买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江工业大学申请的专利一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114626754B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210348717.X，技术领域涉及：G06Q10/0631；该发明授权一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法是由蒋美仙;周健;冯佳佳;周琳;马方钲设计研发完成，并于2022-04-01向国家知识产权局提交的专利申请。

本一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法在说明书摘要公布了：一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法，包括：建立不确定条件下的多码头泊位岸桥联合调度数学模型；然后结合随机生成与贪婪构造两种策略生成初始种群；运用基因修复算法将不可行解转为可行解；计算适应度值和选择概率；结合精英保留策略与轮盘赌策略的生成子代种群，并运用基于适应度值的熔合交叉算子和均匀变异算子来进行解空间的初步搜索；最后结合基于模拟退火机制的局部搜索算法进一步寻优；通过对比SA‑AGA算法、不结合贪婪构造策略的算法、不结合模拟退火机制的算法以及两者均不采用的传统自适应遗传算法来验证不确定条件下的泊位和岸桥联合调度模型的有效性和算法效率；本发明提高集装箱码头的作业效率，合理分配泊位岸桥。

本发明授权一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法在权利要求书中公布了：1.一种不确定环境下的多码头潮汐港泊位岸桥联合调度方法，其特征在于，包括如下步骤：步骤一：构建不确定条件下多码头潮汐港泊位岸桥联合调度模型；1.1、确定目标函数：由于本发明考虑了船舶到港时间和岸桥作业效率的不确定性，因此通过主动式策略，分别为船舶的期望到港时间和岸桥平均作业效率添加缓冲时间和缓冲效率来减少这两者的波动变化对调度方案的影响；而为了使这种影响最低，通过随机生成一定数量的样本模拟可能出现的船舶到港时间和岸桥作业效率，并以调度方案在各样本下的总成本的期望和方差之和最小为目标函数如式1所示；minE{fs}+σ{fs}1式中，fs为调度方案在s样本下的总成本，E{fs}表示在各样本下调度方案总成本的平均值，σ{fs}则是方差，E{fs}越小，则说明当调度方案得到实际应用时所需的成本越低，而σ{fs}越小，则调度方案应对船舶到港时间和岸桥作业效率变化时的抗干扰性越强；本发明模型的总成本主要包括船舶作业成本、船舶到港延误惩罚成本、船舶离港延误惩罚成本、船舶等待成本、靠泊位置偏离成本以及转运成本六个方面；1.2设置约束条件；船舶的作业成本是指从船舶靠泊到离港这一段时间内岸桥为其进行集装箱装卸服务时所需的作业成本，其与船舶靠泊时间、离港时间以及分配到的岸桥数量有关，如式2所示；其中，cy是船舶在港口作业时的单位岸桥单位时间作业成本；Ci是为船舶i作业的岸桥数量，i∈V；yi是待调度船舶i的靠泊时刻，i∈V；是在样本s下船舶i的实际到港时间； 当船舶的到港时间超过其计划靠泊时间时，会对其他待靠泊船舶的停靠和作业造成影响，而且其所需装卸的集装箱需要额外滞留，此时就会产生到港延误成本；其大小与船舶的待装卸集装箱量和到港延误时间有关，如式3所示；其中，pafter是船舶在其预计到港时刻之后到达时的单位时间惩罚成本；是待调度船舶i的出口集装箱量，i∈V；是待调度船舶i的进口集装箱量，i∈V； 