摘 要：随着经济全球化的加快，海上运输需求大大增加。码头经营人面临如何建立码头起重机日程安排的挑战，为了提高集装箱码头作业效率，实现船舶最快离港，本文对装卸混合作业模式下岸桥作业调度问题进行了研究，针对集装箱码头装卸作业特点，提出了基于遗传算法的岸桥调度优化方法。

关键词：集装箱；岸桥；调度；遗传算法

一、研究背景

随着世界经济一体化，贸易全球化的发展，各国之间的贸易需求日益增加，港口作为连接国际物流网络的重要节点，是几乎所有进出口货物的集散地，因此，随着货量的急剧增加，港口面临着加快货物流转考验。为了方便装卸，集装箱应运而生，由于集装箱运输具有安全、便利操作以及方便国际多式联运的特点，集装箱的出现大大加快了港口货物的装卸和中转速度，特别是集装箱标准化以后，集装箱的运输量更是出现了前所未有的飞速增长。

为了应对集装箱运输量的增长，集装箱船舶越来越大型化，而大型集装箱船舶在港口的停留时间直接影响着巨额的经营成本，因此，船公司更倾向于选择装卸效率高的港口进行挂靠。为了吸引货源和集装箱船舶，在现有基础设施建设的基础上，集装箱港口不得不通过合理的调配现有资源来提高竞争能力。在集装箱港口的各项装卸设施中，集装箱岸桥又制约集装箱港口装卸效率的瓶颈，因此，合理调配集装箱码头的岸桥显得十分必要。

二、研究思路

集装箱岸桥是集装箱船舶与码头前沿之间装卸集装箱的主要设备。它的运作效率直接决定了整个集装箱港口的运作效率。在给定集装箱船舶配载计划的前提下，研究岸桥单阶段对船作业的调度优化问题，所有岸桥作业都必须满足：（1）岸桥碰撞约束，即岸桥之间不能相互穿越，且作业时保留一定的安全距离。（2）甲板位置约束，指由于甲板的存在，处在甲板上方和下方的集装箱作业之间存在作业顺序上的约束关系。调度问题的目标是对船作业的时间最短。集装箱岸桥优化配置是公认的NP问题，涉及的约束条件较多，涉及考虑的方面较广，目前，在求解中采取的主要算法有：混合整数规划、分支定界法、随机贪婪适应性搜索法、模拟仿真、遗传算法等等。考虑到本问题的复杂度和岸桥作业的性质，本文提出用遗传算法对岸桥调度优化问题进行求解。

三、模型的建立及核心因素分析

（一）模型建立的前提

岸桥调配是一个复杂的问题，那变量多，约束条件也非常复杂，计算难度大，为了方便计算，可以就重避轻，忽略一些影响微小的因素。因此，在研究中要以以下假设为前提：

（1）集装箱装卸桥的分配不受水平运输机械影响，即不考虑集装箱装卸桥等待集卡的情况；（2）不考虑船舶翻箱作业；（3）不考虑集装箱装卸桥故障；（4）集装箱装卸桥一旦投入某作业单元，不能中途退出，直到完成该作业单元；（5）假设船舶贝位编号顺序方向和集装箱装卸桥编号顺序方向一致。

（二）目标函数的确立

目标函数：当多台岸桥同时工作时，工作时间最长的岸桥的工作时间即为完成整个作业任务的最小时间。这里说的岸桥工作时间包括闲置时间，移动时间，作业时间。作业时间基本是固定的，但闲置时间和移动时间可以影响每台岸桥的工作时间。这样最小化每台岸桥的闲置时间和移动时间显得十分的必要。

（三）约束条件的确立

约束条件：1.保证了任务完成时间大于等于每台岸桥的工作时间。2.保证了每台岸桥都会被指定一个最初始的任务。3.保证了每台岸桥都会被指定一个最后的任务。4.保证了每个任务都仅有一台岸桥来完成。5.确保每台岸桥完成每项任务的平衡性，以此保证每项任务按指定的顺序完成。6.保证避免岸桥之间的相互干扰。7.保证岸桥的完成时间是到完成最后一个任务加上移动到最终的位置为止。8.保证岸桥的第二项任务完成时间减去初始任务的完成时间大于等于第二项任务的装卸时间和移动时间之和。9.限定变量的取值区间。10.限定变量非负等。

