集装箱码头泊位与堆场协同优化的集群堆存策略研究

本文提出了一种基于集群堆存策略（cluster stacking strategy）的集装箱码头泊位-堆场联合规划方法（BTYTJP），通过两阶段建模（多目标整数规划+0-1规划）和自适应多目标进化算法（AMOEA）优化，实现了船舶周转时间偏差、运输距离和堆场工作量均衡的多目标协同。实验表明，相比子区块策略（subblock strategy），集群策略可使堆场空间利用率提升6.9%。

　　

Highlight
本研究提出基于集群堆存策略的泊位-堆场联合规划方法（BTYTJP），通过两阶段建模与自适应多目标进化算法（AMOEA），显著提升集装箱码头资源利用效率。

Background of cluster strategy and yard block
集装箱堆场由多个三维堆存区块（block）组成，每个区块包含若干连续贝位（bay）。与传统子区块策略（subblock strategy）不同，集群策略（cluster strategy）将同目的地的集装箱批次划分为多个集群（cluster），动态分配至不同区块，释放空间灵活性（见图1示例）。

Model building
建立两阶段规划模型：

1. 1.阶段1：多目标整数规划（MOIP）模型，优化泊位-区块联合分配，目标包括船舶周转时间偏差、区块间运输距离和堆场工作量均衡；
2. 2.阶段2：0-1规划模型，精确计算贝位分配的最小运输距离。

Two-step sequential optimization (TSSO) method
提出基于AMOEA和CPLEX的序贯优化方法：

• •AMOEA采用模糊相关熵（FCE-FEM）评估方案，结合禁忌搜索（TS）和多邻域结构的自适应局部强化策略（ALRSS）提升全局搜索能力；
• •CPLEX精确求解贝位分配问题。

Numerical experiments
以上海港为例，不同规模实验验证：

1. 1.集群策略使区块空间利用率最高提升6.9%；
2. 2.AMOEA在Pareto解集质量和收敛速度上优于NSGA-II和SPEA-II。

Conclusion
集群堆存策略通过动态分配集装箱集群，显著提升堆场空间利用率和作业流畅度，为码头战术级资源规划提供新思路。