不确定条件下的泊位分配问题：一个基于协作方法的概念模型外文翻译资料

 2022-03-10 08:03

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

不确定条件下的泊位分配问题：一个基于协作方法的概念模型

Adi Budipriyanto, Budisantoso Wirjodirdjo, Nyoman Pujawan, Saut Gurning

摘 要

泊位作为港口的基础设施在集装箱码头的运营中发挥着重要的作用。为顾客服务的码头的性能取决于泊位和设施对集装箱码头活动的支持的有效性。在过去的十年间，学者们特别是针对泊位分配的一些相关问题进行了研究。大多数学者已经建立了基于确定性假设的模型，然而考虑到各种因素的变化性作为不确定性的模型仍然很少。船舶到达时间和装卸时间的变化导致了计划时间和实际停靠时间的差异。这些由于装卸时间难以预测造成的差异降低了泊位的产能。而这种情况将进一步影响到航线和和码头运营商的运营成本。本文基于考虑船舶到达时间和服务时间的不确定性，构建了一种船舶泊位分配的概念模型。协作战略被视为是一种通过资产共享以及联合规划和运营的行动方案。而构建模型的目的是为了减少总装卸时间，提高泊位、岸吊、集装箱堆场等资源的利用率。

关键词：泊位分配；协作；不确定性

目 录

摘 要 1

第1章 绪论 2

第2章 文献综述 3

第3章 概念模型与框架 5

第4章 讨论 7

第5章 结论与展望 9

参考文献 10

1绪论

泊位分配问题（BAP）是指船舶在计划期间的某一特定时间内的能够使船舶在码头进行装卸活动泊位分配[1]。BAP往往出现在多航线联合使用的多用户码头[2] 。由于航运线路之间的竞争，多用户码头的使用越来越严格，因此，航运线路试图通过改变专用码头的装卸活动来降低多用户码头的运营成本[2] [3]。而码头面临的挑战是通过确定船舶泊位分配，为航运线提供更优的服务。

BAP基于船舶的到达的特点可以分为静态BAP和动态BAP两种[4]。静态BAP下的船舶泊位分配问题是指所有船舶都已停靠在码头时的泊位分配问题。而动态BAP并非所有预定靠泊船只都已到达的泊位分配问题。除基于船舶的到达以外，BAP根据泊位空间条件的不同还可以划分为离散泊位分配、连续泊位分配和混合泊位分配[5] [6]。离散泊位分配是将泊位划分为多个部分，到达的某辆船只将占据其中的某一区段。连续泊位分配则是任何可用的泊位都可以被用于泊位分配。混合泊位分配问题由离散泊位分配和连续泊位分配组合而成，或是在某一区段安排调度多辆船舶，或是某一艘船可以占据多个区段。

码头由多个泊位组成，使船舶可以同时靠泊。因此，提出了如何同时分配泊位和岸桥的问题。我们称同时讨论泊位分配与岸桥调度的问题为泊位分配与岸桥调度（BACAP） [7]. 泊位分配不仅与岸桥的数量有关，与岸桥的布置同样息息相关。由于岸桥不能自由移动所以岸桥的布置就更显得至关重要。术语中同样称此问题泊位分配与岸桥调度问题（BACAP）[8]。集装箱的移动取决于靠泊地点与堆放地点之间的距离。距离的差异会对内务开支产生影响[ 9 ] [ 10 ] [ 11 ]。船舶泊位分配面临着包括船舶到达的不确定性和货物数量的变化性在内的诸多不确定性。Zhen et al [12] 和Zhen amp; Chang [1]提出了两种应对船舶到达不确定性的策略，即主动策略和被动策略。主动策略是在制定调度模型（基线调度）时，通过引入不确定性因素来完成的策略，而被动策略是通过对基线调度进行调整来实现的策略。

船舶达到时间的不确定性是一个难以避免和控制的因素，而且将对当事人船务公司和码头运营商均造成严重损害。码头运营商遭受的损失的主要来源是在泊位分配时泊位或其他设施的闲置或者未得到充分利用。因此，港口必须承担现有设施不能最优化使用的费用。而船方所遭受的损失主要来源于船舶在获得可用于装卸货的调度泊位以前不得不等待所消耗的时间和成本。

