[论文解读] Exploration of models for a cargo assembly planning problem

Gleb Belov, Natashia Boland+2 more|arXiv (Cornell University)|Apr 2, 2015

Optimization and Packing Problems参考文献 18被引用 3

一句话总结

本文提出一种基于约束规划（CP）与大邻域搜索（LNS）的方法，以最小化动力煤储煤场货物集港过程中的船舶延误，建模有限可见 horizon 下的动态调度。CP 方法在解的质量和可扩展性方面优于自适应贪心启发式算法，尤其在更大可见 horizon 和扩展约束条件下表现更优。

ABSTRACT

We consider a real-world cargo assembly planning problem arising in a coal supply chain. The cargoes are built on the stockyard at a port terminal from coal delivered by trains. Then the cargoes are loaded onto vessels. Only a limited number of arriving vessels is known in advance. The goal is to minimize the average delay time of the vessels over a long planning period. We model the problem in the MiniZinc constraint programming language and design a large neighbourhood search scheme. The effects of various optional constraints are investigated. Some of the optional constraints expand the model's scope toward a system view (berth capacity, port channel). An adaptive scheme for a greedy heuristic from the literature is proposed and compared to the constraint programming approach.

研究动机与目标

• 解决纽卡斯尔港煤炭供应链物流中最小化船舶延误的实际挑战。
• 为具有动态船舶到达和有限提前可见性的储煤场，开发一种可扩展且灵活的货物集港规划模型。
• 将基于 CP 的方法与最先进的贪心启发式算法进行对比，提升解的质量与鲁棒性。
• 研究可见 horizon 大小、资源约束（如取料机）以及操作参数（如堆料速度）对调度性能的影响。
• 实现模型的便捷扩展，以纳入新约束（如码头泊位容量和港口航道限制），实现系统整体视图。

提出的方法

• 使用 MiniZinc 建模货物集港与船舶调度问题，采用约束规划（CP）方法，捕捉依赖时间的堆料与取料操作。
• 实施大邻域搜索（LNS）方案，通过迭代探索解空间中大规模、结构化的邻域来逐步改进解。
• 为先前工作的贪心启发式算法引入自适应迭代机制，以确保与 CP 方法的公平比较。
• 将可见 horizon 作为关键参数——控制预先已知的未来船舶到达与需求数据的数量。
• 应用后处理停时减少技术，以最小化料堆集港与船舶装载之间的空闲时间。
• 扩展核心模型，以纳入泊位容量、港口航道限制和取料机移动时间等系统级约束。

实验结果

研究问题

• RQ1 增加可见 horizon（已知未来船舶数量）如何影响船舶延迟最小化解的质量？
• RQ2 基于 CP 的方法结合 LNS 是否能在解的质量与计算效率方面优于具有部分前瞻能力的现有贪心启发式算法？
• RQ3 关键操作约束（如取料机数量有限、堆料速度、取料机移动时间）对整体系统性能有何影响？
• RQ4 扩展模型组件（如泊位容量、港口航道）如何影响解的可行性和质量？
• RQ5 在保持可扩展性与解质量的前提下，CP 模型在多大程度上可扩展以支持新约束？

主要发现

• 可见 horizon 为 25 艘船舶时，可获得接近最优的解，表明在此之后收益递减。
• 将取料机同时激活数量限制为三台，导致平均船舶延迟增加 91%，凸显其在系统容量中的关键作用。
• 将堆料速度提高一天，在基础模型中使延迟减少 65%，在所有约束均包含时减少 11%。
• 与自适应贪心启发式算法相比，基于 CP 的 LNS 方法在更短时间内生成了更优的整体解，尤其在更大可见 horizon 条件下表现更佳。
• 后处理停时减少技术将平均停时从 81 小时降低至 6.3 小时（100 艘船舶），显著提升运营效率。
• 观察到队列跳跃现象（船舶按非 ETA 顺序处理），CP 解的顺序排列比贪心启发式算法更高，表明未来可通过基于约束的方法进行缓解。