專利名稱：：一種集裝箱碼頭泊位與岸橋分配方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種集裝箱碼頭泊位與岸橋分配方法，特別涉及一種通過建立集裝箱碼頭泊位與岸橋分配模型和優(yōu)化算法實現(xiàn)集裝箱碼頭泊位與岸橋分配的方法。
背景技術(shù)：
：隨著經(jīng)濟全球化進程的加快，越來越多的生產(chǎn)經(jīng)營活動和資源配置過程在整個世界范圍內(nèi)進行，現(xiàn)代港口在社會經(jīng)濟發(fā)展中的作用與地位也由此發(fā)生了深刻的變化，港口成為一個國家經(jīng)濟能否有效地參與經(jīng)濟全球化并保持在國際競爭中主導(dǎo)地位的重要依托。港口作為物流系統(tǒng)中的重要節(jié)點，是遠洋、內(nèi)河船舶以及內(nèi)陸運輸(卡車和火車)的樞紐。港口地區(qū)匯集有貨主、貨運代理、船東、船舶代理、商品批發(fā)零售、包裝公司、陸上運輸公司、海關(guān)、商檢等各種機構(gòu)。港口不僅是不同運輸方式匯集的關(guān)鍵節(jié)點，而且也是各種信息、經(jīng)濟和技術(shù)的匯集點?，F(xiàn)代集裝箱碼頭已從純粹的運輸中心(運輸+轉(zhuǎn)運+存儲)發(fā)展為配送中心(運輸+轉(zhuǎn)運+存儲+拆裝箱+倉儲管理+加工)，再發(fā)展為如今的綜合物流中心(運輸+轉(zhuǎn)運+存儲+拆裝箱+倉儲管理+加工十信息處理)?，F(xiàn)在集裝箱碼頭已經(jīng)成為一個集商品流、資金流、技術(shù)流、信息流、人才流于一體物流中心。憑借規(guī)?；募⒛芰?，集裝箱碼頭最有可能成為整個物流鏈的樞紐和增值服務(wù)中心。集裝箱碼頭物流是海洋運輸?shù)钠瘘c與終點，是海陸貨物運輸?shù)闹匾?jié)點，在整個運輸鏈中是貨物最大的集散地。集裝箱碼頭是國際貿(mào)易中的服務(wù)基地和貨物物流的分配中心，是貨物和航運業(yè)的信息中心。集裝箱碼頭地理位置得天獨厚，通常位于經(jīng)濟、貿(mào)易、金融、信息較為發(fā)達的城市，為綜合物流的大量生成與發(fā)展提供了有利支撐。近年來，我國集裝箱碼頭伴隨著集裝箱運量的增加，其吞吐量也得到了較快地增長，取得了驕人的成績，但其生產(chǎn)組織技術(shù)與吞吐量增加的矛盾日益突出，主要表現(xiàn)如下(1)碼頭通過能力不足；由于土地資源越來越昂貴，碼頭不可能無限制的擴大占地面積，因此在現(xiàn)有的碼頭土地規(guī)模下，隨著集裝箱運量的日益增加，其設(shè)計的通過能力就顯得愈發(fā)不足。(2)碼頭管理水平較低；我國集裝箱碼頭堆場管理大部分還是屬于經(jīng)驗管理，但隨著碼頭吞吐量的增加和到港船舶數(shù)量的增加，以及到港船舶的大型化趨勢，以前的經(jīng)驗管理方式許多已不適用。(3)碼頭裝卸成本較高；由于我國集裝箱碼頭基本上還是靠人工管理，集裝箱在堆場中的位置并不是最佳，且設(shè)備調(diào)度可能不合理，從而導(dǎo)致集裝箱裝卸作業(yè)時，設(shè)備移動距離較長，翻箱率較高，從而導(dǎo)致了碼頭裝卸成本較高。(4)計算機自動決策水平較低；我國集裝箱碼頭中堆場計劃、道口選位、船舶配載、作業(yè)線調(diào)度等需要決策的功能基本都是靠人工來完成的，計算機在其中只起到了輔助管理的作用，這在吞吐量較低，來港船舶的較少的情況下，還能適應(yīng)，但隨著吞吐量和來港船舶的增加，以及港船舶的大型化趨勢下，再用人工方式將可能導(dǎo)致決策時間較長、決策結(jié)果不佳等問題，從而造成船舶在港時間較長，碼頭服務(wù)質(zhì)量不高等問題。5在集裝箱碼頭，現(xiàn)實中的經(jīng)濟原因引發(fā)許多重要的決策問題，這些決策問題可以被區(qū)分為三個層面戰(zhàn)略層面、戰(zhàn)術(shù)層面和操作層面。戰(zhàn)略層面主要是決定集裝箱碼頭的位置、規(guī)劃和建筑；這個層面的決策計劃范圍可以跨越幾十年，這些決策將直接決定一個港口的成敗。戰(zhàn)術(shù)層面的決策將決定許多約束條件(例如設(shè)備類型和數(shù)量，堆存策略)；這些決策反過來也將約束短期操作層面的問題(例如到達船舶泊位分配)。集裝箱碼頭的戰(zhàn)略計劃是非常重要且具有長遠意義，但是決策的質(zhì)量常取決于很多不確定因素，例如經(jīng)濟發(fā)展，地理環(huán)境，戰(zhàn)爭和技術(shù)進步。因此，對操作層面的研究在目前來講是比較有實用價值的。泊位分配問題是在船舶達到港口后遇到的一個非常重要的計劃問題，它對整個碼頭的操作效率和吞吐量都起著非常重要的影響。到目前為止，許多國內(nèi)外的研究者已經(jīng)提出了許多解決集裝箱碼頭泊位與岸橋分配問題的策略。在泊位分配方面，Imai等人在2001年探求了1種基于離散泊位的動態(tài)泊位分配方法，以減小船舶接受服務(wù)的時間；2005年，Imai等人探求了l種基于連續(xù)泊位的動態(tài)泊位分配方法；2007年，Imai等人又采用線性規(guī)劃的方法探求了針對大型集裝箱船舶的泊位分配方法；2008年，Imai等人還研究了有限岸橋能力的情況下，多用戶集裝箱碼頭的泊位分配問題。相似的，Park等人、Kim等人和Dai等人分別在2002、2003和2004年用模擬退火算法研究了使船舶離港被耽擱時間最短的泊位分配方法。他們2人還在2002年共同采用亞梯度算法，研究了相應(yīng)的泊位分配方法。Guan等人在2002年設(shè)計了l種啟發(fā)式算法來處理泊位分配問題，以使船舶在港時間最短。萇道方等人在2008年設(shè)計了l種啟發(fā)式和仿真相結(jié)合的方法，來求解堆場與泊位分配相結(jié)合的問題。另外，2001年，Legato等人采用排隊論，研究了船舶到達、靠泊和離開的問題。在泊位與岸橋分配相結(jié)合方面，Peterkofsky等人在1990年，提出了1種靜態(tài)岸橋調(diào)度策略，以使船舶到港和離港耽擱成本最小。2003年，Park等人，綜合研究了泊位和岸橋分配的問題，以使船舶耽擱成本最小。更進一步，Lee等人在2006年采用遺傳算法，在考慮岸橋效率的基礎(chǔ)上，研究了離散泊位的分配問題。相似的，zhou等人在2008年研究了一種在隨機環(huán)境下的泊位與岸橋分配模型，以最小化船舶在港等待時間。Liang等人在2009年采用進化算法研究了泊位計劃中的岸橋調(diào)度問題。同時，Meisel等人研究了2種亞啟發(fā)式算法，解決在考慮岸橋效率情況下的泊位分配問題。從以上分析可以看出，這些研究都有存在著一些缺陷，如下所示1、大量的研究都是從效率的角度出發(fā)，未將能耗最小化作為優(yōu)化的目標(biāo)；2、由于泊位與岸橋分配問題的NP性，這些研究中仍然缺乏有效的求解方法。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種集裝箱碼頭泊位與岸橋分配方法，針對上述現(xiàn)有技術(shù)中所存在的問題和需要解決的問題，為每條船安排靠泊位置、靠泊時間、岸橋配置數(shù)量和每臺岸橋的裝卸量，能夠很好降低碼頭能耗和成本，提高服務(wù)質(zhì)量。