申请/专利权人：上海海事大学

申请日：2021-04-19

公开（公告）日：2024-04-05

公开（公告）号：CN112884383B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/0835;G06Q10/087;G06Q50/40;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.06.18#实质审查的生效;2021.06.01#公开

摘要：本发明提供一种考虑时间窗约束的集装箱港口应急物资优化调运方法，包含步骤：S1、以最小化集装箱在港总成本为目标建立目标函数，以集港时间、闸口为船舶分配的外集卡数量、外集卡的排队长度与平均等待时间、堆场内集装箱的占用空间及占用时间作为约束，建立上层模型，为船舶对应的外集卡任务规划时间窗，该时间窗为外集卡运送集装箱的起止时段；S2、基于船舶对应外集卡任务的优先级，以最小化时间窗调整成本为目标，建立下层模型调整所述时间窗；S3、基于L‑CGA算法，进一步优化调整后的时间窗为对应的真实时间窗，外集卡基于船舶的所述真实时间窗执行任务。本发明可以有效减少集装箱在港总成本，优化外集卡到达模式，确保应急物资的优先调运。

主权项：1.一种考虑时间窗约束的集装箱港口应急物资优化调运方法，其特征在于，包含步骤：S1、以最小化集装箱在港总成本为目标建立目标函数，以集港时间、闸口为船舶分配的外集卡数量、外集卡的排队长度与平均等待时间、堆场内集装箱的占用空间及占用时间作为约束，建立上层模型，为外集卡任务规划外集卡到达的时间窗；所述时间窗为外集卡最早运送集装箱到港时间至外集卡最晚运送集装箱到港时间的时段；S2、基于船舶对应外集卡任务的优先级，以最小化时间窗调整成本为目标，建立下层模型调整所述时间窗；S3、基于Logistic映射的混沌遗传算法，进一步优化由下层模型调整后的时间窗为对应的真实时间窗，外集卡基于船舶的所述真实时间窗到港；步骤S1中所述目标函数为：minTC＝∑i∑tW1+∑i∑tW2+∑tW3＝∑i∑tWCOit+∑i∑tYCDit+∑tPCt；1其中，W2＝YCDit＝TV+AC×Dit×f′it；3 TC为集装箱在港总成本；i为船舶编号，i＝1,2…I；t表示时间，t＝1,2…T；WCOit表示第i船在时间t的等车费用及油耗；A表示每辆卡车每小时等待时间的单位成本；B表示每辆卡车每小时燃烧消耗的单位成本；f′it表示在时间t为第i船重新分配的外集卡到达次数；为到达时间t的外集卡平均等待时长，单位为小时；YCDit为第i船在时间t的堆场费用和储存时间费用；TV为每小时每标准箱货物的储存时间成本；AC为每集装箱每小时的堆场费；Dit为第i船在时间t内到达的集装箱平均储存时长，单位为小时；PCt表示在时间t堆场空间不足的惩罚费用；Ot为在时间t占用的堆场空间；Y为堆场总库存容量；步骤S1中所述约束包含：TBit-TAit＝Tl；5TAit+Tk≥ERit；6TBit+6≤ERit；7Tl≥6；8TAit,TBit为正整数；9 f′it＝fit+fit+24×7+fit-24×7；11nt＝maxnt-1+∑if′it-H,0；12 Ot-1TLit+∑iQi≤Y；15Ot＝Ot-1+∑iQiTFit-TLit；16 TV＝VC×r；18 其中，ERit表示第i船预计到达时间；Tl为所述时间窗的时长；Tk表示开始集港时间不早于船舶到港时间Tk小时；TAit为时间窗的起点，TBit为该时间窗的终点；H为闸口处理率，单位为：辆小时；fit表示在时间t第i船的外集卡到达次数；nt表示时间t的外集卡排队长度；g为闸口编号，g＝1,2…G；为装在第i船上的集装箱数量；Qi为第i船的集装箱装载量；VC为一件集装箱货物的平均价值；r为小时利率；Dit为第i船的集装箱截止于时间t的平均储存时间，单位：小时；TV为每小时每标准箱货物储存的时间成本； λit为时间t到达堆场的外集卡数量；dit为闸口g在时间t的外集卡离开量；AQit为到达闸口运送第i船集装箱的外集卡数量；Ei表示与第i船对应的集装箱数量；步骤S2中所述下层模型的目标函数为： 其中，l为集装箱编号，l＝1,2,…,L；j为外集卡编号j＝1,2,…,J； TAit′为调整后时间窗的起点，TBit′为调整后时间窗的终点；N为划分后的时间窗个数；为调整成本；步骤S2中所述下层模型包含约束： TAit≤TRit≤TBit；27 