周鵬飛, 趙金秋, 尚爾進(jìn)
(大連理工大學(xué) 水利工程學(xué)院,遼寧 大連 116024)
?
混堆集裝箱堆場(chǎng)的出口箱位優(yōu)選干擾管理
周鵬飛, 趙金秋, 尚爾進(jìn)
(大連理工大學(xué) 水利工程學(xué)院,遼寧 大連 116024)
針對(duì)進(jìn)出口集裝箱混合存放堆場(chǎng)的出口收箱作業(yè)容易受干擾問(wèn)題,基于出口箱收箱次列提出了堆場(chǎng)作業(yè)受干擾的度量方法;建立了考慮收箱次序擾動(dòng)關(guān)聯(lián)成本的出口箱位優(yōu)選干擾管理模型,壓箱量和龍門吊大車行駛距離的加權(quán)組合目標(biāo)函數(shù)項(xiàng)表示收箱作業(yè)和翻箱總成本,箱位偏移的目標(biāo)函數(shù)項(xiàng)表示干擾關(guān)聯(lián)成本;基于干擾恢復(fù)模型解的局部性特點(diǎn),設(shè)計(jì)了局部加速的改進(jìn)禁忌搜索算法,利用鄰域控制優(yōu)化搜索方向和范圍,加速局部搜索,提高算法收斂速度。實(shí)驗(yàn)結(jié)果顯示:提出的干擾管理方法比重調(diào)度提高10%以上的精度。
集裝箱運(yùn)輸;堆場(chǎng)箱位優(yōu)選;干擾管理;禁忌搜索算法;混合存放模式;集裝箱堆場(chǎng);動(dòng)態(tài)環(huán)境
隨著集裝箱運(yùn)輸需求的不斷增長(zhǎng),越來(lái)越多港口為了提高堆場(chǎng)利用率和通過(guò)能力,開(kāi)始在集裝箱碼頭堆場(chǎng)采用進(jìn)、出口箱混合存放模式,如釜山港、香港港、上海港等。進(jìn)/出口箱同場(chǎng)區(qū)存放的混合模式可以充分利用堆場(chǎng)箱位,提高了堆場(chǎng)資源利用率和通過(guò)能力。但混合存放模式的作業(yè)管理復(fù)雜,龍門吊堆取箱作業(yè)容易相互干擾,龍門吊作業(yè)的箱位優(yōu)選需要考慮相關(guān)堆取箱作業(yè)的協(xié)調(diào)以及干擾影響。
集裝箱碼頭堆場(chǎng)龍門吊根據(jù)堆、取箱任務(wù)序列依次到作業(yè)點(diǎn)(箱位)執(zhí)行作業(yè),堆箱作業(yè)箱位點(diǎn)的選擇影響龍門吊作業(yè)成本,混合存放作業(yè)下還將影響關(guān)聯(lián)取箱作業(yè)等其他任務(wù)的執(zhí)行。針對(duì)混合存放作業(yè)的堆場(chǎng)箱位選擇問(wèn)題研究主要有:Gambardella等利用線性混合整數(shù)規(guī)劃為到港船舶配置岸橋、混合存放箱區(qū)及其龍門吊,減少設(shè)備沖突和等待時(shí)間,此研究未涉及箱區(qū)內(nèi)的作業(yè)和壓箱量?jī)?yōu)化[1]。Zhang等針對(duì)混合存放箱區(qū)提出分配策略,并在此基礎(chǔ)上構(gòu)建了箱區(qū)分配模型[2],類似地,Bazzazi等提出了考慮按箱屬性分組的箱區(qū)分配模型[3]??岛YF等構(gòu)建了混合存放箱區(qū)的進(jìn)口箱位分配整數(shù)規(guī)劃模型,優(yōu)化拖車行駛距離和同組箱占用箱區(qū)數(shù)[4]。陶經(jīng)輝等將混合存放箱區(qū)分配問(wèn)題分解為兩階段:階段I平衡箱區(qū)作業(yè)量和階段II平衡箱組,構(gòu)建模型并進(jìn)行了仿真對(duì)比分析[5]。楊曼等以平衡箱區(qū)間作業(yè)量和最小化泊位到堆場(chǎng)的運(yùn)距為目標(biāo)建立了混合存放作業(yè)下箱區(qū)分配優(yōu)化模型[6]。郝聚民等基于圖搜索和模式識(shí)別方法建立了隨機(jī)條件下的混合存放作業(yè)貝位優(yōu)選模型[7]。鄭紅星等根據(jù)集裝箱混合存放作業(yè)規(guī)則設(shè)定了集裝箱優(yōu)先級(jí),以集裝箱新增壓箱數(shù)最小為目標(biāo),提出了箱位分配優(yōu)化方法[8]。考慮出口集裝箱到港時(shí)間的不確定性,周鵬飛等提出了出口集裝箱位分配的兩級(jí)調(diào)度策略,建立了數(shù)學(xué)規(guī)劃模型優(yōu)化堆場(chǎng)起吊設(shè)備作業(yè)成本和翻箱量,并基于禁忌搜索開(kāi)發(fā)了啟發(fā)式算法[9]。綜上可看出:1)現(xiàn)有混合存放作業(yè)堆場(chǎng)研究主要以平衡箱區(qū)作業(yè)量為目標(biāo),為進(jìn)出口箱指定箱區(qū)或貝位,未考慮箱區(qū)內(nèi)作業(yè)成本與翻箱量影響[1-7];2)具體箱位優(yōu)選問(wèn)題研究考慮了堆箱優(yōu)先級(jí)和箱重等因素,未考慮不確定干擾發(fā)生后的響應(yīng)與處理以及混合存放作業(yè)下對(duì)關(guān)聯(lián)作業(yè)的干擾影響[8-9]。
