1.一种油港资源优化调度方法，其特征在于，包括以下步骤：步骤S11：建立下层调度模型，所述下层调度模型为：min G2＝max{TRi,j,p+TZi,j,p|p}‑min{TRi,j,p+TZi,j,p|p}；

其中：

k代表泊位，k＝1,2…,m,m代表油港泊位的数量；

Tk代表设定计划期内泊位k的使用时长：代表设定计划期内所有m个泊位的平均使用时长：TRi,j,p表示通过输油管道p输送油轮i的第j种油品的准备时长；p代表输油管道，p＝1,

2…,q,q代表输油管道的数量；j代表油品种类，j＝1,2…,u,u代表油品种类的数量；i代表油轮，i＝1,2…,n，n代表油轮的数量；TRi,j,p＝wi,j,pTRp，TRp表示输送管道p的输送准备时间，wi,j,p满足：TZi,j,p表示通过输油管道p输送油轮i的第j种油品的输送时长：其中，Ei,j,p表示通过输油管道p输送的油轮i的油品j的吨数；vj,p表示输油管道p中输送的第j种油品的流量；

TRi,j,p+TZi,j,p|p表示满足由输油管道p输送油轮i的第j种油品的条件时，准备时长和输送时长之和为TRi，j，p+TZi，j，p；

max{TRi，j，p+TZi，j，p|p}代表输油管道输送油轮i的第j种油品的准备时长和输送时长之和的最大值；

min{TRi，j，p+TZi，j，p|p}代表输油管道输送油轮i的第j种油品的准备时长和输送时长之和的最小值；

步骤S12：建立上层调度模型，所述上层调度模型为：maxF1＝∑i∑jui，jEi，j‑∑i∑j∑pyi，kwi，j，pLpPCj，pEi，j，p‑∑iDCi×max{((TLi，k‑TDi))，0}；

minF2＝∑k(TLi，k‑TAi)；

其中，ui，j表示油轮i卸载油品j所支付的每吨费用；

Ei，j表示油轮i卸载油品i的吨数；

Lp表示输油管道p的长度；

PCj，p表示输油管道p输送油品j的单位成本；

Ei，j，p表示通过输油管道p输送的油轮i的油品j的吨数；

DCi表示油轮i滞留期惩罚单位成本；

TLi，k表示油轮i在泊位k上作业完毕后的离港时间；

TDi表示油轮i的允许最晚离港时间；

TAi表示油轮i的进港时间；

步骤S13：采用多目标进化算法求解下层调度模型和上层调度模型；

步骤S14：根据求解结果确定油轮的目标泊位和靠泊顺序。

2.根据权利要求1所述的油港资源优化调度方法，其特征在于，所述下层调度模型还包括以下约束条件：

油轮靠泊约束条件：

油轮载重量约束条件：yi，k(Wi‑Wk)≤0，i＝1，2，...，n；k＝1，2，...，m，Wi表示油轮i的载重量；Wk表示泊位k的靠泊能力；

输油管道约束条件： s代表油罐，

s＝1，2...，r，r为油罐的数量；

卸载能力约束条件： Fs表

示油罐s的剩余存储容量； Ei，j表示油轮i卸载油品j的吨数；和

卸载目标约束条件：

3.根据权利要求1或2所述的油港资源优化调度方法，其特征在于，所述下层调度模型还包括以下约束条件：

输油管道约束条件： 其中

泊位准入允许约束条件：

其中，TBi+1，k表示第i+1个油轮泊入泊位k的时间，TLi，k表示油轮i在泊位k上作业完毕后的离港时间；和卸载完毕离港约束条件：

TLi，k≥TBi，k+∑jmax{TRi，j，p+TZi，j，p|p}；

TLi，k表示油轮i在泊位k上作业完毕后的离港时间，TBi，k表示第i个油轮泊入泊位k的时间，max{TRi，j，p+TZi，j，p|p}代表输油管道输送油轮i的第j种油品的准备时长和输送时长之和的最大值。

4.根据权利要求1所述的油港资源优化调度方法，其特征在于，采用多目标进化算法求解下层调度模型和上层调度模型包括以下步骤：步骤S21：将所述下层调度模型可行解对应的泊位编号采用二进制表示；

步骤S22：设定初始种群规模并在所述下层调度模型可行解中随机选择初始种群中的个体，定义为初始种群pop1；

步骤S23：计算样本个体的适应度；

步骤S24：根据样本个体适应度进行选择运算，选择个体样本；

步骤S25：将选择运算后的个体样本进行交叉运算；

步骤S26：将交叉运算后的个体样本进行变异运算；

步骤S27：判断是否满足迭代条件：如果满足迭代条件，则退出计算，得到所述下层调度模型的最优种群pop1‑opt；如果不满足迭代条件，则将变异运算后的个体样本作为下一代种群，循环执行步骤S23至步骤S26，直至满足迭代条件；

步骤S28：对应计算与最优种群pop1‑opt中每一个个体所对应的Ei，j，p，Ei，j，p表示通过输油管道p输送的油轮i的油品j的吨数；

步骤S29：将计算出的Ei，j，p代入上层调度模型；

步骤S30：将所述上层调度模型可行解对应的油轮靠泊顺序采用二进制表示；

步骤S31：设定初始种群规模并在所述上层调度模型可行解中随机选择初始种群中的个体，定义为初始种群pop2；

步骤S32：计算样本个体的适应度；

步骤S33：根据样本个体适应度进行选择运算，选择个体样本；

步骤S34：将选择运算后的个体样本进行交叉运算；

步骤S35：将交叉运算后的个体样本进行变异运算；

步骤S36：判断是否满足迭代条件：如果满足迭代条件，则退出计算，得到所述上层调度模型的最优种群pop2‑opt；如果不满足迭代条件，则将变异运算后的个体样本作为下一代种群，循环执行步骤S32至步骤S36，直至满足迭代条件；

步骤S37：对所述上层调度模型的最优种群pop2‑opt解码，得到油轮目标泊位和靠泊顺序。

5.根据权利要求4所述的油港资源优化调度方法，其特征在于，步骤S23或步骤S32中执行适应度计算时的适应度函数为：其中，gl表示上层调度模型初始种群第I个个体的适应度值，gl越小说明个体越优； 表示上层调度模型初始种群第I个个体的目标函数值到上层调度模型负理想解的距离； 表示上层调度模型初始种群第I个个体的目标函数值到上层调度模型正理想解的距离；

步骤S23中执行适应度计算时，目标函数为所述下层调度模型；步骤S32中执行适应度计算时，目标函数为所述上层调度模型。

6.根据权利要求4所述的油港资源优化调度方法，其特征在于，步骤S25或步骤S34中执行交叉运算时，交叉概率由下式确定：其中pc为交叉概率，pCmin为设定交叉概率区间的最小值，pcmax为设定交叉概率区间的最大值，f′为参与交叉操作的两个个体中适应度较大者，favg为平均适应度。

7.根据权利要求4所述的油港资源优化调度方法，其特征在于，步骤S26或步骤S35中执行变异运算时，变异概率由下式确定：其中pm为变异概率，pmmin表示设定变异概率区间的最小值，pmmax表示设定变异概率区间的最大值；fmin表示交叉后的个体样本种群中适应度最小值；favg表示交叉后个体样本种群中适应度平均值；f表示变异个体的适应度值。