本文是一篇物流论文，本研究考虑AGV充电影响的自动化码头多资源协调调度优化问题，以AGV作为自动化码头的调度优化对象，采用QC“双循环”和AGV“作业面”调度模式，同步协同调度QC、YC以及进、出口任务等多种资源。
第1章 绪论
1.1 研究背景及意义
集装箱码头作为海运和陆运的中间枢纽，在全球供应链中扮演着重要的角色。海上运输约占全球贸易运输的90%以上[1]，超过60%的货物都通过标准集装箱（20英尺或40英尺）运输[2]，所以码头的服务水平对提高全球供应链的效率和成本至关重要，特别是伴随着世界经济危机，集装箱码头之间的竞争越来越激烈。因此，集装箱码头必须提高自身的服务水平，增强自身竞争力，以吸引更多的客户。此外，在过去的几十年里，环境污染和能源消耗的加速已经成为全世界关注的问题。2012～2018年间，全球海运温室气体排放量从9.77亿吨增长到10.76亿吨（CO2e—二氧化碳当量），增幅约为9.6%[3]。温室气体排放量除了气候问题，我们还面临着资源枯竭的问题，中国在《巴黎气候变化协定》中承诺2030年我国单位GDP对应的CO2排放量比2005年下降60%～65%[4]。因此，在提升集装箱码头服务水平的同时也要兼顾降低能源消耗的指标
另外，自动化集装箱码头（Automated Container Terminal-ACT）因其安全可靠性高、作业效率高、场地利用率高、环境友好(如采用纯电驱动或混合驱动)、人力成本低等显著优点而成为普遍发展趋势,已在世界很多港口实现应用[5]，然而随着集装箱装船装载规模的增大，集装箱码头也面临着另一个挑战，即船舶靠岸后过长的周转时间。因此，集装箱码头必须缩短船舶的装载、卸载时间，这是影响集装箱码头服务水平的一个重要因素。然而，为了控制成本，码头管理者难以购买更多的装卸设备来提高生产率，这就需要通过增强管理能力以提高码头的生产率。而岸桥“双循环”调度模式是一种有效提高码头运作效率的方法，在这种模式下，码头可以同时卸载进口集装箱并装载出口集装箱，提高了关键设备的利用率[6]。因此，相对于传统的集装箱单向卸载或装载工作模式，在这种模式下，各种关键设备的合理调度以及集装箱的储位分配，特别是搬运设备的协调调度，对提高自动化集装箱码头的服务水平更加重要。
1.2 国内外研究现状
近几年，在自动化集装箱码头的调度问题上，同时装卸集装箱的工作模式成为自动化集装箱码头协同调度研究的热点，其中最主要的就是对采用“双循环”工作模式调度的研究，并且随着“碳中和”、“碳达峰”等一系列倡议的提出，自动化集装箱码头的能耗问题也得到了业内的巨大关注，Sha M等学者 [9-13]为码头运作效率和能源消耗的权衡提出了解决方案，但是考虑AGV充电约束的自动化集装箱码头协同调度问题却无人研究，一些文章仅仅考虑了AGV充电的调度问题，但却未将其与自动化集装箱码头协同调度相结合。本节对以上问题分别给出了相关的文献综述，文献分为三个部分，分别是码头协同调度、考虑能耗问题的码头调度和考虑充电问题的AGV调度。
在码头协同调度方面，Goodchild, Anne V等.（2006）[14]第一次将岸桥“双循环”工作模式和码头调度相结合，给出了求解算法和简单公式，得到了更短的船舶周转时间和岸桥操作次数，证明在卸载进口货物的同时转载出口货物（双循环）可以提高码头起重机和集装箱的效率。Lau Henry Y. K.等.（2008） [15]在研究码头调度时也采用“双循环”模式，但是岸桥并不是严格地依次处理进出口箱，提出了一种最大匹配的遗传算法（GAPM）且在算例规模较大的时候会求得优良的解。Vu Duc Nguyen 等.（2013）[16]考虑多种岸桥池化规则与岸桥不同的装载规则结合，通过仿真对比岸桥的延误时长和堆场卡车的空载时长得到最优的策略。Wu Yue 等.（2013）[17]针对不同类型设备的调度和存储策略的综合规划问题，提出了一种线性混合整数规划(MIP)模型，利用该模型，通过联合最小化所有起重机的操作次数和船舶的泊位时间，提出了一种用于设备和集装箱存储的协同调度的元启发式算法——遗传算法，且证明该算法适合求解大规模算例。邢曦文等.（2014）[18]研究了岸桥、场桥、集卡多阶段装、和水平运输集装箱的协同调度问题，建立多阶段混合流水车间整数规划模型，针对各阶段作业特点，设计两阶段启发式算法进行求解。
