自动化码头翻箱评估方法、箱位分配方法及相关装置与流程
本申请涉及自动化控制领域，尤其是涉及自动化码头的集装箱分配算法。
背景技术：
自动化码头的箱位分配问题的目的是在更短的时间内将进口集装箱放入堆场的各个贝中，以提高堆场运作效率、提高码头服务水平。在提取目标集装箱(目标箱)的过程中，目标箱若不在第一层，可能发生翻箱操作。在现实操作中，一个贝内各个进口集装箱被提取的先后顺序往往是未知的，在空间分配的时候不能根据它们被取走的先后顺序决定它们的位置。这正是影响进口集装箱箱位分配问题的关键及难点所在。
目前有关箱位分配问题的研究大多基于集装箱的被取走的先后顺序是已知的前提，但是对于集装箱被取走的先后顺序未知的情况，并没有好的解决方案。例如，在出口集装箱或中转集装箱的箱位分配问题中，由于这些集装箱的去向都是已知的，目前有一些算法能够求出可行解；而进口集装箱被安置到堆场以后，它们被货主取走的先后顺序是未知的、难以预测的，进口集装箱箱位分配的结果对未来取箱过程的影响难以确定。
技术实现要素：
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的是提供一种自动化码头集装箱翻箱评估方法、装置，能够对自动化码头集装箱翻箱的次数或时间进行有效评估，从而获知箱位分配对取箱过程的影响。
本发明的另一个目的是提供一种自动化码头集装箱箱位分配方法、装置，能够对自动化码头箱位分配问题快速求解，有效节约操作时间、提高码头服务水平。
本申请所采用的技术方案是：
第一方面，本发明实施例提供自动化码头集装箱翻箱评估方法，包括翻箱仿真步骤和统计输出步骤，翻箱仿真步骤包括：
获取箱区中单位箱体区域内的箱量；所述箱区包括至少一个单位箱体区域；
对单位箱体区域内的集装箱进行编号；
根据设定好的翻箱规则按照集装箱的编号依次取出集装箱，同时记录翻箱次数；
统计输出步骤包括：
根据各单位箱体区域的翻箱次数，统计并输出箱区总翻箱次数。
优选的，所述方法还包括：
重复执行第一预设次数的翻箱仿真步骤和统计输出步骤，并对多次输出的箱区总翻箱次数进行平均计算，得到并输出平均计算后的箱区总翻箱次数。
优选的，所述对单位箱体区域内的集装箱进行编号，具体包括：
利用概率分布函数对单位箱体区域内的集装箱进行随机编号。
本发明实施例通过仿真模拟未来翻箱操作，从而得到不同的目标箱区的集装箱分布状态和取箱过程翻箱次数的关系。克服了已知技术中存在的集装箱箱位分配的结果对未来取箱过程的影响难以确定的技术问题，实现了箱位分配计划对于未来翻箱量的影响的有效评估。
第二方面，本发明实施例提供自动化码头集装箱翻箱评估装置，包括翻箱仿真模块和统
计输出模块，
翻箱仿真模块包括：
获取箱量子模块，用于获取箱区中单位箱体区域内的箱量；所述箱区包括至少一个单位箱体区域；
编号子模块，用于对单位箱体区域内的集装箱进行编号；
翻箱子模块，用于根据设定好的翻箱规则按照集装箱的编号依次取出集装箱，同时记录翻箱次数；
统计输出模块用于根据各单位箱体区域的翻箱次数，统计并输出箱区总翻箱次数。
第三方面，本发明实施例提供自动化码头集装箱箱位分配方法，包括：
获取自动化码头状态参数集；所述自动化码头状态参数集包括新到集装箱数量b、箱区中单位箱体区域的数量k和自动化码头条件参数；
根据新到集装箱数量b和箱区中单位箱体区域的数量k形成至少一个染色体，建立遗传算法的初始化种群；所述染色体包含集装箱箱位分配信息；
根据自动化码头条件参数和各染色体对应的箱区总翻箱次数，进行适应度计算，得到各染色体对应的适应度函数值；所述各染色体对应的箱区总翻箱次数的计算方法为：根据各染色体和所述的自动化码头集装箱翻箱评估方法，计算得到各染色体对应的箱区总翻箱次数；
对染色体进行变异，并计算变异后的各染色体对应的适应度函数值；
根据各染色体对应的适应度函数值，得到最优解。
优选的，所述方法还包括：
