本发明公开了一种码头岸桥与场桥协同优化调度方法，包括如下步骤：将岸桥与场桥定为调度对象，以集装箱栈作为最小装卸单元，结合船期表和集装箱在船舶及堆场的位置，以完成一艘船舶上所有集装箱装卸任何所花费的最小时间及岸桥和场桥移动距离短作为岸桥与场桥调度的目标，构建进出口集装箱同贝同步装卸作业数学模型，得出给定进出口集装箱装卸任务下的最优岸桥与场桥调度方案。本发明所述的码头岸桥与场桥优化调度方法，通过设计熵值评价体系，设计基于熵值匹配原则的改进遗传算法，大大提高了算法的求解能力，提高了岸桥与场桥协同调度能力。
1.一种码头岸桥与场桥协同优化调度方法，其特征在于：包括如下步骤：
步骤1：将岸桥与场桥定为调度对象，结合船期表和集装箱在船舶及堆场的位置，以完成一艘船舶上所有集装箱装卸任何所花费的最小时间作为岸桥与场桥调度的目标，构建进出口集装箱同贝同步装卸作业数学模型；所述岸桥与场桥协同调度数学模型为：目标函数为：
(ltcg'(b',z',c')>0|ltcg'(b',z',c'+1)>0) b'＝1,2,…,B'，z'＝1,2,…,Z'，c'＝1,
其中，B，Z，C分别表示堆场的贝位数、栈数和堆存高度；B'，Z'，C'分别表示船舶的贝位数、栈数和堆存高度；O表示需要卸载的集装箱客户数量；WXo表示第o个客户的集装箱数量，o＝1，2，…，O；ZLxz，ZLzz分别表示需要卸载和装载的集装箱总量，G'表示总阶段数，G'＝ZLxz+ZLzz；qc，yc分别表示岸桥和场桥编号，qc＝1，2，yc＝1，2；
分别表示岸桥单趟重载和空载所需时间； 表示岸桥移动一个贝位所需时间；
表示岸桥翻箱一次所需平均时间； 分别表示场桥单趟重载和空载所需时间； 表示场桥移动一个贝位所需时间； 表示场桥翻箱一次所需平均时间；ltc0(b',z',c')表示船舶初始堆存信息， ltcg'(b',z',c')表示第g'阶段船舶堆存信息，g'∈G'； 分别表示岸桥qc卸载的第i个集装箱放置的贝位号，栈号和层号，qc＝1,2，i＝1,2,…,XZqc； 分别表示场桥yc装载的第i个集装箱放置的贝位号，栈号，层号，yc＝1,2，i＝1,2,…,ZZ′yc； 分别表示岸桥qc装载第i个集装箱的开始时间和结束时间，qc＝1,2，i＝1,2,…,ZZqc； 分别表示岸桥qc卸载第i个集装箱的开始时间和结束时间，qc＝1,2，i＝1,2,…,XZqc； 分别表示场桥yc装载第i个集装箱的开始时间和结束时间，yc＝1,2，i＝1,2,…,ZZ'yc；
分别表示场桥yc卸载第i个集装箱的开始时间和结束时间，qc＝1,2，i＝1,2,…,XZqc； 分别表示岸桥qc和场桥yc在时间t所处位置，分别表示岸桥qc装载的第i个集装箱放置的
贝位号，栈号和层号，qc＝1,2，i＝1,2,…,ZZqc； 分别表示场桥yc卸载的第i个集装箱放置的贝位号，栈号和层号，yc＝1,2，i＝1,2,…,XZ'yc；ZZqc，XZqc分别表示岸桥qc的集装箱装载总量和卸载总量，按照先后顺序得到作业序列[1,2,…,ZZqc]，[1,2,…,XZqc]，qc＝1,2；ZZ'yc，XZ'yc分别表示场桥yc的集装箱装载总量和卸载总量，按照先后顺序得到作业序列[1,2,…,ZZ'yc]，[1,2,…,XZ'yc]，yc＝1,2；
步骤2：采用熵值评价体系表示船舶和堆场的集装箱堆存状态，熵值评价体系将集装箱视为开放系统的粒子Jz，其中待装卸集装箱及需翻箱集装箱组合设为各粒子在fx状态下所具有的能量Efx，可知堆存系统在某一状态(jz,fx)的概率Pjz,fx为：堆存系统熵H为：
