嚴(yán)南南，楊 瑩

(上海海事大學(xué)物流研究中心， 上海201306)

集裝箱碼頭考慮集卡能耗的岸橋集卡協(xié)調(diào)調(diào)度

嚴(yán)南南，楊 瑩

(上海海事大學(xué)物流研究中心， 上海201306)

隨著環(huán)境污染和資源緊缺的加劇，綠色港口逐漸成為未來(lái)港口發(fā)展的必然趨勢(shì)。因此針對(duì)岸橋集卡協(xié)調(diào)調(diào)度，建立了一個(gè)考慮集卡能耗和岸橋集卡作業(yè)時(shí)間的多目標(biāo)數(shù)學(xué)模型。由于岸橋和集卡作業(yè)時(shí)間及集卡能耗這兩個(gè)目標(biāo)既有聯(lián)系，又有一定程度的沖突，因而使用多目標(biāo)優(yōu)化的方法平衡這兩個(gè)目標(biāo)，并且采用遺傳算法結(jié)合Matlab數(shù)學(xué)軟件求解模型。算例結(jié)果表明:考慮集卡能耗的調(diào)度比不考慮集卡能耗的調(diào)度更節(jié)約調(diào)度成本，從而驗(yàn)證了模型和算法的有效性。

集裝箱碼頭；岸橋集卡協(xié)調(diào)調(diào)度；集卡能耗；綠色港口；遺傳算法；Matlab

0 引 言

隨著交通運(yùn)輸中二氧化碳的大量排放，對(duì)環(huán)境和全球氣候變暖產(chǎn)生重大威脅，所以要處理好資源消耗問(wèn)題，特別是能源問(wèn)題，例如石油、天然氣和煤炭資源的消耗。因此，綠色交通也逐漸成為交通產(chǎn)業(yè)的目標(biāo)之一。集裝箱碼頭作為整個(gè)交通產(chǎn)業(yè)的重要組成部分，也是環(huán)境污染的主要來(lái)源之一。因此，加強(qiáng)碼頭綠化建設(shè)是當(dāng)前綠色交通的必然選擇。

岸橋、集卡作為集裝箱碼頭的重要設(shè)備，其作業(yè)能力直接影響集裝箱碼頭整體作業(yè)能力。岸橋?qū)⒓b箱從船上卸下后，再由集卡運(yùn)送到堆場(chǎng)。在堆場(chǎng)中，場(chǎng)橋?qū)⒓b箱從集卡上卸下存入堆場(chǎng)或?qū)⑵鋸亩褕?chǎng)中拾起。這樣，集卡就成了岸橋端和場(chǎng)橋端的重要連接設(shè)備。因此，加強(qiáng)岸橋和集卡的協(xié)調(diào)調(diào)度是提高集裝箱碼頭作業(yè)效率的關(guān)鍵。

集裝箱碼頭在岸橋方面的研究,秦天保等[1]提出一個(gè)約束規(guī)劃模型，并考慮到了岸橋沖突、任務(wù)優(yōu)先級(jí)等約束來(lái)求解大規(guī)模集裝箱碼頭調(diào)度問(wèn)題，并與啟發(fā)式算法進(jìn)行比較。秦進(jìn)等[2]針對(duì)集裝箱碼頭多船舶的岸橋調(diào)度及卸船任務(wù)分配建立了一個(gè)混合整數(shù)規(guī)劃模型，并通過(guò)設(shè)計(jì)限制任務(wù)路徑進(jìn)行鄰域搜索結(jié)合雙層模擬退火算法求解模型。董良才等[3]對(duì)于岸橋調(diào)度問(wèn)題，綜合考慮了岸橋干擾和作業(yè)優(yōu)先級(jí)約束，以最小化船舶及岸橋作業(yè)時(shí)間為目標(biāo)，并用改進(jìn)螢火蟲(chóng)算法求解模型。AL-DHAHERI等[4]針對(duì)不確定岸橋調(diào)度問(wèn)題，建立了隨機(jī)混合整數(shù)規(guī)劃模型，并通過(guò)基于仿真的遺傳算法進(jìn)行求解。UNSAL等[5]提出了岸橋調(diào)度約束規(guī)劃模型及基于時(shí)間窗下的整合岸橋分配及調(diào)度問(wèn)題研究。

