面向不确定环境的集装箱码头优化调度研究

论文摘要

伴随着全球经济一体化和国际贸易的迅猛发展,集装箱吞吐量出现了高速增长的势头。作为资本密集型的经济实体,集装箱码头的资源有效管理和调度是箱流畅通的必要保证,更关系到企业成本控制和客户需求的满足,进而影响码头企业的竞争力。本文以岸桥-集卡-轮胎式龙门吊装卸工艺的集装箱码头为研究对象,充分考虑了集装箱码头调度问题的动态性、不确定性和复杂性,通过理论分析和应用研究相结合的方法对面向不确定环境的集装箱码头调度问题的基础理论、应用模型和求解算法进行了较为系统地研究。论文涉及管理学、运筹学、港口规划、信息科学等相关学科,对提高集装箱码头企业自身的竞争力、增加企业收益和客户满意度具有重要的现实意义和理论价值。本文的主要研究内容如下: 1.以面向不确定环境的集装箱码头优化调度研究为背景,针对当前不确定性测度问题可加性和完备性刻画不足的现状,提出了一种能够刻画不确定性因素可加性和完备性的未确定规划方法。在未确定规划三个公理化假设的基础上,界定了未确定测度空间、未确定乘积测度空间、未确定变量、未确定变量的分布函数和分布密度函数、未确定变量的独立性、期望值算子等概念,并对其性质及联合未确定分布函数的确定进行了分析和论证,同时讨论了未确定变量模拟方法。较全面地分析了面向不确定环境的集装箱码头优化调度的方案选择和集装箱码头调度问题中不确定性因素的处理方法,讨论了集装箱码头调度常用的未确定规划模型包括:期望值模型、机会约束规划、机会相关规划,同时提出模型中未确定函数的神经网络模拟方法,并给出未确定规划模型的混合智能求解算法。该方法虽然是针对集装箱码头优化调度问题提出的,但对其他面向不确定环境的规划问题同样适用。 2.在对集装箱泊位-岸桥分配和调度问题分析的基础上,基于机会约束的未确定规划的思想建立了集装箱泊位岸桥分配模型。根据模型最优解的特征,设计了求解模型的集束搜索算法和遗传算法。将遗传算法与神经网络结合,并用神经网络模拟未确定函数,实现了求解该问题的混合智能算法。 3.根据堆场管理的要求将堆场箱位分配问题分解为堆场区段分配和区段内具体箱位确定两部分。根据堆场区段的分配标准分别建立了以平衡堆场段间计划作业量为目标的堆场区段分配未确定期望值模型Ⅰ,以同组箱同区段摆放和堆场区段距相应泊位较近为目标的堆场区段分配未确定期望值模型Ⅱ。建立了区段内具体箱位分配的未确定机会相关规划模型。提出了基于未确定变量机会相关的集装箱堆场进、出口箱的翻箱量计算方法,进而建立了以同组进、出口箱靠近摆放和翻箱量最小为目标的0.1规划模型。基于模型最优解特征设计了求解模型的近似启发式算法。 4.在对岸桥-堆场龙门吊-集卡作业流程分析的基础上,将岸桥-堆场龙门吊-集卡的作业调度问题分为龙门吊在堆场段间的分配和岸桥-龙门吊-集卡的作业序列优化两个子问题。建立了面向不确定环境的龙门吊堆场段间调度的未确定期望值规划模型,合理地在堆场段间调度龙门吊可以使规划时段结束时各堆场段未完成的作业量最少,设计了求

