英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
基于遗传算法的集装箱装卸优化方法
摘 要
集装箱码头的集装箱装卸问题被认为是NP难题的组合优化问题。在本文中，我们提出了一种使用遗传算法解决集装箱装卸问题的优化方法。所提出的方法应用于埃及所说的港口的集装箱码头的真实案例研究数据。计算结果表明，该方法对于集装箱码头的效率，可将港口的船舶服务时间（装卸）减少56％。
关键字：集装箱装卸问题；遗传算法组合优化。
介绍
集装箱装运数量的增加对海港集装箱码头提出了更高的要求。集装箱海港的竞争力由不同的成功因素所决定，尤其是船舶在港口停留的时间（服务时间）。集装箱码头是港口的一个区域，泊位上的海上货运码头将集装箱装载，卸载和存储在被称为院子的缓冲区中。集装箱码头的运作及其优化已实现。
近年来，人们对科学文献的兴趣日益浓厚。集装箱码头可以描述为具有两个外部接口的开放式物料流系统。这些接口是码头，用于装载和卸载船舶，以及在岸上装载和卸载卡车的集装箱。近年来，对集装箱码头操作的优化需求变得越来越重要。这是因为，尤其是大型集装箱码头的物流已经达到一定程度的复杂性，需要科学方法来进一步改进[1]。
通常，集装箱码头使用三种类型的设备，即码头起重机（QC），卡车和堆场起重机（YC）。码头起重机主要负责集装箱装卸。在到达之前，每个集装箱船都会将其装卸计划发送到集装箱码头。码头运营商将指定一个质量控制计划，该计划指示将集装箱装载（装卸）至船舶或从船舶运出所需的质量控制数量。堆场起重机在堆场一侧将集装箱放到分配的存储位置，并从堆场中当前的存储位置捡起集装箱。卡车在码头区和院子周围之间运输集装箱[2]。整个终端操作非常复杂，涉及不同类型的设备。因此，码头可以理想地分为两个区域：码头区和院子。码头区由船只和码头起重机（QC）的泊位组成。堆场用作装载，卸载和转运集装箱的缓冲区，通常分为多个块：每个集装箱块由一个或多个堆场起重机（YC）提供服务[3]。
如果搜索空间很大，将难以通过使用常规数学或使用数值归纳技术来解决优化问题。由于这个原因，现在已经开发了许多元启发式优化方法来解决这种优化问题。因为解决集装箱码头问题的计算复杂性，所以使用元启发式方法来求解这些模型以获得近似（近似最优）解[4]。元启发式方法不能保证找到最佳解决方案，因为它们仅评估可行解决方案的一部分，但是他们尝试以一种智能的方式探索搜索空间中的不同区域，从而以较低的成本和时间获得接近最佳的解决方案[5]。
元启发式算法已用于解决优化问题，在所有启发式算法中，例如：遗传算法，禁忌搜索（TS）和模拟退火（SA），遗传算法（GA）由于能够在全局解空间中找到最优解而得到了广泛的应用[6]，[7]，[8]。Abd ElNasser等人（2014年）提出了元启发式算法之间的比较研究：遗传算法，禁忌搜索和模拟退火算法，用于解决二次分配问题。计算结果表明，与求解二次分配问题的其他元启发式算法相比，遗传算法具有更好的求解质量[9]。
由于集装箱码头中的操作是同步运行的，因此优化系统的特定方面无法保证提高集装箱码头操作的整体生产率。集装箱装卸设备的综合调度对于提高集装箱码头的效率至关重要[4]。在本研究中，集装箱码头被视为一个全局系统，而不是单个优化问题。集装箱装卸问题；考虑并优化了码头起重机分配问题（QCAP），院子起重机分配问题（YCAP）和卡车分配问题。
本文的其余部分安排如下：在第2节中提供了有关解决集装箱装卸问题的方法的文献综述。第3节包含了使用遗传算法优化集装箱装卸问题的方法和框架。测试和计算结果在第4节中给出。结论和未来的工作在第5节中给出。
文献评论
由于海运系统的重要性日益提高，与集装箱装卸问题有关的问题已引起人们的关注，并且最近已进行了广泛的研究。在这里，我们简要介绍了本节中用于解决码头起重机分配问题（QCAP），院子起重机分配问题（YCAP）和卡车分配问题的现有方法。
- 码头起重机分配问题（QCAP）
码头起重机分配问题旨在有效地将码头起重机分配给必须在给定时间范围内操作的船舶。将昂贵的码头起重机如何分配给多个集装箱进行集装箱的装卸操作是一个主要问题，其解决方案影响整个集装箱码头的运行性能。在QCAP中，我们给出了可行的泊位计划和一组相同的QC，它们可供使用。对于泊位计划中包括的每艘船，已知要装卸集装箱的数量以及允许同时服务的最大吊车数量。起重机应该在码头旁边排成一行。它们可以被移到每艘船上，但是它们不能互相通过。问题是给船只配备起重机，以便可以完成所有要求的集装箱转运[10]。
