
该计算机设备可以是终端,该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现纸浆特种船的集装箱化配载方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本发明第三方面公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如本发明第一方面公开的任一项所述的纸浆特种船的集装箱化配载方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各通过纸浆特种船的集装箱化配载方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
或者,本发明上述模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种纸浆特种船的集装箱化配载方法,其特征在于,所述方法包括:
S1:根据人工经验预配置装船约束以及装船偏好,根据所述装船偏好制定任务排序策略;
S2:将智能配载算法适配装船船型属性以及基于配载任务的货物配载属性,同时将船舶数据和任务数据转化为统一格式进行独立封装以提供给所述智能配载算法进行数据识别读取,所述智能配载算法包括装箱算法、翻箱量优化算法、未装箱量优化算法以及箱类识别优化算法;
S3:设置所述配载任务的优化目标和对应权重,所述优化目标包括:①保证集装箱未装箱数量最小;②保证始发地港和目的港中翻倒箱量的加权均值最小;③保证不同目的港的集装箱混装层数最小;
S4:采用所述装箱算法对多配载任务的配载方案进行循环求解,若多次循环求解过程均存在满足翻箱量优化目标的配载方案可行解,则记录所述可行解并通过所述装箱算法在可行解的基础上循环优化所述优化目标③,更新记录目标配载方案并跳转至步骤S7,若多次循环求解过程在满足翻箱量优化目标的条件下无法生成配载方案可行解,则进入步骤S5;
S5:采用所述翻箱量优化算法对多配载任务的配载方案进行循环求解,若多次循环求解过程均存在满足全部配载任务的配载方案可行解,则记录所述可行解并通过所述翻箱量优化算法在可行解的基础上加权优化所述优化目标②和优化目标③,更新记录目标配载方案并跳转至步骤S7,若多次循环求解过程在满足翻箱量优化目标的条件下无法满足未装箱量优化的配载方案可行解,则进入步骤S6;
S6:采用所述未装箱量优化算法对多配载任务的配载方案进行循环求解,记录当前解,通过所述未装箱量优化算法依次加权优化所述优化目标①、优化目标②以及优化目标③,更新记录目标配载方案;
S7:根据所述目标配载方案生成特种船配载图,通过所述配载图输出JSON格式的配载文件进行调用,所述配载文件内记录目标配载方案全部集装箱的配载信息。
2.根据权利要求1所述的纸浆特种船的集装箱化配载方法,其特征在于,所述根据人工经验预配置的装船约束包括一级装船约束和二级装船约束,所述一级装船约束包括:栈高限制、重量限制、同栈集集装箱宽度相同、同层集装箱高度相同、贝位容量限制、集装箱位置优先级约束、集装箱同箱位匹配约束;所述二级装船约束包括:标准箱不与超宽箱混装、框架箱装于舱内、新能源箱装于仓外、框架箱上层盖装标准箱以及特殊框架箱装船约束。
3.根据权利要求2所述的纸浆特种船的集装箱化配载方法,其特征在于,所述根据人工经验预配置的装船偏好包括:①同目的港的集装箱装于同一层;②同舱室非混装偏好;③上层集装箱目的港比下层集装箱的目的港近;④船舶装箱量偏好;⑤人工装船偏好;
所述根据装船偏好制定任务排序策略包括:①将始发港由近到远、目的港由远到近的顺序对初始装配任务进行排序;②按目的港由远到近、始发港由近到远的顺序对初始装配任务进行排序;③优先处理特殊框架箱,且始发港由近到远、目的港由远到近的顺序对初始装配任务进行排序;④优先处理特殊框架箱,且目的港由远到近、始发港由近到远的顺序对初始装配任务进行排序。
4.根据权利要求3所述的纸浆特种船的集装箱化配载方法,其特征在于,所述将智能配载算法适配装船船型属性包括:
S21:将船舶横向分割为多个舱室,垂直方向分为甲板位和舱内位,并将甲板位和舱内位的贝位进行编号;
S22:通过一级尺寸、二级尺寸和三级尺寸的集装箱基准单元将箱位分割为一级箱位、二级箱位和三级箱位,将一级箱位同所述二级箱位和三级箱位进行匹配并区分标准箱和超宽箱的箱位;
S23:所有箱位通过贝、栈、层的三维坐标进行位置标记,并通过额外标记确定箱位是否存在集装箱;
S24:根据所述三维坐标的贝坐标对贝位属性进行标记,通过贝位属性确定对应贝位是否适于装配特殊箱,并以栈为单位对集装箱的堆高和堆重进行限制标记,所述贝位属性包括贝位尺寸、贝位位置以及贝位所属舱室。
5.根据权利要求4所述的纸浆特种船的集装箱化配载方法,其特征在于,所述将智能配载算法适配基于配载任务的货物配载属性包括:
S25:将配载任务作为任务单位通过智能配载算法对配载任务相关联的始发港、目的港、集装箱重量、集装箱箱型以及特殊集装箱任务进行标记;
S26:通过智能配载算法将当前可进行配载的贝位进行标记;
S27:通过智能配载算法将已配载于所述甲板位和舱内位的货物进行标记。
6.根据权利要求5所述的纸浆特种船的集装箱化配载方法,其特征在于,所述装箱算法根据任务排序策略①进行配载任务的排序,装箱算法的步骤包括:
S41:获取配载任务;
S42:所述配载任务基于满足特殊装船约束和翻箱约束的条件下生成当前任务的可装箱贝位;
S43:采用轮盘赌机制在满足所述装船偏好①和所述装船偏好②的前提下在所述可装箱贝位中选择装箱贝位;
S44:在所述一级装船约束下根据选择的装箱贝位对配载任务内的集装箱进行逐层装箱;
S45:重复执行步骤S42-S44直至未装集装箱数量为零,获取下一个配载任务;
S46:重复执行步骤S42-S45直至完成全部配载任务。
