[发明专利]一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法

说明书

一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法，包括：建立不确定条件下的多码头泊位岸桥联合调度数学模型；然后结合随机生成与贪婪构造两种策略生成初始种群；运用基因修复算法将不可行解转为可行解；计算适应度值和选择概率；结合精英保留策略与轮盘赌策略的生成子代种群，并运用基于适应度值的熔合交叉算子和均匀变异算子来进行解空间的初步搜索；最后结合基于模拟退火机制的局部搜索算法进一步寻优；通过对比SA‑AGA算法、不结合贪婪构造策略的算法、不结合模拟退火机制的算法以及两者均不采用的传统自适应遗传算法来验证不确定条件下的泊位和岸桥联合调度模型的有效性和算法效率；本发明提高集装箱码头的作业效率，合理分配泊位岸桥。

技术领域

本发明涉及一种多码头潮汐港泊位和岸桥的分配方法。

技术背景

经济全球化的发展使得全球各个国家之间的贸易增长迅猛。而世界71％被海水覆盖的特点则决定了海上运输在全球贸易体系中起着至关重要的作用。据统计，从2019年至2021年，全球贸易中超过80％的货物通过海运完成。而中国作为全球第二大经济体，自2001年加入WTO以来，进出口贸易量都在飞速增长，年均增速分别在4％和10％以上。且自2009年至2020年，全球海运贸易增量的约65％由中国贡献。集装箱因为具有同一的尺寸标准，可以大幅度的降低货物的运输费用，减少货物的损耗，并提高了货物装卸效率。因此，在海运过程中，集装箱运输成为了主要的运输方式，集装箱港口也成为了全球供应链的重要节点。庞大的贸易需求给集装箱港口带来了巨大机遇的同时也提出了新的挑战。作为一个拥有包括泊位、岸桥、堆场以及集卡等众多资源的大规模复杂物流系统，集装箱港口必须要通过对港口内所有资源的整合来提升自身的竞争力。

除多码头和不确定的船舶到港时间和岸桥作业效率外，潮汐的存在也是影响港口内泊位和岸桥调度结果的重要原因。潮汐的存在使得码头岸线的水深随时间而呈现周期性变化。在某些时刻，码头自身的水深条件可能无法供大型船舶靠泊，但受潮汐影响后的水深便能满足船舶的吃水要求。这对确定船舶的靠泊位置提出了新的要求。此外，岸桥本身具有一定的宽度，岸桥间也存在安全距离，这使得岸桥只能接触到岸线的一部分，而非全部。

上述要素对集装箱港口的生产作业有着不可忽视的影响，只有在充分考虑这些约束后对港口内所有资源加以整合利用，才能真正的提高港口的作业效率和核心竞争力。

Imai等^[1]最早以科伦坡港的JCT和SAGT两个集装箱码头为例，研究了可单向共享其他码头泊位时的泊位调度问题。他们的研究虽然考虑了两个码头，但仍是以一个码头为主体进行研究，并没有涉及到另一个码头内泊位、岸桥等资源的具体调度方式。Frojan等^[2]首次将单码头泊位分配问题扩展到了多码头情境下，并设计了基于遗传算法和局部搜索的启发式算法进行求解，但他们的研究只假设了最基本的约束而没有对潮汐、不确定环境和其他作业环节等重要因素加以考虑。此后，对多码头资源调度的研究逐渐增多，Budipriyanto等^[3]等利用仿真软件研究了不确定环境下的多码头泊位分配问题。Gutierrez等^[4]等以拥有两条岸线的港口为对象研究了船舶到港时间不确定下的静态和动态泊位分配问题，通过将船舶到港时间表示成三角模糊数，进而建立了模糊混合整数线性规划模型和全模糊线性规划模型。Krimi等^[5]等首次研究了多码头协同机制下的泊位和岸桥联合调度问题，并设计了基于滚动策略的启发式算法来求解，但由于他们的研究对象是散货码头，其模型和算法都不能直接应用到集装箱港口的调度作业上。Grubisic等^[6]等针对拥有多条岸线布局的中等规模码头的泊位与岸桥分配问题进行了研究，并以船舶在港时间最小为目标建立了混合整数规划模型。Bouzekri等^[7]研究了船舶的受载期、泊位以及岸桥三者的联合分配问题，并在考虑了岸桥的服务范围以及潮汐的影响后建立了整数规划模型。Lujan等^[8]在对多码头泊位岸桥联合分配问题的基础上考虑了船舶到港时间的不确定性，并用三角模糊数来描述船舶的到港时间。