集裝箱碼頭在集卡方面的研究,王軍等[6]在作業(yè)面模式下，建立時(shí)間最短的集卡調(diào)度模型，在裝船、卸船同時(shí)進(jìn)行前提下的集卡作業(yè)路徑選擇。NG等[7]通過(guò)使用遺傳算法，并引用其中的交叉方案來(lái)求解集卡調(diào)度模型，以使得最大完工時(shí)間最小化。AMINI等[8]對(duì)于集卡調(diào)度交叉對(duì)接時(shí)可能產(chǎn)生的故障而提出了一個(gè)雙目標(biāo)集卡調(diào)度，并使用響應(yīng)面法結(jié)合元啟發(fā)式算法求解。

集裝箱碼頭在岸橋集卡協(xié)調(diào)調(diào)度方面的研究，韓曉龍等[9]針對(duì)岸橋集卡協(xié)調(diào)調(diào)度，考慮到集卡作業(yè)時(shí)的不確定性到達(dá)，建立了集卡與岸橋作業(yè)的協(xié)同調(diào)度數(shù)學(xué)模型，并用CHC算法求解。梁承姬等[10]考慮了岸橋干擾和集裝箱優(yōu)先級(jí)等約束，構(gòu)建了將最大完工時(shí)間最小化的數(shù)學(xué)模型，通過(guò)對(duì)比GA算法和PSO算法，得出GA算法(遺傳算法)的有效性。TANG等[11]在只考慮岸橋、集卡單向移動(dòng)及卸船情況下，以最小化最大完工時(shí)間為目標(biāo)，建立混合整數(shù)線性規(guī)劃模型，并用改進(jìn)的粒子群算法求解模型。KAVESHGAR等[12]考慮了實(shí)際操作中集裝箱優(yōu)先級(jí)、阻塞、岸橋干擾及岸橋間安全距離等約束，建立了整合調(diào)度模型，并將遺傳算法和改進(jìn)貪婪算法相結(jié)合對(duì)模型進(jìn)行求解。

集裝箱碼頭在能耗方面的研究還比較少，大多數(shù)的文獻(xiàn)還只是宏觀層面上的，且大部分是國(guó)外文獻(xiàn)，國(guó)內(nèi)文獻(xiàn)還很少。郭嬋嬋[13]通過(guò)采用流水車(chē)間思想來(lái)構(gòu)建岸橋、集卡和場(chǎng)橋的多目標(biāo)調(diào)度模型，以實(shí)現(xiàn)裝卸作業(yè)時(shí)間最小和機(jī)械能耗最小的目標(biāo)。GOLIAS等[14]提出了最小化船舶延遲離港時(shí)間目標(biāo)，通過(guò)這一目標(biāo)可以間接降低船舶閑置時(shí)所產(chǎn)生的能耗排放量。GOLIAS等[15]在之前的最小化船舶延遲離港時(shí)間這一目標(biāo)基礎(chǔ)上，同時(shí)考慮了所有船舶能耗排放總量最小化的雙目標(biāo)問(wèn)題。CHANG等[16]在泊位岸橋分配模型中提出了能耗優(yōu)化目標(biāo)。HUANG等[17]提出了多個(gè)碼頭間共享內(nèi)集卡的整數(shù)規(guī)劃模型，模型中集卡交通能耗最小化也是目標(biāo)之一。

