带时间窗约束的不定期船航速优化模型

合集下载

带时间窗的冷链物流车辆路径多目标优化问题研究

车辆路径问题以及冷链物流的相关研究文献,指出当前的研究趋势。其次,对带时间窗约束的车辆路径问题进行概述,阐述该类问题的一般描述与基本模型,总结目前求解车辆路径模型的几类算法,主要包括精确算法、启发式算法和智能优化算法等,并重点介绍遗传算法的概念、特点、步骤以及可以较好的求解多目标优化问题的带精英策略的非支配排序遗传算法算法。
再次,针对冷链物流的特性,建立冷链物流多目标车辆路径模型, 该模型是一个以总的配送成本最小和配送服务准时度最高为两个目标,考虑车辆容量、软时间窗、模糊行驶时间等多个约束限制的多目标优化模型,并采用带精英策略的非支配排序遗传算法对模型进行求解。最后以山西太原美特好超市小店区物流中心的生鲜蔬果配送作为实际算例,为该配送中心设计更加经济高效的冷链产品配送路线,证明模型和算法的合理性与有效性。
带时间窗的冷链物流车辆路径多目标优化问题研究
在社会和经济高速发展的今天,人们的生活质量和对于物质生活的要求也越来越高。随着速冻食品、果蔬和海鲜等易腐产品的需求量日益增加,冷链产品的质量以及食品安全也越来越受到人们的重视,能够保证易腐品品质、减少易腐品损耗的冷链物流业迅速兴起。
冷链产品所具有的鲜活性、易腐性、易损耗性等特点,决定了冷链物流在制定配送路线上面临严峻的考验。本文在综述国内外相关研究的基础上,结合冷链物流的特点,解决带时间窗的冷链物流车辆路径问题。
本文建立的冷链物流多目标VRPTW模型和针对模型选取的NSGAⅡ算法能够应用到实际的冷链物流配送路径制定工作中,对其他类似的冷链配送中心具有一定的借鉴意义。

考虑港口忙闲时间窗约束的多式联运路径优化

的多式联运问题转化为网络最短路径问题ꎬ并构建
装箱抵港的时机ꎬ并考虑出口箱的船期和中转节点
了以总时间最短为目标的多式联运路径优化模型ꎮ
的现实条件ꎬ使多式联运承运商的总成本最少ꎬ最终
杨雄等人
[１１]
提出了基于路径多样性的网络节点影
给出出口集装箱多式联运的最优方案ꎮ
响力探测和评估方法ꎬ能够更细粒度地对节点影响
输方式的班期限制ꎬ构建以总运输成本最小为目标的路径优化模型ꎬ并设计改进遗传算法
( ＩＧＡ) 对模型求解ꎮ 结果表明ꎬ与不考虑港口忙闲时间段相比ꎬ考虑该因素可令集港货物
有效错开港口业务繁忙期ꎬ进而避免过高的预集港费和晚集港费ꎻ同时ꎬ忙碌时间窗越接
近截港时刻ꎬ空闲时间窗之间的间隔越长ꎬ对承运商的影响越大ꎬ因此考虑港口忙闲时间
会对运输费用造成影响ꎬ建立了基于备选集的多式
联运动态路径优化模型ꎮ 辛春林等人
[９]
工作效率往往会对运输成本造成较大影响ꎬ若承运
考虑到危
商没有考虑港口忙闲度ꎬ仅仅保证在船期截止前抵
险品运输过程中ꎬ运输费用和人口风险具有较强的
达港口ꎬ可能会因未能及时装卸货物耽误船期ꎬ也可
时变性ꎬ将中转作业细分为中转运输、卸货装货和等
核心约束ꎬ兼顾货物抵达各节点的时间约束ꎬ构建数
间窗、模糊时间窗、混合时间窗ꎮ 单一时间窗方面ꎬ
学模型ꎬ并设计相应的算法求解ꎬ最终给出最优的多
吴晓莉等人
[１]
以汽车销售为背景ꎬ建立了以总运输
式联运路径ꎮ
成本最小为目标的由单起点到多终点的优化模型ꎬ
考虑中转衔接的文献可以细分为节点耗时和班
[２]
期限制两方面ꎮ 涉及节点耗时的文献中ꎬ王清斌等
国家自然科学基金(７１４７３０２４ꎬ ７１８７２０２５) 资助项目ꎮ

带时间窗的多式联运运输优化研究

带时间窗的多式联运运输优化研究一、概述随着全球经济一体化的深入发展和物流行业的迅猛增长，多式联运作为一种高效、便捷的运输方式，在现代物流体系中发挥着越来越重要的作用。

多式联运通过整合不同运输方式的优势，实现货物在不同运输方式之间的无缝衔接，从而有效提高运输效率，降低运输成本，并减少对环境的影响。

在实际运作过程中，多式联运面临着诸多挑战，其中之一便是如何优化运输过程，以满足不同客户对运输时间和成本的要求。

带时间窗的多式联运运输优化研究，旨在解决多式联运过程中存在的时间约束问题。

时间窗是指货物在运输过程中需要满足的时间限制，包括货物的发货时间、到达时间以及在不同运输方式之间的转运时间等。

这些时间约束对于确保货物的及时送达、提高客户满意度至关重要。

对带时间窗的多式联运运输进行优化研究，具有重要的理论意义和实践价值。

本研究将综合运用运筹学、物流学、计算机科学等多学科知识，通过构建数学模型和算法设计，对带时间窗的多式联运运输进行优化。

我们将分析不同运输方式的特点和成本结构，建立考虑时间窗约束的多式联运运输优化模型；设计有效的求解算法，以找到在满足时间窗约束的前提下，使总运输成本最小的最优运输方案；通过案例分析和仿真实验，验证优化模型和算法的有效性和实用性。