其中：K为比例系数；α为粒子运动速率；β为能量耗散速率；D为熵因子；
根据式(15)和式(16)推导堆存系统熵评价指标H为
采用双层染色体对集装箱装卸顺序进行编码，基于船舶及堆场各栈的熵值设计改进的遗传算法，求解集装箱同贝同步装卸作业数学模型；得出给定集装箱装卸任务情况下的最优岸桥与场桥协同调度方案；具体包括：步骤(1)：对所有集装箱装卸任务进行初始编码，生成岸桥与场桥调度方案；
设定染色体规模为ch条，交叉率为jc，变异率为by，迭代次数为ge代；
采用两层数组对所有集装箱任务按照栈号进行编码，每一组编码代表一种场桥与岸桥的调度方案，其中第一层为出口集装箱任务，即场桥的调度方案，第二层为进口集装箱任务，即岸桥的调度方案，编码时：各组的前两位数字代表集装箱任务的贝号，后续数字以两位为一个小组代表该贝号内的各栈号，其在染色体中的先后顺序代表装卸时的先后顺序，以此类推直至所有的集装箱任务全部被安排编码；总共ch条染色体均采用此种编码方式，当进口集装箱任务量与出口集装箱任务量不一致时，染色体长度由其中较大者确定，而另一层的染色体后续长度不足之处补0；
步骤(2)：根据熵值匹配度最高原则匹配集装箱进出口栈；
集装箱装卸顺序采用双层实数编码；生成的ch条染色体中，每条染色体的上下两层分别确定了出口集装箱和进口集装箱的作业顺序，产生随机数判断是否交叉或变异；若交叉，则根据熵值匹配原则对染色体进行组内交叉，并得到ch条染色体，其中组内交叉按照贝为最小单位，并确定交叉片段基因位长度；若变异，则随机产生栈号替换现有栈号；
步骤(3)：针对步骤(2)中生成的ch条新染色体生成新的编码组，分别按照装卸作业顺序计算各栈集装箱所需要花费的时间，并将所有任务全部完成的最大时间点及岸桥与场桥行驶路径长度作为最终解；
步骤(4)：判断各组染色体解的值是否为当前最优解，取当前代数解的最小值与上一代解最小值比较，若当前代解更优，则将当前代解的最小值作为最优解，否则最优解为上一代解的最小值；
步骤(5)：通过各组解所对应的目标函数值，从小至大排序后，前10％的染色体直接进入下一代，剔除最后10％的染色体，并重新以步骤(1)中所述方法生成10％的染色体；在确保染色体总量不变的情况下，保证种群整体不容易陷入局部最优；
步骤(6)：产生随机数判断是否交叉或变异；若交叉，则根据熵值匹配原则对染色体进行组内交叉，并得到ch条染色体；若变异，则随机产生栈号替换现有栈号；
步骤(7)：判断当前代是否达到终止条件，若是，则终止算法；若否，则进入步骤(2)。
2.根据权利要求1所述码头岸桥与场桥协同优化调度方法，其特征在于：在交叉时，熵值匹配原则以各贝的熵值作为第一匹配原则，当进口集装箱任务贝与出口集装箱任务贝的熵值较接近时，两者在各自所在层的染色体中的绝对位置保持一致；以各栈的熵值作为第二匹配原则，当进口集装箱任务栈与出口集装箱任务栈的熵值较接近时，两者在各自所在贝的染色体片段中的绝对位置保持一致。
一种码头岸桥与场桥协同优化调度方法
技术领域
[0001] 本发明属于码头装卸设备协同优化调度方法领域，具体涉及一种码头岸桥与场桥协同优化调度方法。
背景技术
[0002] 随着世界经济一体化的快速发展，集装箱航运在国际物流中扮演着极为重要的角色。集装箱运输发展至今近30年，除2009年全球经济危机时期外，集装箱吞吐量一直保持稳定增长，其中前20年增长率为10％左右，近10年虽然增长有所减缓，但仍保持5％左右。集装箱运输的快速发展带动了集装箱码头之间的激烈竞争，只有缩短码头作业时间和降低码头集装箱船舶的运营成本，才能有竞争优势。采用同贝同步作业模式，提高码头装卸设备的作业能力成为码头发展的目标。