（Stahlbock和Voszlig;，2008年）声称，集装箱装卸是提高集装箱码头效率的关键因素。在这种情况下，当将多个码头起重机分配给同一船以执行卸货和装载操作时出现的复杂调度问题被称为码头起重机调度问题。目的是将每个船舱或舱位（任务）分配给特定的码头起重机（机器），目的是使总完成时间最小化（使跨度最小化）。由于码头起重机是集装箱码头中最昂贵的重新装载设备，因此集装箱码头起重机始终是系统的主导元素。从提高码头起重机效率的角度来看，港口也可以做到这一点，港口可以减少船舶的周转时间，提高港口生产率，并提高货运运输系统的吞吐量[11]。
Raa等人（2011年）提出了一个集成的BAP-QCAP模型，同时也考虑了许多现实生活中的功能，例如船只优先级和首选的泊位位置[12]。（Diabat等人，2014）提出了一种遗传算法（GA）来解决码头起重机分配问题，将GA的解决方案质量与精确解决方案进行了比较。计算结果表明，遗传算法产生的解决方案与最佳解决方案的差距很小。所开发模型的最重要特征是码头起重机的分配和调度问题的集成，与独立解决这些问题相比，产生的结果更好。利用措施使管理层可以确定生产资源的使用强度。设备利用率：由于码头在货物装卸设备上的投资非常昂贵，因此设备利用率是一项极其重要的性能指标[13]。G.Ilati等人（2014年）提出了一种有效的进化路径重新链接算法，以找到针对该问题的全局良好解决方案。在这项研究中，研究了动态泊位分配问题。它考虑了船只类型，潮汐影响，拖船分配给转运船只的情况以及码头起重机的分配计划。
- 堆场起重机分配问题（YCAP）
堆场起重机正在集装箱堆场工作。他们在堆场中移动，在卡车和集装箱堆场之间转移集装箱以进行集装箱存储或取回。有效的堆场起重机调度可以减少卡车的等待时间。许多研究人员研究了集装箱堆场中堆场起重机的调度。Ng（2005）研究了在院子区域调度多台起重机的问题，以最大程度地减少该区域的卡车等待时间。已经提出了一种基于动态编程的启发式方法来找到问题的有效时间表。计算实验对启发式算法的性能进行了评估，结果表明，启发式算法确实可以找到调度问题的有效解决方案[14].
Jung和Kim（2006）提出了一种在多台起重机在同一街区作业时安排装载作业的计划方法。负荷调度方法基于遗传算法和模拟退火方法，其中考虑了相邻堆场起重机之间的干扰。它试图最小化院子起重机操作的有效期。在评估堆场起重机的装载操作的跨度时，他们被认为是集装箱搬运时间，堆场起重机的行进时间和每个堆场起重机的等待时间[15]。郭等人（2008）研究了集装箱码头实时堆场起重机调度问题。将实时数据明智地集成到堆场起重机管理系统中，将可以更好地利用码头资源，从而提高码头整体生产率[16]。KL Mak and D. Sun（2009）提出了一种新的优化算法，该算法结合了遗传算法和禁忌搜索方法，解决了调度堆场起重机在堆场区域执行给定的装卸工作的问题[17]。
- 卡车分配问题
卡车被用来转移集装箱。关于卡车分配的决定包括在停泊处和堆场之间安排卡车的订货计划和路线。在船只的装卸过程中，必须使用卡车在货场侧的堆垛与码头区的船之间运输集装箱。高效有效的卡车分配可以加快集装箱装卸过程，使码头侧和堆场侧之间的集装箱流顺畅，从而提高码头的生产率。朱拉等人（2005年）使用由遗传算法（GA）组成的混合方法对不对称的多重旅行商问题建模[18]。Kozan和Preston（2006）使用遗传算法和禁忌搜索研究了海上接口的数学建模和优化，特别是将出口集装箱从仓库转移到停泊的船舶，并提出了一种能够处理码头出现的大问题的优化算法。操作[19]。Andersen等人（2009）提出了一种用于计划服务网络战术设计的新优化模型。作者将集装箱码头内的运输工作视为一个网络。该模型的目的是使运输系统中需求的吞吐时间最小化，其中几个实体提供服务，内部交换和与相邻系统的协调[20]。
在回顾了上一节中讨论的研究之后，可以得出结论，集装箱码头面临着一系列相互关联的组合优化问题。码头起重机作业；堆场起重机分配和卡车分配。集装箱码头最重要的性能指标之一就是运行时间。在集装箱码头中，许多与组合相关的问题以及其中一个问题的解决可能会影响其他相关问题的解决。分别对这些问题进行了广泛的研究。因此，他们无法确保为集装箱码头的集装箱搬运问题提供最佳解决方案。
本文提出了一种利用遗传算法解决集装箱装卸问题的优化方法。码头起重机分配问题，院子起重机分配问题和卡车分配问题。所提出的方法被应用于所述港口的集装箱码头的真实案例研究数据。