论文目录

• 内容摘要
• Abstract
• 1 绪论
• 1.1 问题的提出
• 1.1.1 研究的背景
• 1.1.2 研究问题的描述
• 1.2 国内外相关理论的研究进展及其评述
• 1.2.1 集装箱码头优化调度的研究进展
• 1.2.2 面向不确定环境的规划理论的研究进展
• 1.2.3 国内外研究现状述评
• 1.3 集装箱码头优化调度研究的理论意义与现实意义
• 1.4 研究的目的、框架与内容安排
• 1.4.1 研究的目的
• 1.4.2 研究的框架与内容安排
• 1.5 论文的主要研究方法和创新点
• 1.5.1 论文的研究方法
• 1.5.2 论文的创新点
• 2 面向不确定环境的集装箱码头优化调度理论
• 2.1 面向不确定环境的集装箱码头的生产调度
• 2.1.1 不确定性环境下集装箱码头的生产调度方案
• 2.1.2 集装箱码头生产调度中不确定因素的分析
• 2.2 未确定规划方法
• 2.2.1 未确定信息测度的公理化定义及未确定变量
• 2.2.2 未确定变量的运算、特征数和比较
• 2.2.3 未确定变量的模拟
• 2.3 面向未确定环境的集装箱码头调度的规划模型和算法
• 2.3.1 面向不确定环境的规划模型
• 2.3.2 不确定规划模型的优化算法
• 2.4 小结
• 3 集装箱码头泊位-岸桥的分配和调度
• 3.1 引言
• 3.2 问题的描述
• 3.3 面向未确定环境的动态泊位一岸桥分配模型
• 3.3.1 相关的概念和符号
• 3.3.2 从属变量的确定
• 3.3.3 基于机会约束的0-1未确定规划模型
• 3.3.4 未确定变量的处理
• 3.4 集装箱码头泊位-岸桥分配和调度的求解算法
• 3.4.1 基于集束搜索的求解算法
• 3.4.2 改进的遗传算法
• 3.4.3 基于混合智能算法的求解
• 3.5 试验和分析
• 3.5.1 试验算例
• 3.5.2 评价和分析
• 3.6 小结
• 4 集装箱码头堆场箱位的分配
• 4.1 集装箱堆场箱位的分配问题
• 4.2 堆场区段的分配问题
• 4.2.1 问题的假设
• 4.2.2 堆场区段分配模型Ⅰ-堆场区段间的作业量平衡优化
• 4.2.3 堆场区段分配模型Ⅱ-堆场区段中各组箱的分配优化
• 4.2.4 基于最优解特征的启发式求解算法
• 4.3 集装箱堆场具体箱位的分配
• 4.3.1 问题的描述和假设
• 4.3.2 堆场具体箱位的分配模型
• 4.3.3 堆场具体箱位分配模型的求解算法
• 4.4 模拟试验与结果分析
• 4.4.1 输入数据
• 4.4.2 堆场区段级分配模型 Ⅰ试验
• 4.4.3 堆场区段分配模型 Ⅱ试验
• 4.4.4 堆场具体箱位分配试验
• 4.5 小结
• 5 岸桥-堆场龙门吊-集卡的作业优化
• 5.1 引言
• 5.2 龙门吊堆场段间的调度
• 5.2.1 问题的描述和假设
• 5.2.2 龙门吊在堆场区段间调度问题的模型化
• 5.2.3 求解算法
• 5.3 岸桥-龙门吊-集卡的作业序列优化
• 5.3.1 问题的描述
• 5.3.2 岸桥-龙门吊-集卡作业序列的优化模型
• 5.3.3 岸桥-龙门吊-集卡作业序列优化模型的求解算法
• 5.4 算例设计与试验
• 5.4.1 算例设计
• 5.4.2 试验结果
• 5.5 小结
• 6 集装箱码头优化调度的 Multi-agent系统
• 6.1 引言
• 6.2 Multi-agent系统的关键问题
• 6.2.1 Agent的分类和结构
• 6.2.2 MAS的体系结构
• 6.2.3 Agent之间的协作与协调
• 6.3 集装箱码头优化调度 MAS中 Agent的选取及其属性分析
• 6.3.1 集装箱码头优化调度的范围和主要业务分析
• 6.3.2 集装箱码头调度中 Agent的选取
• 6.3.3 Agent的属性
• 6.4 集装箱码头调度 MAS的体系结构
• 6.5 集装箱码头调度 MAS中的 Agent模型
• 6.5.1 Agent的内部结构
• 6.5.2 MAS系统中 Agent的知识表示
• 6.5.3 MAS系统中 Agent精神状态的形式化表示
• 6.6 MAS系统中 Agent间的通信
• 6.7 系统中 Agent间的协作与协调
• 6.8 集装箱码头调度 MAS的原型实现
• 6.8.1 编程语言和开发工具的选择
• 6.8.2 实现过程中应注意的问题
• 6.9 算例设计与分析
• 6.9.1 算例的设计
• 6.9.2 试验结果及分析
• 6.10 小结
• 结论与展望
• 参考文献
• 攻读博士学位期间发表的相关论文
• 致谢
• 大连理工大学学位版权使用授权书