能否正常离港对船舶和码头双方来说都十分重要，若无法正常离港，对船舶来说其可能无法准时到达下一个港口，对码头来说就会影响后续船舶的靠泊和作业，此时就产生了离港延误惩罚成本，其与船舶的集装箱量和延误离港的时间相关，如式4所示；其中，pi是船舶i实际离港时刻超过其期望离港时刻时的单位时间惩罚成本；di是船舶i的实际离港时刻；EDi是待调度船舶i的期望离港时刻，i∈V； 若船舶的到港时间早于其计划靠泊时间，船舶只能在锚地内等待，这一情况的发生会使得船舶的满意度降低，进而影响港口的竞争力；因此，为了减少这种影响，添加了船舶等待成本，其与船舶上的待卸箱量和提前到港的时间相关，如式5所示；其中，pbefore是船舶在其预计到港时刻之前到达等待时的单位时间等待成本；yi是待调度船舶i的靠泊时刻，i∈V； 考虑到船舶待装船集装箱在堆场内的存放位置，每艘船舶都会有自身的理想靠泊位置；所以，当船舶靠泊在其预分配码头时，若其靠泊位置与其理想靠泊位置之间存在偏差，会造成集装箱在堆场和船舶靠泊位置间的水平运输距离增加，从而增加了运输成本，故需要添加偏离成本，如式6所示，其与船舶的待装卸集装箱量和偏离距离相关；其中，cx是船舶在其预分配码头的靠泊位置偏离理想靠泊位置时的单位偏离成本；xi是待调度船舶i的靠泊位置，i∈V；bpi是待调度船舶i在其预分配码头的最佳靠泊位置，i∈V；zim是当船舶i的预分配码头为m，zim＝1，否则zim＝0，i∈V，m∈T；uim是当船舶i的靠泊码头为m，uim＝1，否则uim＝0，i∈V，m∈T； 当船舶并未靠泊在其预分配码头，则不需要考虑这一偏离成本，但由于其待装船集装箱需要从预分配码头转移到实际靠泊码头上，这便产生了额外的转运成本，如式7所示，其与待装船集装箱量有关；其中，ckm是从码头k到码头m的单位箱量转运成本，k,m∈T； 因此，在任一样本s下，调度方案所需的成本如式8所示；fs＝Costoper+Costarrd+Costdepd+Costwait+Costdevi+Costtran8目标函数的存在可以确定什么样的调度方案是最理想的，但想要得到可行的船舶靠泊计划和岸桥分配计划需要满足诸多约束的限制； 在确定船舶的靠泊码头时，首先必须确保所有的待调度船舶都选择了一个码头进行停靠，且每艘船舶只能在一个码头上停靠，如约束9所示；同时，正如约束10所示，在船舶的整个在港时间内，其所靠泊的码头的水深不能低于其吃水深度要求；其中，dfi是待调度船舶i的吃水深度，i∈V；M是正数；是码头m在t时刻时的水深，m∈T，t∈H； 由于码头岸线长度存在的限制，引入了约束11保证船舶在停靠时，船舶的船头到船尾这一段岸线都在其靠泊码头的岸线范围内；此外，为了防止船舶在停靠时发生时空冲突，即在同一时间占用了同一段岸线，约束12至14也必须得到满足；其中约束12为待调度船舶间的时空约束，表示两艘船舶同时靠泊在一条岸线上时，左侧船舶船尾所处位置必须在右侧船舶船头位置的左侧；同理，约束13和14分别表示待调度船舶位于已靠泊船舶右侧和左侧时的时空约束；其中，xi是待调度船舶i的靠泊位置，i∈V；是待调度船舶i的长度，包括水平安全预留长度，i∈V；是已靠泊船舶i的长度，包括水平安全预留长度，i∈V0；表示若船舶j靠泊在船舶i右侧，否则表示若船舶j靠泊在船舶i右侧，否则i≠j；表示若船舶j靠泊在船舶i左侧，否则 除船舶靠泊码头与靠泊位置需要满足约束外，在靠泊时间上也有一些约束必须得到考虑；首先，船舶的靠泊时间必须迟于其到港时间，同时，由于船舶到港时间的不确定，因此规定在调度时船舶必须在其期望到港时间后再经过一个缓冲时间才能停靠，如约束15所示；船舶的离港时间则是由其靠泊时间、待装卸集装箱量、岸桥作业效率以及分配到的岸桥数量所共同决定，约束16便定义了它们之间的关系；同样的，在调度时考虑的岸桥作业效率为其平均作业效率和缓冲效率之和，进而减弱右岸桥作业效率变化所带来的影响；约束17定义了当任意两艘待调度船舶需要占用同一段岸线时它们的靠泊时间和离港时间之间的关系，即先占用这段岸线的船舶的离港时间必须早于后占用船舶的靠泊时间；同理，约束18定义了待调度船舶的靠泊时间与已靠泊船舶的离港时间之间的关系；其中，yi是待调度船舶i的靠泊时刻，i∈V；是待调度船舶i的到港时刻期望，i∈V；是船舶i到达时间的松弛量，i∈V；g是岸桥间的干扰系数；表示若船舶j在船舶i离港后靠泊，否则表示若船舶j在船舶i离港后靠泊，否则 