方法和框架
我们建议的方法应用于位于苏伊士运河北部入口的地中海港口所说的集装箱码头。集装箱码头由950米长的码头组成；集装箱码头堆场面积为467130平方米。终端设备包括10台码头起重机，17台堆场起重机（RTG），33台手提堆高机，1台移动式起重机和65辆卡车[22]。本文提出一种使用Matlab软件实现遗传算法（GA）和代码来解决集装箱装卸问题。
- 遗传算法
遗传算法（GA）是一种基于自然选择机制的随机搜索技术。遗传算法从一组称为总体的随机解开始。每个个体（称为染色体）都由一个字符串表示。染色体通过称为世代的连续迭代进化。后代是通过对随机选择的染色体进行交叉和突变操作而生成的。然后，通过评估适应性，基于达尔文进化论选择新一代。表现更好的个人将更有可能被选中。遗传算法已被众多研究人员提炼，并已成为解决集装箱码头设施调度和操作问题的最流行的元启发式算法之一[14]。GA的过程可以表示为：
产生初始种群
评估人群中每个人的健康状况
选择排名最高的个人进行复制
通过交叉和变异创造新一代评估个体
直到（终止条件）
返回最佳染色体
交叉完成两个人的重组任务，以产生新一代的人。新个体具有第一亲本的某些特征和另一亲本的其他特征。在此过程中生成的新个体可能比父母更健康或更弱。这取决于个人对特征的选择。从父母双方中选择具有良好适应性的良好特征会导致个体更好，反之亦然。
变异负责将新特征添加到个人中。单单交叉就可以在人群中不断地交换特征。但是，除非个体具有新的特征，否则无法实现最优性。该操作由变异算子执行。在此操作中，随机改变个体特征的数量，该数量受突变率控制。这改变了个体，并且出现的新个体可能比父母个体更适合或更弱。如果应用的更改是好的，那么新的个人就更健康，反之亦然[21]。可以将目标函数定义为适合解决方案性能的度量，该度量允许遗传算法保留有用的解决方案并禁止那些不太有用的解决方案。基于这些特征，本文提出了一种基于遗传算法的优化方法来解决我们的建模问题。
- 拟议的方法
我们的数学模型是通过考虑码头起重机，堆场起重机和卡车来制定的。在集装箱码头中，许多与组合相关的问题以及其中一个问题的解决可能会影响其他相关问题的解决。分别对这些问题进行了广泛的研究。因此，他们无法确保为集装箱码头的集装箱搬运提供最佳解决方案。因此，在这项研究中考虑了容器装卸问题。在本文中，我们提出了一个新的数学模型，该模型整体上处理了集装箱搬运问题，使模型更全面地描述了集装箱码头的操作。目的是最大程度地减少总处理时间。以下假设简化了模型的复杂性。
- 起重机在集装箱（装卸）的生产率方面是相同的。
- 起重任务一旦开始就必须不间断地完成
记号：
QC 码头起重机总数。
YC 堆场起重机总数。
YT 堆场卡车总数。
Njt 在时间t处容器j的容器数量（装载/卸载）
St 在时间t处停靠在码头的船只总数。
QCjt 在时间t分配给船只j的码头起重
YCit 在时间t分配给码头子起重机数量
YTit 在时间t分配给码头起重机的堆场卡车的数量
Vt 每个集装箱单台码头起重机的服务时间
Xt 每个集装箱一个卡车的服务时间
QCHT 码头起重机的处理时间
YCHT 堆场起重机的处理时间
YTHT 堆场卡车的处理时间
目标函数（1）是通过起重机来最大程度地减少集装箱搬运时间。目标函数（2）是通过堆场起重机将集装箱搬运时间减至最少。目标函数（3）是为了最大程度地减少卡车搬运时间。约束（4）是非负约束。
整数染色体表示用于充分利用问题的特征。表1提供了一个示例染色体，其中染色体中的每个整数代表码头起重机编号的唯一标识，每个基因的位置代表码头起重机分配给的船只编号。染色体编码是码头起重机编号的标识。在容器1下，符号“ 1”和“ 2”表示QC编号1,2为容器V1服务。在容器3下，字符串中的“ 5”，“ 6”，“ 7”表示容器3由QC 5、6、7等服务。
表1显示了起重机编号的部分随机密钥表示。还使用染色体表示法，其中染色体中的每个整数表示码堆起重机编号的唯一标识，每个基因的位置表示分配码堆起重机的码头卡恩编号，并且使用其他染色体表示，其中染色体中的每个整数代表卡车编号的唯一标识，每个基因的位置代表分配卡车的码头卡恩编号。
lt;
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[235166]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