[0003] 岸桥同贝同步作业模式于2003年被首次提出，应用于码头后极大地提高了集装箱装卸作业效率。同贝同步作业模式的装卸效率不仅与岸桥自身作业能力有关，还受内集卡和场桥的协同作业程度影响。因此为配合同贝同步装卸作业模式，堆场进出口箱分开堆存策略也被堆场混堆策略代替。堆场混堆提高了自身利用率及场桥和集卡的重载率，但也增加了岸桥及场桥的协同调度与堆场堆存作业的难度。
发明内容
[0004] 为了解决码头岸桥及场桥的协同调度与堆场堆存作业困难的问题，本发明提供了一种码头岸桥与场桥协同优化调度方法。
[0005] 本发明通过以下技术方案实现：
[0006] 一种码头岸桥与场桥协同优化调度方法，包括如下步骤：
[0007] 步骤1：将岸桥与场桥定为调度对象，结合船期表和集装箱在船舶及堆场的位置，以完成一艘船舶上所有集装箱装卸任何所花费的最小时间作为岸桥与场桥调度的目标，构建进出口集装箱同贝同步装卸作业数学模型；
[0008] 步骤2：采用熵值评价体系表示船舶和堆场的集装箱堆存状态，采用双层染色体对集装箱装卸顺序进行编码，基于船舶及堆场各栈的熵值设计改进的遗传算法，求解集装箱同贝同步装卸作业数学模型，得出给定集装箱装卸任务情况下的最优岸桥与场桥协同调度方案；
[0009] 进一步地，在上述技术方案中，所述集装箱装卸顺序采用双层实数编码。
[0010] 进一步地，在上述技术方案中，所述的熵值评价体系，其特征在于：将集装箱视为开放系统的粒子Jz，其中待装卸集装箱及需翻箱集装箱组合设为各粒子在fx状态下所具有的能量Efx，可知堆存系统在某一状态(jz,fx)的概率Pjz,fx为
[0011]
[0012] 堆存系统熵H为
[0013]
[0014] 其中：K为比例系数；α为粒子运动速率；β为能量耗散速率；D为熵因子。
[0015] 根据式(15)和式(16)推导堆存系统熵评价指标H为
[0016]
[0017] 进一步地，在上述技术方案中，所述岸桥与场桥协同调度数学模型表示为：
[0018] 目标函数为：
[0019]
[0020] 约束条件为：
[0021] (ltcg'(b',z',c')＞0|ltcg'(b',z',c'+1)＞0)b'＝1,2,...,B'，z'＝1,2,...,Z'，c'＝1,2,...,C'-1 (2)
[0022]
[0023]
[0024]
[0025]
[0026]
[0027]
[0028]
[0029]
[0030]
[0031]
[0032]
[0033]
[0034] 其中，B，Z，C分别表示堆场的贝位数、栈数和堆存高度；B'，Z'，C'分别表示船舶的贝位数、栈数和堆存高度；O表示需要卸载的集装箱客户数量；WXo表示第o个客户的集装箱数量，o＝1，2，...，O；ZLxz，ZLzz分别表示需要卸载和装载的集装箱总量，G'表示总阶段数，G'＝ZLxz+ZLzz；qc，yc分别表示岸桥和场桥编号，qc＝1，2，yc＝1，2； 分别表示岸桥单趟重载和空载所需时间； 表示岸桥移动一个贝位所需时间； 表示岸桥翻箱一次所需平均时间； 分别表示场桥单趟重载和空载所需时间； 表示场桥移动一个贝位所需时间； 表示场桥翻箱一次所需平均时间；ltc0(b',z',c')表示船舶初始堆存信息，
ltcg'(b',z',c')表示第g'阶段船舶堆存信息，g'∈G'； 分别表示岸桥qc卸载的第i个集装箱放置的贝位号，栈号和层号，qc＝1,2，i＝1,2,…,XZqc； 分别表示场桥yc装载的第i个集装箱放置的贝位号，栈号，层号，yc＝1,2，i＝1,2,…,ZZ'yc；