混合存放模式的集裝箱位優(yōu)選主要依據(jù)堆場(chǎng)收發(fā)箱任務(wù)計(jì)劃(客戶的提箱和交箱任務(wù)),客戶任務(wù)容易發(fā)生干擾和偏差,造成實(shí)際作業(yè)成本上升,設(shè)備等待,甚至沖突等,因此混合存放模式堆場(chǎng)的箱位優(yōu)選需建立有效的任務(wù)擾動(dòng)恢復(fù)機(jī)制以降低干擾影響。干擾管理是由Clausen等提出的新興管理方法[10],其核心思想是針對(duì)干擾事件,利用干擾管理模型和算法獲得干擾恢復(fù)方案,以較小的成本應(yīng)對(duì)干擾事件,近年來(lái)已在航班計(jì)劃[11]、設(shè)備調(diào)度[12]等多個(gè)領(lǐng)域得到成功應(yīng)用。針對(duì)集裝箱碼頭生產(chǎn)管理領(lǐng)域的泊位分配和岸橋調(diào)度問(wèn)題,曾慶成等[13]、楊春霞等[14]和林慶福等[15]分別提出了干擾管理方法,實(shí)驗(yàn)分析顯示了較好的調(diào)度性能。利用干擾管理的思想來(lái)處理堆場(chǎng)收發(fā)箱任務(wù)計(jì)劃的擾動(dòng),優(yōu)選干擾發(fā)生后箱位恢復(fù)方案可減少堆場(chǎng)作業(yè)的干擾成本。
本文將針對(duì)混合存放作業(yè)堆場(chǎng)的出口收箱作業(yè)的箱位優(yōu)選問(wèn)題,考慮進(jìn)口提箱和翻箱作業(yè)的干擾影響,構(gòu)建干擾管理模型,并針對(duì)模型特點(diǎn)開(kāi)發(fā)禁忌搜索算法,提高堆場(chǎng)龍門吊作業(yè)的抗干擾能力。
混合存放的集裝箱區(qū)允許在同一時(shí)間內(nèi)存放進(jìn)口箱和出口箱,堆場(chǎng)龍門吊操作任務(wù)包括堆場(chǎng)收箱(堆放箱)、發(fā)箱(提取箱)以及堆場(chǎng)內(nèi)的翻倒箱等。龍門吊作業(yè)任務(wù)的優(yōu)先權(quán)不完全相同,比如臨近船舶到港時(shí)出口集裝箱的收箱作業(yè)(堆放箱)通常具有較高優(yōu)先級(jí),在其作業(yè)間隙允許發(fā)箱以及翻倒箱等。制定出口收箱作業(yè)計(jì)劃時(shí)通常要考慮節(jié)約堆場(chǎng)龍門吊作業(yè)成本,減少裝船時(shí)的翻倒箱等。如果客戶交箱(碼頭收箱)次序確定,堆場(chǎng)出口收箱作業(yè)計(jì)劃可轉(zhuǎn)化為以客戶交箱次序?yàn)橐阎獥l件,為計(jì)劃進(jìn)場(chǎng)的出口集裝箱優(yōu)選分配箱位的問(wèn)題。客戶交箱次序可利用客戶預(yù)約或集卡位置信息進(jìn)行估計(jì),由于客戶預(yù)約和集卡信息具有動(dòng)態(tài)性,比如客戶預(yù)約的取消或交通擁堵造成的延遲等,因此估計(jì)的交箱次序容易發(fā)生改變和干擾。如果交箱次序改變,而堆場(chǎng)作業(yè)仍按原計(jì)劃執(zhí)行,將造成龍門吊等待、作業(yè)成本增加、外集卡的服務(wù)時(shí)間窗延長(zhǎng)等問(wèn)題,同時(shí)也影響其他作業(yè)計(jì)劃的執(zhí)行,如提箱作業(yè)計(jì)劃等。圖2是箱位計(jì)劃(圖1所示)的作業(yè)干擾影響、重調(diào)度和干擾管理的示例??梢钥闯觯合?延遲和箱13提前,如果仍按原箱位分配方案執(zhí)行將造成龍門吊大車移動(dòng)增加4貝距離;如果采用重調(diào)度方法重新分配箱位,龍門吊大車的移動(dòng)總距離為10貝;如果采用干擾管理方法,龍門吊大車的移動(dòng)總距離為4貝,較重調(diào)度方法減少了6貝距離。
注:2(10)表示出口箱,標(biāo)識(shí)碼為2,優(yōu)先級(jí)為10(越大裝船越早);灰色區(qū)域數(shù)字表示進(jìn)口提箱及其次序圖1 干擾前箱位的計(jì)劃Fig.1 Slots plan before disruption
2.1 模型假設(shè)