第2章 自动化集装箱码头多资源调度系统定义与功能分析
2.1 生产调度问题理论基础
生产调度问题(Job Shop Schedule Problem)在工业的生产制造、项目管理中广泛存在。相关学者们将其分类为多种类型，建立了多种数学模型并设计了多种算法以求解。本质上，生产调度问题是一种组合优化问题，它要求管理者在有限的工作期内分配一种或多种资源以完成预定的任务计划，要求调度计划满足实际生产中的现实约束，以保证生产的可靠性；同时要求生产结果满足预期目标（如最小化最大完工时长，最小化总延误时间，最大化设备利用率等）此类问题通常会有一些预设的基本约束，如工件加工路径、加工流程等。本质上，生产调度是一类复杂的组合优化问题。它具有大规模、强约束、非线性、强耦合、多目标等复杂特性，在数学上大多属于NP-hard问题。基于生产调度问题的复杂性，目前数学规划等传统运筹方法仅适用于求解小规模问题，求解大规模问题耗时令管理者难以接受；而智能优化算法可以在较短的时间内得到大规模问题的近似最优解。实际生产加工过程往往具有多品种、多批次、工艺路径多样等特点，因此需要生产系统具备更高的柔性，柔性制造系统应运而生。通常，柔性生产调度问题可以分为四种。①并行机调度问题（Parallel Machine Scheduling Problem，PMSP）：并行机之间同质，计划中的所有工件只有一道工序，工件在任一并行机上进行加工。机器之间并行运行且没有约束；②柔性作业车间调度问题（Flexible Job Shop Problem，FJSP）：传统作业车间调度问题仅需要确定工序选择，而此类问题中工件的每个工序可以在不同的机器上加工,机器是可以选择的，并且每台机器加工时间不同，即需要确定每台机器上各道工序的最佳加工顺序及开工时间，优化整个系统的某些性能指标；③混合流水车间调度问题（Hybrid Flow-Shop Scheduling Problem，HFSP）：HFSP每个阶段的机器都是并行机，工件同阶段任一机器上的加工时间相同，它将加工过程分为具有先后次序的N个阶段，即此类问题中设备中工件的作业是有顺序的，这与FJSP不同。④分布式柔性作业车间调度问题（Distributed Flexible Job Shop Scheduling Problem，DFJSP）：S个工件分给Q个位于不同位置的工厂，每个工厂都是一个柔性作业车间，每个工件都需要完成I道工序。
2.2 自动化集装箱码头调度系统构成
一般来说，自动化集装箱码头主要包括三种装卸设备:岸桥、AGV和场桥。图2.3为自动化集装箱码头布局示意图，分为岸边作业区、水平运输区、堆场箱区和充电区。
在岸边作业区域，岸桥在海岸近海测作业，可以沿着轨道相对海岸线平行移动，由于要处理进、出口两种集装箱，所以它有两种工作状况，一是将集装箱从AGV上取下后装船，二是将集装箱从船上取下后放在AGV上。在水平运输区，AGV将进口集装箱运送至堆场的进口箱区前，等待场桥来取走集装箱放到箱区的某个箱位，或者场桥将集装箱放在AGV上，然后AGV行驶至某一岸桥。AGV在中转点装卸集装箱，因此岸桥和场桥都配有中转点。堆场箱区有多个箱区，进出口集装箱不能放在同一个箱区，两者分开存放，箱区拥有多个YC。场桥有两种工作状况，一是捡起AGV装载的进口集装箱并将其存放在某储位中，二是将进口箱搬运至出口箱区前，等待AGV将出口集装箱运送至岸桥，即场桥的主要功能是在AGV和堆场箱区之间转移集装箱。充电区是为AGV补充电量的地方，当AGV的电量低于一定水平后，就要前往充电区补充电量，之后再返回水平运输区继续工作。
第3章 自动化集装箱码头多资源协同调度问题建模 ........................ 21
