Badania nad rozmytym modelem programowania i algorytmem alokacji nabrzeży uwzględniającym zmieniającą się głębokość wody

Dlaczego synchronizacja z pływami ma znaczenie dla dużych statków

Nowoczesne statki kontenerowe stają się coraz większe i cięższe, podczas gdy porty są zlokalizowane w miejscach, gdzie poziom morza zmienia się pod wpływem pływów. Oznacza to, że statek bezpiecznie wpływający do portu o jednej porze może kilka godzin później ocierać dno. Artykuł stawia bardzo praktyczne pytanie: jak porty mogą decydować, który statek zajmuje które nabrzeże i kiedy, aby jednostki wchodziły i wychodziły sprawnie, mimo że głębokość wody i warunki operacyjne ciągle się zmieniają i są częściowo niepewne?

Zajęte nabrzeża i ograniczona liczba miejsc

Nabrzeża terminalu kontenerowego przypominają miejsca parkingowe wzdłuż nabrzeża, gdzie statki cumują, by załadować i rozładować ładunek. Przy efektywnym wykorzystaniu nabrzeży statki spędzają mniej czasu na kotwicowiskach, ładunki przemieszczają się szybciej, a porty osiągają większe przychody. W praktyce wiele czynników utrudnia idealne planowanie: burze, awarie sprzętu, niepełne informacje od armatorów i, przede wszystkim, zmienna wysokość poziomu morza. Duże statki o dużym zanurzeniu mogą przypływać tylko wtedy, gdy wzdłuż odpowiedniego odcinka nabrzeża jest wystarczająca głębokość, a ich własne zanurzenie zmienia się w trakcie załadunku i rozładunku. Autorzy koncentrują się na bardzo realistycznym scenariuszu: ciągłym odcinku linii brzegowej, gdzie statki mogą cumować w dowolnym punkcie, przy pływach powodujących wahania głębokości w ciągu dnia.

Przekształcanie złożonego świata w rozwiązywalny plan

Aby poradzić sobie z tą złożonością, badacze budują model matematyczny traktujący alokację nabrzeży jak ogromną łamigłówkę harmonogramowania. Czas dzielony jest na krótkie kroki, a każda możliwa kombinacja statku, nabrzeża i czasu rozpoczęcia jest albo wykorzystana, albo nie. Celem jest zminimalizowanie całkowitego czasu przebywania statków w porcie, ważonego ich znaczeniem lub kosztem. Kluczowym elementem jest sposób traktowania niepewności. Zamiast zakładać dokładne prawdopodobieństwa dla takich czynników jak zanurzenie statku, zastosowano technikę zwaną programowaniem rozmytym. W tym podejściu niepewne wielkości opisuje się nie ostro zdefiniowanymi liczbami, lecz przedziałami z różnymi stopniami wiarygodności. Model wymaga wtedy, by wymóg dotyczący zanurzenia każdego statku był spełniony z co najmniej wybranym poziomem pewności, jednocześnie dążąc do utrzymania możliwie krótkiego czasu pobytu w porcie.

Sprytne przeszukiwanie zamiast siłowego testowania

Z uwagi na to, że liczba możliwych kombinacji nabrzeże–czas–statek eksploduje w miarę zwiększania się ruchu, niemożliwe jest ich testowanie wszystkie. Zespół sięga więc po dwie metody inspirowane naturą: algorytm genetyczny i symulowane wyżarzanie. Obie zaczynają od początkowego przypuszczenia, jak można ustawić kolejność statków przy każdym nabrzeżu, a następnie stopniowo ją ulepszają. Algorytm genetyczny naśladuje ewolucję, kodując każdy pełny plan jako ciąg, po czym wielokrotnie wybiera, miesza i mutuje te ciągi, promując lepsze rozwiązania. Symulowane wyżarzanie z kolei imituje chłodzenie metalu: początkowo akceptuje czasem gorsze rozwiązania, aby wydostać się z lokalnych minimów, ale z czasem staje się bardziej rygorystyczne. Autorzy porównują te metody heurystyczne także z komercyjnym solverem dokładnym (CPLEX), który potrafi znaleźć matematycznie optymalne odpowiedzi dla mniejszych przypadków.

Co testy ujawniają o wydajności

Badacze generują zestaw realistycznych scenariuszy testowych z różną liczbą statków i nabrzeży, a następnie uruchamiają wszystkie trzy podejścia. Dla małych problemów solver dokładny szybko znajduje najlepsze rozwiązanie, a zarówno algorytm genetyczny, jak i symulowane wyżarzanie je dorównują. W miarę wzrostu liczby statków i nabrzeży solver dokładny zwalnia lub nie kończy obliczeń w rozsądnym czasie, podczas gdy heurystyki nadal dostarczają planów wysokiej jakości. W przypadkach średniej wielkości ich rozwiązania mieszczą się w kilku procentach od najlepszych znanych wyników. W największych przypadkach algorytm genetyczny często znajduje lepsze rozwiązania niż te, do których solver dokładny zdąży dojść przed przekroczeniem czasu, i robi to szybciej niż symulowane wyżarzanie. Badanie czułości, w którym stopniowo zaostrzano wymagany poziom pewności spełnienia ograniczeń zanurzenia, wykazało, że całkowity koszt czasowy wzrasta jedynie nieznacznie, a szczegółowe plany nabrzeży zmieniają się niewiele, co sugeruje, że model jest stabilny i odporny na zmiany.

Co to oznacza dla rzeczywistych portów

Mówiąc wprost, badanie pokazuje, że można zaprojektować harmonogramy nabrzeży uwzględniające wahania pływów i niepewność danych z rzeczywistego świata, bez paraliżowania planowania portowego. Łącząc model uwzględniający pływy z rozmytym traktowaniem niepewnego zanurzenia i szybkimi algorytmami poszukiwania, dyspozytorzy mogą generować plany nabrzeży zarówno efektywne, jak i wystarczająco konserwatywne, by im ufać w zmieniających się warunkach. Prace te wskazują kierunek dla bardziej inteligentnych, zautomatyzowanych narzędzi, które mogą pomóc portom obsługiwać większe statki, skracać czasy oczekiwania i zużycie paliwa oraz w efekcie dążyć do bardziej niezawodnej i zrównoważonej logistyki morskiej.

Cytowanie: Liu, D., Li, B., Li, M. et al. Research on a fuzzy programming model and algorithm for berth allocation considering time-varying water depth. Sci Rep 16, 9580 (2026). https://doi.org/10.1038/s41598-025-27537-1

Słowa kluczowe: alokacja nabrzeży, porty pływowe, optymalizacja rozmyta, algorytmy genetyczne, logistyka morska