Optimizing Container Loading and Unloading through Dual-Cycling and Dockyard Rehandle Reduction Using a Hybrid Genetic Algorithm
本文提出了一种结合了岸桥双循环（QCDC）与堆场重搬次数最小化的混合遗传算法（QCDC-DR-GA），旨在全面优化集装箱装卸作业，并证明与现有的孤立方法相比，该方法能使大型船舶的总作业时间减少15%–20%。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
港口是繁忙的门户，世界各地的货物通过这里在船舶与陆地之间往返。在这项作业的核心，是那些将沉重的集装箱从船上吊起并放置到码头，或反之亦然的大型起重机。几十年来，这些起重机工作的标准方式是一个简单的顺序过程：起重机会先完全卸载船的一个部分，空载返回码头，然后才开始向船上装载新的集装箱。这种被称为“单循环”的方法意味着起重机会在没有负载的情况下往返运输大量时间，本质上是在浪费时间和燃料。一种更高效的方法叫做“双循环”，它允许起重机在卸下一个集装箱的同时，准备好装载另一个集装箱，从而使其无需空载行驶。然而，要使这一过程顺畅运行需要精心的规划。如果起重机为了最大化这些高效的双向移动而以特定的顺序卸载集装箱，可能会无意中在码头上造成混乱。为了装载下一个集装箱，工人可能不得不从一堆箱子中翻找所需的那个，这是一个耗时的过程，被称为“二次搬运”。长期以来，港口规划者一直将这两个挑战——起重机的移动方式和码头上的集装箱堆叠方式——视为需要先后解决的两个独立问题。
来自孟加拉国和美国的科研团队开发了一种解决这些问题的新方法。他们创建了一种计算机算法，该算法不仅仅孤立地观察起重机的调度或码头的布局，而是将它们视为一个单一且相互关联的谜题。研究人员意识到，起重机卸载船舶的顺序直接决定了需要从码头取出的集装箱以及取出的顺序。如果码头的排列方式不与该特定顺序相匹配，起重机就会被迫等待或移动额外的集装箱，从而抵消了高效双循环所节省的时间。为了测试这一点，该团队构建了一个混合遗传算法，这是一种受自然选择启发、通过许多代演化出更好解决方案的计算机程序。该程序并非使用单一的指令列表，而是采用了一种双层方法：一部分负责管理船舶的卸载顺序，另一部分则负责管理码头上的集装箱排列。这两个部分共同演化，不断调整以寻找一种既能让起重机高效移动，又能使码头减少翻找次数的组合。
研究人员通过对六种不同规模船舶（从小型船舶到巨大的超大型集装箱船）的模拟，将他们的方法与四种现有策略进行了对比测试。在每种场景下，他们的新算法都优于旧方法。与现有的最佳技术相比，新方法将装卸船舶的总时间缩短了高达 30.1%，对于最大的船舶，平均提升了约 20%。统计测试证实，这些改进并非偶然，而是新方法的真实结果。研究表明，试图分别优化起重机调度和码头布局会导致次优的结果；这两个决策之间的联系过于紧密，无法独立处理。通过同时解决这两个问题，该算法找到了显著提高速度且所需不必要集装箱移动次数更少的调度方案。
这项工作表明，港口无需建造新的基础设施或购买昂贵的新设备，就能变得更加高效。解决方案完全依赖于更好的规划和软件。研究人员证明，通过重新组织码头上的集装箱堆叠方式，使其与起重机的卸载节奏相匹配，港口可以大幅缩短船舶在码头等待的时间。随着船舶变得越来越大，承载着数以万计的集装箱，这一点显得尤为重要。该算法通过将船舶分解为易于管理的各个部分，解决每个部分的谜题，然后将结果合并。研究结果表明，这种集成方法可以为港口节省数百万美元的运营成本和燃料，同时加快全球货物的流动。研究结论指出，港口效率的未来不在于孤立的改进，而在于能够理解船舶、起重机与码头之间复杂舞蹈的统一系统算法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。