摘要: |
集装箱运输具有“快速、安全、质优、价廉”的优势,在世界范围内得到了飞速发展,已成为世界各国交通运输现代化的重要标志及保证国际贸易的最优运输方式.配载是集装箱运输过程的一个核心环节,目的是寻求一种在满足既定约束条件下倒箱最少、作业高效的装载方案,是集装箱码头作业规划的重要组成部分.配载的优劣直接关系到集装箱海上运输的安全性和经济性,如何在众多可行的方案中寻求一种相对最优的配载方案,以保证船舶安全、降低运输成本、提高营运效率和市场竞争力,是航运业致力追求的主要目标之一.
由于配载问题是带有复杂约束的多目标组合优化问题,随着船舶载箱量增加和挂靠港口数量增多,问题的规模变得十分庞大,问题的解决也变得更为复杂.国内外许多专家在此领域作了许多有益的探索,也提出了许多解决问题的方法,但到目前为止,还鲜有解决配载问题的完整模型.作者在深入集装箱码头调研及查阅大量文献资料的基础上,探讨了集装箱船配载的特点、要求、过程及问题的复杂性,以集装箱船全航线配载研究为主线,使用智能优化算法与技术,对全航线配载及其相关问题进行研究,提出了求解配载问题的一些新方法.
大多数船在一个航次中要挂靠多个港口,编制配载计划时,要有全航线的整体观念,要对船舶在整个航线的挂港顺序和各港的箱源情况进行综合考虑,所以在一个码头配载时,必须考虑其对后续港口装卸的影响.由于在制订当前码头配载规划时,后续港口箱量信息还不能确定,给当前码头配载规划带来困难.为了解决这个问题,本文提出利用预测模型预测后续港口的箱量信息,为船舶全航线配载提供数据支持,在此基础上建立全航线预配和Bay位排箱优化模型,使用配载评价模型对配载方案进行综合评价及优选.
首先应用支持向量机理论建立了后续港口箱量信息预测模型.分析影响航次箱量的因素,建立全航线航次箱量预测指标体系,对后续港口的箱量信息进行预测.SVM模型适用于小样本、高维预测问题,具有较强的适应性及泛化能力,为集装箱船航次箱量这样一个小样本、多影响因素预测问题提供了一种新的有效方法.
建模是系统优化的基础,由于配载问题的复杂性,单纯使用一种方法无法很好地满足系统建模要求.本文在对问题分析的基础上,将配载问题分解为预配和Bay位排箱两个子问题,分别建立子问题的优化模型,并构造相应的算法,然后再组合成为原问题的解,可降低问题求解难度和时间复杂度.
预配主要是将装载港的集装箱按类型、尺寸及目的港组成同类箱组,以同类箱组为处理单元,依据一定的优化目标将其分配到船舶不同Bay位上.预配阶段以全航线倒箱数量最少、不同目的港箱占用Bay位数量最少为优化目标,以满足总纵强度和纵向吃水差要求等为约束条件建立模型,将同类箱组在船上的布局问题看成是超尺寸装箱问题,采用基于二叉搜索树的最优匹配装箱算法求解配载问题.预配完成集装箱在船上的纵向布置.
Bay位排箱是将已分配到各个Bay位的集装箱以一定的规则指派到特定箱位上去,实现集装箱在船上的横向及垂向布置.根据Bay位中集装箱目的港和重量属性不同,分别建立了单一目的港Bay位排箱优化模型和多目的港箱Bay位排箱优化模型.单一目的港Bay位排箱以船舶重心高度最优及横倾力矩最小为优化目标建模,将箱位分配看成是指派问题,采用禁忌搜索算法求解.多目的港Bay位排箱以全航线倒箱数量最少为目标,采用隐式图搜索算法求解.实例模拟结果表明,此系列模型可以得到适合于实际问题的优化配载方案。
配载问题面临的经常是一个由相互关联、相互制约的众多因素构成的复杂系统,而满足配载有关衡准要求和其他要求的方案也有多个.在优化阶段确定的配载方案只满足少量的优化指标,为了综合评价配载方案的优劣,在多个配载方案中选择总体最优的方案,基于安全性和经济性建立了配载方案的综合评价指标体系,利用粗集数据分析理论,对多个配载方案数据进行分析,去掉冗余的决策变量或属性,然后应用多目标、多层次系统模糊评价模型,对配载方案进行优选.
出口堆场的取箱作业关系到装船的效率及装船的稳定性,是与配载密切相关的一类问题,经过优化的堆场Bay作业规划能够大大提高装船的效率,可为配载优化提供较好的基础,本文建立了集装箱堆场门式起重机小车取箱作业优化模型.采用最小生成树算法确定小车取箱作业顺序,此模型可以为出口集装箱实际取箱作业规划提供理论依据.
本研究对配载方案选择采用的是全航线总体最优的方法,这种统筹全局的配载策略以全航线总的经济效益及安全性为目标,避免单纯追求当前港口的优化而给后续港口装卸带来困难,是一种比较先进的理论模型.这一理论模型包含港口箱量信息预测、配载方案产生和配载方案评价三个核心内容,其中又以配载方案产生模型最为关键.预测模型能够比较准确的预测后续港口特定航次箱量信息,为集装箱船全航线配载提供基础数据,配载方案优选模型为集装箱船配载方案选择提供可靠的评价方法.
|