分别表示岸桥qc装载第i个集装箱的开始时间和结束时间，qc＝1,2，i＝1,2,…,ZZqc； 分别表示岸桥qc卸载第i个集装箱的开始时间和结束时间，qc＝1,2，i＝1,
2,…,XZqc； 分别表示场桥yc装载第i个集装箱的开始时间和结束时间，yc＝1,2，i＝1,2,…,ZZ'yc； 分别表示场桥yc卸载第i个集装箱的开始时间和结束时间，qc＝
1,2，i＝1,2,…,XZqc； 分别表示岸桥qc和场桥yc在时间t所处位置，
分别表示
岸桥qc装载的第i个集装箱放置的贝位号，栈号和层号，qc＝1,2，i＝1,2,…,ZZqc；
分别表示场桥yc卸载的第i个集装箱放置的贝位号，栈号和层号，yc＝1,
2，i＝1,2,…,XZ'yc；ZZqc，XZqc分别表示岸桥qc的集装箱装载总量和卸载总量，按照先后顺序得到作业序列[1,2,…,ZZqc]，[1,2,…,XZqc]，qc＝1,2；ZZ'yc，XZ'yc分别表示场桥yc的集装箱装载总量和卸载总量，按照先后顺序得到作业序列[1,2,…,ZZ'yc]，[1,2,…,XZ'yc]，yc＝1,2。
[0035] 进一步地，在上述技术方案中，所述步骤2具体包括如下步骤：
[0036] 步骤(1)：对所有集装箱装卸任务进行初始编码，生成岸桥与场桥调度方案；
[0037] 设定染色体规模为ch条，交叉率为jc，变异率为by，迭代次数为ge代；
[0038] 采用两层数组对所有集装箱任务按照栈号进行编码，每一组编码代表一种场桥与岸桥的调度方案，其中第一层为出口集装箱任务，即场桥的调度方案，第二层为进口集装箱任务，即岸桥的调度方案。编码时：各组的前两位数字代表集装箱任务的贝号，后续数字以两位为一个小组代表该贝号内的各栈号，其在染色体中的先后顺序代表装卸时的先后顺序。以此类推直至所有的集装箱任务全部被安排编码；总共ch条染色体均采用此种编码方式。
[0039] 步骤(2)：根据熵值匹配度最高原则匹配集装箱进出口栈；
[0040] 生成的ch条染色体中，每条染色体的上下两层分别确定了出口集装箱和进口集装箱的作业顺序，产生随机数判断是否交叉或变异；若交叉，则根据熵值匹配原则对染色体进行组内交叉，并得到ch条染色体；若变异，则随机产生栈号替换现有栈号。
[0041] 步骤(3)：针对步骤(2)中生成的ch条新染色体生成新的编码组，分别按照装卸作业顺序计算各栈集装箱所需要花费的时间，并将所有任务全部完成的最大时间点及岸桥与场桥行驶路径长度作为最终解。
[0042] 步骤(4)：判断各组染色体解的值是否为当前最优解，取当前代数解的最小值与上一代解最小值比较，若当前代解更优，则将当前代解的最小值作为最优解，否则最优解为上一代解的最小值。
[0043] 步骤(5)：通过各组解所对应的目标函数值，从小至大排序后，前10％染色体直接进入下一代，剔除最后10％的染色体，并重新以步骤(1)中所述方法生成10％的染色体；在确保染色体总量不变的情况下，保证种群整体不容易陷入局部最优。
[0044] 步骤(6)：产生随机数判断是否交叉或变异；若交叉，则根据熵值匹配原则对染色体进行组内交叉，并得到ch条染色体；若变异，则随机产生栈号替换现有栈号。
[0045] 步骤(7)：判断当前代是否达到终止条件，若是，则终止算法；若否，则进入步骤(2)。
[0046] 组内交叉按照贝为最小单位，并确定交叉片段基因位长度。
[0047] 当进口集装箱任务量与出口集装箱任务量不一致时，染色体长度由其中较大者确定，而另一层的染色体后续长度不足之处补0。