本發(fā)明所解決的技術(shù)問題可以采用以下技術(shù)方案來實現(xiàn)—種集裝箱碼頭泊位與岸橋分配方法，其特征在于，它包括如下步驟(1)通過滾動式計劃的分配方式構(gòu)建基于多目標(biāo)規(guī)劃的集裝箱碼頭泊位與岸橋的分配模型；6(2)采用基于啟發(fā)式算法和并行遺傳算法相結(jié)合的混合算法產(chǎn)生集裝箱碼頭泊位與岸橋的分配模型中相應(yīng)的集裝箱碼頭泊位與岸橋的分配方案；(3)通過仿真系統(tǒng)對混合算法產(chǎn)生的相應(yīng)的集裝箱碼頭泊位與岸橋的分配方案進行模擬，得出相應(yīng)的性能指標(biāo)，并與產(chǎn)生的其他方案進行比較，得出最優(yōu)的分配方案。在本發(fā)明的一個實施例中，所述仿真系統(tǒng)通過仿真和基因修復(fù)技術(shù)相結(jié)合的方法修復(fù)混合算法產(chǎn)生的不可行的集裝箱碼頭泊位與岸橋的分配方案。在本發(fā)明的一個實施例中，所述滾動式計劃的分配方式綜合考慮了未來連續(xù)幾天的船舶到港信息，所述滾動式計劃的分配方式的分配周期為3天，共6個時段，每個時段為12小時。進一步，所述時段的具體時間為9:0021:00,21:009:00。在本發(fā)明的一個實施例中，所述多目標(biāo)規(guī)劃包括最小化整個決策周期內(nèi)所有船舶實際靠泊位置與最佳靠泊位置之間的偏離和、最小化整個決策周期內(nèi)所有船舶靠泊耽擱和離港耽擱的罰款總和及最小化整個決策周期內(nèi)所有船舶的岸橋裝卸能耗總和。進一步，所述最小化整個決策周期內(nèi)所有船舶實際靠泊位置與最佳靠泊位置之間的偏離和的目標(biāo)函數(shù)為y;=M/"Z￡|x,.,—《式中，DP為分配周期中的時段數(shù)，Nt為時段t內(nèi)計劃到港的船舶數(shù)量，xit為時段t內(nèi)的船舶i的靠泊位置，xit*為時段t內(nèi)的船舶i的最佳考泊位置。進一步，所述最小化整個決策周期內(nèi)所有船舶靠泊耽擱和離港耽擱的罰款總和的目標(biāo)函數(shù)為<formula>formulaseeoriginaldocumentpage7</formula>其中，公式^^^}"/^//^是分配給時段t內(nèi)的船舶i的岸橋的最晚完成時間；式中，DP為分配周期中的時段數(shù)，Nt為時段t內(nèi)計劃到港的船舶數(shù)量，Cita為時段t內(nèi)的船舶i的靠泊耽擱成本，(V1為時段t內(nèi)的船舶i的離港耽擱成本，yit為時段t內(nèi)的船舶i的靠泊時間，ATit為時段t內(nèi)的船舶i的預(yù)計到港時間，qsk"為岸橋k在yit時刻的剩余裝卸量，qnk"為時段t內(nèi)的船舶i分配給岸橋k的裝卸量，n為每臺岸橋的生產(chǎn)效率，即完成1次裝卸所需的時間，DTit為時段t內(nèi)的船舶i的預(yù)計離港時間，l，如果岸橋A:分配給時段f內(nèi)的船舶z'O,如果岸橋&未分配給時段f內(nèi)的船舶!'°進一步，所述最小化整個決策周期內(nèi)所有船舶的岸橋裝卸能耗總和的目標(biāo)函數(shù)為《='<formula>formulaseeoriginaldocumentpage7</formula>其中，A,^《，VG,2,…,Z^),/"L2,…,乂);式中，DP為分配周期中的時段數(shù)，Nt為時段t內(nèi)計劃到港的船舶數(shù)量，q為碼頭內(nèi)的實際岸橋數(shù)，qnk"為時段t內(nèi)的船舶i分配給岸橋k的裝卸量，qit*為時段t內(nèi)的船舶i的最佳岸橋分配數(shù)，g為多臺岸橋同時裝卸同一條船時的相互干擾系數(shù)，Cq/為每臺岸橋單位時間內(nèi)的能耗。進一步，所述多目標(biāo)規(guī)劃的多目標(biāo)函數(shù)為f4=Min{co丄f\，w2f2，w3f3}式中，"1、"2和"3分別是最小化整個決策周期內(nèi)所有船舶實際靠泊位置與最佳靠泊位置之間的偏離和、最小化整個決策周期內(nèi)所有船舶靠泊耽擱和離港耽擱的罰款總和及最小化整個決策周期內(nèi)所有船舶的岸橋裝卸能耗總和的目標(biāo)函數(shù)的權(quán)重。在本發(fā)明的一個實施例中，所述啟發(fā)式算法包括如下步驟(1)更新當(dāng)前決策周期DP，設(shè)t=1;(2)如果t《DP，進入步驟(3);否則，結(jié)束計算；(3)獲取時段t內(nèi)的所有船舶，并將其按到港順序排序；Nt是這些船舶的數(shù)量，i表示每一條船，設(shè)i=1;(4)如果i《Nt，進入步驟(5);否則令t=t+l，再進入步驟(2);(5)如果存在空閑的泊位，且長度大于等于lit(lit包括了船舶本身的長度和與相鄰船舶的安全距離)，進入步驟(6);否則，進入步驟(7);(6)求解公式Minlxit-xJI為時段t內(nèi)的船舶i分配到其最佳考泊位置的泊位，進而進入步驟(8);(7)為時段t內(nèi)的船舶i隨機分配靠泊位置xit，再進入步驟(8);(8)為時段t內(nèi)的船舶i隨機計劃靠泊時間，靠泊時間必須大于ATit(ATit是時段t內(nèi)的船舶i的預(yù)計到港時間)，且當(dāng)該船的考泊位置與別的船舶的考泊位置交叉時，其靠泊時間不能交叉；(9)計算公式《"=""z》m(QT，M"("'，OT))計算時段t內(nèi)的船舶i所需的岸橋數(shù)qit;(10)計算每臺岸橋的剩余裝卸量qSk"，其中qSk"是yit時刻岸橋k的剩余裝卸量；為時段t內(nèi)的船舶i分配qit臺岸橋，這些岸橋不能與別的船舶的岸橋交叉，且這些岸橋的剩余工作量要小于那些不交叉又未被安排給船舶i的岸橋的剩余工作量；如果岸橋k被選中，A,=1;否則Ak"=0;(11)計算公式。"—g^,+M7a為時段t內(nèi)的船舶i的岸橋k分配裝卸量；《，(12)令i=i+l，再進入步驟(4)。在本發(fā)明的一個實施例中，所述并行遺傳算法的編碼方式為采用不同的染色體代表分配周期內(nèi)的不同計劃時段。在本發(fā)明的一個實施例中，所述基因修復(fù)技術(shù)包括如下(1)如果時段t內(nèi)的船舶i的靠泊位置可行，但靠泊時間超出了[ATit，DTit]的范圍，則采用啟發(fā)式算法予以修復(fù)，從而產(chǎn)生1個可行的靠泊時間；(2)如果時段t內(nèi)的船舶i的靠泊時間可行，但靠泊位置超出了[lit/2，L_lit/2]的范圍，則采用啟發(fā)式算法中予以修復(fù)，進而產(chǎn)生可行的靠泊位置；8(3)如果時段t內(nèi)的船舶i的靠泊位置與靠泊時間與別的船舶重疊，則計算重疊位置處，最晚離開船舶的離泊時間。如果該時間超過時段t內(nèi)的船舶i的靠泊時間l/10PTit，則采用啟發(fā)式算法予以修復(fù)，進而產(chǎn)生可行的靠泊位置與靠泊時間；否則采用啟發(fā)式算法的步驟8賴調(diào)整靠泊時間。其中PTit=DTit_ATit;(4)如果時段t內(nèi)的船舶i的所分配的岸橋數(shù)不可行，則采用啟發(fā)式算法予以修復(fù)，進而產(chǎn)生可行的岸橋分配數(shù)。在本發(fā)明的一個實施例中，所述仿真系統(tǒng)為采用eM-PlantTM仿真軟件構(gòu)建的集裝箱碼頭仿真模型，它由輸入模塊、控制模塊、評價模塊、優(yōu)化模塊和輸出模塊構(gòu)成，所述控制模塊嵌入所述集裝箱碼頭泊位與岸橋的分配模型，所述優(yōu)化模塊嵌入基于啟發(fā)式算法和并行遺傳算法相結(jié)合的混合算法，產(chǎn)生泊位與岸橋分配的方案。