1.1 研究背景及意义
21 世纪以来，伴随着市场竞争的加剧以及贸易全球化的影响，我国经济迅速发展，进出口贸易量也大幅增长，有力地推动了现代物流的发展以及港口物流业的繁荣。尤其 自加入世贸组织后，我国大陆港口在世界大型集装箱港口中的地位日渐提升，集装箱吞吐量占比飞速发展。 如上表所示，从 2000 年至 2015 年，世界 20 大港口中，我国港口的数量从 3 个增加到 9 个，翻了 2 倍，吞吐量占比从 25.3%增加至 54.2%；世界 30 大港口中我国港口的数量从 5 个增加到 11 个，翻了 1 倍多，吞吐量占比从 24.6%增加至 49.1%；世界 100 大港口中我国港口的数量从 11 个增加到 20 个，翻了接近 1 倍，吞吐量占比从 19.9%增加至 37.2%[1]。据统计数据显示，在过去的 2016 年中，我国集装箱港口的货物吞吐量达118 亿吨，同比 2015 年增长 3.2%，其中集装箱的吞吐量达 2.2 亿标箱，同比 2015 年增长 3.6%[2]。但是日益增长的集装箱吞吐量需要集装箱港口处理大量的集装箱订单作业，包括进口、出口订单作业。港口的一般做法是：调度工程师根据一些简单的规则如“先到先处理”、“最近到期先处理”和自身的经验安排调度，这样的调度通常带有一定的盲目性，不能够最优利用车辆，导致总体成本的提升[3]。
..........
1.2 研究现状
一个典型的集装箱港口包括岸边、堆场和陆侧三个部分。岸边主要是供运输集装箱的船舶进行停靠以及对进出口的集装箱进行装卸作业；港口堆场则用于进出口集装箱的暂存，包括进口货物的、出口货物的以及空箱等类型的集装箱的暂存；陆侧部分则是实现集装箱在陆侧部分的转运，即进出口集装箱的集疏运。而在国内外的集装箱码头水平运输研究中，集装箱码头水平运输主要包括海侧部分和陆侧部分：海侧部分的运输指的是车辆在码头前沿船舶装卸作业中船舶和堆场之间的水平运输；陆侧部分的运输指的是经过港口堆场送提箱作业的外来车辆的水平运输[7][8]。 港口集装箱水平运输中常用的工具是集卡，根据运输范围的不同分为内集卡和外集卡。内集卡用于海侧部分的运输，外集卡用于陆测部分的运输。本文研究的是集装箱的运输车辆在港口局部地区的集装箱集疏运，即从出口顾客点处收集集装箱，和给进口顾客点处派发集装箱[9][10]，属于外集卡的调度研究。一直以来外集卡的优化调度是集装箱港口集疏运系统的核心问题。根据运输方式的不同，港口集装箱集疏运主要分为三种：公路集疏运、铁路集疏运和水路集疏运[11]。针对本文研究的内容，我查阅了相关文献，下面将对这一问题的研究现状进行综述。
..........
第 2 章 车辆调度问题相关理论基础
车辆调度问题（Vehicle Scheduling Problem，VSP）是一个组合优化问题。本文针对港口集装箱运输车辆调度问题进行研究。第 3 章港口集装箱运输车辆调度问题（Container Truck Scheduling Problem，CTSP）的基础模型考虑的主要约束条件是车辆每天工作的最大时长的限制，第 4 章带混合时间窗的港口集装箱运输车辆调度问题（Container Truck Scheduling Problem With Mixed Time Windows，CTSPMTW）的模型考虑的主要约束条件是混合时间窗的限制。模型的理论类似装箱问题（Bin Packing Problem）以及车辆路径问题（Vehicle Routing Problem，VSP）。因此本章主要内容首先对这两类问题作一个简单的描述，同时介绍有时间窗车辆调度问题的主要分类以及求解车辆调度问题的两类算法。
2.1 装箱问题与车辆路径问题
车辆路径问题可描述为：现有一个或者多个站场，有 k 辆车可提供服务，需服务的客户有 n 个，每辆车额定的容量以及每位客户的需求量均已知。假设每辆车起初都从场站出发，对分布在任意空间的这 n 个客户提供运输服务，满足所需客户的服务后，回到场站，要求这 n 个客户都被服务到，且每位客户均只由一辆车提供服务，在不超过车辆额定的最大载重量的限制下，安排合理的运输路线，使得所有车辆的运输所需的总成本最少或者运输的总里程最短[27][28]。 图 2-2 是车辆路径问题的示意图，中间的一个站场服务以周边字母为代表的客户，箭头所指方向为战场车队的行驶路线安排[29]。
.........
