[发明专利]一种高效的集装箱码头装卸调度装置

摘要

本发明公开了一种高效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。该系统应用基于变邻域搜索算法的群智能优化方法对集装箱码头装卸过程进行优化调度，在萤火虫算法中引入了包含5种领域结构的变领域搜索算法，增加了种群的多样性，加强了算法的局部搜索能力，提升算法的搜索精度，并且提出了一种工作调整规则，加快算法的收敛速度，使得本方法能高效地生成最优调度方案。能够高效地生成最优调度方案。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

一种高效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做出以下假设：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。此时，将该问题视为多处理机任务混合流水车间调度，本发明采用基于变邻域搜索算法的群智能优化方法，生成最优调度方案，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；其中令N＝20，tmax＝500，α＝0.5，β0＝0.2，γ＝1。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i完工时间Cmax,i与全局最优值Gbest进行比较，其中Gbest＝max(Cmax,i),i＝1,2,…,N，若Cmax,i<Gbest，则令Gbest＝Cmax,i，同时记录该个体的装卸调度序列π1和π2。5)设计了5种产生最优解邻域的方法，对个体进行变邻域搜索。变邻域搜索可以提高算法局部搜索能力，避免陷入局部最优。在求解大规模问题时，良好的邻域结构集设计可以大大提升算法的全局收敛性。5.1)确定五种邻域结构Nnum，num＝1,2,3,4,5，初始化参数P＝20，count＝0，令V＝π1，BV＝V。五种邻域结构如下：a.两点交换。随机产生两个交换位置，交换两个位置上的元素。例如，对于个体“231476589”，随机产生两个交换位置2和8，交换两个位置上的元素得到序列“281476539”。b.插入。随机产生两个元素位置，将大位置处的元素插入小位置处的元素前面，小位置及其之后的元素按顺序向后顺延。例如，对于个体“231476589”，随机产生两个元素位置3和7，执行插入操作后可以得到新序列为“235147689”。c.反转逆序。随机产生两个元素位置，将两点之间的元素逆序排列。例如，对于个体“231476589”，随机产生两个元素位置3和7，执行反转逆序操作后可以得到新序列为“235674189”。d.打乱互换。随机产生一些元素位置，打乱这些元素的顺序。例如，对于个体“231476589”，随机产生四个元素位置1、5、7、8，元素顺序为“2758”，随机打乱元素顺序得到“5872”，最终新序列为“531486729”。e.NEH插入，随机产生一个元素位置，在原有序列中将该元素删去。针对每一个可插入位置，假设将该元素插入后，计算目前整个排序的完成时间，选择能使完成时间最小的位置。5.2)如果count<P，则令num＝1；否则，结束变邻域搜索，并将BV对应的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。5.3)按照邻域结构Nnum随机产生一个新解V'，比较新解V'与初始解V对应的适应度值，即序列对应的Cmax。5.4)若f(V')<f(V)，则令BV＝V'，适应度值更小的新解代替初始解，继续在邻域结构Nnum内搜索；否则，num＝num+1。5.5)若num>5，则count＝count+1，返回步骤5.2)；否则，返回步骤5.3)，进入下一个邻域结构搜索。6)对于每个个体，如在种群中有装卸完成时间更小的个体，则按照下式向该个体移动：xs=xs+β0e-γrsb2(xb-xs)+α(R-12)]]>其中，xs与xb为两个体的位置，rsb为两个体之间的欧几里德距离。β0为距离为0时的吸引力，常数γ为介质的吸收率，α为[0,1]间的值，R为[0,1]间的随机数，使个体在向更亮个体移动的同时存在一定的随机移动。7)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)。