本發(fā)明的集裝箱碼頭泊位與岸橋分配方法具有如下特點1.與傳統(tǒng)的泊位與岸橋分配方式相比，本發(fā)明設(shè)計了一種滾動式計劃的技術(shù)，該技術(shù)綜合考慮了未來幾天將到港船舶的信息，因此該方法更加系統(tǒng)，對于全局優(yōu)化更有利；2.與傳統(tǒng)的泊位與岸橋分配方式相比，本發(fā)明將減小岸橋裝卸能耗作為優(yōu)化目標(biāo)之一，符合國家節(jié)能減排的方針；3.與傳統(tǒng)的泊位與岸橋分配方式相比，本發(fā)明將啟發(fā)式算法和并行遺傳算法相結(jié)合，其優(yōu)化結(jié)果更好；4.與傳統(tǒng)的泊位與岸橋分配方式相比，本發(fā)明構(gòu)建了一種仿真模型，并嵌入了設(shè)計的泊位與岸橋分配模型和算法，用于評價HPGA的性能；5.與傳統(tǒng)的泊位與岸橋分配方式相比，本發(fā)明設(shè)計了修復(fù)不可行各體的基因修復(fù)技術(shù)，并與仿真相結(jié)合，在仿真過程中修復(fù)HPGA產(chǎn)生的不可行各體。本發(fā)明的集裝箱碼頭泊位與岸橋分配方法，采用滾動式計劃的分配方法，構(gòu)建了基于多目標(biāo)規(guī)劃的泊位與岸橋分配模型，模型以連續(xù)岸壁線為基礎(chǔ)，使其更加接近碼頭實際的泊位情況，以船舶靠泊位置與最優(yōu)位置的偏離程度、岸橋裝卸船舶的能耗、以及碼頭由于船舶在港時間超出預(yù)定范圍承擔(dān)的罰款數(shù)最小為目標(biāo)；采用基于啟發(fā)式算法和并行遺傳算法(PGA)相結(jié)合的混合算法(HPGA)，通過一個集裝箱碼頭泊位與岸橋分配仿真系統(tǒng)評估該HPGA的性能，并將HPGA嵌入到該系統(tǒng)，當(dāng)產(chǎn)生一種泊位與岸橋分配方案后，仿真系統(tǒng)對其進行模擬，并得出相應(yīng)的性能指標(biāo)，并與別的方案比較，以確定該方案是否較優(yōu)；采用仿真和基因修復(fù)技術(shù)相結(jié)合的方法，用于修復(fù)不可行的方案。本發(fā)明有利于降低船舶在港時間、裝卸船時的水平運輸距離、岸橋能耗，以及碼頭賠付給船方的罰款，進而降低碼頭裝卸成本，提高碼頭服務(wù)質(zhì)量，實現(xiàn)本發(fā)明的目的。圖1為本發(fā)明的集裝箱碼頭泊位與岸橋分配方法的流程框圖2為本發(fā)明的船舶靠泊的過程示意圖3為本發(fā)明的集裝箱碼頭前沿的示意圖；圖4為本發(fā)明的集裝箱碼頭泊位與岸橋分配方法的滾動式計劃方式的示意圖5為本發(fā)明的染色體表示示例的示意圖6為本發(fā)明的不可行個體示例的示意圖；圖7為本發(fā)明的交叉操作示例的示意圖；圖8為本發(fā)明的變異操作示例的示意圖；圖9為本發(fā)明的集裝箱碼頭泊位與岸橋分配仿真模型的示意圖；圖10為本發(fā)明的HPGA與仿真的框架示意圖；圖11為本發(fā)明的HPGA與仿真的實施流程圖；圖12為本發(fā)明的HPGA收斂的過程示意圖。具體實施例方式為了使本發(fā)明實現(xiàn)的技術(shù)手段、創(chuàng)作特征、達成目的與功效易于明白了解，下面結(jié)合具體圖示，進一步闡述本發(fā)明。如圖1所示，本發(fā)明的集裝箱碼頭泊位與岸橋分配方法，它包括如下步驟(1)通過滾動式計劃的分配方式構(gòu)建基于多目標(biāo)規(guī)劃的集裝箱碼頭泊位與岸橋的分配模型；(2)采用基于啟發(fā)式算法和并行遺傳算法相結(jié)合的混合算法產(chǎn)生集裝箱碼頭泊位與岸橋的分配模型中相應(yīng)的集裝箱碼頭泊位與岸橋的分配方案；(3)通過仿真系統(tǒng)對混合算法產(chǎn)生的相應(yīng)的集裝箱碼頭泊位與岸橋的分配方案進行模擬，得出相應(yīng)的性能指標(biāo)，并與產(chǎn)生的其他方案進行比較，得出最優(yōu)的分配方案。所述仿真系統(tǒng)通過仿真和基因修復(fù)技術(shù)相結(jié)合的方法修復(fù)混合算法產(chǎn)生的不可行的集裝箱碼頭泊位與岸橋的分配方案。當(dāng)一組船舶到港時，碼頭將為船舶安排靠泊時間、位置和分配岸橋，以及岸橋的裝卸量，船舶從靠泊到離港的整個過程如圖2所示，該過程包括多個階段，整個船舶在港逗留時間的所有階段都包含在圖2中。集裝箱碼頭泊位分配是一個離散的動態(tài)隨機過程，對整個碼頭的生產(chǎn)調(diào)度起著非常重要的作用。特別是，集裝箱碼頭應(yīng)為船舶安排一個合適的泊位，即不應(yīng)與別的船舶沖突，且泊位長度應(yīng)符合船舶的長度。當(dāng)泊位長度與船舶長度匹配時，船舶可以靠泊，否則船舶將在錨地等待。另外，岸橋分配對船舶的裝卸時間也有重要的影響。為了增加港口操作效率，吸引船舶靠碼頭，碼頭必須降低能耗和船舶耽擱成本。一方面，有效的泊位于岸橋分配能降低船舶在港時間，另一方面還能在滿足裝卸效率的情況下降低岸橋的裝卸能耗。所以，集裝箱碼頭與岸橋分配對船舶在港時間和裝卸能耗有著重要的影響。如圖3所示，展示了集裝箱碼頭的前沿情況。由于泊位連續(xù)性的情況，所以本發(fā)明所建立的模型也都以連續(xù)泊位為基礎(chǔ)，從而使模型跟加接近實際。為了使泊位與岸橋分配的方案達到全局優(yōu)化，本發(fā)明采用滾動式計劃的分配方式，該分配方式綜合考慮了未來連續(xù)幾天的船舶到港信息。如果分配周期選取的太短，計算開銷將較小，但全局優(yōu)化性準(zhǔn)確度就不高，反之，分配周期選取的太長，則計算開銷將較大，且包含了更多的不確定信息；出于于問題的復(fù)雜性、計算的可行性和數(shù)據(jù)的可靠性考慮，且集裝箱碼頭在一般情況下，每天分成2班，每班12小時，所以本發(fā)明的分配周期為3天，共6個時段，每個時段為12小時，所述時段的具體時間為9:0021:00，21:009:00。在每個時段開始時刻，計算出未來6個時段的泊位與岸橋分配計劃，但僅有第1個時段的計劃被執(zhí)行。在每個時段結(jié)束時刻，又開始準(zhǔn)備計算下一個6個時段的計劃，如此循環(huán)往復(fù)。滾動式計劃的分配方式如圖4所示。在構(gòu)建集裝箱碼頭泊位與岸橋的分配模型時需要滿足(1)所有船舶都有其最佳靠泊位置，如果實際的考泊位置與最佳位置越接近，則水平運輸距離將越短，船舶裝卸時間也將越小，進而裝卸成本也將越低；(2)用于水平運輸?shù)膬?nèi)集卡是足夠的；(3)船舶靠泊時間不受臺風(fēng)和潮汐的影響；(4)所有岸橋的裝卸效率都相同；(5)分配給船舶的岸橋數(shù)不會超過船舶所需的最佳岸橋數(shù)。本發(fā)明的基于多目標(biāo)規(guī)劃的集裝箱碼頭泊位與岸橋的分配模型，所述多目標(biāo)規(guī)劃包括最小化整個決策周期內(nèi)所有船舶實際靠泊位置與最佳靠泊位置之間的偏離和、最小化整個決策周期內(nèi)所有船舶靠泊耽擱和離港耽擱的罰款總和及最小化整個決策周期內(nèi)所有船舶的岸橋裝卸能耗總和，具體目標(biāo)函數(shù)如下dp乂(i)公式(1)是第1個目標(biāo)函數(shù)，用于最小化整個決策周期內(nèi)所有船舶實際靠泊位置與最佳靠泊位置之間的偏離和。ww,fq:.Mox(o、=M/"y1yj,,、、d、Smqf.Maxo,少,,+Max(々'.《V/7+《"/)-、^公式(2)是第2個目標(biāo)函數(shù)，用于最小化整個決策周期內(nèi)所有船舶靠泊耽擱和離港耽擱的罰款總和-的最晚完成時間。眾所周知，最晚完成裝卸的岸橋，決定了了整個船舶的裝卸完成時間'公式^i^^(《'科""+,")是分配給時段t內(nèi)的船舶1的岸橋D尸w,g(=1'=i"i\(3)射《"V/,2,…,"尸),Hl，2,…,i^).(4)公式(3)是第3個目標(biāo)函數(shù)，用于最小化整個決策周期內(nèi)所有船舶的岸橋裝卸能耗總和。f4=Min("if\，w2f2，w3f3}(5)公式(5)是基于公式(1)、(2)和(3)的多目標(biāo)函數(shù)，其中A，"2和"3分別是目標(biāo)函數(shù)(1)、(2)和(3)的權(quán)重。上述目標(biāo)函數(shù)的約束條件為[(xit+lit/2)-(xjt-ljt/'2)][(xit-lit/2)-(xjt+ljt/2)]Sin>0，(6)W=(1，2，"，)，'.=(1,U,W=(1,U'),'、/公式(6)保證了當(dāng)時段t內(nèi)的船舶i與船舶j的靠泊時間交叉時，靠泊位置不交叉。力力,+{Jt^f^}(4/'《V'/"+《V/")力'+W+W(7)W-(1,2,…，),^(1,2，…，^,)^(1，2，…，^,)，^/公式(7)保證了當(dāng)時段t內(nèi)的船舶i與船舶j的靠泊位置交叉時，靠泊時間不交叉。X-4^0,W二(l,2,…,"尸),Hl,2,…，W)(8)公式(8)保證了時段t內(nèi)的船舶i的靠泊時間必須在船舶到港之后。0《(xit—lit/2)《(Xit+lit/2)《L，W=(1,2,=(1,2,…,X)(9)公式(9)保證了安排給時段t內(nèi)的船舶i的靠泊位置不能超出碼頭岸壁線的邊界。公式(10)保證了所有船舶到港后都將接受服務(wù)。(10)Of"S玄々'《,V,=(1，2，…,/=(1,2,…，(11)公式(11)保證了分配給時段t內(nèi)的船舶i的岸橋數(shù)不超過最小可分配的岸橋與最多分配的岸橋數(shù)的范圍。M(/t)-Mw=t々'，W=(1,2,…，Z)/5),/=(1,2,…,jV,)(12)公式(12)保證了分配給時段t內(nèi)的船舶i的岸橋都是相鄰的，從而保證這些岸橋不會與別的船舶的岸橋交叉。t《"/:"，叫1,2，…，)，^(1,2，…，^)(13)公式(13)保證了時段t內(nèi)的船舶i的所有岸橋所分配裝卸量之和與船舶的裝卸4"=001"1,^=(1,2,.",￡尸),!'=(1,2,-,-,^),&=(1,2,-.-，《)(14)//"=0orl,V,=(l,2,-.-,Z)/)，/=(l,2,-..,W,)《，=0orl,Vf—1,2，…,Z)尸)，"(1,2，…,W')公式(12)、(13)、(14)、(15)和(16)為0-1約束。上訴公式中l(wèi),如果時段訥的船舶!'與船舶y接受服務(wù)時間交叉；(15)(16)(17)o，否則々'=f1，如果時段/內(nèi)的船舶班到港后的任意時間內(nèi)被服務(wù);lo,否則(18)(19)(20)Ntl,.全距離距離最近；qit上述目標(biāo)函數(shù)的相關(guān)符號定義為DP決策周期中的計劃時段數(shù)，本發(fā)明中DP=6。每個時段用t表示；時段t內(nèi)計劃到港的船舶數(shù)量，每條船舶用i表示；碼頭的岸線長度(單位米)；時段t內(nèi)的船舶i的長度，該長度包括了船舶本身的長度和與相鄰船舶的安DTi時段t內(nèi)的船舶時段t內(nèi)的船舶時段t內(nèi)的船舶時段t內(nèi)的船舶i的預(yù)計到港時間的預(yù)計離港時間的裝卸量(單位TEU)的最佳考泊位置，該位置與分配給船舶的箱區(qū)之間的運輸qQitMaQitMiCqecitaGitdgxityit時段t內(nèi)的船舶i的最佳岸橋分配數(shù)；碼頭內(nèi)的實際岸橋數(shù)，每臺岸橋用t表示；岸橋k在yit時刻的剩余裝卸量(單位TEU);每臺岸橋的生產(chǎn)效率，即完成1次裝卸所需的時間；時段t內(nèi)的船舶i可分配的最大岸橋數(shù)；時段t內(nèi)的船舶i可分配的最小岸橋數(shù)；每臺岸橋單位時間內(nèi)的能耗(單位千瓦時)；時段t內(nèi)的船舶i的靠泊耽擱成本時段t內(nèi)的船舶i的離港耽擱成本多臺岸橋同時裝卸同一條船時的相互干擾系數(shù)；決策變』時段t內(nèi)的船舶i的靠泊位置；時段t內(nèi)的船舶i的靠泊時間；13t定義如下qrik"時段t內(nèi)的船舶i分配給岸橋k的裝卸量，如果qrik"is為0，則表明岸橋k未分配給時段t內(nèi)的船舶i;^rt=<[1,如果岸橋&分配給時段/內(nèi)的船舶/ft"io，如果岸橋A:未分配給時段f內(nèi)的船舶/'由于泊位與岸橋分配問題的大規(guī)模性，本發(fā)明采用并行遺傳算法與啟發(fā)式算法相結(jié)合的混合算法，其中啟發(fā)式算法用于減小可行解的范圍，并行遺傳算法用于獲得全局近似最優(yōu)解。啟發(fā)式算法用于產(chǎn)生并行遺傳算法的初始可行種群和減小可行解的范圍，該算法主要基于模型中的約束條件。在本發(fā)明中，所述啟發(fā)式算法包括如下步驟(1)更新當(dāng)前決策周期DP，設(shè)t=1;(2)如果t《DP，進入步驟(3);否則，結(jié)束計算;(3)獲取時段t內(nèi)的所有船舶，并將其按到港順序排序；Nt是這些船舶的數(shù)量，i表示每一條船，設(shè)i=1;(4)如果i《Nt，進入步驟(5);否則令t=t+l，再進入步驟(2);(5)如果存在空閑的泊位，且長度大于等于lit(lit包括了船舶本身的長度和與相鄰船舶的安全距離)，進入步驟(6);否則，進入步驟(7);(6)求解公式Minlxit-xJI為時段t內(nèi)的船舶i分配到其最佳考泊位置的泊位，進而進入步驟(8);(7)為時段t內(nèi)的船舶i隨機分配靠泊位置Xit，再進入步驟(8);(8)為時段t內(nèi)的船舶i隨機計劃靠泊時間，靠泊時間必須大于ATit(ATit是時段t內(nèi)的船舶i的預(yù)計到港時間)，且當(dāng)該船的考泊位置與別的船舶的考泊位置交叉時，其靠泊時間不能交叉；(9)計算公式A,^""z/om(0T，M"(《,',ar))計算時段t內(nèi)的船舶i所需的岸橋數(shù)qit;(10)計算每臺岸橋的剩余裝卸量qsk"，其中qsk"是yit時刻岸橋k的剩余裝卸量；為時段t內(nèi)的船舶i分配qit臺岸橋，這些岸橋不能與別的船舶的岸橋交叉，且這些岸橋的剩余工作量要小于那些不交叉又未被安排給船舶i的岸橋的剩余工作量；如果岸橋k被選中，A,=1;否則Ak"=0;(11)計算公式g《^*"為時段t內(nèi)的船舶i的岸橋k分配裝卸量；4《，(12)令i=i+1，再進入步驟(4)。在本發(fā)明中，采用并行遺傳算法來求解泊位與岸橋分配這個NP完全問題，其原因如下1、眾所周知，泊位與岸橋分配是NP完全問題，計算復(fù)雜程度較強，這就導(dǎo)致目前的精確求解技術(shù)在合理的時間內(nèi)求解該問題非常困難。而遺傳算法卻能較好的解決這個問題。2、遺傳算法具有天然的并行性。并行遺傳算法運行在多個處理器上，這能增加算法的搜索空間的范圍，進而阻止陷入局部最優(yōu)解，并且還能降低算法的執(zhí)行時間。