【技术实现步骤摘要】
本专利技术属于码头调度，特别涉及一种基于改进遗传算法的岸桥泊位集成调度方法。
技术介绍
1、集装箱码头的泊位与岸桥是码头前沿生产作业的核心资源设备，其调度计划的优劣直接影响到整个码头的作业效率。
2、在集装箱码头生产中，泊位分配与岸桥调度关系密切。一方面，泊位分配制约岸桥调度。船舶在港时间与船舶岸桥配置数量正相关。只有为船舶配置足够数量的岸桥，才能保证其能按时完工。另一方面，岸桥调度依赖泊位分配。泊位分配不合理可能会造成岸桥闲置或频繁移动，岸桥作业冲突等问题，大幅增加码头作业成本。因此，只有对泊位和岸桥进行集成调度，才能实现调度结果整体最优。
3、以往关于泊位-岸桥调度问题的问题大多未考虑港区气体污染物排放产生的社会成本。
4、因此，如何进一步优化集装箱码头泊位-岸桥调度是一个需要解决的问题。
技术实现思路
1、为了克服现有技术的问题，本专利技术提出了一种基于改进遗传算法的岸桥泊位集成调度方法。所述的方法构建了以最小化港口服务成本和港区气体污染物排放社会成本为目标，基于非线性整数规划的泊位-岸桥集成调度模型；针对多目标求解算法nsga-ii算法变异过程的随机性，设计了基于强化学习-q学习的定点突变策略的改进算法rl-q-nsga-ii对模型进行求解；从而实现促进码头节能减排及控制码头营运成本的目标。
2、本专利技术的目的是这样实现的：
3、一种基于改进遗传算法的岸桥泊位集成调度方法，包括以下步骤：
4、步骤1，
5、s11，确定目标函数：
6、船舶服务成本由四个部分组成：船舶等待的单位时间成本c1、船舶远离偏好泊位的单位距离成本c2、船舶推迟离港的单位时间成本c3和每台岸桥的单位时间装卸成本c4；以最小化船舶服务成本为目标函数1，如公式(1)所示：
7、
8、式中，f1为船舶服务成本，s为计划周期内挂靠的船舶集合，s＝{1,2,..15}，为船舶i实际到港时间，为船舶i预计到港时间，i∈s，bi为船舶i实际靠泊泊位，bi为船舶i的偏好泊位，i∈s，为船舶i预计离港时间，i∈s，为船舶i实际离港时间，t为计划周期，t为计划周期内任意时间，t∈t，qi为调度给船i的岸桥数量；
9、
10、以最小化船舶污染物排放成本为目标函数2，如公式(2)所示：
11、minf2＝∑m∈mecm (2)
12、式中，f2为船舶污染物排放成本，m为污染物种类集合，m＝{1,2,3,4}，ecm为船舶排放废气m的成本；
13、s12，设置约束条件：
14、(1)船舶i实际靠港时间的下界设置，如公式(3)所示：
15、
16、(2)目标泊位满足靠泊船舶的船长与吃水限制，如公式(4)-(5)所示：
17、
18、
19、式中，b为码头泊位集合，b＝{1,2,3,4,5,6}；k为船舶靠泊次序集；dj为泊位j的码头水深，j∈b，sdi为船舶i的安全吃水，i∈s；lj为泊位j的长度，j∈b；sli为船舶i的船长，i∈s；
20、(3)计划周期内每条船舶只能靠泊一个泊位，如公式(6)所示：
21、
22、(4)一个泊位任一时刻最多为一条船提供服务，如公式(7)所示：
23、
24、(5)确定船舶靠泊顺序，如公式(8)所示：
25、
26、式中，xij(k+1)为船i在泊位j按照次序k+1服务；
27、(6)限定停靠同一泊位的船舶靠泊时间不重叠，如公式(9)所示：
28、
29、式中，x'ijk表示为与第i条船停靠同一泊位j的其他船舶服务；
30、(7)限定任一时刻服务船舶i的岸桥数量不超过岸桥总数，如公式(10)所示：
31、
32、式中，q为岸桥集合，q＝{1,2,…24}；
33、(8)限定任一时刻服务船舶的岸桥数量不超过船舶所在泊位的岸桥总数，如公式(11)所示：
