集装箱码头装卸作业集成调度模型与方法

论文摘要

集装箱码头吞吐量的迅速增加增加了其作业调度的复杂性,因此需要相应的调度模型与方法来辅助支持集装箱码头作业的优化调度。目前尽管诸多学者就集装箱码头作业调度的展开了大量的研究现,但是如何有效处理各种约束条件和复杂的相互关系,如何提高模型求解效率,如何实现作业系统各个环节之间的协同调度,如何集成各种调度方法与技术等问题一直没有得到较好的解决。针对目前研究中的问题,本文从两个方面开展研究,一方面是集成调度模型的建立,力争通过集成调度模型提高作业系统各环节的协调性,实现装船与卸船作业的协同调度,从而提高作业效率;另一方面是调度方法的集成,拟通过对优化算法、仿真技术、强化学习等方法的集成,提高对复杂系统的描述能力,提高模型的求解效率。本论文首先从装卸作业流程的整体出发,把两个以上的决策复合在同一模型中,建立堆存位置-集卡调度优化模型,并设计求解调度方案的两阶段禁忌搜索算法。在此基础上,建立装卸作业序列优化的集成调度模型,同时优化装卸桥、集卡、与龙门吊的作业序列,并设计求解模型的混合优化算法。其次,建立装卸混合作业调度模型,通过装货船舶与卸货船舶的协同调度,实现集卡在不同“作业线”间的共享,从而减少集卡的空驶,提高集卡的利用率;同时设计基于两阶段禁忌搜索的算法。然后,研究装卸桥在同一贝位内同时进行装船与卸船作业的调度问题,即同贝同步装卸调度问题。分别以出口集装箱积载计划是否确定为假设条件,建立同贝同步装卸调度模型,并设计基于双层遗传算法的求解算法。接下来,集成优化算法的智能决策机制与仿真模型的评价功能,提出集装箱码头作业调度仿真优化法。为提高仿真优化的计算效率,设计基于遗传算法与神经网络的混合优化算法。同时将仿真优化用于装卸作业中的设备作业序列优化,以及同贝同步装卸调度中装卸桥作业序列与集装箱积载计划的优化。最后,将强化学习方法应用于集装箱码头作业调度,并将其与仿真相结合,通过仿真模型构建作业调度系统环境,采用Q-学习算法（强化学习方法的一种）和仿真模型交互获得最优调度方案。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题的背景与意义
• 1.1.1 选题背景
• 1.1.2 选题意义
• 1.2 国内外研究现状
• 1.2.1 优化模型与算法
• 1.2.2 仿真模型
• 1.2.3 已有研究存在的问题
• 1.3 本文的研究内容
• 1.3.1 主要内容
• 1.3.2 论文结构
• 第2章 装/卸作业集成调度模型
• 2.1 集装箱码头集成调度模型概述
• 2.1.1 集装箱码头装卸作业系统
• 2.1.2 集成调度模型建立思路
• 2.2 堆存位置-集卡调度优化模型
• 2.2.1 模型结构
• 2.2.2 求解算法
• 2.2.3 算例分析
• 2.3 装/卸作业集成调度模型
• 2.3.1 问题描述
• 2.3.2 模型建立
• 2.3.3 求解算法
• 2.3.4 模型下限
• 2.3.5 算例分析
• 2.4 本章小结
• 第3章 装卸混合调度模型
• 3.1 装卸混合调度
• 3.2 装卸混合调度模型
• 3.2.1 问题描述
• 3.2.2 模型结构
• 3.2.3 模型扩展
• 3.2.4 求解算法
• 3.2.5 算例分析
• 3.3 集卡动态调度模型
• 3.3.1 模型结构
• 3.3.2 求解算法
• 3.3.3 算例分析
• 3.4 本章小结
• 第4章 同贝位同步装卸调度模型
• 4.1 同贝位同步装卸概述
• 4.1.1 同贝位同步装卸
• 4.1.2 同贝位同步装卸的主要问题
• 4.1.3 目前主要的解决方法
• 4.1.4 本文的解决思路
• 4.2 装船计划已知情况下的调度模型
• 4.2.1 问题描述
• 4.2.2 模型建立
• 4.2.3 模型求解
• 4.2.4 算例分析
• 4.3 考虑出口集装箱积载优化的调度模型
• 4.3.1 问题描述
• 4.3.2 模型建立
• 4.3.3 模型求解
• 4.3.4 算例分析
• 4.4 本章小结
• 第5章 仿真优化模型与算法
• 5.1 仿真优化
• 5.1.1 仿真优化
• 5.1.2 研究现状
• 5.2 集装箱码头作业调度仿真优化模型
• 5.2.1 仿真优化整体框架
• 5.2.2 集成环境
• 5.2.3 仿真模块
• 5.2.4 仿真优化算法
• 5.3 基于GA-NN的仿真优化算法
• 5.3.1 算法流程
• 5.3.2 遗传算法的主要操作
• 5.3.3 神经网络设计
• 5.3.4 算例分析
• 5.4 同贝同步装卸调度仿真优化法
• 5.4.1 总体流程
• 5.4.2 算例分析
• 5.5 本章小结
• 第6章 基于强化学习与仿真结合的调度方法
• 6.1 强化学习与仿真的集成
• 6.1.1 强化学习
• 6.1.2 强化学习与仿真集成
• 6.2 龙门吊调度强化学习法
• 6.2.1 问题描述
• 6.2.2 龙门吊调度Q学习算法
• 6.2.3 算例分析
• 6.3 集卡调度强化学习法
• 6.3.1 问题描述
• 6.3.2 集卡调度Q学习算法
• 6.3.3 算例分析
• 6.4 基于强化学习与仿真结合的集装箱码头作业调度方法
• 6.4.1 整体框架
• 6.4.2 状态与动作集合
• 6.4.3 报酬函数计算
• 6.4.4 全局智能体动作策略
• 6.5 算例分析
• 6.6 本章小结
• 第7章 结论
• 参考文献
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历