基于列车到发时刻约束的铁路集装箱中心站装卸资源调度优化

发布时间：2017-07-08 05:02

  本文关键词：基于列车到发时刻约束的铁路集装箱中心站装卸资源调度优化

  更多相关文章： 集装箱中心站 调度 轨道门吊 正面吊 蜂群算法 遗传算法

【摘要】：铁路集装箱中心站在运输系统中占据着举足轻重的地位,为集装箱的堆存、装卸提供了必要场所,保障了集装箱在运输网络中流转的顺畅。对中心站装卸资源的调度优化问题进行研究,既可以合理规划给定装卸作业的顺序,缩短装卸设备的走行距离与时问：又可以减少能源消耗,提高列车出发正点率；同时,还可以改善铁路网的物流质量,增强多式联运系统的稳定性。本文以铁路集装箱中心站装卸资源的调度优化问题为研究对象,基于不同列车到发时刻的约束,分别建立了针对列车到发正点的装卸资源调度优化模型,以及针对列车到达晚点的装卸资源调度优化模型,并设计了蜂群算法、遗传算法对两个模型进行求解。本文的主要研究内容和结论如下：(1)分析了铁路集装箱中心站的装卸作业资源配置。首先,通过介绍中心站的一般功能、设施布局、装卸运输设备以及空间资源设施,指出轨道门吊是中心站的主要装卸资源,正面吊是辅助装卸资源。其次,介绍了几种列车装卸作业组织模式和装卸资源调度模式,为论文后续的研究提供理论基础。(2)基于列车到发正点的情况,进行了装卸资源的调度优化。确定轨道门吊为装卸设备,建立了以减少轨道门吊最大作业时间以及均衡各台设备作业量为目标的优化模型,并设计了蜂群算法和遗传算法来对模型进行求解。通过对算例进行分析,本文设计的基于列车到发正点的装卸资源调度优化模型以及提出的两种算法具有实际意义且可行。(3)基于列车到达晚点的情况,进行了装卸资源的调度优化。为保证列车正点出发,选择以轨道门吊为主、正面吊为辅的模式,建立了以减少装卸设备最大作业时间为目标的优化模型,并设计了蜂群算法和遗传算法来对模型进行求解。通过对算例进行分析,本文设计的基于列车到达晚点的装卸资源调度优化模型以及提出的两种算法可行且具有优化效果。本文考虑了实际中列车到发的不同情况,并提出以轨道门吊为主、正面吊为辅的模式,对中心站的装卸资源调度进行了优化,有利于提高中心站装卸作业效率,降低运营成本,减少列车停站时间,保证列车正点出发,为铁路集装箱中心站提供了理论和应用参考。
【关键词】：集装箱中心站 调度 轨道门吊 正面吊 蜂群算法 遗传算法
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U294
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-12
• 1 引言12-20
• 1.1 研究背景12
• 1.2 研究目的及意义12-14
• 1.3 国内外研究现状综述14-17
• 1.3.1 铁路集装箱中心站装卸资源调度的研究现状14-15
• 1.3.2 港口码头的研究现状15-16
• 1.3.3 研究现状评述16-17
• 1.4 研究内容及技术路线17-20
• 1.4.1 主要研究内容17
• 1.4.2 研究技术路线17-20
• 2 铁路集装箱中心站装卸作业资源配置分析20-26
• 2.1 铁路集装箱中心站功能和布局20-21
• 2.1.1 铁路集装箱中心站的功能20-21
• 2.1.2 铁路集装箱中心站的布局21
• 2.2 铁路集装箱中心站的装卸资源配置21-24
• 2.3 铁路集装箱中心站的装卸作业模式分析24-25
• 2.3.1 集装箱列车装卸作业的组织模式24
• 2.3.2 主堆场装卸资源调度模式24-25
• 2.3.3 基于列车到发时刻约束的调度模式分析25
• 2.4 本章小结25-26
• 3 基于列车到发正点的装卸资源调度优化26-48
• 3.1 基于列车到发正点的装卸资源调度优化分析26-28
• 3.1.1 问题描述26-27
• 3.1.2 问题分析27-28
• 3.2 基于列车到发正点的装卸资源调度优化模型28-32
• 3.2.1 模型描述28
• 3.2.2 模型假设28-29
• 3.2.3 约束条件29
• 3.2.4 轨道门吊作业调度的优化模型29-32
• 3.3 模型求解32-42
• 3.3.1 蜂群算法求解设计32-38
• 3.3.2 遗传算法求解设计38-42
• 3.4 算例分析42-46
• 3.4.1 算例介绍42-43
• 3.4.2 算法参数43
• 3.4.3 曼-惠特尼U检验分析43-46
• 3.4.4 最优结果分析46
• 3.5 本章小结46-48
• 4 基于列车到达晚点的装卸资源调度优化48-66
• 4.1 基于列车到达晚点的装卸资源调度优化分析48
• 4.2 基于列车到达晚点的装卸资源调度优化模型48-52
• 4.2.1 模型描述48-49
• 4.2.2 模型假设49
• 4.2.3 约束条件49
• 4.2.4 装卸资源调度优化模型49-52
• 4.3 模型求解52-58
• 4.3.1 蜂群算法求解设计52-55
• 4.3.2 遗传算法求解设计55-58
• 4.4 算例分析58-64
• 4.4.1 算例介绍58-59
• 4.4.2 算法参数59-60
• 4.4.3 曼-惠特尼U检验60-63
• 4.4.4 最优结果分析63-64
• 4.5 本章小结64-66
• 5 结论与展望66-68
• 5.1 研究总结66-67
• 5.2 论文创新点67
• 5.3 研究展望67-68
• 参考文献68-71
• 作者简历及攻读硕士学位期间取得的研究成果71-73
• 学位论文数据集73

