集装箱运输具有“快速、安全、质优、价廉”的优势,在世界范围内得到了飞速发展,已成为世界各国交通运输现代化的重要标志及保证国际贸易的最优运输方式.配载是集装箱运输过程的一个核心环节,目的是寻求一种在满足既定约束条件下倒箱最少、作业高效的装载方案,是集装箱码头作业规划的重要组成部分.配载的优劣直接关系到集装箱海上运输的安全性和经济性,如何在众多可行的方案中寻求一种相对最优的配载方案,以保证船舶安全、降低运输成本、提高营运效率和市场竞争力,是航运业致力追求的主要目标之一。 由于配载问题是带有复杂约束的多目标组合优化问题,随着船舶载箱量增加和挂靠港口数量增多,问题的规模变得十分庞大,问题的解决也变得更为复杂.国内外许多专家在此领域作了许多有益的探索,也提出了许多解决问题的方法,但到目前为止,还鲜有解决配载问题的完整模型.作者在深入集装箱码头调研及查阅大量文献资料的基础上,探讨了集装箱船配载的特点、要求、过程及问题的复杂性,以集装箱船全航线配载研究为主线,使用智能优化算法与技术,对全航线配载及其相关问题进行研究,提出了求解配载问题的一些新方法。 大多数船在一个航次中要挂靠多个港口,编制配载计划时,要有全航线的整体观念,要对船舶在整个航线的挂港顺序和各港的箱源情况进行综合考虑,所以在一个码头配载时,必须考虑其对后续港口装卸的影响。由于在制订当前码头配载规划时,后续港口箱量信息还不能确定,给当前码头配载规划带来困难。为了解决这个问题,本文提出利用预测模型预测后续港口的箱量信息,为船舶全航线配载提供数据支持,在此基础上建立全航线预配和Bay位排箱优化模型,使用配载评价模型对配载方案进行综合评价及优选。 首先应用支持向量机理论建立了后续港口箱量信息预测模型。分析影响航次箱量的因素,建立全航线航次箱量预测指标体系,对后续港口的箱量信息进行预测。SVM模型适用于小样本、高维预测问题,具有较强的适应性及泛化能力,为集装箱船航次箱量这样一个小样本、多影响因素预测问题提供了一种新的有效方法。 建模是系统优化的基础,由于配载问题的复杂性,单纯使用一种方法无法很好地满足系统建模要求。本文在对问题分析的基础上,将配载问题分解为预配和Bay位排箱两个子问题,分别建立子问题的优化模型,并构造相应的算法,然后再组合成为原问题的解,可降低问题求解难度和时间复杂度。 预配主要是将装载港的集装箱按类型、尺寸及目的港组成同类箱组,以同类箱组为处理单元,依据一定的优化目标将其分配到船舶不同Bay位上。预配阶段以全航线倒箱数量