相對(duì)于已有文獻(xiàn)，本文的創(chuàng)新在于對(duì)岸橋集卡協(xié)調(diào)調(diào)度問(wèn)題考慮了能耗因素。目前，我國(guó)集裝箱碼頭設(shè)備作業(yè)時(shí)考慮能耗因素的情況較少，為了達(dá)到節(jié)約能耗的目的，將集卡能耗模型考慮進(jìn)去，以最小化岸橋、集卡作業(yè)時(shí)間及集卡總能耗為目標(biāo)，建立相應(yīng)模型，并應(yīng)用遺傳算法求解模型。

1 問(wèn)題描述

隨著環(huán)境污染和能源壓力的加劇,節(jié)能也逐漸成為碼頭運(yùn)營(yíng)的目標(biāo)之一。在岸橋集卡協(xié)調(diào)調(diào)度總能耗中，集卡所產(chǎn)生的能耗占了較大比重。因此，本文將集卡總能耗最小化作為本文的目標(biāo)之一。本文考慮多船、多岸橋、多集卡裝卸及運(yùn)輸情況。船上集裝箱根據(jù)貝位劃分為多個(gè)區(qū)域，通常情況下，各個(gè)區(qū)域分配一臺(tái)岸橋；一臺(tái)岸橋由某組固定的集卡服務(wù)，本文稱(chēng)之為一條作業(yè)線。整個(gè)作業(yè)過(guò)程就是岸橋?qū)⑦M(jìn)口集裝箱從船上卸載到集卡上，由集卡運(yùn)輸進(jìn)口集裝箱到堆場(chǎng)指定箱區(qū)，再由場(chǎng)橋?qū)⑦M(jìn)口集裝箱從集卡上卸下，集卡再?gòu)亩褕?chǎng)出口箱區(qū)運(yùn)輸一個(gè)出口集裝箱到出口船舶指定位置。目標(biāo)是實(shí)現(xiàn)岸橋集卡總的作業(yè)時(shí)間最小化及集卡總能耗最小化。

模型假設(shè)：①岸橋?yàn)槟骋淮柏愇环?wù)時(shí)，要將該船舶貝位上的所有集裝箱服務(wù)完成后才能服務(wù)于其他貝位的集裝箱。②岸橋移動(dòng)方向?yàn)閱蜗?從左向右移動(dòng))。③各集裝箱被服務(wù)順序具有優(yōu)先級(jí)關(guān)系，例如：岸橋必須作業(yè)完上層集裝箱才能作業(yè)下層集裝箱。④不考慮岸橋等集卡及場(chǎng)橋等集卡的情況。

2 模型建立

在模型方面，本文建立了一個(gè)多目標(biāo)函數(shù)，因?yàn)槎嗄繕?biāo)優(yōu)化相比于單目標(biāo)優(yōu)化可以更準(zhǔn)確地對(duì)實(shí)際問(wèn)題進(jìn)行建模，因此具有更廣泛的適用性。而利用多目標(biāo)優(yōu)化對(duì)岸橋集卡協(xié)調(diào)調(diào)度問(wèn)題進(jìn)行建模的現(xiàn)有文獻(xiàn)較少。同時(shí)本文考慮了進(jìn)口箱和出口箱兩種情況下的裝卸，而以往很多文獻(xiàn)多是考慮一種情況下的裝卸。此外在約束條件上考慮了實(shí)際作業(yè)情況，如岸橋、集卡對(duì)集裝箱裝卸順序的考慮。

目標(biāo)函數(shù)：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

約束條件：

(8)

(9)

(10)

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

(22)

(23)

aqi,cqi,ayi,cyi,Rqam,Zaqm≥0,

(24)

(25)