根据第二预设次数迭代更新种群，并计算更新种群中各染色体对应的适应度函数值，得到各种群的最优解，得到并输出最终最优解。
优选的，所述自动化码头条件参数包括：翻一个集装箱的吊起降下时间参数r，asc经过一个单位箱体区域的移动时间参数m，第k个单位箱体区域的初始集装箱数
优选的，所述根据自动化码头条件参数和各染色体对应的箱区总翻箱次数，进行适应度计算，得到各染色体对应的适应度函数值，具体包括：
根据下列目标函数和约束条件计算得到第i个染色体对应的目标函数值obji：
目标函数为:
min
其中，ai为箱位分配过程运载集装箱i的送箱agv到达箱区的时刻；li为箱位分配过程运载集装箱i的送箱agv离开箱区的时刻；r(x)表示单位箱体区域内有x个箱子时的翻箱次数，r(x)由变量x和所述的自动化码头集装箱翻箱评估方法决定；yk为第k个单位箱体区域中所放的新到集装箱数量；α为送箱agv等待时间的权重，β为取箱车辆等待时间的权重；
约束条件包括：
每个单位箱体区域内集装箱量不得超过额定单位箱体区域的最大箱量
确保每一个新到集装箱都会被分配到一个单位箱体区域内，即满足：
其中，xik为决策变量，满足：
xik∈{0,1}；
当决策变量xik取值为1时表示集装箱i被制定分配到单位箱体区域k，且i＝1,2,…,b
，k＝1,2,…,k；当决策变量xik取值为0时表示其它情况；
所有新到集装箱都要送到箱区，即满足：
集装箱开始移动时间si与到达箱区时间ai的关系满足：
送箱agv到达箱区时刻ai和送箱agv离开箱区时刻li的关系满足：
将第一个新到集装箱送到箱区的送箱agv在到达箱区后可立即离开，即满足；
l1＝a1；
送箱过程中，后一个送箱agv只有在前一个送箱agv所载的集装箱被安置好，asc复位，将它所载的集装箱卸下后才可以离开，即满足：
根据下列公式计算得到第i个染色体的适应度函数值fi：
fi＝f-obji；
其中，f为大于obji的常数。
优选的，所述根据各染色体对应的适应度函数值，得到最优解，具体包括：
根据各染色体对应的适应度函数值，利用概率函数psj选择得到最优解，即满足：
其中，n为种群大小，fj为染色体j对应的适应度函数值，psj为染色体j被选择的概率。
优选的，所述对染色体进行变异，具体包括：
采用两两交叉变异和/或自交叉变异和/或随机变异算法对染色体进行变异。
第四方面，本发明实施例提供自动化码头集装箱箱位分配装置，包括：
参数获取模块，用于获取自动化码头状态参数集；所述自动化码头状态参数集包括新到集装箱数量b、箱区中单位箱体区域的数量k和自动化码头条件参数；
种群初始化模块，用于根据新到集装箱数量b和箱区中单位箱体区域的数量k形成至少一个染色体，建立遗传算法的初始化种群；所述染色体包含集装箱箱位分配信息；
适应度计算模块，用于根据自动化码头条件参数和各染色体对应的箱区总翻箱次数，进行适应度计算，得到各染色体对应的适应度函数值；所述适应度计算模块包括所述的自动化码头集装箱翻箱评估装置，所述自动化码头集装箱翻箱评估装置用于计算各染色体对应的箱区总翻箱次数；
变异模块，用于对染色体进行变异，并计算变异后的各染色体对应的适应度函数值；
最优解计算模块，用于根据各染色体对应的适应度函数值，得到最优解。
优选的，所述装置还包括：
种群迭代更新模块，用于根据第二预设次数迭代更新种群，并计算更新种群中各染色体对应的适应度函数值，得到各种群的最优解，得到并输出最终最优解。
本发明实施例将仿真模块嵌入改进的遗传算法，把仿真输出的结果作为目标函数的一部分，对集装箱箱位进行全局优化分配。克服了已知技术中，箱位分配未考虑箱位分配计划对于未来翻箱量的影响的技术问题，实现了一种能够对自动化码头箱位分配问题快速求解，有效节约操作时间、提高码头服务水平的自动化码头集装箱箱位分配方法、装置及存储介质。
附图说明
图1是自动化码头一种实施例的俯视结构示意图；
图2是自动化码头一种实施例进口集装箱操作示意图；
