物流管理论文哪里有？本文以煤炭输出港口的堆场空间调度现状为背景，结合堆场场地动态的开放垛位模式，以煤炭堆场空间调度问题为研究对象，建立了基于带特殊位置约束二维条形装箱的煤炭堆场空间调度问题的数学模型，并针对模型设计了相应的算法。
第 1 章 绪论
1.3 国内外相关研究现状
1.3.1 煤炭堆场调度研究
煤炭堆场调度是对煤炭堆场资源的分配，即根据堆场核心资源——场地空间大小、堆料机、取料机、皮带机的容量，将其分配给堆场即将进行的作业任务，尽可能使得堆场的这些资源能最大化地服务于堆场的生产活动，从而提高堆场的吞吐量和作业效率。根据煤炭堆场资源的组成，煤炭堆场的调度主要包括煤炭堆场设备的调度和煤炭堆场空间的调度以及二者的联合调度。
1.3.1.1 煤炭堆场设备调度研究
在堆场设备调度的研究中，部分学者聚焦于煤炭堆场中的单一设备，利用仿真技术或启发式算法来研究其调度。Hu 和 Yao[3]以堆、取料机的调度为研究对象，在尽可能缩短完工时间的目标下，利用结合了贪婪指派策略的遗传算法来优化堆、取料机的调度，并应用于实际案例得到了较好的结果。Enrico 等[4]针对取料机的调度，以最大化取料机的取料完工时间为目标函数，建立取料机移动的时空图，研究了是否带有顺序约束、是否带有位置约束两两组合下单台、双台取料机调度的八种情况。Vianen 等[5]对堆取料机的作业建立仿真模型，通过仿真软件进行优化对堆取料机重新调度，减少了火车在干散货码头的等待时间，提高了干散货码头的性能。随后，Vianen 等[6]又针对皮带机设备，考虑网络连通性、存储策略和随机分布等影响参数，利用仿真模型来设计散货码头的皮带机网络，实验结果表明增加堆垛之间的冗余性相对最大化连接点的数量而言，对提高皮带机设备网络的效率更有效。还有学者则将堆场设备与煤炭码头的其他设备结合进行研究。颜佳佳[7]针对黄骅港煤炭码头，从实际数据出发，以堆料机、皮带机、翻车机等元素构建仿真模型，利用 Witness 仿真软件进行分析，发现堆料机设备存在严重的作业不均衡现象。刘巧斌[8]针对中转型煤炭码头，集成卸船、堆场、装船等作业系统，研究堆取料机、泊位等资源的联合调度，设计了基于启发式规则的遗传算法有效求解了其建立的数学模型，并应用于实例案例，为煤炭码头装卸作业系统的集成调度与优化提供了新思路。胡大勇[9]以考虑装船机、卸船机、堆取料机设备，通过分析码头并行设备顺序作业时间和作业流程排斥的约束，建立了散货码头并行设备调度问题的优化模型，并设计了单一队列式编码的遗传算法，以有效的速度对问题进行了求解。
第 3 章 煤炭堆场空间调度问题的数学模型
3.1 问题描述
为了更准确地对煤炭堆场空间调度问题进行描述，以明确本文所研究的问题的范围，在此先对所研究问题中的一些概念进行定义。 对堆场空间调度行为和船舶装船行为作出如下定义：
（1）船舶的煤堆装船顺序：在船舶的实际配载中，为了降低成本，一艘船舶往往承接了多个客户所需求的煤堆或一个客户所需求的多种煤堆，故一艘船舶对应的需求往往是多个煤堆。而在实际装船的作业过程中，装船作业时为了维持船舶的稳定性，船舶需求的多个煤堆需要按照一定顺序进行装船，那么同一艘船舶的多个煤堆之间也存在取料的先后顺序，且该顺序是事先固定的。
（2）船舶信息：船舶信息包括船舶预计到港时间和船舶所需求的煤堆数、每种煤堆各自的需求量、船舶所需求的煤堆的装船顺序。
（3）堆场空间分配计划：煤炭堆场在收到一定时期内的船舶信息后，对该计划期内船舶所需求的煤堆进入堆场后占据堆场的资源进行安排的结果，包括每个煤堆进入堆场后堆存在堆场的位置以及堆存在该位置的时间范围。
基于对煤炭堆场空间调度问题中相关概念的定义，本文所研究的煤炭堆场空间调度问题可以定义为：在一定时期内即将到港的船舶信息已知的条件下，根据船舶信息，按照动态的开放垛位模式对堆场空间进行划分，为即将到港的船舶对应的需求煤堆制定堆场空间分配计划，确定每个煤堆堆存在堆场场地的何处，以及煤堆堆存在该位置的时间范围，即煤堆占据此位置的开始时间、结束时间，使得堆场的空间资源能得到最大化的利用。