1)進(jìn)口集裝箱和出口集裝箱可在堆場(chǎng)的同貝位不同堆棧內(nèi)存放,龍門吊按計(jì)劃優(yōu)先作業(yè)出口箱;
圖2 混合存放模式的堆場(chǎng)作業(yè)計(jì)劃與干擾恢復(fù)示例Fig.2 Example of handling and disruption recovery in mixture-container-storage-moded yard
圖3 堆場(chǎng)收箱次序干擾識(shí)別(11號(hào)箱提前)Fig.3 Disruption recognition of delivery sequence
2)干擾事件發(fā)生前的堆場(chǎng)作業(yè)計(jì)劃(包括取箱、翻倒箱和收箱)和出口箱位分配方案已知。
3)出口箱位分配引起的壓箱量計(jì)算根據(jù)長(zhǎng)途重箱優(yōu)先裝船原則計(jì)算:裝船優(yōu)先級(jí)c=d×wmax+w,w是箱重級(jí)別,d是目的港次序,wmax是最大箱重級(jí)別,c越大越早裝船。
2.2 干擾恢復(fù)的關(guān)聯(lián)成本度量
2.3 模型構(gòu)建
(1)
約束可表示為
xij=xjii>j,i∈{N1+1,N1+2,…,N1+N2),
j∈{1,2,…,N1+N2}
(2)
(3)
(4)
aij+xih+xjh≠2 i h∈{N1+1,N2+2,…,N1+N2} (5) xih+xjh+xij≠2 i j,h∈{N1+1,N1+2,…,N1+N2} (6) (7) (8) i,j∈{N1+1,N1+2,…N1+N2} (9) i∈{N1+1,N1+2,…N1+N2} (10) (11) (12) k∈{1,2,…,B} (13) (14) (15) (16) (17) 干擾管理模型的求解具有局部性,利用模型優(yōu)解的局部性特點(diǎn)設(shè)計(jì)局部加速的改進(jìn)禁忌搜索算法,算法禁忌表記錄近期搜索的解,避免迂回重復(fù)探索,保障探索的多樣性,實(shí)現(xiàn)算法尋優(yōu)的全局性。改進(jìn)禁忌搜索算法的設(shè)計(jì)要點(diǎn)如下: 1)禁忌搜索算法的初始解:選用干擾事件發(fā)生前的箱位計(jì)劃方案作為算法搜索的初始解; 2)探索解的適應(yīng)度評(píng)價(jià)函數(shù):探索解的優(yōu)劣判別標(biāo)準(zhǔn),利用干擾恢復(fù)模型的目標(biāo)函數(shù)f(x)作為探索解適應(yīng)度的評(píng)價(jià)函數(shù),目標(biāo)函數(shù)值越小越優(yōu); 3)搜索鄰域H(x)的控制:算法的搜索鄰域?yàn)榭山粨Q箱位集合,包括箱與箱的位置交換和空箱位交換兩種形式。搜索鄰域控制規(guī)則:①可交換箱對(duì)(i,j)中的箱i∈C,C為受干擾箱所在堆棧的計(jì)劃進(jìn)場(chǎng)的集裝箱集合;②考慮箱位交換的作業(yè)成本影響,可交換箱對(duì)(i,j)的箱i和j滿足|ni-nj|≤Dis條件,ni和nj為箱i和j的客戶交箱次序,Dis為搜索鄰域的控制參數(shù);③空箱位交換(箱位重新分配到其他棧的空位上),用(i,z)表示,箱i和棧z滿足i∈C、z∈[max{0,bi-q},min{B,bi+q}],bi為箱i所在的貝位,q為搜索算法的控制參數(shù)。 4)算法搜索時(shí)箱位交換的探索實(shí)施集合S(x):算法迭代搜索時(shí)允許多對(duì)箱位同時(shí)交換可提高算法效率,但搜索鄰域中的多對(duì)箱位同時(shí)進(jìn)行探索交換可能產(chǎn)生不可行解,因此定義無(wú)沖突的交換探索實(shí)施集合(H(x)的子集),集合中的元素滿足下列條件:①如果(i1,j1)與(i2,j2)∈S(x),那么i1≠j2并且i1≠i2;②如果(i1,z1)與(i2,z2)∈S(x),那么i1≠i2并且z1≠z2;③如果(i,j)∈S(x),那么交換后的適應(yīng)度值不劣于當(dāng)前解。 5)禁忌表的破禁:如果被禁忌探索解的適應(yīng)度優(yōu)于歷史最優(yōu)值,那么將探索解的禁忌解除。 6)算法終止條件:禁忌搜索的迭代次數(shù)達(dá)到設(shè)定的迭代次數(shù)后,終止搜索,并輸出歷史最優(yōu)方案。 7)禁忌搜索算法流程:定義x*最優(yōu)箱位優(yōu)選方案,f(x*)最優(yōu)方案適應(yīng)度評(píng)價(jià)值,m鄰域H(x)的探索交換。