图3是一种实施例集装箱箱区贝内结构示意图；
图4是本发明实施例一遗传算法的流程示意图；
图5是本发明实施例一染色体的编码样式示意图；
图6是本发明实施例一两两交叉变异算子操作示意图；
图7是本发明实施例一自交叉变异算子操作示意图；
图8是本发明实施例一随机变异算子操作示意图；
图9是本发明实施例一和实施例三中的自动化码头集装箱翻箱评估方法流程示意图。
具体实施方式
为了更好地理解本申请的上述目的、方案和优势，下文提供了详细描述。该详细描述通过使用框图、流程图等附图和/或示例，阐明了装置和/或方法的各种实施方式。在这些框图、流程图和/或示例中，包含一个或多个功能和/或操作。本领域技术人员将理解到：这些框图、流程图或示例内的各个功能和/或操作，能够通过各种各样的硬件、软件、固件单独或共同实施，或者通过硬件、软件和固件的任意组合实施。
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
名词解释：
贝：贝位，箱区中的一个单位箱体区域。
agv：automatedguidedvehicle,自动导引车。
asc：automaticstackingcranes，自动堆垛机。
自动化码头能够有效提升操作效率，提升集装箱码头吞吐能力并节省人力成本。这些优势的关键在于新型的自动化码头设备。如图1所示，以进口集装箱为例，在集装箱班轮到港以后，需要对班轮进行泊位分配；然后为其分配一定的岸桥，将进口集装箱从班轮上吊下；再由自动导引车(automatedguidedvehicle,送箱agv)装载从岸桥卸下来的集装箱，运往堆场中的一个箱区，停在靠近岸边的交接过道上；该箱区靠近岸边的自动堆垛机(automaticstackingcranes,asc)将集装箱从送箱agv上吊起，并移动到一个贝位放下集装箱。货主将货物提走时，外部集卡停在靠近内陆的交接过道上，由靠近内陆的asc找到目标集装箱(这期间可能发生翻倒箱)，并装载至外部集卡(取箱车辆的一种实施例)上。
不同于传统集装箱码头，自动化码头堆场中的asc取代了传统码头的场桥。asc负责将集装箱放入贝中和将集装箱从贝中取出的操作。送箱agv取代了传统集装箱码头的集装箱卡车，它们不能停在各个箱区之间，只能停在箱区的两端。自动化码头的箱位分配问题的目的是在更短的时间内将进口集装箱放入堆场的各个贝中，以提高堆场运作效率、提高码头服务水平。
需要注意的是，在取箱asc提取目标进口集装箱的过程中，目标箱若不在第一层，可能发生翻箱操作。在现实操作中，一个贝内各个进口集装箱被提取的先后顺序往往是未知的，在空间分配的时候不能根据它们被取走的先后顺序决定它们的位置。这正是影响进口集装箱箱位分配问题的关键及难点所在。
自动化码头的堆场由多个箱区组成，不同的箱区划分对应着不同种类的集装箱，一般分为进口箱区和出口箱区。每个箱区又包含多个贝，每个贝含多个栈，用来堆放由送箱agv运至堆场的集装箱。其结构如图2所示。
实施例一：
本实施例主要讨论基于自动化设备的场站关于进口集装箱的箱位分配问题，同时考虑了一批进口箱的箱位分配对于空间分配过程送箱agv等待时间和未来取箱作业过程取箱车辆等待时间的影响。
本实施例中，以单位箱体区域为贝为例。出于安全考虑，贝位中的每个栈有相同的额定栈高，即最大向上堆箱数。送箱agv只能通过过道停靠在每个箱区的两端，一端是近水侧，一端是近陆侧。箱区内部的集装箱移动工作由自动堆垛机(automaticstackingcranes,asc)完成。分配箱位过程中，送箱agv到达一个箱区的近水一侧后，等待asc将集装箱装载成功即可离开，asc通过横向移动和纵向吊起、卸下操作将该箱放置在指定贝内，直至所有同一批进口箱都被放在指定贝内，箱位分配工作结束。其中，不考虑取箱过程中asc垂直操作时间。当集装箱班轮到达码头后，岸桥从班轮上卸下进口集装箱，并放置在下方等待的送箱agv小车上。送箱agv小车再将集装箱运送到堆场中的一个箱区，停在靠近水侧的交接过道，该箱区的asc从交接处装载集装箱，并通过水平方向的运动将集装箱移动到一个贝的位置，再通过垂直方向上的下降，将集装箱放置在该贝中，asc再返回交接位置，等待下一个任务。当货主要取走集装箱时，外部集卡将驶入靠近内陆一侧的过道，在箱区交接口等待。asc将移向目标集装箱所在的贝位，将目标集装箱找出并移回陆侧交接口，放置在外部集卡上，完成取箱操作。若目标集装箱不在贝位的顶层，则该取箱过程将发生翻箱操作。