[0048] 在交叉时，熵值匹配原则以各贝的熵值作为第一匹配原则，当进口集装箱任务贝与出口集装箱任务贝的熵值较接近时，两者在各自所在层的染色体中的绝对位置保持一致；以各栈的熵值作为第二匹配原则，当进口集装箱任务栈与出口集装箱任务栈的熵值较接近时，两者在各自所在贝的染色体片段中的绝对位置保持一致。
[0049] 进一步地，在上述技术方案中，所述染色体数量ch＝100，所述交叉概率jc＝0。8，所述变异概率by＝0。05，所述最大迭代次数ge＝1000。
[0050] 进一步地，步骤(4)中前10％的染色体不执行步骤(6)，新产生的10％的染色体不执行步骤(6)。
[0051] 本发明的有益效果为：
[0052] (1)本发明所述码头岸桥与场桥协同优化调度方法，提出了考虑集卡等待时间的场桥与岸桥协同优化调度方法，在多个现实约束的条件下，将进口集装箱作业任务和出口集装箱作业任务分配给场桥与岸桥，同时分配进出口集装箱在船舶和堆场的落位点，最终使码头的装卸作业利用率最高，集卡等待时间最短，进而降低船舶在码头的停泊时间，降低码头的作业成本。
[0053] (2)本发明所述的码头岸桥与场桥协同优化调度方法，通过设计熵值评价体系表示船舶和堆场的集装箱堆存状态，设计了改进的遗传算法，大大提高了算法的求解能力，提高了岸桥与场桥协同调度能力。
附图说明
[0054] 下面结合附图和具体实施方法对本发明作进一步详细的说明。
[0055] 图1为本发明的码头岸桥与场桥协同优化调度方法流程示意图；
[0056] 图2为本发明的熵值评价体系示意图；
[0057] 图3a～图3b为本发明的改进遗传算法迭代图，其中图3a是算法的最优解迭代图，图3b是算法的最优解平均值迭代图；
[0058] 图4a～图4b为岸桥与场桥的移动路径图，其中图4a是某次最优解的岸桥移动路径图，图4b是某次最优解的场桥移动路径图；
[0059] 图5为本发明的基于熵值匹配原则的改进遗传算法与传统遗传算法最优解的差异图；
[0060] 图6为本发明的船舶和堆场在不同规模及不同熵值绝对值条件下的最优解图；
[0061] 具体实施方法
[0062] 下面结合附图和实施案例对本发明的技术方案进行完整的描述。
[0063] 实施例1
[0064] 如图1所示，一种码头岸桥与场桥协同优化调度方法，包括如下步骤：
[0065] 步骤1：将岸桥与场桥定为调度对象，结合船期表和集装箱在船舶及堆场的位置，以完成一艘船舶上所有集装箱装卸任何所花费的最小时间作为岸桥与场桥调度的目标，构建进出口集装箱同贝同步装卸作业数学模型；
[0066] 步骤2：采用熵值评价体系表示船舶和堆场的集装箱堆存状态，采用双层染色体对集装箱装卸顺序进行编码，基于船舶及堆场各栈的熵值设计改进的遗传算法，求解集装箱同贝同步装卸作业数学模型，得出给定集装箱装卸任务情况下的最优岸桥与场桥协同调度方案；
[0067] 进一步地，在上述技术方案中，所述集装箱装卸顺序采用双层实数编码。
[0068] 进一步地，在上述技术方案中，所述的熵值评价体系，其特征在于：将集装箱视为开放系统的粒子Jz，其中待装卸集装箱及需翻箱集装箱组合设为各粒子在fx状态下所具有的能量Efx，可知堆存系统在某一状态(jz,fx)的概率Pjz,fx为
[0069]
[0070] 堆存系统熵H为
[0071]
[0072] 其中：K为比例系数；α为粒子运动速率；β为能量耗散速率；D为熵因子。根据式(15)和式(16)推导堆存系统熵评价指标H为
[0073]
[0074] 进一步地，在上述技术方案中，所述岸桥与场桥协同调度数学模型表示为：
[0075] 目标函数为：
[0076]
[0077] 约束条件为：
