交通部運輸研究所Institute of Transportation, MOTC

      船席是貨櫃碼頭最重要的資源，而相關的規劃決策在碼頭效率中扮演重要的角色。考慮到碼頭需求的不斷增長，本研究聚焦於船席模板問題(Berth Template Problem, BTP)，這是一種戰術(Tactical)或中期(Midterm)的設計問題，可供碼頭經營者作為與航運公司契約談判過程時之依據，以及促進短期船席分配操作的便利性。以最小化損失的收入和運作的懲罰成本為目標，碼頭經營者會根據固的船席分配和其服務順序。同時，經營者可以有彈性不將某些船舶排入模板，但相對衍生收入的損失。
       尤其，考慮船舶到達的不確定性，本研究的重點在於發展兩階段的隨機規劃(Stochastic Programming, SP)模型上。其中，SP 模型的第一階段將確定船席分配和排序決策。在船舶到達不確定性實現後，在第二階段每條船的確切停泊時間作為調整(Recourse)決策，同時其與到達時間相對的偏差就做為運作的懲罰成本，以考慮其到對航運
       公司的負面影響。針對這個困難的隨機最佳化問題，本研究設計基因演算法(GeneticAlgorithm, GA)產生近似解，以提升求解效率。並以實際問題規模的數值例題進行測試，以驗證開發的模型和求解演算法，同時也評估隨機模式的價值。預期本研究將為碼頭營者提供更好的決策輔助。
       根據數值測試結果，如在決策船舶停泊位置與順序的同時，將船舶到達之不確定性納入考量，將可減少營運總成本，且降低原先規劃遭中斷之風險。此外，本研究基因演算法的近似解與最佳解間之差距平均僅2%，求模大時，以基因演算法求解，可有效率地求得近似最佳解。