港口集裝箱岸橋優化調度基本思路研究

摘 要：隨著經濟全球化的加快，海上運輸需求大大增加。碼頭經營人面臨如何建立碼頭起重機日程安排的挑戰，為了提高集裝箱碼頭作業效率，實現船舶最快離港，本文對裝卸混合作業模式下岸橋作業調度問題進行了研究，針對集裝箱碼頭裝卸作業特點，提出了基于遺傳算法的岸橋調度優化方法。

關鍵詞：集裝箱；岸橋；調度；遺傳算法

一、研究背景

隨著世界經濟一體化，貿易全球化的發展，各國之間的貿易需求日益增加，港口作為連接國際物流網絡的重要節點，是幾乎所有進出口貨物的集散地，因此，隨著貨量的急劇增加，港口面臨著加快貨物流轉考驗。為了方便裝卸，集裝箱應運而生，由于集裝箱運輸具有安全、便利操作以及方便國際多式聯運的特點，集裝箱的出現大大加快了港口貨物的裝卸和中轉速度，特別是集裝箱標準化以后，集裝箱的運輸量更是出現了前所未有的飛速增長。

為了應對集裝箱運輸量的增長，集裝箱船舶越來越大型化，而大型集裝箱船舶在港口的停留時間直接影響著巨額的經營成本，因此，船公司更傾向于選擇裝卸效率高的港口進行掛靠。為了吸引貨源和集裝箱船舶，在現有基礎設施建設的基礎上，集裝箱港口不得不通過合理的調配現有資源來提高競爭能力。在集裝箱港口的各項裝卸設施中，集裝箱岸橋又制約集裝箱港口裝卸效率的瓶頸，因此，合理調配集裝箱碼頭的岸橋顯得十分必要。

二、研究思路

集裝箱岸橋是集裝箱船舶與碼頭前沿之間裝卸集裝箱的主要設備。它的運作效率直接決定了整個集裝箱港口的運作效率。在給定集裝箱船舶配載計劃的前提下，研究岸橋單階段對船作業的調度優化問題，所有岸橋作業都必須滿足：（1）岸橋碰撞約束，即岸橋之間不能相互穿越，且作業時保留一定的安全距離。（2）甲板位置約束，指由于甲板的存在，處在甲板上方和下方的集裝箱作業之間存在作業順序上的約束關系。調度問題的目標是對船作業的時間最短。集裝箱岸橋優化配置是公認的NP問題，涉及的約束條件較多，涉及考慮的方面較廣，目前，在求解中采取的主要算法有：混合整數規劃、分支定界法、隨機貪婪適應性搜索法、模擬仿真、遺傳算法等等。考慮到本問題的復雜度和岸橋作業的性質，本文提出用遺傳算法對岸橋調度優化問題進行求解。

三、模型的建立及核心因素分析

（一）模型建立的前提

岸橋調配是一個復雜的問題，那變量多，約束條件也非常復雜，計算難度大，為了方便計算，可以就重避輕，忽略一些影響微小的因素。因此，在研究中要以以下假設為前提：

（1）集裝箱裝卸橋的分配不受水平運輸機械影響，即不考慮集裝箱裝卸橋等待集卡的情況；（2）不考慮船舶翻箱作業；（3）不考慮集裝箱裝卸橋故障；（4）集裝箱裝卸橋一旦投入某作業單元，不能中途退出，直到完成該作業單元；（5）假設船舶貝位編號順序方向和集裝箱裝卸橋編號順序方向一致。

（二）目標函數的確立

目標函數：當多臺岸橋同時工作時，工作時間最長的岸橋的工作時間即為完成整個作業任務的最小時間。這里說的岸橋工作時間包括閑置時間，移動時間，作業時間。作業時間基本是固定的，但閑置時間和移動時間可以影響每臺岸橋的工作時間。這樣最小化每臺岸橋的閑置時間和移動時間顯得十分的必要。

（三）約束條件的確立

約束條件：1.保證了任務完成時間大于等于每臺岸橋的工作時間。2.保證了每臺岸橋都會被指定一個最初始的任務。3.保證了每臺岸橋都會被指定一個最后的任務。4.保證了每個任務都僅有一臺岸橋來完成。5.確保每臺岸橋完成每項任務的平衡性，以此保證每項任務按指定的順序完成。6.保證避免岸橋之間的相互干擾。7.保證岸橋的完成時間是到完成最后一個任務加上移動到最終的位置為止。8.保證岸橋的第二項任務完成時間減去初始任務的完成時間大于等于第二項任務的裝卸時間和移動時間之和。9.限定變量的取值區間。10.限定變量非負等。