自动化码头通常会允许集装箱免费在堆场停放一段时间，多数情况下进口箱也将在一段时间内被取走。收到取箱请求时，将安排外部集卡空载到堆场内目标箱区的近陆一侧等待，自动堆垛机接到工作指令后，目标箱可能并不在第一层，可能发生翻箱操作。一个贝的集装箱堆存状态如图3所示，集装箱的编号1-12表示各个集装箱被取走的次序，字母a-e表示栈的编号。例如，现在要提取集装箱1，但是集装箱4阻碍了asc直接提取集装箱1，此时asc需要从栈b提起集装箱4，并放入其他栈。假设该贝的额定栈高为3，那么它只能被放在栈a或栈d。为了减少之后的翻箱操作，最佳堆放位置选择栈a。然后asc可以提取集装箱1，将其送至近陆一侧放置于外部集卡上，结束取箱任务。
下列以一批进口箱、一个包含多个贝的箱区为例，详细说明集装箱箱位分配方法。并尽可能减少空间分配过程的送箱agv等待时间与未来取箱作业的外部集卡等待时间，对一批进口箱进行逐一的贝位分配。其中，由于客户需求未知，本实施例将通过仿真输出未来翻箱次数和时间。由于自动化码头箱区不设缓冲区，送箱取箱的车辆只能在箱区两端交接等候，一个送箱agv一次只能运载一个集装箱，送箱agv只区分到达顺序，不区分个体。送箱agv将到达港口的进口箱从岸桥处运载至箱区近水一侧；取箱外部集卡按照顺序到达箱区近陆一侧，先到达的外部集卡先服务。asc同一时刻只能服务于一个集装箱，必须在该箱落在指定贝内或从指定贝内取出装载至外部集卡上，才能为下一个集装箱服务。在堆箱操作过程中，其他已经到达交接地点尚未卸箱的送箱agv只能选择原地等待，任意一个送箱agv都需要在完成进口箱交接后才能离开箱区。
本实施例涉及的自动化码头状态参数集包括：
k：一个箱区中的贝(单位箱体区域的一种实施例)的个数；
b：一批待分配进口集装箱(新到集装箱的一种实施例)的数量；
d：送箱agv从岸边到目标箱区的固定距离，d为常数；
s：一个箱区中的贝(单位箱体区域的一种实施例)的栈的数量(行数)；
v：送箱agv行驶的平均速度；
i：进口集装箱编号，i∈{1,2,…b}；
r：翻一个集装箱的吊起降下时间；
m：asc经过一个贝的移动时间；
h：额定栈高；
si：进口集装箱i从岸桥卸下被放到送箱agv上的时间，si是已知量，且满足si+1>si，i＝1,2,…,b；
本实施例决策变量xik，定义为：
本实施例的其他因变量：
ai：运载集装箱i的送箱agv到达近水边的时刻，i＝1,2,…,b；
li：运载集装箱i的送箱agv离开近水边的时刻，i＝1,2,…,b；
yk：贝k中所放新到集装箱数量，k＝1,2,…,k；
r(x)：贝内有x个集装箱时的翻箱次数，r(x)的值由x和仿真结果决定。
本实施例基于下列假设进行：
1.在进行箱位分配的过程中没有取箱操作，箱位分配全部完成后才开始取箱操作；
2.已知每个集装箱开始被运送的时间；
3.送箱agv的数量无限制。
本实施例的优化目标函数为：
min
首先，考虑到场站运作效率，将最小化送箱agv等待时间作为其中一个目标，同时，考虑效率与服务，最小化取箱作业的外部集卡等待时间。忽略asc的下降与上升时间，只考虑横向移动时间，它的平行移动时间仅与贝所在的位置有关，翻箱时间与贝内箱量有关。其中，α,β分别是近水侧送箱agv等待时间和近陆侧外部卡车等待时间的权重，α+β＝1。考虑到场站近水一侧的工作比近岸一侧的取箱工作更加密集，因此规定α>β。