[0078] (ltcg'(b',z',c')＞0|ltcg'(b',z',c'+1)＞0)b'＝1,2,...,B'，z'＝1,2,...,Z'，c'＝1,2,...,C'-1 (2)
[0079]
[0080]
[0081]
[0082]
[0083]
[0084]
[0085]
[0086]
[0087]
[0088]
[0089]
[0090]
[0091] 其中，B，Z，C分别表示堆场的贝位数、栈数和堆存高度；B'，Z'，C'分别表示船舶的贝位数、栈数和堆存高度；O表示需要卸载的集装箱客户数量；WXo表示第o个客户的集装箱数量，o＝1，2，...，O；ZLxz，ZLzz分别表示需要卸载和装载的集装箱总量，G'表示总阶段数，G'＝ZLxz+ZLzz；qc，yc分别表示岸桥和场桥编号，qc＝1,2，yc＝1,2； 分别表示岸桥单趟重载和空载所需时间； 表示岸桥移动一个贝位所需时间； 表示岸桥翻箱一次所需平均时间； 分别表示场桥单趟重载和空载所需时间； 表示场桥移动一个贝位所需时间； 表示场桥翻箱一次所需平均时间；ltc0(b',z',c')表示船舶初始堆存信息，
ltcg'(b',z',c')表示第g'阶段船舶堆存信息，g'∈G'； 分别表示岸桥qc卸载的第i个集装箱放置的贝位号，栈号和层号，qc＝1,2，i＝1,2,…,XZqc； 分别表示场桥yc装载的第i个集装箱放置的贝位号，栈号，层号，yc＝1,2，i＝1,2,…,ZZ'yc；
分别表示岸桥qc装载第i个集装箱的开始时间和结束时间，qc＝1,2，i＝1,2,…,ZZqc； 分别表示岸桥qc卸载第i个集装箱的开始时间和结束时间，qc＝1,2，i＝1,
2,…,XZqc； 分别表示场桥yc装载第i个集装箱的开始时间和结束时间，yc＝1,2，i＝1,2,…,ZZ'yc； 分别表示场桥yc卸载第i个集装箱的开始时间和结束时间，qc＝
1,2，i＝1,2,…,XZqc； 分别表示岸桥qc和场桥yc在时间t所处位置，
分别表示
岸桥qc装载的第i个集装箱放置的贝位号，栈号和层号，qc＝1,2，i＝1,2,…,ZZqc；
分别表示场桥yc卸载的第i个集装箱放置的贝位号，栈号和层号，yc＝1,
2，i＝1,2,…,XZ'yc；ZZqc，XZqc分别表示岸桥qc的集装箱装载总量和卸载总量，按照先后顺序得到作业序列[1,2,…,ZZqc]，[1,2,…,XZqc]，qc＝1,2；ZZ'yc，XZ'yc分别表示场桥yc的集装箱装载总量和卸载总量，按照先后顺序得到作业序列[1,2,…,ZZ'yc]，[1,2,…,XZ'yc]，yc＝1,2。
[0092] 其中公式(1)是目标函数，目标函数为了通过求解最小化船舶在泊时间及岸桥和场桥的移动距离确定最优的调度方案，本申请通过制定多种调度方案，并分别计算每一种调度方案执行完所有的集装箱任务后所的最大完工时间及场桥与岸桥的移动距离，在其中取最小值，并作为最优的调度方案；
[0093] 式(2)保证了集装箱不临空放置；
[0094] 式(3)与(4)保证了集装箱装卸船的时间逻辑顺序；
[0095] 式(5)与(6)保证了一个集装箱位只能放置一个集装箱；
[0096] 式(7)与(8)保证了岸桥与场桥作业的安全距离；
[0097] 式(9)保证了一座岸桥同时只能作业一个集装箱；
[0098] 式(10)保证了一座场桥同时只能作业一个集装箱；
[0099] 式(11)～(14)保证了每个阶段的堆存信息都能被及时更新；
[0100] 进一步地，在上述技术方案中，所述步骤2具体包括如下步骤：