2.2 带时间窗车辆调度问题的主要分类
有时间窗车辆调度问题是车辆调度问题研究中一类非常重要的拓展问题，研究的目的是为了满足客户对于运输服务时效性的要求。通常客户会给出一个时间窗，要求提供服务的车辆尽可能的在这个时间窗内到达并开始进行装卸货的作业。 时间窗代表的是某一段时间[Et，Lt]，其中 Et 代表的是客户要求的车辆能够开始提供服务的最早时间，Lt 则代表的是客户要求的车辆能够开始提供服务的最晚时间。在基础车辆调度问题模型中，加入客户时间窗(Time Windows)的约束，就构成了带时间窗的车辆调度模型。 在车辆调度模型中，通常以行驶成本最小为目标，软时间窗车辆调度问题（Vehicle Scheduling Problem With Soft Time Windows， VSPSTW）是指如果提供服务的车辆无法在客户规定的时间窗[Et，Lt]内到达客户处提供服务时，需要根据延迟到达时间的长短给予客户一定的补偿，即为此支付一定的惩罚成本。具体包括两种情况：第一车，车辆早于客户给定的时间窗到达客户仓库处，那么车辆需要在客户处一直等待到可以进行装卸任务的最早时间，产生一定的成本；第二种，车辆在客户给定的时间窗的最晚服务时间后到达客户仓库处，此时通常客户因服务被延迟而产生不满，造成对整个服务满意度的降低，则需要付给客户相应的惩罚成本。 图 2-3 为软时间窗要求下的各时段的惩罚函数 P(t)，当车辆在[Et，Lt]内到达时，无需支付惩罚金，而在时间窗之外到达时，则需要根据惩罚函数支付一定的惩罚金。
.........
第 3 章 港口集装箱运输车辆调度问题基础模型研究 ...... 17
3.1 问题背景的提出 ......... 17
3.2 模型的建立 ..... 18
3.3 算法设计及案例分析 ..... 20
3.3.1 算法设计 .......... 20
3.3.2 案例结果分析 ...... 20
3.4 本章小结 ....... 23
第 4 章 带混合时间窗的港口集装箱运输车辆调度模型研究 ........ 24
4.1 带混合时间窗的港口集装箱运输车辆调度模型 ........ 24
4.2 遗传算法 ....... 28
4.2.1 遗传算法的原理介绍 ........ 28
4.2.2 本文遗传算法的设计 ........ 30
4.3 本章小结 ....... 33
第 5 章 案例实验分析 ........ 34
5.1 案例情况说明 ........... 34
5.2 过程及结果分析 ......... 34
5.3 本章小结 ....... 41
第 5 章 案例实验分析
5.1 案例情况说明
现有一个运输公司为一个港口堆场提供集装箱的运输服务，共有 100 辆型号相同的货车，需完成 220 个任务。其中每辆车的行驶速度为 50 千米/小时，启动车辆的固定支出为 200 元/辆，车辆的行驶成本为 20 元/每公里。车辆在任务最满意的时间段内早于时间窗到达任务所在的客户仓库处的惩罚成本为 30 元/每小时，车辆在任务最满意的时间段内晚于时间窗到达任务所在的客户仓库处时的惩罚成本为 50 元/每小时，车辆的服务时间窗为[6，24]。每个任务所在的客户仓库与港口堆场的距离、行驶时间、每个任务的服务时间窗以及每个任务的装卸时间均已知。要求合理安排车辆提供服务，在所有任务均获得服务的前提下，使所有服务所花费的总成本最小。包括：运输成本、时间限制带来的惩罚成本以及出动车辆的固定成本，为这一公司进行合理车辆调度的安排。 对于上述问题，本文使用的是第 4 章所设计的遗传算法，使用 Matlab 软件编程。最终遗传算法的参数设置为：选择自然数编码，种群数为 150，迭代次数为 100，交叉概率设置为 0.9，变异概率设置为 0.1，得到最优解为 C=656528 元，使用的车辆数为 62辆。
总结
市场竞争的加剧以及贸易全球化的影响，促进了我国经济的发展，进出口贸易量也大幅增长，对集装箱运输车辆的调度管理也越来越受到人们的重视。有效管理集装箱的运输业务，减少总成本支出，提高运输企业自身的服务水平以获得更高的客户满意度，实现运输企业的长远发展，促进整个运输行业的发展。 本文对集装箱运输车辆在港口堆场与客户仓库之间的公路运输的相关问题进行总结与深入研究，建立了针对此问题的数学模型，并设计算法，采用 Lingo 和 Matlab 软件编程进行求解，设计仿真实验，并进行结果分析。本文主要的研究成果及结论有：
（1）在阅读大量文献的基础上，综述了港口集装箱运输车辆调度问题的研究现状并分析了实际存在的问题，总结