本实施例实现优化目标函数涉及的约束条件集包括：
(1)每个单位箱体区域内集装箱量不得超过额定单位箱体区域的最大箱量
(2)确保每一个新到集装箱都会被分配到一个单位箱体区域内，即满足：
其中，xik为决策变量，满足：
xik∈{0,1}；
当决策变量xik取值为1时表示集装箱i被制定分配到单位箱体区域k，且i＝1,2,…,b
，k＝1,2,…,k；当决策变量xik取值为0时表示其它情况；
(3)所有新到集装箱都要送到箱区，即满足：
(4)集装箱开始移动时间si与到达箱区时间ai的关系满足：
(5)送箱agv到达箱区时刻ai和送箱agv离开箱区时刻li的关系满足：
(6)将第一个新到集装箱送到箱区的送箱agv在到达箱区后可立即离开，即满足：
l1＝a1；
(7)送箱过程中，后一个送箱agv只有在前一个送箱agv所载的集装箱被安置好，asc复位，将它所载的集装箱卸下后才可以离开，即满足：
li+1≥max(li+2m(k+1-k),ai+1)-(1-xik)m。
基于上述优化目标函数和约束条件，本实施例利用遗传算法和仿真模拟算法对自动化码头的箱位分配问题进行求解。
参照图4，本实施例嵌入仿真的遗传算法包括下列步骤。
s1，获取自动化码头状态参数集；自动化码头状态参数集包括新到集装箱数量b、箱区中单位箱体区域的数量k和自动化码头条件参数；自动化码头条件参数包括：翻一个集装箱的吊起降下时间参数r，asc经过一个单位箱体区域的移动时间参数m，第k个单位箱体区域的初始集装箱数
s2，根据新到集装箱数量b和箱区中单位箱体区域的数量k形成至少一个染色体，建立遗传算法的初始化种群；染色体包含集装箱箱位分配信息。
形成染色体。在本实施例中，我们采用二进制编码方式，表示每一个进口集装箱与指定贝位的关系。具体编码样式如图5所示，此处假设一共有3个贝，3个集装箱，0代表二者无关，1代表对应的集装箱放入此贝中，根据染色体1所显示的信息我们可以解读出，决策变量xik的取值分别为：x11＝0,x12＝0,x13＝1；x21＝1,x22＝0,x23＝0；x31＝0,x32＝1,x33＝0；y1＝1,y2＝1,y3＝1；即集装箱1放在贝2；集装箱2放在贝3；集装箱3放在贝1。染色体长度取决于待分配的一批进口集装箱的数量以及可供选择的贝数。染色体长度为集装箱数与贝数的乘积。
读取整个箱区所有贝的初始状态，计算每个贝剩余的空箱位。假设有k个贝，对于每一个染色体都有生成k个随机数都小于等于各个贝所能提供的最大箱位数。再将这些数字转化为0和1的位值，填入各个染色体中。再调用程序检查生成的初始染色体是否合法(是否符合含有位值1的位数等于集装箱总数等约束条件)和自动调整后的染色体是否超出各个贝的供给能力。最终得到合法的染色体，既满足集装箱与贝位的对应关系，又满足了这种对应关系的约束条件。
s3，根据自动化码头条件参数和各染色体对应的箱区总翻箱次数，进行适应度计算，得到各染色体对应的适应度函数值；各染色体对应的箱区总翻箱次数的计算方法为：根据各染色体和的自动化码头集装箱翻箱评估方法，计算得到各染色体对应的箱区总翻箱次数。
本实施例中，自动化码头集装箱翻箱评估方法s31包括翻箱仿真步骤s311、统计输出步骤s312和多次仿真求均值步骤s313。
翻箱仿真步骤s311包括：
s3111，获取箱区中贝内的箱量，包括贝k初始集装箱数
s3112，对单位箱体区域内的集装箱进行编号；可以利用概率分布函数(例如正态分布、瑞利分布函数)对单位箱体区域内的集装箱进行随机编号。
s3113，根据设定好的翻箱规则按照集装箱的编号依次取出(仿真模拟取出)集装箱，同时记录翻箱次数；
统计输出步骤s312包括：
根据各单位箱体区域的翻箱次数，统计并输出箱区总翻箱次数；
多次仿真求均值步骤s313包括：