34、
35、式中，qj为泊位j可用的岸桥数量，j∈b；
36、(9)公式(12)表示岸桥应完成指定船舶装卸任务：
37、
38、式中，为岸桥进行装卸作业的平均速度；wi为船舶i的装卸任务总量，i∈s；
39、(10)公式(13)表示调度给船舶i的岸桥数量约束：
40、
41、式中，为调度给船舶船i的最小岸桥数量，为调度给船舶船i的最大岸桥数量，i∈s；
42、(11)以公式(14)保证船舶装卸作业的连续性：
43、
44、式中，m0为充分大的正数；
45、(12)公式(15)设置了实际离港时间的下界：
46、
47、(13)以公式(16)-(17)计算船舶的实际到港时间及实际工作时间：
48、
49、
50、式中，为船舶i的在港作业时间；
51、(14)以公式(18)计算实际离港时间：
52、
53、式中，为船舶i靠泊时间；
54、(15)以公式(19)-(21)确定决策变量的取值范围：
55、
56、
57、
58、步骤2，待研究码头相关数据的收集
59、s21，待研究码头周边水域及码头基本情况：
60、从气象、潮汐、海流三个部分收集待研究码头周边的水域情况；
61、确定待研究码头的泊位和岸桥主要参数，以及平面布局；
62、s22，模型数据收集：
63、收集包括船舶到港数据、船舶实际航速数据、到港船舶静态数据，以及步骤1所述模型给出的其他相关数据。
64、步骤3，模型求解：
65、基于步骤2获取的相关数据，采用基于定向变异的强化学习-q学习-nsga-ii算法对步骤1构建的模型进行求解，得到pareto前沿解集，解集上的每个点对应一种泊位-岸桥集成调度方案。
66、进一步的，步骤2、s22中，所述船舶到港数据包括装载量、卸载量、预计到港时间、预计离港时间和偏好泊位；所述到港船舶静态数据包括船舶吃水、船长数据；船舶建造年份、船舶设计航速、船舶主机功率数据；船舶副机功率、船舶锅炉功率以及船舶主机/副机/锅炉气体污染物排放系数。
67、进一步的，步骤3模型求解的具体方法为：
68、s31，种群初始化：
69、随机产生初始种群规模为l的初始父代种群pt，对于每个个体，按照以下公式(22)采用双层染色体编码：
70、
71、式中，gl为染色体编码集合；表示染色体第i位第一层基因，即第i条船舶本文档来自技高网...
【技术保护点】
1.一种基于改进遗传算法的岸桥泊位集成调度方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于改进遗传算法的岸桥泊位集成调度方法，其特征在于，步骤2、S22中，所述船舶到港数据包括装载量、卸载量、预计到港时间、预计离港时间和偏好泊位；所述到港船舶静态数据包括船舶吃水、船长数据；船舶建造年份、船舶设计航速、船舶主机功率数据；船舶副机功率、船舶锅炉功率以及船舶主机/副机/锅炉气体污染物排放系数。
3.根据权利要求1所述的基于改进遗传算法的岸桥泊位集成调度方法，其特征在于，步骤3模型求解的具体方法为：
【技术特征摘要】
1.一种基于改进遗传算法的岸桥泊位集成调度方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于改进遗传算法的岸桥泊位集成调度方法，其特征在于，步骤2、s22中，所述船舶到港数据包括装载量、卸载量、预计到港时间、预计离港时间和偏好泊位；所述到港...
【专利技术属性】
技术研发人员：杨嘉卉，季则舟，吉哲，倪立夫，尤再进，王召伟，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。