铁路集装箱中心站装卸设备优化调度研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (2): 211-214.

铁路集装箱中心站装卸设备优化调度研究

唐连生1，郭鹏2

1.广西民族大学商学院，南宁 530006
2.西南交通大学机械工程学院，成都 610031

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-11 发布日期:2012-01-11

Study of loading/unloading equipment optimization scheduling in railway container terminal

TANG Liansheng1, GUO Peng2

1.College of Business, Guangxi University for Nationalities, Nanning 530006, China
2.College of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-11 Published:2012-01-11

摘要/Abstract

摘要： 为了提高铁路集装箱中心站的作业效率，研究了带有干涉约束的轨道式门式起重机（轨道吊）调度问题，为其建立了混合整数规划模型。分析了轨道吊调度问题的作业特点，提出了一种求解该问题的改进遗传算法。在以最小化最大装卸作业时间和均衡设备负荷为目标的情况下，设计了合理的交叉算子和对局部最优个体操作的变异算子。使用随机算例对算法进行测试，结果表明：该算法能在极短的时间内找到此类调度问题的最优或近似最优解。

关键词: 铁路集装箱中心站, 设备调度, 干涉约束, 遗传算法

Abstract: To improve the operation efficiency of railway container terminal, the rail-mounted gantry crane scheduling problem（RMGSP） is studied to determine a handling sequence of tasks for rail-mounted gantry cranes assigned to a container train considering interference between these cranes. A mixed integer programming model for the considered RMGSP is provided. The operation characteristic of the considered RMGSP is analyzed, and an improved genetic algorithm is proposed to solve the RMGSP. In order to minimize makespan of the train loading/discharging operation as well as equipment load balance, rational crossover operator and mutation operator based on the partial optimal individuals are designed. Random instances are generated to test the proposed algorithm, the computational results show that the algorithm is able to find optimal or near optimal solutions with very short run time.

Key words: railway container terminal, equipment scheduling, interference constraints, genetic algorithm

唐连生1，郭鹏2. 铁路集装箱中心站装卸设备优化调度研究[J]. 计算机工程与应用, 2012, 48(2): 211-214.

TANG Liansheng1, GUO Peng2. Study of loading/unloading equipment optimization scheduling in railway container terminal[J]. Computer Engineering and Applications, 2012, 48(2): 211-214.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.