基于对印度尼西亚的两个最大的集装箱码头雅加达国际货柜码头和科佳码头进行的观测，船舶在两个码头的到达时间与预计到达时间ETA（Estimated Time of Arrival）相比有所不同。船舶到达时间的不确定性也受到了一些学者的讨论，例如[12][13][5][14]。船舶到达的不确定性造成了资源的闲置和短缺，因此很有可能在其中一个码头仍留有空闲资源的情况下，而另一码头却缺乏资源。由于缺乏协作，码头运营商在向航运公司提供服务时，仅依靠其本身设施资源的能力，而不考虑其他码头的资源利用情况，反之亦然。本文提出了一种不确定条件下泊位分配问题的协作策略概念模型。其目标是通过联合规划和运作来提高资源的利用率。

2 文献综述

BAP初步探讨了静态泊位分配方法下的先到先服务（FCFS）[4]。这项研究是在海军港口完成的，得出的结论是：最优的分配是通过将船卸下以换成另一艘船来完成的[4]。但商业港口必须在不中断的情况下为船舶提供服务，因此这种方法不够恰当[ 4 ]。FCFS方法的缺点是如果服务船舶的型号不同对应不同的装卸运输能力，那么小容量的船舶将要等待更长的时间。根据Imai et al [15]的必须找到除FCFS以外的更加优化的泊位分配方法。这种先到先服务的方法也被认为不够符合实际，因为它只适用于非常繁忙的港口[2][16][17]。

Imai et al [4]建立了动态离散泊位分配问题模型。动态离散泊位分配模型得到了许多其他学者的关注，但在求解方法上有所不同。所使用的求解方法包括次梯度拉格朗日松弛[4]，变邻域搜索[18]，混合元启发式[19]，lambda;最优[20]，用模拟退火[21]进行聚类搜索，粒子群优化（PSO）[22]。其他一些学者则已经建立了一个具有时间窗的多船舶路径问题模型（未发表）[23]，以及具有时间窗的异构船舶路径问题的模型[24]。带有时间窗的非均匀车辆路径问题模型是在“未公开”[23]开发的具有时间窗的多船舶路径问题的基础上的改进模型。还有一些学者考虑了可变水深[25]，利用优先等级[27]比较了可变水深和潮汐条件[26]的不同所造成的差异。

Imai et al [28] 和Golias et al [29]等人使用了多目标的算法，所采用的求解方法包括启发式遗传算法[25] [26] [27]，拉格朗日松弛遗传算法[28] [29]。Legato et al [30]开发出了集成战术层面和运行层面的模型。在战术层面通过数学规划求解，在运行层面则由仿真运行完成。通过使用启发式算法完成的多目标模型实现了成本的最小化和调度计划鲁棒性的最大化（由时间缓冲区测量）[1]。其他的在[31]中使用的术语是通过内外算法解决的泊位与岸桥分配的耦合问题（C-B amp; CAP）。动态连续泊位分配问题模型[32]以总加权流量时间最小化为目标,并且使用贪婪随机自适用搜索过程完成了算法。

另外一个需要考虑的不确定因素是船舶到达时间和不确定的服务的时间[12]。Zhen et al [12] 分别采用主动策略和被动策略两种策略，并采用元启发式方法进行求解。Golias et al [14] 和 Ting et al “未发表” [33]也考虑了到达时间和处理时间的不确定性。Golias et al [14] 采用了启发式算法完成模型，而Ting et al “未发表”[33]则使用了模拟退火法完成了模型。