并行遺傳算法的細節(jié)如下。編碼方式在本發(fā)明中，所述并行遺傳算法的編碼方式為采用不同的染色體代表分配周期內(nèi)的不同計劃時段。通過考慮本發(fā)明中模型的決策變量，每個染色體由船舶的到達順序、靠泊位置、靠泊時間和分配的岸橋數(shù)量組成。"到達順序"基因表示船舶到達碼頭的先后順序，采用整數(shù)編碼，該基因用于區(qū)別不同船舶。但該基因不用于遺傳操作。"考泊位置"基因表示船舶所靠的岸壁線的中心位置，采用整數(shù)編碼。"考泊時間"基因表示船舶靠泊的具體時間，采用字符串編碼。"分配的岸橋數(shù)"基因采用整數(shù)編碼。典型的基因編碼方式如圖5所示，其中，"基因ll"表示為第l個時段內(nèi)第1條到港船舶分配的泊位在Xn米處，靠泊時間位tn，分配的岸橋數(shù)為qn。種群初始化與個體可行性判斷每個處理器的初始種群由啟發(fā)式算法中的步驟19隨機產(chǎn)生。種群規(guī)模設(shè)為n，處理器設(shè)為m。則子種群規(guī)模為n/m。將啟發(fā)式算法運行n次，就會產(chǎn)生初始種群中的n個個體。個體的可行性根據(jù)模型中的約束條件來判斷。如果個體是可行的，則被保留；否則，采用基因修復(fù)技術(shù)將其修復(fù)成可行個體。如圖6所示是1個編碼表達示例，該示例中，"基因ll"代表的船舶的長度和裝卸量分別為200米和1796TEU，然而，"基因21"代表的船舶的長度和裝卸量分別為150米和896TEU。根據(jù)計算，這兩條船的裝卸時間和考泊位置將會交叉，所以該個體不可行。適應(yīng)度評估為了評估每個個體的適應(yīng)度，本發(fā)明采用數(shù)學(xué)模型中的目標(biāo)函數(shù)值作為標(biāo)準(zhǔn)。目標(biāo)函數(shù)值越小，適應(yīng)度函數(shù)值就越小，個體的適應(yīng)度就越高。由于每個目標(biāo)函數(shù)的量綱不同，這3個目標(biāo)函數(shù)需要歸一化。1、令目標(biāo)函數(shù)1歸一化。設(shè)時段t內(nèi)的船舶i所靠泊位與其最佳靠泊位置的最小和最大偏離分別為4^和ditMax。歸一化后的公式如下所示。D尸W,其中，ditMin=0，ditMax=MaX(L-xit*-lit/2，xit*_lit/2)。2、令目標(biāo)函數(shù)2歸一化。設(shè)時段t內(nèi)的船舶i的最小與最大耽擱罰款成本分別為pitMin和pitMax.歸一化后的公式如下所示?！?opw,upw,/=i/=i/=i"r其中，pitMin=0，pitMax是時段t內(nèi)的船舶i在該碼頭曾經(jīng)發(fā)生過的最大耽擱罰款成本。153、令目標(biāo)函數(shù)3歸一化。設(shè)時段t內(nèi)的船舶i的最小與最大岸橋裝卸能耗分別為e"Min和e"Max。歸一化后的公式如下所示。z)pw,、尺二/jpw,^"1;2:z(o-i:iK'")其中，《"=C:■((,.,.7)/(Sr")"《"《.(罵,'力.(QT廣，ef1=c;e力)/(0T)"-or=c;e:(m:,.,力HqT廣g是多臺岸橋同時裝卸同一條船時的相互干擾系數(shù)，其值應(yīng)小于1。4、歸一化后的目標(biāo)函數(shù)為fu=Min(Aflu+"2f2u+"3f3u)。PGA的適應(yīng)度函數(shù)為f=Aflu+"2f2u+"3f加，其中"2和"3分別設(shè)為0.4，0.3和0.3。父代選擇策略父代選擇在調(diào)節(jié)個體復(fù)制過程中的偏好具有重要作用。父代選擇策略意思是怎樣在當(dāng)前種群中選擇染色體去產(chǎn)生下一代。一般情況下，如果當(dāng)前代中適應(yīng)度越高的個體有更多的機會會被選中去繁殖下一代，情況將更好。本發(fā)明采用輪盤賭的方式從交配池中的選擇父代，輪盤賭是一種經(jīng)典的選擇機制，每個個體都將獲得輪盤中的一個片斷，片斷的大小與個體的適應(yīng)度成正比。父代選擇策略如下所示。1、計算自種群的所有個體的適應(yīng)度和，gpSt/M-i/")，其中nis是子種群規(guī)模。Ml2、計算每個個體的選擇概率，即^、)=/()/￡/")，(j=1，2，…，n)。'=13、計算所有個體的累計概率。4、產(chǎn)生n個0-l之間的隨機數(shù)RM。5、如果RMis在2個個體的累計概率之間，則其中累計概率較大的個體被選中。遺傳算子設(shè)計交叉算子。本發(fā)明采用了2種交叉算子。對于基因"靠泊位置"和"分配岸橋數(shù)"，采用算術(shù)交叉算子；對于靠泊時間，采用單點交叉算子。算術(shù)交叉算子根據(jù)2個父代的線性組合，產(chǎn)生下一代。算術(shù)交叉特別用于靠泊位置"和"分配岸橋數(shù)"，其公式如下所示。Offspring=入XParent入)XParent2其中Ais是l個0-1之間的隨機數(shù)。如果整數(shù)編碼的基因在交叉后是實數(shù)，則需要四舍五入。單點交叉主要用于基因"靠泊時間"。該算子首先選擇1個父代個體中的1點，然后將該點左邊的部分按順序插入到第一個子代個體中，子代個體剩余的部分則由另一個父代個體填滿，其基因則選自該個體中與子代中未填滿的部分具有相同的位置的基因。圖7為1個典型的交叉過程，其中A=0.5。對于基因"靠泊時間"，交叉點選擇為2，進而，子代1中的最開始得2個基因來自父代1，剩余的部分則來自父代2。變異算子。變異算子用于維持連續(xù)多代種群的多樣性和探尋解空間。變異通過算法設(shè)計人員自定義的變異率Pm調(diào)整1個基因的值，進而對染色體做出隨機改變。在本發(fā)明中，需要產(chǎn)生l個O-l之間的隨機數(shù)，如果該隨機數(shù)小于Pm，則選擇相應(yīng)的基因進行變異操作。本發(fā)明針對染色體中"靠泊位置"、"靠泊時間"和"分配的岸橋數(shù)"的變異，采用非均勻變異的方式。非均勻變異操作如下。,、/其中，L和U分別為變異范圍的最小值和最大值，r是O-l之間的隨機數(shù)，G代表當(dāng)前遺傳代數(shù)，T代表最大遺傳代數(shù)，b用于調(diào)整變異步長的參數(shù)。時段t內(nèi)的船舶i的"靠泊位置"的變異范圍是[lit/2，L-lit/2]，"靠泊時間"的變異范圍是[ATit，DTit]，"岸橋分配數(shù)"的變異范圍是a[QitMin，Min(qit*，QitMax)]。圖8所示為一個典型的變異過程，其中"基因31"被選擇進行變異操作。在該例子中，r，G，T，b，lit，L，ATit，DTit，QitMin和QitMa分別為4，24，40，0.3，200，1100，11:20，21:30，2和5?；蛐迯?fù)技術(shù)在完成交叉與變異后，如果子代不可行，則采用基因修復(fù)技術(shù)將其修復(fù)?；蛐迯?fù)技術(shù)如下所示。(1)如果時段t內(nèi)的船舶i的靠泊位置可行，但靠泊時間超出了[ATit，DTit]的范圍，則采用啟發(fā)式算法予以修復(fù)，從而產(chǎn)生1個可行的靠泊時間；(2)如果時段t內(nèi)的船舶i的靠泊時間可行，但靠泊位置超出了[lit/2，L_lit/2]的范圍，則采用啟發(fā)式算法中予以修復(fù)，進而產(chǎn)生可行的靠泊位置；(3)如果時段t內(nèi)的船舶i的靠泊位置與靠泊時間與別的船舶重疊，則計算重疊位置處，最晚離開船舶的離泊時間。