[0101] 本发明所述岸桥与场桥协同优化调度方法中，所述进口箱任务是指需要从集装箱船舶上通过岸桥卸下，并装至内集卡上，然后通过内集卡运至堆场边，通过场桥将集装箱存入堆场中的集装箱位，至此完成一个进口集装箱的卸箱操作；
[0102] 所述出口箱任务是指需要从集装箱堆场的堆存箱位上通过场桥取下，并装至内集卡上，然后通过内集卡运至岸线边，通过岸桥将集装箱存入船舶中的集装箱位，至此完成一个出口集装箱的卸箱操作；
[0103] 所述的同贝同步装卸作业是指场桥完成一个出口集装箱的取箱任务后，紧跟任务为一个进口集装箱的放箱任务。
[0104] 所述的同贝同步装卸作业是指岸桥完成一个出口集装箱的装卸任务后，紧跟任务为一个进口集装箱的卸载任务。
[0105] 步骤(1)：对所有集装箱装卸任务进行初始编码，生成岸桥与场桥调度方案；设定染色体规模为ch条，交叉率为jc，变异率为by，迭代次数为ge代；采用两层数组对所有集装箱任务按照栈号进行编码，其中第一层为出口集装箱任务，第二层为进口集装箱任务。编码时：各组的前两位数字代表集装箱任务的贝号，后续数字以两位为一个小组代表该贝号内的各栈号，其在染色体中的先后顺序代表装卸时的先后顺序。以此类推直至所有的集装箱任务全部被安排编码；
[0106] 本实施例中生成的每一组染色体编码即代表一种调度方案，由于采用同贝同步装卸作业，因此各栈中的集装箱被装卸时均为从上至下的栈内顺序，不能更改。
[0107] 步骤(2)：根据熵值匹配度最高原则匹配集装箱进出口栈；
[0108] 生成的ch条染色体中，每条染色体的上下两层分别确定了出口集装箱和进口集装箱的作业顺序，产生随机数判断是否交叉或变异；若交叉，则根据熵值匹配原则对染色体进行组内交叉，并得到ch条染色体；若变异，则随机产生栈号替换现有栈号。
[0109] 熵值匹配原则是指当岸桥与场桥进行同贝同步装卸作业时，进口集装箱和出口集装箱以栈为单位，两两匹配生成一组进出口集装箱装卸作业组，从而使内集卡在装卸作业时能够尽可能少的产生等待时间。
[0110] 堆场及船舶由多组集装箱栈组成，将各集装箱栈按照前后顺序进行不同组合后产生多种整体熵值，以船舶和堆场的作业顺序的整体熵值匹配度最高为原则，使内集卡在装卸作业时的整体等待时间最短。
[0111] 步骤(3)：针对步骤(2)中生成的ch条新染色体生成新的编码组，分别按照装卸作业顺序计算各栈集装箱所需要花费的时间，并将所有任务全部完成的最大时间点及岸桥与场桥行驶路径长度作为最终解。
[0112] 步骤(4)：判断各组染色体解的值是否为当前最优解，取当前代数解的最小值与上一代解最小值比较，若当前代解更优，则将当前代解的最小值作为最优解，否则最优解为上一代解的最小值。
[0113] 步骤(5)：通过各组解所对应的目标函数值，从小至大排序后，剔除最后10％的染色体，并重新以步骤(1)中所述方法生成10％的染色体；在确保染色体总量不变的情况下，保证种群整体不容易陷入局部最优。
[0114] 步骤(6)：产生随机数判断是否交叉或变异；若交叉，则根据熵值匹配原则对染色体进行组内交叉，并得到ch条染色体；若变异，则随机产生栈号替换现有栈号。
[0115] 步骤(7)：判断当前代是否达到终止条件，若是，则终止算法；若否，则进入步骤(2)。
[0116] 组内交叉按照贝号为最小单位，并确定交叉片段基因位长度。
[0117] 当进口集装箱任务量与出口集装箱任务量不一致时，染色体长度由其中较大者确定，而另一层的染色体后续长度不足之处补0。
[0118] 熵值匹配原则以各贝的熵值作为第一匹配原则，当进口集装箱任务贝与出口集装箱任务贝的熵值较接近时，两者在各自所在层的染色体中的绝对位置保持一致；以各栈的熵值作为第二匹配原则，当进口集装箱任务栈与出口集装箱任务栈的熵值较接近时，两者在各自所在贝的染色体片段中的绝对位置保持一致。