算法流程如圖4所示。 圖4 干擾恢復(fù)算法流程圖Fig.4 Recovery algorithm flowchart 4.1 干擾管理實(shí)驗(yàn)設(shè)計(jì) 以大連某集裝箱碼頭數(shù)據(jù)為基礎(chǔ)設(shè)計(jì)干擾管理實(shí)驗(yàn):干擾事件前的出口集裝箱位計(jì)劃利用文獻(xiàn)[9]提出的方法制定,堆場(chǎng)的提箱和翻箱任務(wù)根據(jù)不增加收箱作業(yè)等待的原則加入堆場(chǎng)龍門吊作業(yè)序列;客戶實(shí)際交箱時(shí)間利用正態(tài)分布N(tk,σ)模擬生成,tk為箱k的客戶預(yù)約交箱時(shí)間。實(shí)驗(yàn)硬件CPU D3.19GHz/2G,算法基于C++開(kāi)發(fā)實(shí)現(xiàn)。模型成本參數(shù)取1∶1∶0.6(壓箱量∶龍門吊大車移動(dòng)∶箱位偏離),改進(jìn)禁忌搜索算法的控制參數(shù)Dis設(shè)置為20,q為1,禁忌表長(zhǎng)度l設(shè)置為計(jì)劃總箱量,算法搜索迭代最大次數(shù)設(shè)置為50。通過(guò)同組5個(gè)隨機(jī)實(shí)驗(yàn)取平均求得每組結(jié)果數(shù)據(jù)(明確說(shuō)明的除外)。 4.2 改進(jìn)禁忌搜索算法性能分析 提出的干擾管理模型屬于二次型,可用CPLEX求解。改進(jìn)禁忌算法與CPLEX12.6的實(shí)驗(yàn)對(duì)比結(jié)果見(jiàn)表1。CPLEX可求解小規(guī)模問(wèn)題,并得到精確解,其時(shí)間消耗隨著問(wèn)題規(guī)模的增大而呈指數(shù)型增長(zhǎng),CPLEX求解19箱問(wèn)題的時(shí)間消耗在9 h以上,無(wú)法滿足現(xiàn)實(shí)要求。提出的改進(jìn)禁忌搜索算法可得到小規(guī)模問(wèn)題的較優(yōu)近似解,精度誤差值不超過(guò)0.5,算法時(shí)耗遠(yuǎn)小于CPLEX,求解120箱問(wèn)題僅需3.26 s,能夠滿足實(shí)際要求。 4.3 干擾管理模型性能分析 提出的干擾管理模型與干擾事件發(fā)生后不調(diào)整方案按原計(jì)劃執(zhí)行、重調(diào)度模型調(diào)整計(jì)劃的實(shí)驗(yàn)對(duì)比結(jié)果見(jiàn)表2,實(shí)驗(yàn)中采用的重調(diào)度模型是基于文獻(xiàn)[9]并利用干擾事件發(fā)生后的壓箱量與龍門吊大車移動(dòng)距離總成本最小設(shè)計(jì)。干擾管理的相對(duì)效果實(shí)驗(yàn)數(shù)據(jù)見(jiàn)表3。上述實(shí)驗(yàn)結(jié)果分析可得出:客戶交箱次序的干擾使得不調(diào)整方案按原計(jì)劃執(zhí)行的壓箱量和龍門吊作業(yè)成本都大幅度增加,因此干擾事件發(fā)生后需要有針對(duì)性地動(dòng)態(tài)調(diào)整原方案;當(dāng)問(wèn)題規(guī)模較大時(shí),干擾管理較重調(diào)度調(diào)整方案的方法效果更優(yōu),且規(guī)模越大優(yōu)勢(shì)越明顯,如規(guī)模大于3×6×4 的算例有10%以上的平均優(yōu)勢(shì)和50%的最大優(yōu)勢(shì),干擾管理較重調(diào)度方法的求解時(shí)間略低。由于干擾管理模型考慮了關(guān)聯(lián)成本因素,干擾恢復(fù)方案調(diào)整較小,減少了指令修改給龍門吊司機(jī)的情緒影響和誤操作幾率。 表1 改進(jìn)禁忌搜索算法與CPLEX對(duì)比結(jié)果 注:*算法終止,未得出結(jié)果(9.3 h內(nèi)存溢出);堆場(chǎng)箱位空間的利用率約85%;對(duì)比數(shù)據(jù)為同組50個(gè)算例取平均值。 表2 原方案執(zhí)行、重調(diào)度和干擾管理效果對(duì)比 注:表數(shù)據(jù)為10次實(shí)驗(yàn)算例取均值,進(jìn)、出口箱堆棧的比例約1∶3,堆場(chǎng)箱位空間的利用率約85%。 表3 干擾管理的相對(duì)效果表 注:總成本=龍門吊作業(yè)成本+壓箱成本,改進(jìn)比率=(重調(diào)度總成本-干擾管理總成本)/重調(diào)度總成本。 