3.1 自动化集装箱码头调度系统的界定 .............................. 21
3.1.1 “双循环”作业模式定义 ............................. 21
3.1.2 自动化集装箱码头“作业面”调度模式定义 ........................... 21
第4章 融合模拟退火(SA)与遗传算法(GA)的混合启发式算法设计.............33
4.1 SA-GA算法流程 ....................................... 33
4.2 SA-GA算法要素设计 ........................... 35
第5章 算例分析:模型及算法有效性验证 ................. 45
5.1 基准算例 ............................. 45
5.2 模型验证 ............................ 45
第5章 算例分析：模型及算法有效性验证
5.1 基准算例
根据同类研究的实验数据及码头设备运行经验数据来确定本文的实验数据[46]，参数具体设定如下：
（1）岸桥处理出口和进口集装箱的耗时相近，储位的位置决定了耗时的大小，一般耗时2-3分钟[46]。假设该参数服从均匀分布，(i,q)h~U（30,180）秒；
（2）AGV运输集装箱的耗时与其行走距离有关，由岸桥和堆场的相对位置决定，参考Lau, Henry Y. K.等.（2008）[15]的数值实验参数，列出本文的AGV行走速度，耗电速率与AGV的实际载重量有关，参考朱林等.（2020）[47]的集装箱重量分布与AGV充电速率，见附录。
（3）进口场桥将集装箱放置在储位的时间与其位置有关，假设该参数服从均匀分布，yl~U（40,120）秒；
（4）出口场桥将集装箱从储位送至其前方的中转点耗时与集装箱所在的位置有关，设置该参数服从均匀分布，(i,q)w~U（40,160）秒；
第6章 论文结论与展望
6.1 结论
为应对当前世界经济萧条，着力突破自动化码头建设规划与运营优化技术瓶颈，是各国港口应对疫情长期共存、高效高质、可持续发展的重要技术路径之一。本研究考虑AGV充电影响的自动化码头多资源协调调度优化问题，以AGV作为自动化码头的调度优化对象，采用QC“双循环”和AGV“作业面”调度模式，同步协同调度QC、YC以及进、出口任务等多种资源。
本研究的主要研究结论总结如下：
（1）从全局调度角度，界定了“双循环”模式下自动化码头三种异质资源协同调度问题。在优化自动化码头多资源协同调度的运作效率目标的同时，发挥多种节能、减碳资源有效配置的功能，以同期得到一个全局节能效果显然的调度方案。首先，兼顾综合能耗和系统运作效率目标，基于阻塞型的混合流水车间调度模型，构建了“双循环”多资源协同调度模型。并针对多资源联合调度这一新问题，完善了各种关键设备在工作时的闲置时间、空载时间、等待时间、任务冲突问题、任务缓冲问题等重要约束条件。为寻求最优的码头多资源联合调度方案提供了模型参考。
（2）追溯和量化自动化码头节能减排路径，识别和量化综合能源消耗，考虑自动化码头的综合运输消耗。关注到AGV水平作业面的综合运输能耗是构成ACT综合能源消耗的重要组成部分。同时，针对以往文章忽略的AGV能耗估算和AGV充电影响问题，本文细分了AGV的五种工作状态对应下的单位能源消耗量化方法，为基于作业过程的AGV动态能耗测度提供了方法支持，进而为揭示AGV充电约束对“双循环”多资源协同调度双目标的影响提供了量化基础。
（3）针对多资源联合调度模型求解NP-hard问题，本研究设计了融合模拟退火的遗传算法SA-GA，重新设计了基准实验算例，并从算法的搜索能力、收敛性、解的分布性、计算能力和综合性等方面，进行了算法性能比较。算例分析表明，此算法优于同类双目标求解算法——模拟退火算法和遗传算法。
参考文献（略）