如果該時間超過時段t內(nèi)的船舶i的靠泊時間l/10PTit，則采用啟發(fā)式算法予以修復(fù)，進而產(chǎn)生可行的靠泊位置與靠泊時間；否則采用啟發(fā)式算法的步驟8賴調(diào)整靠泊時間。其中PTit=DTit_ATit;(4)如果時段t內(nèi)的船舶i的所分配的岸橋數(shù)不可行，則采用啟發(fā)式算法予以修復(fù)，進而產(chǎn)生可行的岸橋分配數(shù)。子代接收策略經(jīng)過遺傳操作后，需要確定保留哪些個體，其前提是保持種群規(guī)模不變。因此，首先根據(jù)適應(yīng)度由小到大的順序為每個個體排序。經(jīng)過排序后，個體順序超過種群規(guī)模的，則被淘汰。這種方式能降低計算時間，也能促進算法單調(diào)收斂。移民操作移民操作主要是確定移民數(shù)量、移民頻率和種群間的拓撲關(guān)系。本發(fā)明中采用的拓撲關(guān)系為環(huán)狀。因此，將通過移民操作，將個體放進父代交配池，進而產(chǎn)生子代。完成移民操作后，子種群得到進化。如果算法終止準(zhǔn)則被滿足，如已完成最大遺傳代數(shù)，算法終止。終止準(zhǔn)則本發(fā)明設(shè)定最大遺傳代數(shù)作為算法終止條件，該條件通過多次試驗確定。為了評價本發(fā)明設(shè)計的泊位與岸橋分配策略，一種有效的評價方式是必須的。然而，用數(shù)學(xué)模型的方式去做評價卻十分復(fù)雜。但是，仿真在評價復(fù)雜系統(tǒng)的性能中卻是一種有效的工具。不過，仿真僅僅能用于評價已經(jīng)存在的方案，而不能對方案進行優(yōu)化。因此，本發(fā)明將仿真與優(yōu)化技術(shù)相結(jié)合，用于泊位與岸橋分配。更進一步，由于通過HPGA產(chǎn)生的個體可能是不可行的，因此必須采用基因修復(fù)技術(shù)。然而，通過直接編程來實現(xiàn)基因修復(fù)非常困難，因此本發(fā)明采用仿真的方式來執(zhí)行基因修復(fù)技術(shù)。例如，在仿真過程中，如果根據(jù)HPGA產(chǎn)生的某船的靠泊位置與靠泊時間和別的在泊船舶交叉，仿真將執(zhí)行基因修復(fù)技術(shù)去為該船尋找可行解。進而，仿真繼續(xù)。在本發(fā)明的仿真系統(tǒng)為采用eM-PlantTM仿真軟件構(gòu)建的集裝箱碼頭仿真模型(如圖9所示)，如圖10所示，它由輸入模塊、控制模塊、評價模塊、優(yōu)化模塊和輸出模塊構(gòu)成，所述控制模塊嵌入所述集裝箱碼頭泊位與岸橋的分配模型，所述優(yōu)化模塊嵌入基于啟發(fā)式算法和并行遺傳算法相結(jié)合的混合算法，產(chǎn)生泊位與岸橋分配的方案。當(dāng)靠泊位置、靠泊時間和岸橋分配數(shù)需要優(yōu)化時，優(yōu)化模塊首先創(chuàng)建一組初始方案，然后將該方案輸入到輸入模塊，進而由控制模塊調(diào)用該方案進行仿真；仿真完成后，由評價模塊對仿真結(jié)果進行評價，同時將該結(jié)果反饋給優(yōu)化模塊，再由優(yōu)化模塊創(chuàng)建下一組方案。該過程一直循環(huán)到仿真終止條件被滿足。最終輸出最優(yōu)化的方案和仿真結(jié)果。整個實施過程如圖ll所示。在完成靠泊位置、靠泊時間和分配的岸橋數(shù)的決策后，各岸橋分配的裝卸量通過啟發(fā)式算法的步驟10至步驟11來決策。輸入?yún)?shù)與統(tǒng)計指標(biāo)在本發(fā)明中，一些參數(shù)在仿真前需要初始化，其細節(jié)如下。1、船舶參數(shù)，包括船長、裝卸量、預(yù)計到港和離港時間、最佳靠泊位置，以及最佳分配岸橋數(shù)。2、集裝箱碼頭布局參數(shù)，包括岸壁線長度、水深、箱區(qū)數(shù)量、各箱區(qū)的倍、排、層數(shù)、各箱區(qū)的坐標(biāo)、道路的坐標(biāo)和長度，以及道口的坐標(biāo)等。3、機械(如岸橋、長橋、內(nèi)集卡)相關(guān)參數(shù)，包括尺寸、位置和生產(chǎn)效率等。在仿真過程中，需要獲得的統(tǒng)計指標(biāo)如下1、每條船由HPGA產(chǎn)生的靠泊位置與最佳位置的偏離。2、每條船的靠泊時間和離港時間延遲的船舶耽擱罰款成本。3、每條船的在港逗留時間。4、每條船所分配的岸橋的裝卸能耗。為了說明本發(fā)明設(shè)計的泊位與岸橋分配策略，首先以某實際碼頭進行了案例分析。該案例分析中使用的數(shù)據(jù)均采自該碼頭的實際數(shù)據(jù)。在完成案例的仿真后，對本發(fā)明所建議的方式同萇道方所建議的方式進行了比較。為了評價本發(fā)明所建議的方式的有效性和可靠性，進一步進行了不同規(guī)模的數(shù)字實驗，并將其結(jié)果同Chang(Changetal.，2008)所建議的方式進行了比較。這些數(shù)字實驗都在1臺IntelCoreTM2T8100@2.1GHzprocessors1GB廳的PC機上運行。實施例本實施例中的集裝箱碼頭擁有11臺岸橋、33臺場橋、66臺內(nèi)集卡和56個箱區(qū)。岸橋平均裝卸效率為88秒/move。碼頭擁有4個泊位，其岸壁線長為1100米。在案例中，采用了該碼頭某連續(xù)3天的數(shù)據(jù)，如表1所示。在該表中，到達時間的格式為"dd:hh:mm:ss"。由于延遲離港的船舶罰款成本為800$/小時。岸橋單位能耗為149.7Kwh/小時。表1:連續(xù)3天到港船舶數(shù)據(jù)18船舶ID長度到港時間裝卸量(單位:TEU)預(yù)計離港時間最佳岸橋分配數(shù)最佳靠泊位置通過多次的數(shù)字測試，HPGA的相關(guān)參數(shù)定義如下1.目標(biāo)函數(shù)的權(quán)重分別設(shè)為Wl=0.4，"2=0.4和"3=0.2。2.種群和子種群的規(guī)模分別為100和50。3.交叉概率為0.7。4.變異概率為0.04。5.最大遺傳代數(shù)為40。6.移民數(shù)量和頻率分別為3禾口5。HPGA的收斂過程如圖12所示，其結(jié)果如表2所示。表2:泊位與岸橋分配結(jié)果表船舶ID靠泊位置靠泊時間離港時間分配的岸橋數(shù)為了說明本發(fā)明設(shè)計的泊位與岸橋分配策略，案例分析將該策略的所有統(tǒng)計指標(biāo)和計算時間與萇道方的策略進行了比較。比較結(jié)果如表3所示。表中，基于HPGA的靠泊位置的偏離總和、船舶耽擱罰款成本總和、船舶在港時間總和以及岸橋能耗總和均低于Chang所建議的方式的對應(yīng)指標(biāo)。更進一步，根據(jù)Chang的研究，他所建議的方式的各種指標(biāo)均低于碼頭當(dāng)前所采用的方式對應(yīng)的指標(biāo)，因此HPGA的這些指標(biāo)比碼頭當(dāng)前實際采用的方式的指標(biāo)更低。雖然，在該案例中，HPGA的計算時間是247秒，比Chang的47秒長，但這個計算時間對碼頭來說是完全可以接受的。表3:HPGA與Chang的方式的比較0:00:02:000:09:35:000:02:35:250:11:30:000:05:28:210:13:55:000:06:36:240:22:32:001:00:08:201:08:31:001:15:51:201:22:51:001:19:15:162:01:10:001:22:38:542:12:59:002:06:13:012:15:50:002:07:53:532:17:23:002:22:27:143:05:01:002:23:31:263:17:57:000:00:02:009170:09:55:00310070:02:35:258140:11:50:008270:05:28:2119110:14:25:0044100:06:36:2418210:22:42:001701:00:08:2017441:09:31:0044101:15:51:208681:23:41:003871:19:15:165272:02:40:0034471:22:38:5423032:13:59:0046502:06:13:0112662:15:5錫410002:07:53:5318822:17:48:0044102:22:27:149063:05:51:0032002:23:31:2633763:18:47:005326g7000r/70g006S8414846S413vvvvvvvvv^55550005505052550005505057112221121212vvvvvvvvvww們19<table>tableseeoriginaldocumentpage20</column></row><table>152535指標(biāo)、HPGAChangHPGAChangHPGAChang位置偏離(m)180480235684265820罰款成本($)0482220610242923在港時間(h)152.6160.2237.2253.4322.2349.7岸橋能耗(Kwh)70635.971738.2112565.1113962.3157156.6158667.7計算時間(s)27265573981033156表7:1600米岸壁線的實驗比較船舶203040指標(biāo)、HPGACh加gHPGAChangHPGAChang位置偏離(m)0040250125380罰款成本(S)002706703201030在港時間(h)173.1187.8253.2266.6332.5351.7岸橋能耗(Kwh)79548.580174.3118478.5120032.4156948.2158202.4計算時間(s)393816851211202182從表5，6和7中的比較結(jié)果可以看出，3組實驗的所有指標(biāo)，除計算時間外，本發(fā)明設(shè)計的泊位與岸橋分配策略均低于Chang設(shè)計的方式。然而，本發(fā)明所設(shè)計的策略的計算時間對碼頭來說，是完全可以接受的。這就表明本發(fā)明所設(shè)計的策略適用于不同規(guī)模的泊位與岸橋分配問題，進而驗證了該策略的可靠性。集裝箱碼頭的效率取決于不同裝卸階段碼頭資源分配的合理性。由于碼頭管理的迅速發(fā)展，泊位與岸橋分配的對整個碼頭的效率有著重要的影響。有鑒于此，針對集裝箱碼頭泊位與岸橋分配問題，本發(fā)明采用滾動式計劃的分配方法，構(gòu)建了基于多目標(biāo)規(guī)劃的泊位與岸橋分配模型，模型以連續(xù)岸壁線為基礎(chǔ)，使其更加接近碼頭實際的泊位情況，以船舶靠泊位置與最優(yōu)位置的偏離程度、岸橋裝卸船舶的能耗、以及碼頭由于船舶在港時間超出預(yù)定范圍承擔(dān)的罰款數(shù)最小為目標(biāo)；采用基于啟發(fā)式算法和并行遺傳算法(PGA)相結(jié)合的混合算法(HPGA)，通過一個集裝箱碼頭泊位與岸橋分配仿真系統(tǒng)評估該HPGA的性能，并將HPGA嵌入到該系統(tǒng)，當(dāng)產(chǎn)生一種泊位與岸橋分配方案后，仿真系統(tǒng)對其進行模擬，并得出相應(yīng)的性能指標(biāo)，并與別的方案比較，以確定該方案是否較優(yōu)；采用仿真和基因修復(fù)技術(shù)相結(jié)合的方法，用于修復(fù)不可行的方案。本發(fā)明有利于降低船舶在港時間、裝卸船時的水平運輸距離、岸橋能耗，以及碼頭賠付給船方的罰款，進而降低碼頭裝卸成本，提高碼頭服務(wù)質(zhì)量。以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變化和改進都落入要求保護的本發(fā)明范圍內(nèi)，本發(fā)明要求保護范圍由所附的權(quán)利要求書及其等效物界定。權(quán)利要求一種集裝箱碼頭泊位與岸橋分配方法，其特征在于，它包括如下步驟(1)通過滾動式計劃的分配方式構(gòu)建基于多目標(biāo)規(guī)劃的集裝箱碼頭泊位與岸橋的分配模型；(2)采用基于啟發(fā)式算法和并行遺傳算法相結(jié)合的混合算法產(chǎn)生集裝箱碼頭泊位與岸橋的分配模型中相應(yīng)的集裝箱碼頭泊位與岸橋的分配方案；(3)通過仿真系統(tǒng)對混合算法產(chǎn)生的相應(yīng)的集裝箱碼頭泊位與岸橋的分配方案進行模擬，得出相應(yīng)的性能指標(biāo)，并與產(chǎn)生的其他方案進行比較，得出最優(yōu)的分配方案。2.如權(quán)利要求1所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述仿真系統(tǒng)通過仿真和基因修復(fù)技術(shù)相結(jié)合的方法修復(fù)混合算法產(chǎn)生的不可行的集裝箱碼頭泊位與岸橋的分配方案。3.如權(quán)利要求1所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述滾動式計劃的分配方式綜合考慮了未來連續(xù)幾天的船舶到港信息，所述滾動式計劃的分配方式的分配周期為3天，共6個時段，每個時段為12小時。4.如權(quán)利要求3所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述時段的具體時間為9:0021:00,21:009:00。5.如權(quán)利要求1所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述多目標(biāo)規(guī)劃包括最小化整個決策周期內(nèi)所有船舶實際靠泊位置與最佳靠泊位置之間的偏離和、最小化整個決策周期內(nèi)所有船舶靠泊耽擱和離港耽擱的罰款總和及最小化整個決策周期內(nèi)所有船舶的岸橋裝卸能耗總和。6.如權(quán)利要求5所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述最小化整個決策周期內(nèi)所有船舶實際靠泊位置與最佳靠泊位置之間的偏離和的目標(biāo)函數(shù)為<formula>formulaseeoriginaldocumentpage2</formula>式中，DP為分配周期中的時段數(shù)，Nt為時段t內(nèi)計劃到港的船舶數(shù)量，xit為時段t內(nèi)的船舶i的靠泊位置，xit*為時段t內(nèi)的船舶i的最佳考泊位置。7.