本研究提出一种新型的协调调度优化方法，通过减少平均等待时间和周转时间，提高了港口效率。实验结果表明，该方法的两种典范方法都能够有效地提高港口效率，其中滚动视界法可在 3 个月的数据集上减少到 20 分钟的运行时间。

Apr, 2022

该研究提出了一种新的基于深度学习技术的车辆路径问题求解方法，以优化机场地勤中的车队调度，实验结果表明该方法在处理多达 200 个航班和 10 种操作时表现非常优秀，并在不同情况下表现出了很好的鲁棒性和广泛适用性。

Feb, 2023

本文提出了一种基于深度神经网络和注意力机制的学习启发式算法的大邻域搜索框架，用于解决车辆路径问题，该方法在性能方面优于现有的机器学习方法，也接近于现有优化方法的性能。

Nov, 2019

梳理货箱布局中遇到的船只到达时间不确定性的问题，提出一种基于条件风险最小化的混合整数线性优化模型并设计一种基于切割平面方法的精确算法，通过数值实验表明该方法与传统稳健优化模型相比可以产生高质量的货箱布局并加速计算大规模问题的求解。

May, 2024

本研究提出了一种新的协调调度优化方法，通过减少加权平均周转时间来提高港口效率，该方法是一种启发式算法，通过不同的观测窗口和滚动视窗法进行研究和优化实验。实验结果表明，该方法可以有效地减轻船舶周转时间，虽然实验结果基于历史数据集，但在二次计算复杂度下，如果应用于实时应用，该结果有潜在的显著优势。

Apr, 2022

本研究提出了一种预测油轮码头停留时间的系统动态方法，使用多方面的数据源和创新性的数据分析及信息提取。该预测模型在历史基线验证的准确率高达 98.81%，可用于港口智能和物流效率的推进。

Apr, 2022

本文主要研究在共享内存平台下内存限制下数据分配和任务调度问题，提出了一个整数线性规划模型和基于禁忌搜索算法的可行解决方案，并在随机生成的实例上验证了该方法的有效性。

May, 2022

该研究提出了一个多种群综合框架，通过多个仓库配置生成有效的子代解决方案，包括一个有效的基于邻域的局部搜索、一个可行性恢复过程和一个多样化的突变方法，在 281 个基准实例的广泛实验中得到了明显的改进，并匹配了 84 个已知的最佳结果。

Mar, 2024

通过改进 BPP 启发式算法以及提出新的 CBPP 启发式算法，并结合基于变量邻域搜索 (VNS) 和数学启发式方法的邻域搜索算法，我们的研究表明，我们的数学启发式方法优于 VNS，两种方法都可以在大量实例中找到近乎最优的解，甚至对于具有许多物品的实例也是如此。

Oct, 2023

使用基于多臂赌博机的双层方案进行在线学习，该方法能够在大规模情景下比目前最优的任意时刻多智能体路径规划方法提升至少 50% 的成本效益。

Dec, 2023