四、遗传算法分析

遗传算法的本质是一种高效、并行、全局搜索的优化方法，它是通过模拟自然界生物进化过程实现的。其原理是：遗传算法将现实世界中的人工系统的优化变量，通过某种编码的方法，将其模拟成生物界里的染色体（即个体），从而随机产生拥有一定数量个体的种群，并对种群每个个体进行适应环境程度的评价（通过适应度函数实现），然后再模拟生物界里的进化的过程，根据染色体的适应程度来对染色体进行选择，交叉和变异等操作，产生下一代的种群，最后，对子代种群再进行评价，如果满足人工系统的相应要求，就停止进化，得到最优解或者近似解，如果不满足，就重复进化过程，直到得到符合要求的最优解或者近似解为止。之所以采用遗传算法，是因为其具有以下独特的优点：

（1）具有很强的适应性和通用性：只需要利用目标函数的取值信息，不必非常明确地描述问题的全部特征，不受搜索空间限制性假设的约束，因而遗传算法能适用于大规模、高度非线性的不连续多极值函数优化，甚至无解析表达式的目标函数的优化。此外，遗传算子作用在编码后的染色体上，而不是直接作用在优化问题的具体变量上。这使遗传算法能以一种统一的处理方式来处理各类不同的问题。（2）具有较好的全局优化性能和适应性：遗传算法是从初始群体开始搜索的，而不是从单点开始搜索的。许多传统优化方法都是从搜索空间的单点出发，通过某些转换规则确定下一点。这种点到点的搜索方法在多峰值优化问题中，首先找到的可能不是最优峰值；而遗传算法是以点集开始的寻优过程，初始群体是随机地在搜索空间中选取地，这样在搜索过程中达到最优峰值的概率远大于点到点方法的概率。（3）良好的擴展性，易于和其他算法相结合：针对某一问题的遗传算法经简单修改即可适应于其他问题，或者加入特定问题的领域知识，或者与已有算法相结合，能够较好地解决一类复杂问题，因而具有较好的普适性和易扩充性。

五、结论

集装箱码头岸桥调配在集装箱码头的经营中是一个核心的问题，在现有基础硬件设施不变的条件下，可以通过分析集装箱码头前沿的生产作业过程，考虑岸桥之间不可交叉作业和作业任务的先后顺序等约束，建立集装箱岸桥调度计划模型（QCSM）。在通过对染色体进行编码，较好的用遗传算法求解集装箱岸桥调度模型，从而得到一个较好的岸桥调度方案。但本文存在很多不足之处，比如集装箱与集卡的配合不可能完全无缝连接；装卸桥一旦投入某作业单元就不能退出的假设会丧失调度的部分灵活性；集装箱装卸桥的装卸调度和船舶配积载以及堆场的堆存信息是紧密联系的，本文并没有考虑船舶配积载以及堆场的堆存信息，是理想化得假设条件。所以在本文研究的基础上，还可以进一步改进，考虑更多的条件，使其适应性更强。

参考文献

[1]缪立新.集装箱装船顺序优化模型及算法研究[C].第三节中国物流学术年会论文集，2004，p19-28.

[2]曾庆成，高宇.集装箱码头装卸桥调度优化模型与算法[J]，计算机工程与应用，2006，42（32）： 217-219.

[3]王辉球.集装箱岸吊的调度模型和算法研究[D].清华大学硕士学位论文，2006.

[4]孙俊清，李平，韩梅. 装卸桥调度问题及其混合智能优化算法 GASA[C].第26届中国控制会议论文集，2007，7，26-31，p3410-3414.

[5]孟庆雨，集装箱码头装卸设备优化配置研究[D].河北工业大学硕士学位论文，2010.

作者简介

张颢（1989—），男，汉族，河北唐山市人，助理工程师，大学本科，单位：辽宁省交通厅港航管理局，研究方向：交通运输（港口经营与管理方向）。