基于群体智能算法的集装箱码头集卡调度研究

摘要

全球经济一体化与现代信息技术的发展,深化了现代企业之间的合作,同时也加剧了企业之间的竞争。传统的单个企业之间的竞争已经逐步演变为供应链与供应链之间的竞争,因此,现在物流技术也成为了提升企业核心竞争力的又一大因素。集装箱运输是运输史上的一次革命,也是现代物流业发展的一个重要标志,而集装箱码头作为集装箱运输的枢纽,连接着水上与陆上的集装箱运输,是现代物流的一个重要节点。所以,发展集装箱码头对促进码头所在城市及区域的经济发展具有不可替代的作用。同时,我国对外贸易量的逐年增加所引起的集装箱码头吞吐量的急剧上涨以及船舶大型化的发展趋势也都对我国各集装箱码头提出了更高的要求。面对国内外港口的激烈竞争,管理水平、生产效率、营运成本与服务质量日益成为集装箱码头的核心竞争力。因此,集装箱码头在发展过程中必须要注意其作业流程系统化、合理化,以其高作业资源的利用率,从而为到港船舶提供一个良好的装卸服务,降低集装箱船舶在港时间。
　　本文考虑我国集装箱码头对集卡的要求,以及集卡资源配置的复杂性,主要研究了采用“大作业面”工艺时集装箱码头集卡的调度问题。
　　通过对集卡调度问题的假设条件与目标函数的不断扩展与分析,本文逐步地将该问题转化为ATSP问题、MDVSP问题、VRP问题等,并建立相应的数学模型。最后根据实际情况将集卡调度同岸桥作业相结合,建立了协调岸桥的集卡调度模型。由于所建立的模型在求解上属于NP-hard问题,本文采用了现代优化算法中的群体智能算法,主要是结合了蚁群算法与粒子群算法,形成混合群体智能算法进行求解。通过一个模拟现实集装箱码头同时服务多艘船舶的案例,本文所建立混合群体智能算法能够很好收敛,并得到优于“作业线”装卸工艺的结果,这些结果表明本文所提出的模型与算法对解决集装箱码头集卡调度问题具有一定的现实意义。

目录

摘要

Abstract

第1章 绪论

1.1 论文选题背景

1.2 研究的目的和意义

1.3 文献综述

1.4 本文研究的主要内容及方法

第2章 集装箱码头资源配置问题

2.1 集装箱码头功能、布局

2.2 集装箱码头业务流程

2.3 作业资源及其配置

第3章 集卡调度数学模型

3.1 面向“作业面”的集卡路径优化模型

3.2 基于作业时间最小的集卡调度模型

3.3 协调岸桥的集卡调度模型

第4章 集卡调度模型混合群体智能算法

4.1 群体智能及其算法简介

4.2 粒子群算法

4.2.1 算法简介

4.2.2 粒子群算法基本原理

4.2.3 粒子群算法流程

4.2.4 粒子群算法的变化与改进

4.2.5 调度问题算法设计关键

4.2.6 求解离散型问题的粒子群算法

4.2.7 求解集卡调度问题的粒子表示方式

4.3 蚁群算法

4.3.1 算法简介

4.3.2 蚁群算法基本原理

4.3.3 蚁群系统

4.3.4 蚁群系统算法流程

4.4 基于群体智能的集卡调度算法设计

4.4.1 基于作业时间的集卡调度问题特点

4.4.2 基于作业时间集卡调度的群体智能混合算法构造

4.4.3 协调岸桥集卡调度模型的群体智能混合算法

第5章 数值模拟

5.1 案例设计

5.2 模型求解

第6章 总结

参考文献

附录A 岸桥及各箱区之间的距离矩阵

附录B 粗略路径优化粒子群算法

附录C 粗略路径优化结果

附录D 蚁群算法路径优化结果

附录E 混合群体智能算法源程序

附录F 车辆任务分配及顺序矩阵

致谢

研究生履历