当任意两艘待调度船舶靠泊在同一码头时，它们之间一定会在空间维度或时间维度上存在关系；通过与约束12的相互作用，约束19定义了其在空间维度上的联系，与约束17的相互作用则定义了在时间维度上的关系；同样的，通过与约束13、14和18的相互作用，约束20实现了待调度船舶与已靠泊船舶在空间和时间上关系的定义；这些约束的存在能防止两艘船舶同时占用同一段岸线的情况发生；其中，是若已停靠船舶i的靠泊码头为m，否则 若不考虑约束16中的船舶作业时间与岸桥作业效率的关系，即船舶的作业时间视为一个已知常量，则式1～约束20共同组成了不确定环境下泊位分配问题的优化模型；但在实际生产作业过程中，船舶的作业由岸桥来共同完成，因此其所需时间也与岸桥息息相关；而在分配岸桥时同样有诸多约束需要同时得到满足，如约束21至30所示；具体来说，约束21定义了各船舶可分配岸桥数量的范围，即必须位于船舶最小可分配岸桥数量与最大可分配岸桥数量之间；约束22则定义了分配岸桥数量与岸桥编号间的关系；约束23与24则避免了一台岸桥同时为两艘船舶服务的情况发生；约束25使为同一艘船舶服务的岸桥是连续的，即当两台岸桥a和c同时为一艘船舶服务时，位于它们中间的所有岸桥也必须为其服务；如约束26至28所示，当一条岸线上同时存在两艘以上船舶时，岸桥无法相互交叉跨越以提供服务，即当岸桥a为船舶服务时，其右侧岸桥不能为左侧其他船舶服务，其左侧岸桥也不能为右侧其他船舶服务；约束29与30的存在保证了船舶分配到的岸桥都能提供服务，即分配到的岸桥的服务范围能覆盖到船舶的靠泊岸线区间；其中，是分配给待调度船舶i的最小岸桥数量，i∈V；是分配给待调度船舶i的最大岸桥数量，i∈V；表示若位于码头m的岸桥q服务于已靠泊船舶i，否则i∈V0，q∈Qm，m∈T；θiqm表示若位于码头m的岸桥q服务于船舶i，θiqm＝1，否则θiqm＝0，i∈V，q∈Qm，m∈T；是位于码头m的岸桥q的最大可服务位置，m∈T，q∈Qm；是位于码头m的岸桥q的最小可服务位置，m∈T，q∈Qm；步骤二：设计多码头泊位岸桥联合调度算法；2.1初始化种群：初始种群中的一半染色体由贪婪构造策略产生，令船舶靠泊码头为其预分配码头，令船舶的靠泊位置为其最优靠泊位置bpi，令船舶靠泊时刻为令船舶分配到的岸桥数量为内随机整数，令起始岸桥编号为1，令船舶到港时间松弛与岸桥作业效率松弛分别为与另一半染色体则由随机生成策略生成，令船舶靠泊码头为[1，NT]内随机整数，令船舶靠泊位置为内随机整数，令船舶靠泊时间为令船舶分配到的岸桥数量在内随机生成整数；令起始岸桥编号为内随机整数，令船舶到达时间松弛与岸桥作业效率松弛分别为与2.2计算适应度函数：Step1.1：对所有样本s∈S，取船舶的实际靠泊时间为船舶的实际到港时间与计划靠泊时间yi中的较大者，并根据和船舶的实际岸桥作业效率得到船舶的实际离港时间Step1.2：根据船舶的实际在港时间和分配到的岸桥数量Ci，计算得到船舶的在港作业成本Costoper；Step1.3：若船舶的实际靠泊时间为其实际到港时间则说明该船舶到港延误，转Step1.4；否则，转Step1.5；Step1.4：根据船舶的延误到港时间计算得到船舶的延误到港成本Costarrd，并转Step1.6；Step1.5：根据船舶的等待时间计算得到船舶的等待成本Costwait；Step1.6：若船舶的实际靠泊码头TiV与其预分配码头相同，转Step1.7，否则转Step1.8；Step1.7：根据船舶的实际靠泊位置xi与其理想靠泊位置bpi，计算得到船舶的位置偏离成本Costdevi；Step1.8：计算船舶待装船集装箱的转运成本Costtran；2.3种群交叉操作：对于任意一条染色体P，其长度为7×NV，变异后的染色体记为C；对任意一艘船舶i，取随机数r∈[0,1]，若r≤pm，则令C[i]、C[i+NV]、···、C[i+6×NV]为其可行域内随机数，否则，保持不变；其中pm为变异概率，由于算法求出的解随着迭代次数的增加而逐渐收敛，因此在算法后期，种群中个体适应度的差异会减小，可能会陷入某个局部最优解中，因此，本文采用自适应的策略令变异概率随最优解不变代数guc的增加而逐渐增大，从而探索解空间中更多的新区域，增大跳出局部最优的可能；2.4基因修复操作：Step2.1：对所有码头m∈T，由计划期开始时已靠泊船舶集合V0得到码头m已调度船舶集合由待调度船舶集合V按靠泊时刻从小到大得到码头m的待调度船舶集合Step2.2：对内的首个元素，即当前调度船舶i，由靠泊时刻yi与码头水深集合得到可靠泊时间段集合Huseful；Step2.3：若Huseful是空集，令i在其他码头停靠，转Step2.1，否则转Step2.4；Step2.4：若不存在h∈Huseful，使得靠泊时刻yi不小于该时间段起点且离港时刻di不大于该时间段终点则转Step2.5，否则，转Step2.6；Step2.5：若不存在h∈Huseful，使得可靠泊时间长度不小于船舶的最小作业时间，则令i靠泊在其他码头，并转Step2.1，否则，转Step2.6；Step2.6：设调度时在港船舶集合对船舶若其离港时刻dj大于靠泊时刻yi，则将j加入集合Vnow；Step2.7：根据所有调度时已在港船舶k∈Vnow的靠泊位置xk、船身长度分配到的岸桥数量Ck以及起始岸桥编号得到调度时的空闲岸线区间集合Qidle；Step2.8：设调度时可用岸线区间集合若存在r∈Qidle，使岸线长度lr大于等于且可用岸桥数量NCr大于等于则将r加入集合Quseful中；Step2.9：若Quseful为空集，令yi为Vnow中所有船舶的最小离港时刻，转Step2.1；Step2.10：若存在s∈Quseful，使得且其中为可用岸线区间s的起始位置，为s的结束位置，则转Step2.11，否则，转Step2.14；Step2.11：对靠泊岸线区间s内的所有可用岸桥若其服务范围与船舶的靠泊岸线区间[xi,xi+LiV]不存在重叠，则令NCs＝NCs-1；Step2.12：若区间内岸桥数量则将s从Quseful中移除，并转Step2.9；Step2.13：若i分配到的起始岸桥编号且i分配到的最后一台岸桥编号转Step2.16，否则转Step2.15；Step2.14：任取s∈Quseful，令xi为内随机整数；Step2.15：令分配到的岸桥数Ci为内随机整数，令为内随机整数；Step2.16：将i从中移除，并添加至中；Step2.17：若对所有码头均为空集，则完成基因修复，否则转Step2.6；2.5基于模拟退火机制的局部搜索：Step3.1：初始化当前循环次数h＝1，系统温度T＝T0；Step3.2：若最优解不变代数guc大于等于10，且h小于最大循环代数Hmax，则进入下一步；否则，退出模拟退火过程；Step3.3：对当前种群最优解Pmax的邻域ΩP中进行搜索，得到新解Pnew；Step3.4：对Pnew进行基因修复操作，使其成为可行解，并计算其适应度值fnew；Step3.5：判断当前适应度值fnew是否大于最优适应度值fmax，若是，则进入下一步，否则转Step3.7；Step3.6：令Pmax＝Pnew，fmax＝fnew，guc＝1，并退出模拟退火过程；Step3.7：计算接受概率并生成随机数r∈[0,1]，判断是否r＜paccept，若是，则进入下一步，否则转Step3.9；Step3.8：令当前种群最差解Pmin＝Pnew，fmin＝fnew；Step3.9：令T＝ηT，当前循环代数h＝h+1，并转Step3.2。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。