如權(quán)利要求5所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述最小化整個決策周期內(nèi)所有船舶靠泊耽擱和離港耽擱的罰款總和的目標(biāo)函數(shù)為<formula>formulaseeoriginaldocumentpage2</formula>其中，公式(^^^(4、^/^+《"/^)是分配給時段t內(nèi)的船舶i的岸橋的最晚完成時間；式中，DP為分配周期中的時段數(shù)，Nt為時段t內(nèi)計劃到港的船舶數(shù)量，Cita為時段t內(nèi)的船舶i的靠泊耽擱成本，Ci/為時段t內(nèi)的船舶i的離港耽擱成本，yit為時段t內(nèi)的船舶i的靠泊時間，ATit為時段t內(nèi)的船舶i的預(yù)計到港時間，qsk"為岸橋k在yit時刻的剩余裝卸量，qnk"為時段t內(nèi)的船舶i分配給岸橋k的裝卸量，n為每臺岸橋的生產(chǎn)效率，即完成1次裝卸所需的時間，DTit為時段t內(nèi)的船舶i的預(yù)計離港時間，<formula>formulaseeoriginaldocumentpage3</formula>8.如權(quán)利要求5所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述最小化整個決策周期內(nèi)所有船舶的岸橋裝卸能耗總和的目標(biāo)函數(shù)為Z)尸w,《z、其中，^=￡《，力=(1，2,'"，/^)，/=(1，2廣'，^);式中，1^為分配周期中的時段數(shù)，^為時段t內(nèi)計劃到港的船舶數(shù)量，q為碼頭內(nèi)的實際岸橋數(shù)，qnk"為時段t內(nèi)的船舶i分配給岸橋k的裝卸量，qj為時段t內(nèi)的船舶i的最佳岸橋分配數(shù)，g為多臺岸橋同時裝卸同一條船時的相互干擾系數(shù)，Cq/為每臺岸橋單位時間內(nèi)的能耗。9.如權(quán)利要求5所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述多目標(biāo)規(guī)劃的多目標(biāo)函數(shù)為f4=Min(c^f工，co2f2，co3f3}式中，"1、"2和"3分別是最小化整個決策周期內(nèi)所有船舶實際靠泊位置與最佳靠泊位置之間的偏離和、最小化整個決策周期內(nèi)所有船舶靠泊耽擱和離港耽擱的罰款總和及最小化整個決策周期內(nèi)所有船舶的岸橋裝卸能耗總和的目標(biāo)函數(shù)的權(quán)重。10.如權(quán)利要求1所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述啟發(fā)式算法包括如下步驟(1)更新當(dāng)前決策周期DP，設(shè)t=1;(2)如果t《DP，進入步驟(3);否則，結(jié)束計算；(3)獲取時段t內(nèi)的所有船舶，并將其按到港順序排序；Nt是這些船舶的數(shù)量，i表示每一條船，設(shè)1=1;(4)如果i《Nt，進入步驟(5);否則令t=t+l，再進入步驟(2);(5)如果存在空閑的泊位，且長度大于等于lit(lit包括了船舶本身的長度和與相鄰船舶的安全距離)，進入步驟(6);否則，進入步驟(7);(6)求解公式Minlxit-xJI為時段t內(nèi)的船舶i分配到其最佳考泊位置的泊位，進而進入步驟(8);(7)為時段t內(nèi)的船舶i隨機分配靠泊位置Xit，再進入步驟(8);(8)為時段t內(nèi)的船舶i隨機計劃靠泊時間，靠泊時間必須大于ATit(ATit是時段t內(nèi)的船舶i的預(yù)計到港時間)，且當(dāng)該船的考泊位置與別的船舶的考泊位置交叉時，其靠泊時間不能交叉；(9)計算公式&,i"的m(or,M'"(cer))計算時段t內(nèi)的船舶i所需的岸橋數(shù)Qit;(10)計算每臺岸橋的剩余裝卸量qsk"，其中qsk"是yit時刻岸橋k的剩余裝卸量；為時段t內(nèi)的船舶i分配qit臺岸橋，這些岸橋不能與別的船舶的岸橋交叉，且這些岸橋的剩余工作量要小于那些不交叉又未被安排給船舶i的岸橋的剩余工作量；如果岸橋k被選中，Ak"=1;否則Ak"=0;(11)計算公式《《臺*""為時段t內(nèi)的船舶i的岸橋k分配裝卸量；(12)令i=i+l，再進入步驟(4)。11.如權(quán)利要求1所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述并行遺傳算法的編碼方式為采用不同的染色體代表分配周期內(nèi)的不同計劃時段。12.如權(quán)利要求1所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述基因修復(fù)技術(shù)包括如下(1)如果時段t內(nèi)的船舶i的靠泊位置可行，但靠泊時間超出了[ATit，DTit]的范圍，則采用啟發(fā)式算法予以修復(fù)，從而產(chǎn)生1個可行的靠泊時間；(2)如果時段t內(nèi)的船舶i的靠泊時間可行，但靠泊位置超出了[lit/2，L-lit/2]的范圍，則采用啟發(fā)式算法中予以修復(fù)，進而產(chǎn)生可行的靠泊位置；(3)如果時段t內(nèi)的船舶i的靠泊位置與靠泊時間與別的船舶重疊，則計算重疊位置處，最晚離開船舶的離泊時間。如果該時間超過時段t內(nèi)的船舶i的靠泊時間1/10PTit，則采用啟發(fā)式算法予以修復(fù)，進而產(chǎn)生可行的靠泊位置與靠泊時間；否則采用啟發(fā)式算法的步驟8賴調(diào)整靠泊時間。其中PTit=DTit_ATit;(4)如果時段t內(nèi)的船舶i的所分配的岸橋數(shù)不可行，則采用啟發(fā)式算法予以修復(fù)，進而產(chǎn)生可行的岸橋分配數(shù)。13.如權(quán)利要求1所述的集裝箱碼頭泊位與岸橋分配方法，其特征在于，所述仿真系統(tǒng)為采用eM-PlantTM仿真軟件構(gòu)建的集裝箱碼頭仿真模型，它由輸入模塊、控制模塊、評價模塊、優(yōu)化模塊和輸出模塊構(gòu)成，所述控制模塊嵌入所述集裝箱碼頭泊位與岸橋的分配模型，所述優(yōu)化模塊嵌入基于啟發(fā)式算法和并行遺傳算法相結(jié)合的混合算法，產(chǎn)生泊位與岸橋分配的方案。全文摘要本發(fā)明提供一種集裝箱碼頭泊位與岸橋分配方法，采用滾動式計劃的分配方法，構(gòu)建了基于多目標(biāo)規(guī)劃的泊位與岸橋分配模型，模型以連續(xù)岸壁線為基礎(chǔ)，使其更加接近碼頭實際的泊位情況；采用基于啟發(fā)式算法和并行遺傳算法相結(jié)合的混合算法，通過一個集裝箱碼頭泊位與岸橋分配仿真系統(tǒng)評估混合算法的性能，當(dāng)產(chǎn)生一種泊位與岸橋分配方案后，仿真系統(tǒng)對其進行模擬，并得出相應(yīng)的性能指標(biāo)，并與別的方案比較，以確定該方案是否較優(yōu)；采用仿真和基因修復(fù)技術(shù)相結(jié)合的方法，用于修復(fù)不可行的方案，有利于降低船舶在港時間、裝卸船時的水平運輸距離、岸橋能耗，以及碼頭賠付給船方的罰款，進而降低碼頭裝卸成本，提高碼頭服務(wù)質(zhì)量，實現(xiàn)本發(fā)明的目的。文檔編號G06Q10/00GK101789093SQ20091005512公開日2010年7月28日申請日期2009年7月21日優(yōu)先權(quán)日2009年7月21日發(fā)明者嚴偉,何軍良,宓為建,萇道方,邊志成,陸后軍申請人:上海海事大學(xué)