【相似文献】

中国期刊全文数据库 前10条

1 谈飞;周彬;;基于资源调度费的工程项目多资源均衡优化研究[J];项目管理技术;2013年02期

2 谢斌;林华;;联合战场资源调度问题综述[J];舰船电子工程;2013年10期

3 陈冬林;姚梦迪;桂雁军;陈玲;;基于蚁群算法的云计算联盟资源调度[J];武汉理工大学学报(信息与管理工程版);2014年03期

4 刘志勇;李文生;王立欣;;面向健康管理的维修资源调度优化方法研究[J];制造业自动化;2013年19期

5 徐仁武;徐锴;;完善电力负荷管理系统进行需方调峰资源调度[J];供用电;2007年03期

6 林跃晓;;跨地域分布式云计算资源调度系统及实证[J];计算机与现代化;2012年10期

7 陈玲;陈冬林;桂雁军;吴钟;;用户利益最大化的云计算联盟资源调度[J];武汉理工大学学报(信息与管理工程版);2014年03期

8 刘丽兰,俞涛,施战备;制造网格中基于服务质量的资源调度研究[J];计算机集成制造系统;2005年04期

9 程昭;;应急资源调度的补货策略问题研究[J];科学技术与工程;2010年03期

10 宋维佳;马皓;肖臻;张晓军;张蓓;;虚拟化数据中心资源调度研究[J];广西大学学报(自然科学版);2011年S1期

中国重要会议论文全文数据库 前3条

1 曹东旭;刘明阳;;基于马尔科夫决策链的作战资源调度[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

2 王兵;贾利民;龙慧;郭杜杜;马玉春;;新疆公路网交通事故应急救援资源调度系统设计及应用[A];第七届中国智能交通年会优秀论文集——智能交通应用[C];2012年

3 丛慧芳;王文生;谢能付;;农业信息网格环境中数据传输资源调度方法研究[A];中国农业信息科技创新与学科发展大会论文汇编[C];2007年

中国重要报纸全文数据库 前1条

1 本报记者 吴挺;云计算的管理需求显现[N];计算机世界;2009年

中国博士学位论文全文数据库 前9条

1 王小乐;信息物理融合系统资源调度关键技术研究[D];国防科学技术大学;2014年

2 王力;铁路集装箱中心站关键资源调度优化理论与方法[D];北京交通大学;2014年

3 马满福;基于计算经济的网格资源管理研究[D];西北工业大学;2007年

4 冉泳屹;云环境下基于随机优化的动态资源调度研究[D];中国科学技术大学;2015年

5 徐昕;基于博弈论的云计算资源调度方法研究[D];华东理工大学;2015年

6 徐劲松;SLA约束下的云资源调度关键技术研究[D];南京邮电大学;2013年

7 张静乐;网络环境下协同服务关键技术研究[D];北京科技大学;2011年

8 田国忠;多DAG共享资源调度的若干问题研究[D];北京工业大学;2013年

9 王海威;智能电视操作系统服务性能与资源调度关键技术研究[D];中国科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 王艳平;基于蚁群算法的云计算资源调度研究[D];曲阜师范大学;2015年

2 何兰兰;云环境下基于SLA的优化资源管理机制研究[D];江西理工大学;2015年

3 张扬;基于QPSO-SFLA改进算法的云环境资源调度研究[D];江西理工大学;2014年

4 杨南;藏文舆情云分析平台资源调度优化研究[D];西北民族大学;2015年

5 李超;基于改进粒子群算法的云计算资源调度研究[D];中国矿业大学;2015年

6 郭庆光;基于协同演化算法的云计算资源调度的研究[D];电子科技大学;2014年

7 陈强;载波聚合下的资源调度研究[D];电子科技大学;2014年

8 梁俊杰;基于应用容器的云资源调度研究与实现[D];电子科技大学;2015年

9 赵颖;Hadoop环境下的动态资源管理研究与实现[D];上海交通大学;2015年

10 徐政;基于QoS的LTE资源调度策略研究[D];南京邮电大学;2015年

，

本文编号：533065