世界贸易的频繁往来使集装箱港口的吞吐量呈现爆发式的快速增长，这对港口管理者提出了新的要求。由于港口资源的稀缺，港口的作业成本也相对较高，要应对急速增长的作业量，必须提升港口的作业效率。泊位、岸桥和集卡这三种设施设备资源分配调度以及它们之间合理的协同作业，极大程度上决定了码头的运作效率，其中泊位的分配决定了岸桥的分配，同时影响着集卡从港口前沿到后方堆场之间的行驶距离。而集卡与岸桥的分配情况和作业效率决定了船舶的停靠时间，即占用泊位的时间。因此，将泊位、岸桥与集卡三者结合起来进行协同调度，以使码头整体作业效率得到提升，避免资源的浪费是本文研究的目标。主要研究内容如下：
（1）分析港口中各个设施设备的作用与作业特点，明确码头装卸作业的流程和泊位、岸桥、集卡配置的内涵，以及三个作业环节之间的耦合性。其中泊位划分采用连续泊位的形式来提高泊位的利用率；采用单船边装边卸的方式对集卡进行调度；最后对比分析三者协同调度模式与单独调度模式的区别，明确本文要研究的主题为泊位、岸桥和集卡之间的协同调度优化。
（2）将集装箱港口视为离散的动态作业系统，使用Petri网描述集装箱港口卸船作业的基本流程。针对泊位、岸桥与集卡协同调度问题，本文以船舶在港停留时间和集卡作业时间总和最小为研究目标，建立了混合整数规划模型。并且在模型中加入了船只到达港口至靠泊作业之间的等待入泊时间和作业岸桥之间的干扰系数。另外考虑到船舶靠泊位置会影响集卡将集装箱运送至后方堆场的时间，还加入了泊位偏移系数。对于集卡运输部分，本文采用单船侧装卸作业同时进行的模式，降低了集卡运输的空载率。
（3）根据建立的泊位、岸桥和集卡协同调度混合整数规划数学模型，设计了基于多种群遗传算法的二阶段算法求解。多种群遗传算法包含多个种群和移民算子，来避免使结果过早陷入局部最优。移民算子可以协助种群之间进行信息互换，使多个种群间共同进化。通过算例求解分析，得到泊位分配、岸桥数量分配和集卡运输路线方案，从优化结果中可以看出，相比于传统遗传算法，多种群遗传算法能够更加快速得到更加优秀的解。同时也验证了本文的协同调度优化模型是可行的，可以从整体出发，提升码头作业效率。
谷歌
火狐