干擾管理與重調(diào)度的對(duì)比改進(jìn)分布如圖5所示,圖中數(shù)據(jù)點(diǎn)的相對(duì)改進(jìn)=(重調(diào)度成本-干擾管理成本)/重調(diào)度成本,堆場(chǎng)箱位空間利用率約90%。對(duì)比分布圖顯示,隨著問(wèn)題規(guī)模的增大干擾管理較重調(diào)度的改進(jìn)越明顯,較優(yōu)算例占總算例的比率也越大,問(wèn)題規(guī)模達(dá)到15×6×4時(shí),干擾管理得到較優(yōu)解的算例比率占82%。不同堆場(chǎng)箱位空間利用率、問(wèn)題規(guī)模和進(jìn)/出口箱堆棧比例條件下的模型性能對(duì)比見(jiàn)表4,表中數(shù)據(jù)為10個(gè)實(shí)驗(yàn)算例結(jié)果的平均值。總體而言,干擾管理模型的改進(jìn)效果隨進(jìn)/出口箱堆棧比例和問(wèn)題規(guī)模的變大有增大的趨勢(shì);當(dāng)問(wèn)題規(guī)模達(dá)到15×6×4時(shí),干擾管理求解問(wèn)題的精度較重調(diào)度有10%以上的改進(jìn)。 圖5 不同算例的干擾管理相對(duì)改進(jìn)分布圖Fig.5 Relative improvement ratio graph of distribution management in different cases 貝×?!翆?箱量)利用率進(jìn)/出口箱堆棧比1∶5進(jìn)/出口箱堆棧比1∶2進(jìn)/出口箱堆棧比1∶1重調(diào)度干擾管理改進(jìn)/%重調(diào)度干擾管理改進(jìn)/%重調(diào)度干擾管理改進(jìn)/%6×6×410×6×415×6×490%27.3*30.0-9.927.624.99.827.922.419.780%20.020.5-2.524.120.116.630.127.68.370%18.917.57.417.516.55.728.42222.560%13.314.6-9.823.720.513.516.312.523.390%47.546.13.060.853.711.785.771.117.080%46.443.66.047.637.221.963.949.322.970%41.238.66.355.153.82.455.446.915.460%29.932.2-7.733.332.33.041.636.213.090%112.7101.310.1117.395.518.6135.2100.425.880%102.789.812.6107.584.521.4109.684.522.970%73.765.211.580.769.114.4108.790.217.060%57.250.611.568.759.613.3106.192.812.5 注:*表中所列結(jié)果為模型的壓箱量與龍門吊大車移動(dòng)距離的加權(quán)值和,其權(quán)重比為1∶1。 4.4 干擾恢復(fù)的啟動(dòng)分析 F1(d)=A1{Dev≥d}/num1(d) F2(n)=A2{ΔN≥n}/num2(n) 為干擾恢復(fù)啟動(dòng)參數(shù)效果分析的評(píng)估指標(biāo)。干擾管理效果隨干擾恢復(fù)啟動(dòng)參數(shù)的變化趨勢(shì)如圖6所示(1 200個(gè)算例,問(wèn)題規(guī)模6×6×4)。干擾管理啟動(dòng)參數(shù)設(shè)置越小,實(shí)驗(yàn)的算例作業(yè)成本增幅越小,如:Dev≤16的實(shí)驗(yàn)算例作業(yè)成本的平均增幅1.01%,最大增幅也僅5.02%;ΔN≤6的實(shí)驗(yàn)算例作業(yè)成本的平均增幅和最大增幅為0.99%和5.01%。碼頭實(shí)際中除了調(diào)度精度還需考慮實(shí)際運(yùn)作效果,如果設(shè)置過(guò)小的干擾管理啟動(dòng)參數(shù)勢(shì)必會(huì)造成作業(yè)計(jì)劃方案頻繁改變,不利于生產(chǎn)組織和碼頭作業(yè),因此港方需考慮客戶交箱密度等綜合因素來(lái)設(shè)置實(shí)際的干擾恢復(fù)啟動(dòng)參數(shù)。 