式(8)～式(11)每一集裝箱僅由一個(gè)岸橋或集卡作業(yè)。式(12)～式(15)當(dāng)岸橋與集卡對(duì)集裝箱作業(yè)時(shí)，每一集裝箱的前序或后序作業(yè)最多只有一個(gè)。式(16)對(duì)同一集卡的進(jìn)口集裝箱任務(wù)作業(yè)順序的約束。式(17)對(duì)同一集卡的出口集裝箱任務(wù)作業(yè)順序的約束。式(18)對(duì)集裝箱任務(wù)對(duì)進(jìn)行約束，如果進(jìn)口箱i和出口箱j為一任務(wù)對(duì)，則i和j需由同一集卡運(yùn)輸。式(19)某一船舶待卸集裝箱數(shù)等于卸到各對(duì)應(yīng)進(jìn)口箱區(qū)的集裝箱數(shù)。式(20)集卡從各出口箱區(qū)運(yùn)送集裝箱到對(duì)應(yīng)岸橋的次數(shù)等于某一船舶的待裝集裝箱數(shù)。式(21)集卡運(yùn)輸出口集裝箱之和小于等于出口集裝箱總數(shù)量。式(22)集卡從岸橋端運(yùn)送進(jìn)口集裝箱到進(jìn)口箱區(qū)的次數(shù)(也為集卡運(yùn)送進(jìn)口集裝箱數(shù)量)不能超過(guò)對(duì)應(yīng)進(jìn)口箱區(qū)的最大容量。式(23)指某一船舶的操作箱量與該船的待裝量及待卸量的和相等。式(24)和式(25)是決策變量約束。

3 遺傳算法

遺傳算法(GA)是一種隨機(jī)性搜索算法，它借鑒生物界自然選擇及遺傳機(jī)制，通過(guò)模擬自然進(jìn)化過(guò)程來(lái)搜索最優(yōu)解，對(duì)于解決大規(guī)模復(fù)雜網(wǎng)絡(luò)路徑優(yōu)化問(wèn)題具有較好的適用性。遺傳算法也是計(jì)算機(jī)科學(xué)人工智能領(lǐng)域中用于解決最優(yōu)化問(wèn)題的一種啟發(fā)式進(jìn)化算法，并且一般用來(lái)產(chǎn)生新的解決策略以達(dá)到優(yōu)化解的目的。

3.1 染色體編碼

針對(duì)岸橋集卡協(xié)調(diào)調(diào)度數(shù)學(xué)模型，本文采用矩陣式編碼，如圖1所示，s1代表船舶1上集裝箱被岸橋、集卡服務(wù)的順序，s2代表船舶2上集裝箱被岸橋、集卡服務(wù)的順序、并依此類(lèi)推。每一染色體基因有6行編碼，第一行指進(jìn)口集裝箱編號(hào)，第二行指出口集裝箱編號(hào)，第三行指岸橋服務(wù)集裝箱順序，第四行指集卡服務(wù)集裝箱順序，第五行指進(jìn)口箱區(qū)編號(hào)，第六行指出口箱區(qū)編號(hào)。從圖1可知，對(duì)于進(jìn)口集裝箱，岸橋1要先服務(wù)進(jìn)口集裝箱6再服務(wù)進(jìn)口集裝箱11、4、12、14和1；對(duì)于出口集裝箱，岸橋1要先服務(wù)出口集裝箱17再服務(wù)出口集裝箱16、5、7、3和10。岸橋2要先服務(wù)進(jìn)口集裝箱22再服務(wù)進(jìn)口集裝箱5、10和19；對(duì)于出口集裝箱，岸橋2要先服務(wù)出口集裝箱25再服務(wù)出口集裝箱21、6和15。集卡11要先服務(wù)進(jìn)口集裝箱22再服務(wù)進(jìn)口集裝箱5；對(duì)于出口集裝箱，集卡11要先服務(wù)出口集裝箱25再服務(wù)出口集裝箱21。關(guān)于堆場(chǎng)箱區(qū)，進(jìn)口集裝箱6、12和1要被集卡運(yùn)輸?shù)竭M(jìn)口箱區(qū)編號(hào)為2的箱區(qū)，同理，出口集裝箱17、7和10分別要被集卡從出口箱區(qū)編號(hào)為5、6和5的箱區(qū)運(yùn)出。

圖1 染色體編碼Fig.1 Chromosome coding

3.2 種群初始化

本文通過(guò)采用隨機(jī)生成方法產(chǎn)生種群，目的是為了確保種群的多樣性。由于相同貝位的集裝箱需要由同一個(gè)岸橋作業(yè)，并且岸橋服務(wù)集裝箱具有一定的先后順序(即優(yōu)先級(jí)約束要求)。通過(guò)隨機(jī)生成方法產(chǎn)生的初始解，由于其隨機(jī)性可能不滿足上述約束條件，因此需對(duì)初始解中的不可行解進(jìn)行修復(fù)。

例如：對(duì)于岸橋調(diào)度，假設(shè)進(jìn)口集裝箱25,12,32,40屬于一個(gè)相同貝位，進(jìn)口集裝箱5,28,34,19,38,13屬于另一個(gè)相同貝位；出口集裝箱36,39,34,26屬于一個(gè)相同貝位，出口集裝箱48,27,33,16,47,31屬于另一個(gè)相同貝位。如圖2所示。

圖2 修復(fù)前的岸橋調(diào)度Fig.2 Before the repair of QCs’ scheduling

圖2是隨機(jī)產(chǎn)生的一個(gè)染色體，這個(gè)染色體違反了相同貝位應(yīng)由相同岸橋服務(wù)的約束，需進(jìn)行修復(fù)，將進(jìn)口集裝箱40和出口集裝箱26對(duì)應(yīng)的貝位變?yōu)?，進(jìn)口集裝箱19和出口集裝箱16對(duì)應(yīng)的貝位變?yōu)?。如圖3為修復(fù)后的岸橋調(diào)度。

圖3 修復(fù)后的岸橋調(diào)度Fig.3 Repaired QCs’ scheduling

3.3 適應(yīng)度函數(shù)

本文直接用目標(biāo)函數(shù)作為適應(yīng)度值，并通過(guò)適應(yīng)度值對(duì)各個(gè)可行解的優(yōu)劣進(jìn)行判斷。

F=1/(f1+f2)。

(26)

3.4 遺傳操作

3.4.1 選擇

使用輪盤(pán)賭選擇操作[18]，具體步驟如下所示：

Step 1: 計(jì)算種群的所有適應(yīng)度值;

Step 2: 計(jì)算每個(gè)個(gè)體的選擇概率;

Step 3: 計(jì)算每個(gè)個(gè)體的累積概率;

Step 4: 產(chǎn)生一個(gè)隨機(jī)數(shù)r∈(0,1],如果Ci-1

3.4.2 交叉

本文通過(guò)交叉算子來(lái)尋找一個(gè)更廣闊的搜索空間和更優(yōu)解。隨機(jī)選擇兩個(gè)父代，且使用兩點(diǎn)交叉法，分別在兩個(gè)父代中隨機(jī)選擇兩個(gè)基因位，然后再交換這兩個(gè)基因位上相對(duì)應(yīng)的值，如圖4所示。

3.4.3 變異

本文中，交換變異算子被用于所有子染色體的操作序列。在父代中隨機(jī)選擇兩個(gè)基因位，并交換這兩個(gè)基因位上的值，如圖5所示。

圖5 染色體變異操作Fig.5 Chromosome mutation operation

4 算例分析

為了評(píng)估所提出的模型和算法的有效性，通過(guò)Matlab對(duì)以下算例進(jìn)行驗(yàn)證。本文在遺傳算法中設(shè)置最大迭代數(shù)為250、交叉概率0.7、變異概率0.03、種群規(guī)模為 50個(gè)。

4.1 試驗(yàn)參數(shù)設(shè)計(jì)

設(shè)有2艘船舶，4臺(tái)岸橋，24輛集卡，50個(gè)進(jìn)口集裝箱和50個(gè)出口集裝箱任務(wù)。如表1為碼頭設(shè)備的試驗(yàn)參數(shù)，表2、表3分別為進(jìn)、出口箱區(qū)和泊位間的距離，表4為堆場(chǎng)進(jìn)口箱區(qū)和出口箱區(qū)之間的距離，表5為堆場(chǎng)進(jìn)、出口箱區(qū)的卸箱數(shù)和裝箱數(shù)。

表1 集裝箱碼頭設(shè)備試驗(yàn)參數(shù)
Tab.1 Test parameters of container terminal equipment

參數(shù)名稱(chēng)參數(shù)值每岸橋卸載一個(gè)進(jìn)口集裝箱的時(shí)間/s180每岸橋裝載一個(gè)出口集裝箱的時(shí)間/s170每場(chǎng)橋卸/裝載一個(gè)集裝箱的時(shí)間/s120每個(gè)集卡的運(yùn)行速度/(m·s-1)083每個(gè)空載集卡單位距離燃油消耗量/(L·m-1)00008每個(gè)裝載集卡單位距離燃油消耗量/(L·m-1)00012每個(gè)集卡單位時(shí)間內(nèi)等待能耗/(L·h-1)000125集卡燃油市場(chǎng)價(jià)/(元·L-1)545每臺(tái)岸橋單位使用成本/[元·(臺(tái)·h)-1]882每輛集卡單位使用成本/[元·(輛·h)-1]52

表2 進(jìn)口箱區(qū)與泊位間的距離Tab.2 Distance between the import box area and berth m

表3 出口箱區(qū)與泊位間的距離Tab.3 Distance between the export box area and the berth m

表4 堆場(chǎng)進(jìn)口箱區(qū)和出口箱區(qū)間的距離Tab.4 Distance between the import and export area of the yard m

表5 堆場(chǎng)進(jìn)出口箱區(qū)的卸箱數(shù)和裝箱數(shù)Tab.5 Number of import and export container’s unloading and loading boxes TEU

4.2 算例結(jié)果

對(duì)于岸橋調(diào)度，表6為岸橋調(diào)度的一個(gè)滿意解：岸橋?qū)b箱作業(yè)時(shí)具有優(yōu)先級(jí)順序，例如岸橋1對(duì)進(jìn)口集裝箱的作業(yè)順序?yàn)?0→24→23→10→8→22→15→6→14,對(duì)出口集裝箱的作業(yè)順序?yàn)?→15→3→11→25→6→17→16→9。岸橋2對(duì)進(jìn)口集裝箱的作業(yè)順序?yàn)?6→17→9→2→5→19→7→4→3→12→13→21→25→11→1→18, 對(duì)出口集裝箱的作業(yè)順序?yàn)?8→7→24→13→8→21→14→20→10→23→4→19→12→5→2→22。對(duì)于集卡調(diào)度，表7為集卡調(diào)度的一個(gè)滿意解：集卡所分配的集裝箱任務(wù)總體上較均勻，集卡不再服務(wù)于固定岸橋，這樣可以減少集卡等待岸橋的時(shí)間。圖6顯示集卡運(yùn)行總距離收斂圖，遺傳算法在接近于50代時(shí)開(kāi)始收斂，收斂于51 370 m。

表6 岸橋調(diào)度結(jié)果
Tab.6 Result of quay crane scheduling

岸橋進(jìn)口集裝箱處理順序出口集裝箱處理順序120，24，23，10，8，22，15，6，141，15，3，11，25，6，17，16，9216，17，9，2，5，19，7，4，3，12，13，21，25，11，1，1818，7，24，13，8，21，14，20，10，23，4，19，12，5，2，22341，28，40，50，37，48，43，46，47，35，45，4237，46，44，34，47，32，43，48，42，28，27，36432，38，34，39，27，31，30，44，26，33，49，29，3641，30，38，33，31，29，39，49，26，45，50，35，40

表7 集卡調(diào)度結(jié)果
Tab.7 Result of internal truck scheduling

集卡進(jìn)口集裝箱處理順序出口集裝箱處理順序124，21，4415，19，49216，4，4118，20，3732，11，48，4313，5，32，4341223540，3544，28610，26，3311，26，457714817，25，347，12，3891，472，42105034116，3616，401238301322，196，21144950159，13，14，4524，4，9，271623，3，303，10，391727311828461946，3148，2920393321201228，3225，41234236245，15，18，37，298，17，22，47，35

圖6 遺傳算法收斂圖
Fig.6 Convergence graph of Genetic Algorithm

4.3 集卡能耗結(jié)果

對(duì)于集卡能耗，從表8可知：考慮能耗目標(biāo)要比不考慮能耗目標(biāo)多出4.17 min的作業(yè)時(shí)間，但在集卡能耗上可獲得11.48 L的燃油節(jié)省，在總調(diào)度成本上節(jié)省了45.34元的成本。圖7為考慮集卡能耗與不考慮集卡能耗成本對(duì)比結(jié)果圖。

表8 考慮集卡能耗與不考慮集卡能耗成本對(duì)比結(jié)果
Tab.8 Cost comparison of considering internal truck energy consumption and without considering internal truck energy consumption

目標(biāo)函數(shù)值集卡燃油消耗/L作業(yè)時(shí)間/min集卡能耗成本/元時(shí)間成本/元總調(diào)度成本/元未考慮集卡能耗目標(biāo)的結(jié)果79313876743219524102567321考慮集卡能耗目標(biāo)的結(jié)果678213918436962525825562787

圖7 考慮集卡能耗與不考慮集卡能耗成本對(duì)比圖
Fig.7 Energy cost comparison of internal truck between considering and without considering the energy consumption

5 結(jié) 語(yǔ)

本文提出了考慮集卡能耗和岸橋集卡作業(yè)時(shí)間的多目標(biāo)協(xié)調(diào)調(diào)度問(wèn)題，給出了多目標(biāo)優(yōu)化的數(shù)學(xué)模型，并且通過(guò)使用遺傳算法結(jié)合Matlab數(shù)學(xué)工具求出了模型的近似解。從算例結(jié)果可知，考慮集卡能耗的調(diào)度結(jié)果在總調(diào)度成本上更節(jié)約成本，遺傳算法求解的多目標(biāo)優(yōu)化結(jié)果盡管不能達(dá)到單目標(biāo)結(jié)果的最大化，但是可以在一個(gè)目標(biāo)稍作犧牲的前提下，實(shí)現(xiàn)整體目標(biāo)的性能。因此，考慮集卡能耗相對(duì)于不考慮集卡能耗的岸橋集卡協(xié)調(diào)調(diào)度更能適應(yīng)作業(yè)成本最小化及碼頭綠色物流的發(fā)展趨勢(shì)。

[1] 秦天保，沙梅.基于約束規(guī)劃建模求解岸橋調(diào)度問(wèn)題[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2013，19(1)：181-186.

[2] 秦進(jìn)，倪玲霖，王承娜，等.集裝箱碼頭岸橋調(diào)度優(yōu)化模型及算法[J]. 西南交通大學(xué)學(xué)報(bào)，2013，48(1)：184-192.

[3] 董良才，孫思韻.用改進(jìn)螢火蟲(chóng)算法求解岸橋調(diào)度模型[J]. 上海海事大學(xué)學(xué)報(bào)，2016，37(1)：32-37+48.

[4] AL-DHAHERI N, DIABAT A.The Quay Crane Scheduling Problem[J]. Journal of Manufacturing Systems, 2015,36：87-94.

[5] UNSAL O, OGUZ C.Constraint programming approach to quay crane scheduling problem[J]. Transportation Research Part E,2013,59：108-122.

[6] 王軍，許曉雷.集裝箱碼頭集卡作業(yè)的路徑選擇[J]. 大連海事大學(xué)學(xué)報(bào)，2011,37(2)：25-27+34.

[7] NG W C, MA K L, ZHANG Y X.Scheduling trucks in container terminals using a genetic algorithm[J]. Engineering Optimization，2007，39: 33-47.

[8] AMINI A, TAVAKKOLI-MOGHADDAM R. A bi-objective truck scheduling problem in a cross-docking center with probability of breakdown for trucks[J]. Computers & Industrial Engineering,2016,96:180-191.

[9]韓曉龍，牟少莉.基于CHC算法的集卡與岸橋協(xié)調(diào)調(diào)度優(yōu)化問(wèn)題[J]. 武漢理工大學(xué)學(xué)報(bào) (信息與管理工程版)，2014，36(2)：233-236+245.

[10]梁承姬，沈佳杰.考慮裝卸順序的岸橋與集卡協(xié)調(diào)調(diào)度問(wèn)題研究[J]. 計(jì)算機(jī)應(yīng)用研究，2016，33.

[11]TANG Li-xin, ZHAO Jiao, LIU Ji-yin. Modeling and solution of the joint quay crane and truck scheduling problem[J]. European Journal of Operational Research, 2014, 236：978-990.

[12]KAVESHGAR N, HUYNH N. Integrated quay crane and yard truck scheduling for unloading inbound containers[J]. Int J Production Economics,2015, 159：168-177.

[13]郭嬋嬋.考慮能耗的集裝箱碼頭核心資源調(diào)度研究[D]. 遼寧：大連海事大學(xué)，2014.

[14]GOLIAS M M, SAHARIDIS G K, BOILE M, et al. The berth allocation problem: Optimizing vessel arrival time[J]. Maritime Economics&Logistics,2009,11(4)：358-377.

[15]GOLIAS M M, BOILE M, THEOFANIS M, et al. Theofanis,Sotiris,Efstathiou,Christos.the berth scheduling problem: Maximizing berth productivity and minimizing fuel consumption and emissions production[J]. Transportation Research Record: Journal of the Transportation Research Board,2010,2166：20-27.

[16]CHANG D F, JIANG Z H, YAN W, et al. Integrating berth allocation and quay crane assignments[J]. Transportation Research Part E: Logistics and Transportation Review,2010,46(6)：975-990.

[17]HE J L, ZHANG W M, HUANG Y F, et al. A simulation optimization method for internal trucks sharing assignment among multiple container terminals[J]. Advanced Engineering Informatics,2013,27(4)：598-614.

[18]GOLDBERG D E.Genetic algorithms in search, optimization and machine learning[M]. New York: Addison-Wesley,1989.

(責(zé)任編輯 梁碧芬)

Integrated quay crane and internal truck scheduling in a container terminal considering internal truck energy consumption

YAN Nan-nan, YANG Ying

(Logistics Research Center, Shanghai Maritime University, Shanghai 201306, China)

As environmental pollution and resource shortage intensifies, green port is becoming inevitable trend of port development in the future. Aiming quay crane and internal truck coordinated scheduling, a multi-objective mathematical model is established, considering internal truck energy consumption and quay crane together with internal truck work time. The work time of quay crane together with internal truck is related to the internal truck energy consumption, but there is a certain degree of conflict between these two objectives. Therefore, the method of multi-objective optimization is used to balance the two objectives. A genetic algorithm combined with Matlab mathematical software is to solve the mathematical model. Example results show that the cost of scheduling strategy considering the energy consumption of the internal truck is less than that of the scheduling strategy without taking the energy consumption of the internal truck into account, which validates the effectiveness of the model and the algorithm.

container terminal; integrated quay crane and internal truck scheduling; internal truck energy consumption; green port; Genetic algorithm; Matlab

2016-07-22；

2016-09-01

國(guó)家自然科學(xué)基金資助項(xiàng)目(71071093)

嚴(yán)南南(1968—)，女，湖北鄂州人，上海海事大學(xué)副教授，博士; E-mail：nnyan68@163.com。

嚴(yán)南南，楊瑩.集裝箱碼頭考慮集卡能耗的岸橋集卡協(xié)調(diào)調(diào)度[J].廣西大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，41(6)：1949-1959.

10.13624/j.cnki.issn.1001-7445.2016.1949

TP301.6

A

1001-7445(2016)06-1949-11