第 5 章 计算实验
5.1 实验设计
为了分析影响
GRASP 算法性能的因素、比较 CP 和 GRASP 算法在求解煤炭堆场空间调度问题上的性能，本文根据实际的煤炭堆场数据，设定煤炭堆场中一个条形场地的长度为 1400m，即在该问题转化为二维条形装箱问题所建立的模型中令条形的长度 L=1400；同时，本文结合煤炭码头实际客户的需求，将其划分为几种不同的情况，随机生成了测试数据包，测试数据的结构如表 5-1 所示。
在表 5-1 中，测试数据包由 ABC 三组不同的测试数据构成，每组数据根据特定的数学分布随机生成，各自对应着现实场景下一类船舶的需求情况。在每组测试数据中，包含 5 个不同的数据实例，每个实例又由多艘船舶的需求组成，其中每一艘船舶的需求包括其需求的煤堆矩形的个数、每个煤堆矩形的长度、堆料时间、取料时间。
5.2 计算环境
本次实验所有的代码均是利用 Python 语言编写的，在利用约束规划算法求解 CP 模型的过程中，调用 ILOG CPLEX(IBM ILOG CPLEX Optimization Studio，简称 ILOG CPLEX)软件 12.8 版本中 CP Optimizer 针对 Python 语言提供的软件包 docplex.cp 所实现的。ILOG CPLEX 是世界领先的三大数学规划求解器之一，由 IBM 公司所开发。而求解该问题的 GRASP 算法则是完全利用 Python 语言实现的。本次实验的设备是 8G 存储器、2.5GHz 运行处理器的联想笔记本，操作系统为 Ubuntn 18.04 LTS。
为了分析 GRASP 算法中参数对其算法性能的影响，以确定各个参数最佳的取值，根据测试数据包的结构，设定每个实例包含 10 艘船舶，生成实验数据。在生成的数据中，每组数据包括 5 个实例，每个实例由 10 艘船舶的需求组成，每个实例所包含的需求煤堆总数在十二至二十八之间。基于该数据，分别从以下三个角度来分析影响 GRASP 算法性能的因素。
第 6 章 总结与展望
6.1 全文总结
本文以煤炭输出港口的堆场空间调度现状为背景，结合堆场场地动态的开放垛位模式，以煤炭堆场空间调度问题为研究对象，建立了基于带特殊位置约束二维条形装箱的煤炭堆场空间调度问题的数学模型，并针对模型设计了相应的算法。总体而言，本文主要的研究成果如下：
（1）建立了煤炭堆场空间调度的数学模型
在对煤炭堆场场地空间管理模式分析的基础上，选择动态开放垛位模式下的煤炭堆场空间调度为研究对象，结合现有研究对煤堆占据堆场空间和时间的分析以及与带特殊位置约束的二维条形装箱模型的转化，提出合理的假设，建立了动态开放垛位划分模式下煤炭堆场空间调度问题的数学模型。
（2）求解煤炭堆场空间调度问题的算法设计
针对煤炭堆场空间调度问题的数学模型，基于约束规划在求解调度问题上的优势，建立了煤炭堆场空间调度问题基于区间变量的约束规划模型，利用约束规划方法来进行求解。考虑到精确算法求解的局限性，又采用了与约束规划对比的随机贪婪自适应搜索算法来求解煤炭堆场空间调度问题，设计了解的表示、贪婪函数、贪婪参数、repair 算子等关键步骤。
（3）对所设计的约束规划和随机贪婪自适应搜索的算法验证
根据港口船舶需求的情况生成测试数据，针对随机贪婪自适应搜索算法，通过实验研究，确定了影响随机贪婪自适应搜索算法性能的关键参数的取值。进一步生成不同规模的数据，并结合 H 港实际应用规模的数据，对比约束规划和随机贪婪自适应搜索算法在煤炭堆场空间调度问题上的求解效果。实验结果表明，随机贪婪自适应搜索算法的求解效果更优，更适合求解实际应用规模数据的煤炭堆场空间调度问题。
参考文献（略）