圖6 干擾恢復(fù)啟動(dòng)參數(shù)性能分析圖Fig.6 Illustration of disruption management performance with different trigger parameters 1)出口集裝箱位的干擾管理有利于減少由于干擾事件造成的關(guān)聯(lián)隱性成本,實(shí)驗(yàn)表明:干擾管理較重調(diào)度節(jié)約總作業(yè)成本10%以上; 2)基于局部加速的改進(jìn)禁忌搜索算法通過(guò)控制探索鄰域優(yōu)化了算法搜索方向,并縮小了搜索空間,使其在可接受時(shí)間內(nèi)能獲得集裝箱位優(yōu)選干擾管理模型的滿意解; 3)設(shè)置較小的出口集裝箱位優(yōu)選干擾恢復(fù)啟動(dòng)閥值參數(shù)可以獲得較小的干擾作業(yè)總成本,但過(guò)小的干擾恢復(fù)啟動(dòng)閾值不利于堆場(chǎng)實(shí)際的生產(chǎn)組織,碼頭需考慮具體實(shí)際來(lái)選擇適用的啟動(dòng)參數(shù)。 [1]GAMBARDELLA L M, MASTROLILLI M, RIZZOLI A E, et al. An optimization methodology for intermodal terminal management[J]. Journal of intelligent manufacturing, 2001, 12(5/6): 521-534. [2]ZHANG C, LIU J, WAN Y, et al. Storage space allocation in container terminals[J]. Transportation research part B: methodological, 2003, 37(10): 883-903. [3]MOHAMMAD B, NIMASAFA E I, et al. A genetic algorithm to solve the storage space allocation problem in a container terminal[J]. Computers & industrial engineering, 2009, 56(1): 44-52. [4]康海貴, 劉艷, 周鵬飛. 基于混堆的集裝箱堆場(chǎng)動(dòng)態(tài)箱位分配研究[J].水運(yùn)工程, 2009 (8): 73-77. KANG Haigui, LIU Yan, ZHOU Pengfei. Research on dynamic storage space allocation based on mixture storage[J]. Port & waterway engineering, 2009 (8): 73-77. [5]陶經(jīng)輝, 汪敏. 基于混堆模式的集裝箱堆場(chǎng)區(qū)段分配[J]. 系統(tǒng)工程理論與實(shí)踐, 2009 (8): 185-192. TAO Jinghui, WANG Min. Assign problem of container yard section based on mixed storage model[J]. Systems engineering-theory & practice, 2009 (8): 185-192. [6]楊曼. 集裝箱碼頭堆場(chǎng)資源優(yōu)化配置與調(diào)度研究[D]. 大連: 大連海事大學(xué), 2011:1-72. YANG Man. Research on optimizing allocation and deployment of resources of container terminal[D]. Daian: Dalian Maritime University, 2011: 1-72. [7]郝聚民,紀(jì)卓尚,林焰. 混合順序作業(yè)堆場(chǎng) BAY 優(yōu)化模型[J].大連理工大學(xué)學(xué)報(bào),2000 ,40(1) :102-105. HAO Jumin, JI Zhuoshang, LIN Yan. Study of optimization of a BAY of stacking[J]. Journal of Dalian University of Technology, 2000, 40(1) : 102-105. [8]鄭紅星, 杜亮, 董鍵. 混堆模式下集裝箱堆場(chǎng)箱位指派優(yōu)化模型[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2012, 12(1): 153-159. ZHENG Hongxin, DU Liang, HUANG Jian. Optimization model on container slot allocation in container yard with mixed storage mode[J]. Journal of transportation systems engineering and information technology, 2012, 12(1): 153-159. [9]周鵬飛, 方波. 動(dòng)態(tài)環(huán)境下集裝箱碼頭堆場(chǎng)出口箱箱位分配建模與算法研究[J]. 控制與決策, 2011, 26(10): 1571-1576. ZHOU Pengfei, FANG Bo. Modeling and algorithm research on export container slots allocation under dynamic environments [J]. Control and decision, 2011, 26(10): 1571-1576. [10]CLAUSEN J, LARSEN J, LARSEN A et al. Disruption management-operations research between planning and execution[J]. OR/MS today, 2001,28(5):40-43. [11]YU G, QI X. Disruption management: framework, models and applications[M]. [S.L.]:World Scientific, 2004. [12]QI X, BARD J F, YU G. Disruption management for machine scheduling: the case of SPT schedules[J]. International journal of production economics, 2006, 103(1): 166-184. [13]曾慶成, 胡祥培, 楊忠振. 集裝箱碼頭泊位分配-裝卸橋調(diào)度干擾管理模型[J]. 系統(tǒng)工程理論與實(shí)踐, 2010 (11): 2026-2035. ZENG Qingcheng, HU Xiangpei, YANG Zhongzhen. Model for disruption management of berth allocation & quay crane scheduling in container terminals[J]. Systems engineering-theory & practice, 2010 (11): 2026-2035. [14]楊春霞, 王諾. 集裝箱碼頭泊位分配干擾管理決策方法研究[J].運(yùn)籌與管理, 2011 (4): 90-95. YANG Chunxia, WANG Nuo. Decision-mnaking method management in for berth allocation disruption container terminal[J]. Operations research and management science, 2011 (4): 90-95. [15]林慶福, 胡志華, 陶莎. 集裝箱碼頭泊位-岸橋集成分派干擾管理的分層調(diào)整策略[J]. 重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版, 2014, 33(3): 133-139. LIN Qingfu, HU Zhihua, TAO Sha. Multi-level adjustment strategy for disruption management of berth-crane allocation problem at container terminals[J]. Journal of Chongqing Jiaotong University:natural science, 2014, 33(3): 133-139. 本文引用格式: 周鵬飛, 趙金秋, 尚爾進(jìn). 