[发明专利]一种智能的集装箱码头装卸调度装置

摘要

本发明公开了一种智能的集装箱码头装卸调度装置，该装置由装卸信息输入模块、装卸方案生成模块、装卸过程寻优模块和调度方案输出模块组成。基于改进的群智能优化策略对集装箱码头装卸过程进行优化调度，基于改进的群智能优化策略对航空发动机装配过程进行优化调度，针对群智能优化方法易陷入局部最优的缺点，提出基于Levy飞行的萤火虫算法，来避免算法陷入局部最优，提高收敛精度，为了加快算法收敛速度，提出了一系列工作调整规则，从而生成最优调度方案。本发明能够有效缩短集装箱码头装卸过程的总时间，减少码头作业时间，提高港口物流运作效率。

主权项

一种智能的集装箱码头装卸调度装置。其特征是：该装置由装卸信息输入模块、装卸方案生成模块、装卸过程寻优模块和调度方案输出模块组成。四个模块依次连接，以装卸信息输入模块、装卸方案生成模块、装卸过程寻优模块和调度方案输出模块的顺序进行数据传输。该装置将集装箱码头装卸过程满足以下条件：(1)对于每艘轮船，只有完成卸货之后才能进行装货。(2)每艘轮船，可由一个或多个装卸设备同时装卸货物。(3)每个装卸设备有相同的装卸能力，且只能同时在一艘轮船上进行装卸作业。(4)装卸设备变换的等待时间包括在装卸时间之内。整个装置运行具体包括以下几个步骤：1)n艘轮船同时到达码头，记做集合J＝{1,2,…,n}，每艘轮船都要完成卸货、装货两个阶段，卸货阶段有m1台卸货设备，装货阶段有m2台装货设备。已知size1j与p1j分别表示轮船j在卸货阶段需要的卸货设备与卸货时间；size2j与p2j分别表示轮船j在装货阶段需要的装货设备与装货时间。已知轮船的装卸设备及对应时间信息，数据上传至装卸信息输入模块。2)参数设置，种群个体数N、最大迭代次数tmax、随机参数α、个体吸引力β0、介质吸收率γ，Levy随机参数c；其中令N＝20，tmax＝500，α＝0.5，β0＝0.2，γ＝1，c＝1.5。3)种群个体初始化。生成种群X＝(x1,x2,…,xN)，种群中的第s个个体xs＝(xs1,…,xsn)，xsj为0～n之间的实数，s∈{1,2,…,N}，j∈{1,2}。由于个体xs的坐标是连续的实数，而工作序列是离散的整数序列，用最小排序方法将连续坐标转化为工作序列，即将个体xs＝(xs1,…,xsn)的各个维度从小到大排序，排序的序号构成的整数序列作为卸货阶段的工作序列π1。4)计算每个个体对应的装卸完成时间Cmax。萤火虫算法的目标函数为序列对应的装卸完成时间Cmax。本发明基于先到先得的原则，根据各轮船卸货完成时间顺序构造装货序列，然后根据一定规则对生成的装货序列进行适当调整，灵活地进行装货排序，减少装货过程的空闲时间，最终得到最优的装卸调度方案及装卸完成时间Cmax。4.1)根据构造出卸货阶段的调度方案。其中h∈J，π1(h)表示序列π1中第h个元素对应的轮船，表示第π1(h)艘轮船所需的卸货设备数量。4.2)在装货时，将轮船卸货完成时间进行非递减顺序排序，得到装货的调度顺序π2。对于任意的π1(h)和π1(l)，h,l∈J，当且h<l时，进行π2排序时假定然后根据π2(h)对应轮船的装货设备数量构造出装货过程的具体调度方案。4.3)令j＝1，根据适当规则调整序列π2中第j和j+1艘轮船的次序。对于装货过程中相邻的三艘轮船A,B,C，A＝π2,p，B＝π2,p+1，C＝π2,p+2。根据ST2A与ST2B的关系，可分别提出以下规则来得到更优的处理序列。a.ST2A>ST2B规则1‑i，若size2B+size2C>m2，size2A+size2C>m2，则交换A与B的处理顺序。规则1‑ii，若size2B+size2C≤m2，size2A+size2C>m2，size2A+size2B>m2，且max{{ST2B+p2B,ST2A}+p2A,ST2C}<max{ST2A+p2A+p2B,ST2C+p2C}，则交换A与B的处理顺序。规则1‑iii，若size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。规则1‑iv，若size2B+size2C≤m2，size2A+size2C≤m2，则交换A与B的处理顺序。b.ST2A＝ST2B规则2，若size2A+size2B>m2，size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。c.ST2A<ST2B规则3，若ST2A+p2A>ST2B，size2A+size2B>m2，size2B+size2C>m2，size2A+size2C≤m2，则交换A与B的处理顺序。其中，ST2A、ST2B、ST2C分别表示轮船A、B、C的最早装货开始时间，size2A、size2B、size2C分别表示轮船A、B、C需要的装货设备，p2A、p2B、p2C分别表示轮船A、B、C的装货时间，m2表示装货设备总数。4.4)若j＝n‑2计算π2中各轮船的装货完成时间，即目标函数装卸完成时间Cmax，继续；否则j＝j+1，转至步骤4.3)。4.5)将该个体Cmax与全局最优值Gbest进行比较，若Cmax<Gbest，则令Gbest＝Cmax，同时记录该个体的装卸调度序列π1和π2。5)对于每个个体，如在种群中有装卸完成时间更小的个体，则按照式(4)向该个体移动。v=xL|yL|1/c---(1)]]>其中，v表示个体移动的速度，xL和yL是符合正态分布的随机数，它们的标准差为和c是Levy随机参数，和满足：σxL(c)=[Γ(1+c)×sin(πc/2)Γ((1+c)/2)×2(c-1)/2c]1/c---(2)]]>σyL=1---(3)]]>xs=xs+β0e-γrsb2(xb-xs)+αv---(4)]]>式(4)表示个体xs向更亮个体xb移动。其中Γ表示欧拉第二积分伽马函数，α为[0,1]间的值，β0为距离为0时的吸引力，常数γ为介质的吸收率，rsb为个体xs和个体xb的之间的欧几里德距离；c∈[0.3,1.99]，决定了Levy飞行分布的性质，c越小则Levy飞行的特性越显著，c>2时基本等同于正态分布；v∈[‑1,1]。随机搜索的方向由v决定，步长由v与随机参数α决定。Levy飞行行走步长满足一个重尾的稳定分布，在这种形式的行走中，短距离的探索与偶尔较长距离的行走相间。因此，引入Levy飞行能扩大算法搜索范围，增加种群多样性，并且更容易跳出局部最优点。6)迭代次数达到tmax，调度方案输出模块显示Gbest和调度方案和否则转至步骤4)。