集装箱码头出口箱堆场自动分配方法

摘要

本发明公开了集装箱码头出口箱堆场自动分配方法，其包括以下步骤：首先为各船的出口箱分配箱区，然后为各船的出口箱各箱组计划箱位，最后为具体的出口箱选择箱位。本发明对出口箱箱区分配、箱位计划、进场自动选位进行深入研究和对提高双40装船的比例的初步考虑，有利于提高既定堆场密度下出口箱堆垛的有序性，具有为后续装船作业的有序组织奠定良好基础的重要意义。

主权项

1.集装箱码头出口箱堆场自动分配方法，其特征在于，该方法包括以下步骤：首先为各船的出口箱分配箱区，然后为各船的出口箱各箱组计划箱位，最后为具体的出口箱选择箱位；所述为各船的出口箱分配箱区首先给各船分配集港箱区段，然后通过决策模型决策各船出口箱堆存区段；所述各船对应区段数的确定方法：(1).若装船时每个出口箱堆存区段配备1台轮胎吊，则一个作业线分配两个堆场箱区；由于装船时只要一个箱区内只有1台轮胎吊，一个堆场区段只允许对应某船舶的1条作业线，堆场箱区数为作业线数的2倍；(2).若堆存箱区数不足，则可计划最接近2倍作业线的箱区，然后将计划的每个箱区分成两部分，两部分之间至少隔开一个大贝，这样可以保证同一箱区内如果有两台场桥能够同时作业；所述为各船的出口箱各箱组计划箱位，需要根据当前时段内为每条船分配箱区的实际情况，决策各船在各箱区的贝计划，各船各卸货港在不同箱区的分布计划，贝与箱组匹配计划，贝内排计划；所述具体的出口箱选择箱位中构建出口箱自动选位模型，该模型包括第一级分配策略的选位模型以及混堆模型；所述决策模型包括以下部分：决策函数：TP:决策周期需要预做堆存计划的时段;决策周期为4天，12个小时为一个计划时段,TP＝8,每个计划时段用t表示，每次只有t=1的计划时段的决策被执行;NA:普通箱区数；P:当前决策周期，每个决策周期开始时更新当前决策周期为P，；VP_t:决策周期P内计划时段t预做堆存计划的船舶集合；VP_jt:当前决策周期P内的计划时段t内的船舶j；NVP_ti:计划时段t内区段i中已有船舶或已计划船舶的集合；B_jt:船VP_jt的预靠泊位位置，以船舶的中心位置为准；d_ijt:堆场区段i与计划时段t内船舶j预靠泊位之间的距离；N20_jt:计划时段t内的船舶j出口箱普通20尺的数量；N40_jt:计划时段t内的船舶j出口箱普通40尺的数量；Row_i:箱区i内允许堆放的排数；Tier_i:箱区i内允许堆放的层数；OPL_j:船舶j装船时预计的作业线数；K_jt:计划时段t内的船舶j处于集港的第几个时段，每条船集港分8个时段；STH_it:计划时段t时箱区i内所有船舶的作业，即装船或卸船，开始时间集合，其包括已有船舶和已计划船舶，STH_it={STH_it1,STH_it2,…,STH_itn}；ETH_it:计划时段t时箱区i内所有船舶的作业，即装船或卸船，结束时间集合，其包括已有船舶和已计划船舶，ETH_it={ETH_it1,ETH_it2,…,ETH_itn}；ST_tj:计划时段t内的船舶j的装船开始时间；ET_tj:计划时段t内的船舶j的装船结束时间；N_20_ijtk:计划时段t之前的时段k内船舶j计划到箱区i的20尺出口箱箱量；N_40_ijtk:计划时段t之前的时段k内船舶j计划到箱区i的40尺出口箱箱量；NU_i(t-1):当前决策周期的t-1时段末时，区段i的空贝数，根据船舶的离港时间和提箱的统计规律预测；NUB_i(t-1):当前决策周期的t-1时段末时，区段i的空大贝数，根据船舶的离港时间和提箱的统计规律预测，大贝为一个箱区中连续相邻的两个贝组合而成，空大贝即为箱区中连续相邻的两个空贝组成；λ:宽泛系数，选择箱区时，箱区的空位数应不小于分到该箱区的箱量乘以宽泛系数；N_{large_O}:N_{large_O}为较大的正实数，一般可设N_{large_O}=1000,若N20_jt+2*N40_jt>N_{large_O}表明船舶VP_jt的出口箱量较多；N_{small_O}:N_{small_O}为较小的正实数，一般可设N_{small_O}=200,若N20_jt+2*N40_jt<N_{small_O}表明船舶VP_jt的出口箱量较少；决策参数：相应的集装箱将堆存在该区段,其中1≤i≤NA,VP_jt∈VP_tN_20_ijt:计划时段t内船舶j计划到箱区i的20尺出口箱箱量；N_40_ijt:计划时段t内船舶j计划到箱区i的40尺出口箱箱量；目标函数：$f_1=\mathrm{Min}\underset{t=1}{\overset{\mathrm{TP}}{\Sigma }}\underset{j\in {\mathrm{VP}}_t}{\Sigma }\underset{i=1}{\overset{\mathrm{NA}}{\Sigma }}(N\_{20}_{\mathrm{ijt}}+N\_{40}_{\mathrm{ijt}})*{\mathrm{AL}}_{\mathrm{ijt}}*d_{\mathrm{ijt}}$$\begin{array}{c}\forall j\in {\mathrm{VP}}_t,f_2=\mathrm{Min}\left\{\underset{\left\{i\right\}}{\mathrm{Max}}\right[\underset{k=1}{\overset{K_{\mathrm{jt}}}{\Sigma }}[(N\_{20}_{\mathrm{ijtk}}+2*N\_{40}_{\mathrm{ijtk}})*{\mathrm{HAL}}_{\mathrm{ijtk}}]+\underset{t=1}{\overset{8-K_{\mathrm{jt}}}{\Sigma }}[(N\_{20}_{\mathrm{ijt}}+2*N\_{40}_{\mathrm{ijt}})*{\mathrm{AL}}_{\mathrm{ijt}}]]-\\ \underset{\left\{i\right\}}{\mathrm{Min}}\left[\underset{k=1}{\overset{K_{\mathrm{jt}}}{\Sigma }}\right[(N\_{20}_{\mathrm{ijtk}}+2*N\_{40}_{\mathrm{ijtk}})*{\mathrm{HAL}}_{\mathrm{ijtk}}]+\underset{t=1}{\overset{8-K_{\mathrm{jt}}}{\Sigma }}[(N\_{20}_{\mathrm{ijt}}+2*N\_{40}_{\mathrm{ijt}})*{\mathrm{AL}}_{\mathrm{ijt}}\left]\right]\}\end{array}$$f_3=\mathrm{Min}\left\{\underset{t=1}{\overset{\mathrm{TP}}{\Sigma }}\right[\underset{\left\{i\right\}}{\mathrm{Max}}(\underset{j\in {\mathrm{VP}}_t}{\Sigma }(N\_{20}_{\mathrm{ijt}}+2*N\_{40}_{\mathrm{ijt}})*{\mathrm{AL}}_{\mathrm{ijt}})-\underset{\left\{i\right\}}{\mathrm{Min}}(\underset{j\in {\mathrm{VP}}_t}{\Sigma }(N\_{20}_{\mathrm{ijt}}+2*N\_{40}_{\mathrm{ijt}})*{\mathrm{AL}}_{\mathrm{ijt}})\left]\right\}$构建多目标规划：Min{ω₁*f₁,ω₂*f₂,ω₃*f₃}约束条件：t∈TP,j∈VP_t$N{20}_{\mathrm{jt}}=\underset{i=1}{\overset{\mathrm{NA}}{\Sigma }}{\mathrm{AL}}_{\mathrm{ijt}}*N\_{20}_{\mathrm{ijt}}$$N{40}_{\mathrm{jt}}=\underset{i=1}{\overset{\mathrm{NA}}{\Sigma }}{\mathrm{AL}}_{\mathrm{ijt}}*N\_{40}_{\mathrm{ijt}}$$\mathrm{Min}|\underset{k=1}{\overset{K_{\mathrm{jt}}}{\Sigma }}\underset{i=1}{\overset{\mathrm{NA}}{\Sigma }}{\mathrm{HAL}}_{{\mathrm{ijt}}_k}+\underset{t=1}{\overset{8-K_{\mathrm{jt}}}{\Sigma }}\underset{i=1}{\overset{\mathrm{NA}}{\Sigma }}{\mathrm{AL}}_{\mathrm{ijt}}-2*{\mathrm{OPL}}_{\mathrm{jt}}|$$\forall t=(\mathrm{1,2},...,8),\lambda *(\underset{j\in {\mathrm{VP}}_t}{\Sigma }N{20}_{\mathrm{jt}}+2*\underset{j\in {\mathrm{VP}}_t}{\Sigma }N{40}_{\mathrm{jt}})\le \underset{i=1}{\overset{\mathrm{NA}}{\Sigma }}{\mathrm{AL}}_{\mathrm{ijt}}*{\mathrm{NU}}_{i(t-1)}*[{\mathrm{Row}}_i*{\mathrm{Tier}}_i-({\mathrm{Tier}}_i-1)],$其中只要使得AL_ijt＝1,即可$\forall t=(\mathrm{1,2},...,8),\lambda *\underset{j\in {\mathrm{VP}}_t}{\Sigma }N{40}_{\mathrm{jt}}\le \underset{i=1}{\overset{\mathrm{NA}}{\Sigma }}{\mathrm{AL}}_{\mathrm{ijt}}*{\mathrm{NUB}}_{i(t-1)}*[{\mathrm{Row}}_i*{\mathrm{Tier}}_i-({\mathrm{Tier}}_i-1)]$$\forall m\in {\mathrm{NVP}}_{\mathrm{ti}},{\mathrm{AL}}_{\mathrm{ijt}}*[{\mathrm{STH}}_{\mathrm{mt}}-{\mathrm{ET}}_{\mathrm{tj}}]*[{\mathrm{ETH}}_{\mathrm{mt}}-{\mathrm{ST}}_{\mathrm{tj}}]>0$对于VP_xt,VP_yt∈VP_t，若N20_xt+2*N40_xt>N_{large_O}且N20_yt+2*N40_yt>N_{large_O},则：AL_ixt.AL_iyt＝0，1≤i≤NA；所述贝计划中的贝分配模型由以下部分组成：决策函数：Q_all_v:当前时段分配给船舶v的出口箱区集合；NB_i:箱区i内空贝的集合；贝分配时只能分配空的贝，所述空贝是指当该船的出口箱集港时，该贝是空的，且未计划给别的船；L_ijk:箱区i内第j贝和第k贝之间的距离；Dis:一个贝的宽度；N40_iv:箱区i内计划船v的40尺的箱量；N20_iv:箱区i内计划船v的20尺的箱量；Row_i:箱区i内允许堆放的排数；Tier_i:箱区i内允许堆放的层数；Bno_j:箱区i内第j贝的贝号；Blsn_iv:箱区i内分配给船舶v的左边界贝的贝号；Bren_iv:箱区i内分配给船舶v的右边界贝的贝号；Bblsn_iv:箱区i内之前分配给船舶v的左边界贝的贝号；Bbren_iv:箱区i内之前分配给船舶v的右边界贝的贝号；Bvall_iv:箱区i内分配给船舶v的贝集合；OPi_j:判断箱区i内第j贝与其相邻贝是否属于同一条作业线；Badn_iv:箱区i中给船v计划的贝中连续贝的块集合，块为一个箱区中连续相邻的几个贝组合而成；Bn_biv:箱区i中给船v计划的块b的贝数；Sad_ij:箱区i内第j贝相邻贝的作业开始时间，即装船或卸船的开始时间；Ead_ij:箱区i内第j贝相邻贝的作业结束时间，即指装船或卸船的开始时间；S_ij:箱区i内第j贝的装船开始时间；E_ij:箱区i内第j贝的装船结束时间；λ:贝分配时的宽泛系数；决策变量：目标函数：$f_1=\mathrm{Min}\underset{v\in {\mathrm{VP}}_1}{\Sigma }\underset{i\in Q\_{\mathrm{all}}_v}{\Sigma }\underset{j\in {\mathrm{NB}}_i,k\in {\mathrm{NB}}_i}{\Sigma }{F}_{\mathrm{ijv}}*F_{\mathrm{ikv}}*L_{\mathrm{ijk}}$$f_2=\mathrm{Min}\underset{v\in {\mathrm{VP}}_1}{\Sigma }\underset{i\in Q\_{\mathrm{all}}_v}{\Sigma }({\mathrm{BP}}_{\mathrm{iv}}*[\mathrm{Max}\left(\right|{\mathrm{Blsn}}_{\mathrm{iv}}-{\mathrm{Bbren}}_{\mathrm{iv}}|,|{\mathrm{Bren}}_{\mathrm{iv}}-{\mathrm{Bblsn}}_{\mathrm{iv}}\left|\right)/2+1]*\mathrm{Dis})$Min(ω₁*f₁+ω₂*f₂)约束条件：i∈Q_all_v,j∈NB_i,v∈VP₁$\forall