船舶装卸时间取决于集装箱码头的数量、内部车辆运输的数量和速度以及集装箱堆场的可用性。因此，泊位分配、岸桥调度、集装箱堆场分配和内部运输部署必须同时考虑，不能单独考虑。一些学者同时讨论了BAP和QCAP，包括[20][2][3][34][35]。开发的模型中[34]旨在达到处理时间、等待时间和延迟时间的最小化。Liang et al [34]采用混合遗传算法处理了这一问题，[35]则是通过混合并行遗传算法（并行遗传算法和启发式算法）处理了此问题。BACAP模型中采用了两种基于岸桥（QC）的处理方法，其中i.e. QC不能自由移动[2] [8]，而QC可以自由移动[36] [37]。Imai et al [2]假设QC不能自由移动，因为QC不能在相互交叉的轨道上运动，只能在同一条轨道上移动。Imai et al [2] 利用基于遗传算法的启发式方法处理了这一问题，而[8]采用割平面算法处理了此问题。Han et al [36] 和 Raa et al [37]则是假设了QC可以自由移动。Han et al [36] 考虑船舶到达时的随机因素和处理时间，并采用遗传算法进行了求解，[37]则用混合整数线性规划进行了求解。Elwany et al [38] 利用启发式方法建立了考虑水深变化的动态连续泊位分配和岸桥调度问题模型。Hendriks et al [39]对被移动的集装箱种类作以区分，包括冷藏、危险品、空箱、满箱等几种，并用启发式算法进行了求解。Lalla-ruiz et al [6] 和Jin et al [11]开发了一种专门用于转运的BACAP模型。Lalla-ruiz et al [6] 用随机遗传密码加密方法进行了求解，而Jin et al [11]采用列生成基方法进行了求解。Giallombardo et al [9]和 Lee and Jin [10] 通过对中转站泊位分配、岸桥调度和堆场分配的综合考虑，进一步剖析了业务成本。其目标是达到总收入的最大化和业务成本的最小化，在此模型中，业务费用由集装箱的位移距离来区分，距离此差异决定了使用的运输费用和类型。Giallombardo et al [9]通过联合使用禁忌搜索法和数学规划法进行了求解，而Lee and Jin [10]使用了Memetic算法。

以上的研究均是假设到达时间和服务时间是确定的。而Peng-fei amp; Hi-gui [3], Zhen et al [12] 和and Hendriks et al [40]假设到达和处理时间是随机的，Peng-fei amp; Haigui [3]利用遗传算法进行了处理，Hendriks et al [40]建立了一种稳定的混合整数线性规划（MILP）。

泊位分配通常应当是长期进行的。但在实践中，船舶（船停靠岸）的到达发生在固定的周期和循环（通常是每周）下。因为船靠岸总是按照固定周期循环和重复的，因此只需要在一周内完成调度即可[41]。Moorthy amp; Teo [41]使用术语圆筒内部的泊位设计问题来描述此问题，而Imai et al [16]使用术语泊位模板问题来描述。调度计划是在矩形中加以描述的，水平面显示时间（到达时间、等候时间、装卸时间、离开时间），而垂直侧显示泊位长度和船舶长度。规划时间跨度一般采用固定循环和重复循环，因此规划时间跨度类似于圆柱体。Moorthy amp; Teo [41]应用了基本模拟退火算法的序列对进行了求解，而mai et al [16] 利用次梯度优化法进行了求解。图1是模板泊位分配问题。

图2-1 模板泊位分配

3概念模型与框架

港口运营规划大致可以分为战略层面、战术层面和运营层面三种。[41][20][39][16]。码头运营商与航运公司之间以及码头运营商与其他合作码头运营商之间的合作是一项战略决策。航运公司选择与码头运营商合作主要考虑到了以下几个因素如港口效率，充足的基础设施，港口费用，以及快速响应港口用户的需要[42]等。而相反的，码头运营商会选择能够提供最大吞吐量的航运公司。另一个战略决策是码头运营商与其协作的码头运营商之间的合作，与资源、规划和业务的使用有关。船舶到达的不确定性一方面导致了资源闲置，另一方面导致了资源紧缺。

决定窗口或者泊位分配安排是战术层面的决策。码头运营商通过考虑集装箱的估计数量（货物数量）、预计到达时间和离开时间、以及预计处理时间三个因素来确定每家航运公司的航运槽。每个时期的集装箱总数量越多，集装箱占用的时间就越长，岸桥的数量也就越多。前一个港口与后一个港口间预计到达和离开的船舶将会实现联锁，因此船舶的到达离开时间必须相应调整离开前一个港口的时间、到达下一个港口的时间和其中的航运时间。

靠泊地点、岸桥数量和堆放地点的决定则属于运营层面的决策。在运营层面，由于船舶和窗口槽间的差异、货物数量的变化、泊位位置与堆放面积间距

全文共36698字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17133]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章