7.根据权利要求6所述的纸浆特种船的集装箱化配载方法,其特征在于,所述翻箱量优化算法对多配载任务的配载方案进行循环求解,其步骤包括:
S51:根据所述任务排序策略生成对应的装船任务序列;
S52:根据所述装船任务序列的顺序获取装船的配载任务;
S53:基于不翻箱约束和所述二级装船约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则跳转至步骤S55,否则继续执行步骤S54;
S54:基于所述二级装船约束以及可翻箱约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则继续执行步骤S55,否则跳转至步骤S52对当前装船任务序列的配载任务进行多次迭代,若无法生成可行解,则跳转至步骤S59执行下一个装船任务序列;
S55:将当前装船任务序列下的可装箱贝位在满足装船偏好①、装船偏好②以及装船偏好③的条件下通过轮盘赌机制选择装箱贝位;
S56:在所述一级装船约束下根据选择的装箱贝位对当前装船任务序列的配载任务进行集装箱的逐层装箱;
S57:重复执行步骤S52-S56直至未装集装箱数量为零,获取当前装船任务序列的下一个配载任务;
S58:重复执行步骤S52-S57直至完成当前装船任务序列下的所有配载任务,将所有配载任务记录生成当前装船任务序列达到优选配载方案;
S59:重复执行步骤S52-S58,直至求解全部装船任务序列下的优选配载方案,根据所述优选配载方案输出目标配载方案。
8.根据权利要求7所述的纸浆特种船的集装箱化配载方法,其特征在于,所述采用所述未装箱量优化算法对多配载任务的配载方案进行循环求解,未装箱量优化算法的步骤包括:
S61:根据所述任务排序策略生成对应的装船任务序列;
S62:根据所述装船任务序列的顺序获取装船的配载任务;
S63:基于不翻箱约束和所述二级装船约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则跳转至步骤S65,否则继续执行步骤S64;
S64:基于所述二级装船约束以及可翻箱约束下生成当前配载任务的可装箱贝位,若配载任务中存在可行的可装箱贝位,则继续执行步骤S65,否则跳转至步骤S62当前装船任务序列的配载任务进行多次迭代,若无法生成可行解,则跳转至步骤S69执行下一个装船任务序列;
S65:对当前装船任务序列下配载任务中存在的可装箱贝位基于满足装船偏好①、装船偏好②以及装船偏好③的条件通过轮盘赌机制选择装箱贝位;
S66:在所述一级装船约束下根据选择的装箱贝位对当前装船任务序列的配载任务进行集装箱的逐层装箱;
S67:重复执行步骤S62-S66直至未装集装箱数量为零,获取当前装船任务序列的下一个配载任务;
S68:重复执行步骤S62-S67遍历当前装船任务序列内的全部配载任务,记录当前装船任务序列中全部配载任务生成的优选配载方案;
S69:重复执行步骤S62-S68,直至求解全部装船任务序列下的优选配载方案,根据所述优选配载方案输出目标配载方案。
9.根据权利要求8所述的纸浆特种船的集装箱化配载方法,其特征在于,所述箱类识别优化算法包括一级尺寸箱类识别、二级尺寸箱类识别以及三级尺寸箱类识别,所述一级尺寸箱类识别包括:
对一级尺寸箱类的贝位进行位置的优先级排序,依次为位于舱内的一级箱位、位于甲板上的一级贝位,位于甲板上的非一级贝位以及位于舱内的非一级贝位,通过装箱贝位选择函数和识别规则将一级尺寸箱按优先级排序选择对应的贝位进行装箱;
所述识别规则通过遍历船舶上的贝位,判断贝位是否为不存在对应偶数贝位的奇数贝位,若是,则将该奇数贝位根据位置的优先级排序加入一级尺寸箱的预装箱列表内;判断所述预装箱列表内的原奇数贝位是否存在新奇数贝位能同该原奇数贝位组成新的偶数贝位,若不存在则保留预装箱列表的原奇数贝位,若存在新奇数贝位,则判断同原奇数贝位组成新偶数贝位的新奇数贝位在船舶上的位置分布是否同原奇数贝位的位置分布相同,若位置分布不同,则将所述原奇数贝位保存至预装箱列表内,若位置分布相同,则将所述原奇数贝位移除预装箱列表。
10.根据权利要求9所述的纸浆特种船的集装箱化配载方法,其特征在于,所述二级尺寸箱类识别包括:
识别船舶的特殊船型特征,根据特殊船型约束判断具备特殊船型特征的船舶舱内末尾偶数贝位最底层是否配载二级尺寸箱,若是则记录当前装箱数量并累积添加二级尺寸箱进入末尾偶数贝位直至所述舱内末尾偶数贝位最底层通过二级尺寸箱填满,遍历全部配载任务同时调用装箱函数执行二级尺寸箱装船操作直至满足特殊船型约束。
11.根据权利要求10所述的纸浆特种船的集装箱化配载方法,其特征在于,所述三级尺寸箱类识别包括:
分别对三级尺寸箱类和其他箱类进行标识划分为超宽箱和标准箱并保存至四维变量中,所述四维变量的第一层表示标准箱的三维坐标箱位,第二层表示超宽箱的三维坐标箱位,在所述智能配载算法生成当前任务的可装箱贝位过程通过识别标准箱和超宽箱,将可装箱贝位分为标准箱位和超宽箱位进行集装箱的配载,其中所述标准箱位和超宽箱位对配载于箱位上的集装箱进行约束,仅配载箱类同箱位匹配的集装箱。
12.根据权利要求11所述的纸浆特种船的集装箱化配载方法,其特征在于,所述根据人工经验预配置的装船偏好还包括:同属于相同始发港和目的港的集装箱放置于船舶非相邻舱内,通过算法定义船舶中相邻的禁止舱对并保存于禁止舱对变量中,根据所述禁止舱对变量遍历目标配载任务中相同始发港和目的港的集装箱是否存在相邻舱室放置的集装箱,若是则通过禁止舱对变量存储的可选择的可行贝位进行替换以满足相同始发港和目的港的集装箱放置于船舶非相邻舱内的装船偏好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410230219.4A CN118095983A (zh) | 2024-02-29 | 2024-02-29 | 一种纸浆特种船的集装箱化配载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410230219.4A CN118095983A (zh) | 2024-02-29 | 2024-02-29 | 一种纸浆特种船的集装箱化配载方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118095983A true CN118095983A (zh) | 2024-05-28 |
Family
ID=91152908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410230219.4A Pending CN118095983A (zh) | 2024-02-29 | 2024-02-29 | 一种纸浆特种船的集装箱化配载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118095983A (zh) |
-
2024
- 2024-02-29 CN CN202410230219.4A patent/CN118095983A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wilson et al. | Principles of combinatorial optimization applied to container-ship stowage planning | |
Kozan et al. | Genetic algorithms to schedule container transfers at multimodal terminals | |
US8352404B2 (en) | Container vessel stowage planning | |
Kozan et al. | Mathematical modelling of container transfers and storage locations at seaport terminals | |
CN110175402A (zh) | 车辆零部件装载方法及系统 | |
Fan et al. | Stowage planning of large containership with tradeoff between crane workload balance and ship stability | |
CN107451720B (zh) | 面向自动化集装箱码头的船次作业计划评价方法 | |
CN108861619B (zh) | 一种半离线混合码垛方法、系统及机器人 | |
CN110175405A (zh) | 车辆装载优化方法及系统 | |
CN112434893A (zh) | 一种装车垛型逐层最优设计方法 | |
Fazi | A decision-support framework for the stowage of maritime containers in inland shipping | |
CN110175404A (zh) | 货物装载调整方法及装置 | |
CN110077772A (zh) | 组托盘方法及其应用 | |
KR20130093253A (ko) | 컨테이너 선적 위치 결정 시스템, 그 시스템을 이용한 컨테이너 선적 위치 결정 방법 및 그 방법을 컴퓨터 프로그램으로 기록한 컴퓨터 판독 가능한 기록매체 | |
El Yaagoubi et al. | Multi-objective optimization of the 3D container stowage planning problem in a barge convoy system | |
Goerigk et al. | Robust storage loading problems with stacking and payload constraints | |
CN115271140A (zh) | 基于动态规划的集装箱船舶配载箱位预留方法 | |
CN115330227A (zh) | 集装箱堆场的箱位分配方法、装置、设备及介质 | |
Zeng et al. | Automated stowage planning for large containerships with improved safety and stability | |
Cruz-Reyes et al. | Constructive algorithm for a benchmark in ship stowage planning | |
Park et al. | Optimizing stacking policies using an MOEA for an automated container terminal | |
CN118095983A (zh) | 一种纸浆特种船的集装箱化配载方法 | |
Hu et al. | Multi-objective optimization based on improved genetic algorithm for containership stowage on full route | |
Ayachi et al. | Harmony search algorithm for the container storage problem | |
CN112926873A (zh) | 集装箱码头船舶配载深度学习混合训练系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |