随机到达和处理时间下的泊位分配实时管理文献综述
2020-04-28 20:29:02
1.研究背景及国内外的现状分析
1.1研究背景
近年来,集装箱港口吞吐量高速增长和集装箱船舶更趋于大型化给码头的生产运作带来了巨大压力,经常出现船舶等待时间过长现象。为减缓这种影响码头和船舶正常运营的事件发生,码头公司均使用多种做法来提高码头的运作效率和能力,如购买岸桥、扩建、新建泊位等。但是受硬件资源、资金以及较长建设周期等受限,短期内很难提高码头的效率和能力。所以,码头必须充分利用现有的条件,提高泊位调度效率以及装卸效率。港口系统内部的复杂性和外部环境的不确定性总是给集装箱码头的规划与调度制造难题面对这些难题,针对不同的重点做出研究,而泊位分配也是影响的重要因数之一,因此在随机到达和处理时间下的泊位分配实时管理是十分重要的。
从投资者角度讲,港口运营中使所有的港口设施都能够充分利用,不出现闲置现象,从而使港口的投资收益率最大化,但是在来港船舶较多的情况下,船舶不可避免的要进行排队等待,有可能导致大量的船舶滞港、压船、压货,造成巨大的经济损失。但追求船舶到港就能够进入泊位作业而不需要等待,港口必须增加投资扩大规模,当来港船舶较少时,将导致港口泊位和设施的闲置。所以,相对于成本昂贵的新建泊位,在原有的泊位数量基础上进行合理的分配泊位对一个港口来说是非常重要的。
1.2国内外现状分析
泊位的有效调度,能极大的缩短所有船舶的在港时间。在实际操作中,泊位的合理安排,能为港口节省更多的有效时间,为更多船舶进行服务,直接为港口带来更多的利润。林嘉宏证明了模型和算法的有效性,能够在成本和稳健性两个方面取得良好平衡[1],周鹏飞利用遗传算法与混合智能算法对泊位分配的处理进行了优化比较与分析[2],孙彬利用多Agent的结构模式解决码头资源的协、调调度问题[3],贾理国等研究了MapReduce下连续泊位分配系统[4],严伟[5]与何军良[6]分别基于神经网络和分布式混合遗传算法研究泊位分配策略,童珊[7]讨论船舶优先权的集装箱港口泊位分配问题,曾庆成[8]与杨春霞[9]等人研究泊位分配干扰管理问题,秦进[10]等人提出基于时间窗约束的离散型泊位分配模型,同时在目标函数中加入了作业时间对船舶的不同意义,并设计了模拟退火算法对模型进行优化求解。
国外对泊位分配问题的研究很多,而且形成了静态泊位规划、离散泊位规划和连续泊位规划等体系,取得了许多开创性研究成果。Hansen等人11]同时考虑了作业时间还考虑了所在泊位的船舶的服务成本,追求成本最小化包括当船舶延迟离港的惩罚的和提前离港所带来利益。Katja Buhrkal等人[12]分析了三种泊位分配的主要算法,并且对其做了数值测试,分析了广义集分割模型的表现是最好的。Umang N等人基于集合划分方法和智能贪婪算法的基于优化的恢复算法来重新分配中断事件中的船舶,降低实际操作的总服务成本[13]。
由此可以看出多数集中在对离散泊位分配问题的研究上,对连续泊位分配问题的研究较少,而国内仍然停留在对离散泊位分配问题的研究上,并且所建立的模型更简单,与实际操作存在着较大的差距。本文针对的是在不确定条件下连续泊位分配的问题,采用贪婪算法与先到先服务原则做新的泊位分配,目标是追求总的服务成本最低,与原来的调度做比较,选择对港口更为有利的泊位分配方案。
2. 研究的基本内容与方案
{title}2.研究内容