重复执行第一预设次数(如10次)的翻箱仿真步骤和统计输出步骤，并对多次输出的箱区总翻箱次数进行平均计算，得到并输出平均计算后的箱区总翻箱次数r(x)。
本实施例中，在计算每个染色体的目标函数值时，将使用仿真模块估计每个贝所有集装箱被取出的总翻箱时间。仿真模块的代码流程如图9所示；输入每个染色体，自动统计每个贝中的集装箱数量，然后随机为所有集装箱编号(可以基于一定的概率分布)，仿真模块将依据设定好的翻箱规则自动按照集装箱编号顺序依次取出集装箱，同时记录翻箱次数，最后输出总翻箱次数。为减少仿真结果的偶然性，每一个染色体对应的仿真实验进行第一预设次数，如10次，最后应用到目标函数值里的翻箱时间是10次结果的均值r(x)。也即是说，对应可得出贝k初始集装箱数的未来翻箱次数
本实施例中，步骤s3还包括目标函数值计算步骤s32：
将翻箱次数带入上述公式一，结合约束条件集计算可得到目标函数值obji。
本实施例中，步骤s3还包括适应度函数值计算步骤s33：
根据下列公式计算得到第i个染色体的适应度函数值fi：
fi＝f-obji；
由于问题目标是最小化总作业时间，因此初始生成的染色体经过计算目标函数值后，将取负数再加上一个较大的数字作为适应度函数值。其中，fi为第i个染色体的适应度函数值，f是一个较大的常数，obji是第i个染色体对应的目标函数值，一般满足obji＜f＜2*obji，fi越大表示染色体i的适应度越好，就越接近最优解。
s4，对染色体进行变异；
其中，可采用两两交叉变异和/或自交叉变异和/或随机变异等算法对染色体进行变异。
两两交叉变异。本实施例中，两两交叉变异算子如图6所示，染色体交叉节点随机生成，假设节点在第三位和第四位中间，染色体1和染色体2自节点后的一位直至最后一位编码都将被选中作为交换部分。染色体1的第4到8位交换给染色体2；染色体2的第4到8位交换给染色体1。
自交叉变异。自交叉变异算子如图7所示，随机选择一个染色体上的两位，将它们的数字互换，就完成了自交叉变异操作。
随机变异。每个染色体都依据一定概率，可能被选中进行变异操作。具体变异方式如图8所示。任意选择染色体1上的一位，将其值改变(由0变成1或由1变成0)。
s5，计算变异后的各染色体对应的适应度函数值。变异后的各染色体对应的适应度函数值的计算可参照步骤s3的计算过程，在此不再赘述。
s5，根据各染色体对应的适应度函数值，得到最优解。
本实施例中，可根据各染色体对应的适应度函数值，利用概率函数psj选择得到最优解，即满足：
其中，n为种群大小，fj为染色体j对应的适应度函数值，psj为染色体j被选择的概率。个体适应度越大，其被选择的概率就越高，反之亦然。
s6，根据第二预设次数迭代更新种群，并计算更新种群中各染色体对应的适应度函数值，得到各种群的最优解，得到并输出最终最优解。
本实施例中，第二预设次数取500次，可以预先第二预设次数m，初始化m＝1，每次迭代更新后令m＝m+1，直到m＝500停止迭代更新，输出最终优解。
本实施例通过构建基于仿真优化的线性规划模型，开发嵌入仿真模块的启发式算法解决自动化集装箱码头内进口集装箱箱位分配问题。优化模型以空间分配过程送箱agv等待时间和取箱过程外部集卡等待时间总和最小为规划目标，考虑了翻箱操作、箱区堆场的容量、送箱agv运行时间和asc操作时间等。在算法部分，通过仿真模块模拟未来取箱(翻箱)操作，从而得到不同的目标箱区的集装箱分布状态和取箱过程翻箱次数的关系。将仿真模块嵌入改进的遗传算法，把仿真输出的结果作为目标函数的一部分，进行全局优化搜索。通过仿真模块与遗传算法的结合，本专利解决了三个问题：对自动化码头箱位分配问题快速求解，小规模可以快速求出最优解；针对cplex等线性规划问题求解器不能快速求解的大规模问题，能够在较短的时间内求出满意解；仿真模块的构建更加贴合实际，能够更加精准地估计翻箱次数，预算法结合优化效果更好，为企业节约了更多时间。能够有效节约操作时间、提高码头服务水平。
实施例二：
