U COOPERATIVE UNLOADING METHOD AT MULTIPLE POINTS FOR U-SHAPED DOCK STORAGE YARDS

• Main Authors: NING CHUNTING, JI YIHUAN, ZHOU CHUIJIAN, ZHAO SHUAI, SONG HAITAO, GENG WEINING, GAN ZIXIE, YANG FENG
• Format: Patent
• Language: English; Korean
• Published: 13.06.2024
• Subjects: CALCULATING; COMPUTING; CONTROLLING; COUNTING; DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FORADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORYOR FORECASTING PURPOSES; PHYSICS; REGULATING; SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE,COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTINGPURPOSES, NOT OTHERWISE PROVIDED FOR

본 발명은 U형 부두의 태스크 배치 기술분야에 속하고, 상세하게, U형 부두 야적장의 복수 지점 하역 협동 배치방법에 관한 것이며, 상기 배치방법은 아래와 같이, 전체 태스크 정보에 근거해 몬테카를로 서치 트리 루트 노드에 대한 초기화를 진행하여 서치 트리를 생성하고, 상한 신뢰구간 알고리즘을 이용해 노드 선택 조작을 진행하는 단계; 서치 트리의 각 노드가 단말상태에 도달하였는지 여부를 판단하며, 그럴 경우, 의사 결정 트리 학습을 기반으로 한 시뮬레이션 조작을 실행하고, 구역별 협동 배치 전략과 유연분야 검색 전략을 융합시켜 배치하고, 복수 지점 하역 모드하에서의 최적의 태스크 배치 서열을 기록하며, 아닐 경우, 노드는 비(非)단말상태를 표시하되, 액세스하지 않은 서브 노드를 구비하고, 해당 노드를 확장 트리에 첨가하고, 노드 각각에서 재귀 학습을 진행하는 단계; 의사 결정 트리와 값 예측을 기반으로 한 전지 전략을 이용해 리던던트 노드를 삭제하고, 정방향 기획 중의 다른 특수 노드를 업데이트해 최고 효율의 보고를 출력하는 단계; 최대 반복(iteration) 횟수에 도달하였는지 여부를 판단하고, 그럴 경우, 최적의 배치 결과를 출력하는 단계; 아닐 경우, 계속 반복하는 단계;를 포함한다. 본 발명은 계산이 믿음직하고 운송 효율이 높고 운영 원가가 낮고 응용 규모가 넓어 비교적 우수한 시장 응용 전망을 갖고 있다. The invention belongs to the technical field of U-shaped wharf task scheduling, and particularly relates to a U-shaped wharf storage yard multipoint loading and unloading collaborative scheduling method which comprises the following steps: initializing Monte Carlo search tree root nodes, generating a search tree and performing node selection operation; judging whether each node of the search tree reaches a terminal state or not; if yes, executing simulation operation based on decision tree learning, fusing a regional collaborative scheduling strategy and a flexible domain search strategy for scheduling, and recording an optimal task scheduling sequence in a multi-point loading and unloading mode; if the nodes are not in the terminal state and have sub-nodes which are not accessed, the nodes are added to the extension tree, and recursive learning is carried out on each node; and deleting redundant nodes, and updating other special nodes in the forward planning so as to output a return with the highest efficiency. The method is reliable in calculation, high in transportation efficiency, low in operation cost, wide in application scale and good in market application prospect.