i\in Q\_{\mathrm{all}}_v,v\in {\mathrm{VP}}_1,\underset{j\in {\mathrm{NB}}_i}{\Sigma }{F}_{\mathrm{ijv}}*({\mathrm{Row}}_i*{\mathrm{Tier}}_i-({\mathrm{Tier}}_i-1))=\lambda *({N20}_{\mathrm{iv}}+2*{N40}_{\mathrm{iv}})$$\forall v\in {\mathrm{VP}}_1,i\in Q\_{\mathrm{all}}_v,\underset{j\in [{\mathrm{Blsn}}_{\mathrm{iv}}+2,{\mathrm{Bren}}_{\mathrm{iv}}+2]}{\Sigma }((1-F_{\mathrm{ijv}})*(1-F_{i(j+1)v}))=1$$\forall v\in {\mathrm{VP}}_1,i\in Q\_{\mathrm{all}}_v,j\in {\mathrm{Bvall}}_{\mathrm{iv}},{\mathrm{OP}}_{\mathrm{ij}}*(S_{\mathrm{ij}}-{\mathrm{Ead}}_{\mathrm{ij}})*(E_{\mathrm{ij}}-{\mathrm{Sad}}_{\mathrm{ij}})\ge 0;$其中Badn_iv＝Bvall_ivλ＞1L_ijk>0，Dis>0；所述各船各卸货港在不同箱区的分布计划中的卸货港分配模型保证并行发箱，一个是保证不同作业线可以同时发箱，另一个是保证同一条作业线可以并行发箱，即同一个港口的应计划在不同的区段；其主要包括以下部分：决策函数：Q_all_b:当前计划之前已经分配给船舶的出口箱区集合；Q_bh_Lp_p:船舶的卸货港p前50%箱子所在的箱区；Q_ah_Lp_p:船舶的卸货港p后50%箱子计划的箱区；LP_all:船舶的所有卸货港的集合；LPO_i:船舶的在箱区i内已存在卸货港的集合；LPP_i:船舶的在箱区i内当天计划卸货港的集合；Lp_p:船舶的卸货港p，p按照挂靠港先后顺序排列；决策参数：目标函数：$\mathrm{Min}\underset{p\in {\mathrm{Lp}}_{\mathrm{all}}}{\Sigma }{\mathrm{SLp}}_p$约束条件：如果则其中i∈(Q_all∩Q_all_b)其中Lp_p∈LP_all$\underset{p\in {\mathrm{LP}}_{\mathrm{all}}}{\Sigma }{\mathrm{Lp}}_{\mathrm{pi}}*{\mathrm{Lp}}_{(p-1)i}*|p-(p-1)|+1=\underset{p\in {\mathrm{LP}}_{\mathrm{all}}}{\Sigma }{\mathrm{Lp}}_{\mathrm{pi}};$所述贝与箱组匹配计划中的贝与箱组匹配模型将同一尺寸、同一船舶、同一卸货港、同一吨级的集港箱为一个箱组，将船舶的箱组按卸货港由远及近、尺寸20和40、吨级由重及轻进行排序，并按该序列为箱组编号；其由以下部分组成：决策函数：CG_all:船舶的出口箱箱组集合；NO_m:船舶出口箱的箱组m的箱组号；按照箱组排序先后顺序排列编号；CG_i:船舶出口箱在箱区i内的箱组数；BPCG_im:箱组m计划在箱区i内的贝；BTCG_im:箱组m如果需要跨贝时，在箱区i内跨越的贝；B_ij:箱区i内第j贝的贝号；决策变量目标函数：$\mathrm{Min}(\underset{i\in Q\_\mathrm{all}}{\Sigma }\underset{m=1}{\overset{{\mathrm{GG}}_i}{\Sigma }}{\mathrm{BP}}_{\mathrm{im}}*L_{{\mathrm{iBTCG}}_{\mathrm{im}}{\mathrm{BPCG}}_{\mathrm{im}}}+\underset{i\in Q\_\mathrm{all}}{\Sigma }\underset{m=1}{\overset{{\mathrm{GG}}_i}{\Sigma }}{\mathrm{MT}}_{\mathrm{ijm}}*{\mathrm{MT}}_{\mathrm{iq}(m+1)}*{\mathrm{Lp}}_{\mathrm{ijq}}),j\in {\mathrm{Bvall}}_{\mathrm{iv}},q\in {\mathrm{Bvall}}_{\mathrm{iv}}$约束条件：$\underset{i\in Q\_\mathrm{all}}{\Sigma }\underset{j\in {\mathrm{Bvall}}_i}{\Sigma }\underset{k=2}{\overset{{\mathrm{Row}}_i}{\Sigma }}{\mathrm{Size}}_{\mathrm{ijk}}=0$S40_m*MT_ijm*MT_iqm*|B_ij-B_iq|＝2,其中i∈Q_all_v,j∈Bvall_i,m∈CG_all其中，i∈Q_all,j∈Bvall_i；所述贝内排计划中的贝内排分配模型，首先获得各贝内计划的箱组数；然后将计划在各贝内的箱组按箱组号从小到大的顺序排序；最后按箱组号从小到大的顺序将箱组计划在贝内靠近车道的排到远离车道的排；其主要由以下部分组成：决策函数：CG_ijq:箱区i内第j贝第q排的箱组；CT_ij:箱区i内第j贝的箱组集合；GN_ijq:箱区i内第j贝第q排的箱组数；决策变量：箱区i内第j贝第q排的箱组的箱组号；目标函数：$\mathrm{Min}\underset{q=2}{\overset{{\mathrm{Row}}_i}{\Sigma }}|{\mathrm{NO}}_{{\mathrm{CG}}_{\mathrm{ijq}}}-{\mathrm{NO}}_{{\mathrm{CG}}_{\mathrm{ij}(q-1)}}|,$其中i∈Q_all,j∈Bvall_i约束条件：$\forall q\in {\mathrm{Row}}_i,{\mathrm{NO}}_{{\mathrm{CG}}_{\mathrm{ijq}}}\ge {\mathrm{NO}}_{{\mathrm{CG}}_{\mathrm{ij}(q+1)}},$其中i∈Q_all,j∈Bvall_i$\forall q\in {\mathrm{Row}}_i,{\mathrm{CG}}_{\mathrm{ijq}}⋐{\mathrm{CT}}_{\mathrm{ij}},$其中i∈Q_all,j∈Bvall_i$\forall q\in {\mathrm{Row}}_i,{\mathrm{GN}}_{\mathrm{ijq}}=1,$其中i∈Q_all,j∈Bvall_i；所述第一级分配策略的选位模型采用基于规则的决策方法，所述规则为，(1)优先选择该集港箱所属箱组的计划排未堆满的计划贝，且该贝应该是作业场桥到达时间较短的贝；(2)在堆存贝确定后，优先选择已有该箱组堆存且仍有空箱位的排进行堆存；若该贝内已有该组集装箱堆存的排已堆满或该贝内还未有该箱组的集装箱堆存，则应随机选择一个该箱组的计划排中未堆存集装箱的排作为其堆存排；所述决策方法为第一步：确定当前集港箱所属的箱组；第二步：搜索该箱组的计划区、贝、排；第三步：判断该箱组计划排内是否已堆存满；如果没有堆存满，则执行第四步，否则执行第五步；第四步：在该箱组没堆存满的排内随机选择一排作为该集港箱的堆存排，其堆存位置在该排现有堆存箱最上层的上方，进行堆存直至堆存满；第五步：执行混堆策略的选位模型或新开贝；所述混堆模型包括新开贝选位模型和混堆策略的选位模型，所述新开贝选位模型主要由以下部分组成：决策函数：Blp:当前集港箱所属港口计划贝的集合；S_cu:当前集港箱的尺寸；新开的贝；B_j:已经计划的贝；新开贝和原计划贝之间的距离；目标函数：$\mathrm{Min}(L\_B_1\_B_{{\mathrm{nb}}_1},...,L\_B_j\_B_{{\mathrm{nb}}_1},...,L\_B_n\_B_{{\mathrm{nb}}_1},...,L\_B_j\_B_{{\mathrm{nb}}_j},...,L\_B_n\_B_{{\mathrm{nb}}_k}),$其中B_j∈Blp约束条件：$B_{{\mathrm{nb}}_j}\in {\mathrm{NB}}_i$$S_{\mathrm{cu}}={\mathrm{Size}}_{{\mathrm{nb}}_j}$${\mathrm{OP}}_{{\mathrm{nb}}_j}*(S_{{\mathrm{nb}}_j}-{\mathrm{Ead}}_{{\mathrm{nb}}_j})*(E_{{\mathrm{nb}}_j}-{\mathrm{Sad}}_{{\mathrm{nb}}_j})>0;$其中