四、遺傳算法分析

遺傳算法的本質是一種高效、并行、全局搜索的優化方法，它是通過模擬自然界生物進化過程實現的。其原理是：遺傳算法將現實世界中的人工系統的優化變量，通過某種編碼的方法，將其模擬成生物界里的染色體（即個體），從而隨機產生擁有一定數量個體的種群，并對種群每個個體進行適應環境程度的評價（通過適應度函數實現），然后再模擬生物界里的進化的過程，根據染色體的適應程度來對染色體進行選擇，交叉和變異等操作，產生下一代的種群，最后，對子代種群再進行評價，如果滿足人工系統的相應要求，就停止進化，得到最優解或者近似解，如果不滿足，就重復進化過程，直到得到符合要求的最優解或者近似解為止。之所以采用遺傳算法，是因為其具有以下獨特的優點：

（1）具有很強的適應性和通用性：只需要利用目標函數的取值信息，不必非常明確地描述問題的全部特征，不受搜索空間限制性假設的約束，因而遺傳算法能適用于大規模、高度非線性的不連續多極值函數優化，甚至無解析表達式的目標函數的優化。此外，遺傳算子作用在編碼后的染色體上，而不是直接作用在優化問題的具體變量上。這使遺傳算法能以一種統一的處理方式來處理各類不同的問題。（2）具有較好的全局優化性能和適應性：遺傳算法是從初始群體開始搜索的，而不是從單點開始搜索的。許多傳統優化方法都是從搜索空間的單點出發，通過某些轉換規則確定下一點。這種點到點的搜索方法在多峰值優化問題中，首先找到的可能不是最優峰值；而遺傳算法是以點集開始的尋優過程，初始群體是隨機地在搜索空間中選取地，這樣在搜索過程中達到最優峰值的概率遠大于點到點方法的概率。（3）良好的擴展性，易于和其他算法相結合：針對某一問題的遺傳算法經簡單修改即可適應于其他問題，或者加入特定問題的領域知識，或者與已有算法相結合，能夠較好地解決一類復雜問題，因而具有較好的普適性和易擴充性。

五、結論

集裝箱碼頭岸橋調配在集裝箱碼頭的經營中是一個核心的問題，在現有基礎硬件設施不變的條件下，可以通過分析集裝箱碼頭前沿的生產作業過程，考慮岸橋之間不可交叉作業和作業任務的先后順序等約束，建立集裝箱岸橋調度計劃模型（QCSM）。在通過對染色體進行編碼，較好的用遺傳算法求解集裝箱岸橋調度模型，從而得到一個較好的岸橋調度方案。但本文存在很多不足之處，比如集裝箱與集卡的配合不可能完全無縫連接；裝卸橋一旦投入某作業單元就不能退出的假設會喪失調度的部分靈活性；集裝箱裝卸橋的裝卸調度和船舶配積載以及堆場的堆存信息是緊密聯系的，本文并沒有考慮船舶配積載以及堆場的堆存信息，是理想化得假設條件。所以在本文研究的基礎上，還可以進一步改進，考慮更多的條件，使其適應性更強。

參考文獻

[1]繆立新.集裝箱裝船順序優化模型及算法研究[C].第三節中國物流學術年會論文集，2004，p19-28.

[2]曾慶成，高宇.集裝箱碼頭裝卸橋調度優化模型與算法[J]，計算機工程與應用，2006，42（32）： 217-219.

[3]王輝球.集裝箱岸吊的調度模型和算法研究[D].清華大學碩士學位論文，2006.

[4]孫俊清，李平，韓梅. 裝卸橋調度問題及其混合智能優化算法 GASA[C].第26屆中國控制會議論文集，2007，7，26-31，p3410-3414.

[5]孟慶雨，集裝箱碼頭裝卸設備優化配置研究[D].河北工業大學碩士學位論文，2010.

作者簡介

張顥（1989—），男，漢族，河北唐山市人，助理工程師，大學本科，單位：遼寧省交通廳港航管理局，研究方向：交通運輸（港口經營與管理方向）。