TAit-TAit′≤2；33其中，表示优先等级；T为港口工作时间；k为到港外集卡的服务顺序；M表示设定的单位时间窗步长，m＝1,2…M；TRit表示闸口实际开始处理外集卡任务的时刻；表示港口装运第l集装箱的终点时间；表示港口装运第l+1集装箱的起点时间；TRit为闸口实际开始处理外集卡任务的时刻； Zjm:外集卡j在时间窗口m内到达；Yim:时间窗口m内处理船舶i的任务；步骤S3包含：S31、令Ta＝TA1ta,TA2ta,…,TARta,TB1ta,TB2ta,…TBRta为下层模型的一个可行解，将其作为一个染色体，该染色体的长度为L，L＝2R，R为外集卡任务总个数，一辆外集卡有且只有一个外集卡任务；TAita为下层模型输出的第i个外集卡任务的时间窗起点，TBita为下层模型输出的第i个外集卡任务的时间窗终点；TAita、TBita分别作为该染色体的第i、第i+R个基因；i∈[1,R]；下层模型所有可行解的集合KXJ＝[T1,…,TM′]构成一个种群；a∈[1,M′]，M′为下层模型所有可行解个数；S32、以L10为第一初始值，基于L10生成对应的第一混沌序列log1＝{L11,L12,…}，其中L1p+1＝μL1p1-L1p；以L20为第二初始值，基于L20生成第二混沌序列log2＝{L21,L22,…}，其中L2p+1＝μL2p1-L2p；0＜L10,L20＜1；p＝1,2,…；记CS＝1，CS为迭代次数；DDYZ为预设的迭代次数阈值；μ为设定的常数；S33、计算染色体Ta的适应度值fa，a∈[1,M′]；所述适应度值为基于对应的染色体计算得到的集装箱在港总成本的倒数；令fb＝maxf1,…,fM′，b∈[1,M′]，将Tb作最优染色体；S34、生成与迭代次数CS对应的随机数xCS，0＜xCS＜1；令Pc为预先设定的交叉概率；当xcs＞Pc，进入S35；否则进入S36；S35、通过轮盘赌选择法从KXJ-{Tb}选取两个染色体Ta1、Ta2；a1,a2∈[1,M′]；其中染色体Ta1、Ta2被选取的概率分别为Pa1、Pa2： fa1、fa2分别为Ta1、Ta2的适应度值；基于L1CS生成交叉点jc，对Ta1、Ta2执行交叉操作，更新Ta1、Ta2；其中L1CS∈log1；进入S36；S36、令Pm为预先设定的变异概率；当xCS＞Pm，进入S37；否则进入S38；S37、通过轮盘赌选择法从KXJ-{Tb}选取一个染色体Ta3，a3∈[1,M′]；染色体Ta3被选取的概率为其中，fa3为Ta3的适应度值；基于L2CS生成变异点by，对Ta3执行变异操作更新Ta3；其中L2CS∈log2；S38、CS加1；当CS小于DDYZ，进入S32；否则，计算种群中所有染色体的适应度值，输出适应度值最高的一个染色体，记该染色体为Ta4＝TA1ta4,TA2ta4,…,TARta4,TB1ta4,TB2ta4,…TBRta4；a4∈[1,M′]；令TAita4为第i个外集卡任务的真实时间窗起点，TBita4为第i个外集卡任务的真实时间窗终点；步骤S35中基于L1CS生成交叉点的方法为：jc＝L1CS+1*L；所述交叉操作包含：将Ta1的第p′个基因与Ta2的第p′个基因互换；p′∈[jc,L]；步骤S37中所述基于L2CS生成变异点by，对Ta3执行变异操作更新Ta3，包含：S371、基于L2CS生成变异点by：by＝L2CS+1*L；若by＜R，进入S372；否则进入S373；S372、染色体Ta3中的第by个基因TAbyta3为时间窗起点，TBbyta3为与TAbyta3对应的时间窗终点；更新TAbyta3，使得更新后的TAbyta3满足约束：TBbyta3-TAbyta3＝Tl；TAbyta3+Tk≥ERit；TBbyta3+6≤ERit；Tl≥6；TAbyta3、TBbyta3为正整数；S373、染色体Ta3中的第by个基因TBby′ta3为时间窗起点，by′＝by-R，TAby′ta3为与TBby′ta3对应的时间窗起点；更新TBby′ta3，使得更新后的TBby′ta3满足约束：TBby′ta3-TAby′ta3＝Tl；TAby′ta3+Tk≥ERit；TBby′ta3+6≤ERit；Tl≥6；TAby′ta3、TBby′ta3为正整数。

全文数据：

权利要求：

百度查询： 上海海事大学 考虑时间窗约束的集装箱港口应急物资优化调运方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD