[发明专利]一种集装箱堆场双层高架轨道垂直运输设备调度方法

摘要

本发明公开了一种集装箱堆场双层高架轨道垂直运输设备调度方法。该方法首先设定了集装箱垂直运输设备调度模型的条件，然后以集装箱水平运输设备一段时间内完成全部任务在堆场等待时间最短为目标函数建立堆场集装箱垂直运输设备智能调度模型，集装箱水平运输设备一段时间内完成全部任务在堆场等待时间共由五部分组成，每部分又根据不同的垂直运输任务确定是否计算在内，然后确定了智能调度模型目标函数的约束条件，并采用融合BP算法的混合粒子群算法求解该模型。

主权项

1.一种集装箱堆场双层高架轨道垂直运输设备调度方法，以集装箱水平运输设备在堆场等待时间最短为目标建立堆场集装箱垂直运输设备智能调度模型，并采用融合BP算法的混合粒子群算法求解该模型，其特征在于：包括以下步骤：步骤A、设定集装箱垂直运输设备智能调度模型建立条件；步骤B、确定智能调度模型目标函数：i＝1,2,3,...,nt为n个任务中集装箱水平运输设备到达指定泊位至离开泊位的总时间，智能调度模型的目标即实现t最小；其中，ti1为第i个任务中集装箱垂直运输设备从当前位置到达待装目标集装箱位置时间；ti2为第i个任务中抓取目标集装箱时间；ti3为第i个任务中集装箱垂直运输设备从抓箱位置到达集装箱水平运输设备上方所需时间；ti4为第i个任务中装箱至集装箱水平运输设备时间；ti5为第i个任务中从集装箱水平运输设备卸箱时间；ti0为第i个任务中集装箱垂直运输设备从当前位置直接到达集装箱水平运输设备上方所需时间；α、β及γ为系数，各自的取值如下：N为箱区内可工作集装箱垂直运输设备总数；以集装箱水平运输设备泊位为基准，设备k当前泊位为Xki(k＝1,2,3,…,N)，第i任务的待装目标集装箱泊位为Yi；集装箱泊位间距为DB；垂直运输设备大车速度为vG；HT为集装箱垂直运输设备吊具距离地面总高；Fi是待装目标集装箱层数；h是每个集装箱层高；vH是垂直运输设备起升机构速度；tL和tUL分别是吊具锁箱时间及解锁时间；DP是集装箱水平运输设备泊位与箱区边缘距离；集装箱垂直运输设备小车在大梁方向横移一个20ft集装箱的时间是固定的，为tT；集装箱水平运输设备高度为HA；步骤C、确定智能调度模型目标函数的约束条件；步骤D、采用融合BP算法的混合粒子群算法求解上述调度模型；融合BP算法的混合粒子群算法是以标准粒子群算法为基础的；标准粒子群算法由以下两式组成，其中(1)式称为速度方程，(2)式称为位置方程：其中：d＝1，2，3，...，D，i＝1，2，3，...，N；上述两式表示，在一个D维的搜索空间里有n个粒子，其中第i个粒子的当前位置是xid，当前速度为vid；记第i个粒子搜索到的最优位置记为pid，整个粒子群搜索到的最优位置记为pgd，则pgd称为全局最优解；标准粒子群算法表达式(1)和(2)式中k为当前迭代次数；c1和c2是学习因子，为在0‑2之间的非负常数，其中，c1调节粒子向自身最优位置飞行的步长，c2调节粒子向全局最优位置飞行的步长；γ1和γ2是[0，1]之间的随机数，且相互独立；vid∈[‑vmax，vmax]，vmax是自行设定的常数，即粒子的速度被限制在一个最大速度vmax范围内；表达式(1)中的ω为惯性权重，由下式确定：式中，ω_max与ω_min分别是ω的最大和最小权重，典型取值为ω_max＝0.9～1.4，ω_min＝0.4；k为当前进化代数，k_max是最大进化代数；2^λ为动量，且利用融合BP算法的混合粒子群算法求解集装箱垂直运输设备调度模型，为集装箱码头工作计划内每个装卸工作任务配置一台合理的垂直运输设备使全部任务完成所需总时间最少；针对多个任务中的每个任务，设备的配置方案有多种，在求解算法中一个粒子即表示一个配置方案，用设备当前在箱区中的泊位与任务目标在箱区中的泊位之间的距离来表达，也就是为第i个任务配置第k台设备，用智能调度模型目标函数中的来表达，该式也是算法中粒子当前位置xid的表达式；多种配置方案形成算法中的一组粒子，也称为一个粒子向量，其中最优配置方案就是算法中的全局最优解pgd，需要使得目标函数中的总时间t为最小；利用融合BP算法的混合粒子群算法求解集装箱垂直运输设备调度模型的过程如下：步骤D1、初始化算法中的基本参数；确定粒子的初始位置，形成一组粒子；按照标准粒子群中的推荐方法确定粒子优化的初始速度，惯性因子ω的初值，粒子群算法中最大允许迭代步数kmax，学习因子c1和c2的值；步骤D2、每个粒子的当前位置就作为粒子自身当前的最优解pid，即把当前每组设备配置都看作是最优配置；直接采用垂直运输设备智能调度模型目标函数作为粒子群算法的适应函数，根据初始化的各参数计算每个粒子的初始适应度，即计算每组配置完成集装箱作业任务所需总时间t；步骤D3、选取所有配置中完成集装箱作业任务所需总时间t最小的一组设备配置方案作为当前最优，即选取所有个体粒子中极值最好的作为全局极值pgd，该粒子对应的极值就是下次迭代中调度模型的最优值；把获得全局极值pgd带入算法表达式式(1)和式(2)中，会计算出一组新的粒子，就是获得一套由算法确定的新的设备配置方案；步骤D4、重新计算新配置方案中每种方案的所需总时间，即重新评价每个新粒子的适应度，适应度最坏的粒子被存储的最好粒子代替，如果第i个粒子的新位置比当前位置pid好，则将新位置作为当前粒子的最优位置，如果所有新粒子新位置中的最好值优于当前全局最优值pgd，则pgd被所有新粒子中的最好的那个位置代替，也就是重新选择新方案中所需总时间最小的作为更新后的最优方案；步骤D5、如果pgd值改变非常小，如连续多次出现相邻两次迭代获得的pgd之差的绝对值小于给定的极小值常数δ，则从当前粒子群中随机挑选一个粒子开始使用BP算法在pgd附近进行局部深度搜索，用BP搜索的结果取代当前粒子群中的最坏粒子；步骤D6、根据式(3)更新惯性因子ω，重新从步骤D4开始反复执行，直至达到最大允许迭代次数或是满足目标函数要求为止，此时得到的全局极值即为调度模型的最优解，每个任务其对应的工作设备即系统最优化的设备调度方案。