本实施例提供自动化码头集装箱箱位分配装置，包括：
参数获取模块，用于获取自动化码头状态参数集；自动化码头状态参数集包括新到集装箱数量b、箱区中单位箱体区域的数量k和自动化码头条件参数；
种群初始化模块，用于根据新到集装箱数量b和箱区中单位箱体区域的数量k形成至少一个染色体，建立遗传算法的初始化种群；染色体包含集装箱箱位分配信息；
适应度计算模块，用于根据自动化码头条件参数和各染色体对应的箱区总翻箱次数，进行适应度计算，得到各染色体对应的适应度函数值；适应度计算模块包括自动化码头集装箱翻箱评估装置，自动化码头集装箱翻箱评估装置用于计算各染色体对应的箱区总翻箱次数；
变异模块，用于对染色体进行变异，并计算变异后的各染色体对应的适应度函数值；
最优解计算模块，用于根据各染色体对应的适应度函数值，得到最优解。
种群迭代更新模块，用于根据第二预设次数迭代更新种群，并计算更新种群中各染色体对应的适应度函数值，得到各种群的最优解，得到并输出最终最优解。
本实施例为对应于实施例一的装置实施例，其实现过程和原理对应于实施例一，在此不做赘述。
实施例三：
本实施例提供一种自动化码头集装箱翻箱评估方法、装置及存储介质，能够对自动化码头集装箱翻箱的次数或时间进行有效评估，从而获知箱位分配对取箱过程的影响。
自动化码头集装箱翻箱评估方法s31包括翻箱仿真步骤s311、统计输出步骤s312和多次仿真求均值步骤s313。
翻箱仿真步骤s311包括：
s3111，获取箱区中贝内的箱量，包括贝k初始集装箱数
s3112，对单位箱体区域内的集装箱进行编号；可以利用概率分布函数(例如正态分布、瑞利分布函数)对单位箱体区域内的集装箱进行随机编号。
s3113，根据设定好的翻箱规则按照集装箱的编号依次取出(仿真模拟取出)集装箱，同时记录翻箱次数；
统计输出步骤s312包括：
根据各单位箱体区域的翻箱次数，统计并输出箱区总翻箱次数；
多次仿真求均值步骤s313包括：
重复执行第一预设次数(如10次)的翻箱仿真步骤和统计输出步骤，并对多次输出的箱区总翻箱次数进行平均计算，得到并输出平均计算后的箱区总翻箱次数r(x)。
本实施例中，在计算每个染色体的目标函数值时，将使用仿真模块估计每个贝所有集装箱被取出的总翻箱时间。仿真模块的代码流程如图9所示；输入每个染色体，自动统计每个贝中的集装箱数量，然后随机为所有集装箱编号(可以基于一定的概率分布)，仿真模块将依据设定好的翻箱规则自动按照集装箱编号顺序依次取出集装箱，同时记录翻箱次数，最后输出总翻箱次数。为减少仿真结果的偶然性，每一个染色体对应的仿真实验进行第一预设次数，如10次，最后应用到目标函数值里的翻箱时间是10次结果的均值r(x)。也即是说，对应可得出贝k初始集装箱数的未来翻箱次数
实施例四：
本实施例提供自动化码头集装箱翻箱评估装置，包括翻箱仿真模块和统计输出模块，
翻箱仿真模块包括：
获取箱量子模块，用于获取箱区中单位箱体区域内的箱量；箱区包括至少一个单位箱体区域；
编号子模块，用于对单位箱体区域内的集装箱进行编号；
翻箱子模块，用于根据设定好的翻箱规则按照集装箱的编号依次取出集装箱，同时记录翻箱次数；
统计输出模块用于根据各单位箱体区域的翻箱次数，统计并输出箱区总翻箱次数。
本实施例为对应于实施例三的装置实施例，其实现过程和原理对应于实施例三，在此不做赘述。
实施例五:
本实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行的自动化码头集装箱箱位分配方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请的实施例进行各种改动和变型而不脱离本申请的实施例的精神和范围。这样，倘若本申请的实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
- 还没有人留言评论。精彩留言会获得点赞！