混堆集裝箱堆場(chǎng)的出口箱位優(yōu)選干擾管理[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2017, 38(6): 866-873,938. ZHOU Pengfei, ZHAO Jinqiu, SHANG Erjin. Disruption management model and algorithm for export container slots optimization in container yards of mixture storage mode[J]. Journal of Harbin Engineering University, 2017, 38(6): 866-873,938. Disruption management model and algorithm for export container slots optimization in container yards of mixture storage mode ZHOU Pengfei, ZHAO Jinqiu, SHANG Erjin (School of Hydraulic Engineering, Dalian University of Technology, Dalian 116024, China) In view of the characteristic that handling operations are likely subjected to interference with each other in mixture-container-storage-moded yards, an operation interference measuring method was proposed based on export containers arriving sequences. A disruption management model for export container slots allocation was built to take the interference related operation cost into account, where the weighted combinatorial objective of reshuffles and gantry-crane traveling distance aims to save the total cost of gantry-crane handling and reshuffling, the slots-offset objective to reduce the related cost. Using the local feature of recovery model solution, an improved tabu-searching algorithm was developed to accelerate its convergence, in which the local searching spaces are refined by controlling the searching domain and directions. Experiments show the disruption management gains 10% improvement compared to the rescheduling. container transportation; container yard slots optimization; disruption management; tabu-search algorithm; mixture storage mode; container storage yard; dynamic environment 2016-02-24. 網(wǎng)絡(luò)出版日期:2016-06-02. 國(guó)家自然科學(xué)基金項(xiàng)目(71101014);教育部留學(xué)回國(guó)人員科研啟動(dòng)基金項(xiàng)目(教外司留[2015]1098);中央高?;究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(DUT16QY47). 周鵬飛(1977-), 男, 副教授. 周鵬飛,E-mail: pfzhou@dlut.edu.cn. 10.11990/jheu.201602026 http://www.cnki.net/kcms/detail/23.1390.u.20170602.1101.002.html U6 A 1006-7043(2017)06-0866-093 改進(jìn)禁忌搜索算法
4 干擾管理實(shí)驗(yàn)分析
5 結(jié)論