[0119] 本申请规定岸桥、集卡、场桥每次只能运载一个集装箱，船舶及堆场的每一个集装箱位只能堆放一个集装箱。进出口集装箱总量在船舶及堆场可容纳范围内。
[0120] 设定码头的配置为岸桥数量qc＝2，场桥数量yc＝2，堆场贝位数B＝10，栈数Z＝10，层高C＝5。其余参数β＝0.9，δ＝0.05，
从图3(a)的最优值折线和图3(b)平均最优值收敛曲线可知，在使用熵值匹配原则时，最优值能够明显收敛，且在前100代的收敛速度较快，而后900代的收敛速度由于已接近最优值，因此收敛速度较慢。染色体种群的平均值也能够明显收敛。
[0121] 从图4(a)的岸桥移动路径图和图4(b)的场桥移动路径图可知，两座岸桥和两座场桥在整个装卸作业过程中，其相互的间距始终不小于2，因此属于安全作业范围，所求解为可行解。
[0122] 各算例的规模原始参数如表1所示，分别采用熵值匹配原则的改进遗传算法和不考虑熵值匹配的遗传算法求解，两种求解算法的GAP如图5所示。
[0123] 表1各规模算例原始参数
[0124]
[0125] 通过表1的原始参数及图5的结果，可以看出本发明的基于熵值匹配原则的改进遗传算法用于求解岸桥与场桥协同调度优化模型有着良好的效果，相比普通遗传算法，其最优解的效果能提高8％至10％，且随着问题规模的扩大，其优化效果不断提高，因此，本申请设计的求解算法是有效的。
[0126] 调整船舶与堆场的集装箱堆存原始状态，根据熵值评价体系，调整整体熵值从一级至六级，分别应用于表1各规模的算例中，并采用本申请设计的求解算法求解，结果如图6所示。
[0127] 通过图6可知，本申请设计的求解算法能够有效抑制熵值增加而带来的最优解值增加，而问题规模则决定了模型最优值的下界，随着问题规模增加，最优解值明显增加。
[0128] 本发明所述的算法具有很高的求解质量和求解效率，能够求解大规模问题，也能够求解高熵值的码头装卸作业问题，满足了码头各情况下的实际调度的需求。
[0129] 下面根据步骤1构建的岸桥与场桥协同优化调度模型，结合具体示例说明本发明的技术方案中步骤2的部分操作过程：
[0130] 步骤(1)：对所有进出口集装箱栈进行初始编码，生成岸桥与场桥系统调度方案；
[0131] 本例中设置1贝中的3栈的集装箱装卸任务进行初始编码，以下为生成的两组编码，即生成两种调度方案，
[0132]出口集装箱 1 2 3
进口集装箱 1 2 3
[0133]出口集装箱 1 2 3
进口集装箱 3 1 2
[0134] 步骤(2)：根据熵值匹配度最高原则匹配集装箱进出口栈
[0135] 由于集装箱栈在装卸时，需要按照从上至小的原则，因此在第一组编码中，场桥的集装箱作业顺序为101011011011111001，岸桥的集装箱作业顺序为101011111001011011；第二组编码中，场桥的集装箱作业顺序为101011011011111001，岸桥的集装箱作业顺序为
011011101011111001。其中，1代表待作业集装箱，0代表需要翻箱的集装箱。
[0136] 可知，上述两种装卸顺序，其熵值匹配度均较低。而采用熵值匹配原则时，当出口集装箱的栈作业顺序为123时，进口集装箱的栈作业顺序为132，即两种的集装箱作业顺序均为101011011011111001。
[0137] 以上所述，仅为本发明较佳的具体实施方法，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