通过本研究，我们期望能够为多式联运运输优化提供新的思路和方法，为物流企业提高运输效率、降低成本、提升服务质量提供有力支持。

本研究也将为相关领域的研究者提供有益的参考和借鉴。

1. 多式联运运输的概念及重要性多式联运运输，是指利用两种或两种以上不同运输方式的有机结合，实现对货物或旅客从起始地到目的地的连续、无缝运输服务。

在实际运作中，它涵盖了公路、铁路、水路和航空等多种运输方式的综合使用，以及各方式间衔接与协调的优化安排。

通过精心组织的多式联运，货物和旅客能够在不同的运输方式间顺畅转换，从而实现运输效率的最大化、运输成本的最低化以及运输服务质量的提升。

多式联运运输的重要性在现代物流体系中日益凸显。

软时间窗与随机航行时间的不定期船舶航线规划

软时间窗与随机航行时间的不定期船舶航线规划丁一;仲颖;林国龙;温馨【摘要】为优化航线设计,降低船舶企业运营成本,在研究VRP(Vehicle Routing Problem)的基础上,将其方法扩展应用到不定期船舶调度问题,船舶运输需要在路径优化时同时考虑不确定航行时间及需求时间窗,用线性近似的方法来消除不确定航行时间的影响,通过惩罚函数的引入表示需求时间窗,建立充分考虑时间因素的数学模型,以总成本最小为目标.运用扫描法和禁忌搜索算法,将问题分为二个阶段,第一阶段,通过扫描法将VRP转化为TSP(Traveling Salesman Problem),然后用禁忌搜索算法解决TSP,通过算例证明了提出算法的有效性,为实际不定期船舶的航线规划提供了参考.【期刊名称】《华中师范大学学报（自然科学版）》【年(卷),期】2015(049)003【总页数】5页(P387-391)【关键词】时间窗;随机航行时间;航线规划;扫描法;禁忌搜索算法【作者】丁一;仲颖;林国龙;温馨【作者单位】上海海事大学科学研究院,上海201306;上海海事大学科学研究院,上海201306;上海海事大学科学研究院,上海201306;上海海事大学科学研究院,上海201306【正文语种】中文【中图分类】U697.1一般将船舶运输模式分为3类，分别为工业船运、不定期船运和班轮船运[1].不定期船运输是指无固定航线、固定挂靠港口和班期的一种船舶营运方式，在整个水路运输中占有相当高的比重.对于带时间窗的VRP的研究， Archetti[2]等提出了第一个求解SDVRPTW (Vehicle Routing Problems with Split Deliveries and Time Windows)的精确算法，他们运用禁忌搜索算法和新的有效不等式对子问题分别求解，一种新的启发式算法则被用于寻找最优拆分点.对于VRPST(Vehicle Routing Problem with Stochastic Travel Time)的研究，Zheng和Liu[3]运用一种混合智能算法求解车辆模糊旅行时间问题.综上所述，国内外关于运输路径优化的问题，重点在于研究车辆路径问题，但是在国际贸易中，海上运输担负着将近90%的海上货运量，船舶航线规划问题与车辆路径问题相比较，有其自己的特性.首先，船舶单次的行程比较长，时间也更久，航行时间较容易受天气等多种因素的影响[4]，因此其随机性较大；其次，码头的设备数量和规模有所限制，船舶特别是大型船舶卸货时间也较长，因此时间窗是不容忽视的；此外，船舶载货量大，一般是单次行程服务于多个需求点，再回到配送中心的.本文是在研究VRP问题[5-7]的基础上，将其方法扩展应用到不定期船舶调度问题，船舶运输需要在路径优化时同时考虑不确定航行时间及需求时间窗，这两个因素的引入都会使得原本就是NP-Hard的TSP问题更加复杂，用线性近似的方法来消除不确定航行时间的影响[8]，通过惩罚函数的引入表示需求时间窗.运用扫描法[9]和禁忌搜索算法，将问题分为二个阶段，第一阶段，通过扫描法将VRP转化为TSP，然后用禁忌搜索算法[10]解决TSP.假设从港口i到港口j的航行时间，服从参数为的正态分布并且满足以下假设：1)物流配送中心的位置为已知且唯一，设置配送中心为0；2)需求点的位置及需求量已知；3)需求点与需求点的线路与距离为已知且确定；4)船舶经过需求点时只有卸货而无装货，货物配送完毕后以空船返回配送中心；5)船舶的最大载重量相同.符号表示：a：单位航行成本；b：每使用一艘船的固定成本；c：船舶早于时间窗到达的惩罚成本；d：船舶晚于时间窗到达的惩罚成本；Q：船舶最大载货量；wi：船舶k 为了满足港口i 的时间窗约束，在港口外的等待时间;dij：港口i到港口j的距离;qi：港口i的需求量;qik:港口i由船舶k运输的量;opi：港口i的卸货时间；[ei，li]：港口i的时间窗.目标函数：式(1)表示确保船舶不超过最大载重量；(2)保证每个节点的运输需求均被满足；(3)保证每艘船舶都是始于母港，访问客户节点后，最后又回到母港；(4)和(5)保证每艘船最多访问每个客户节点1 次，且访问后必须离开；(7)表示每个节点至少被访问一次.算法的思想：以确定的航行时间求得初始解，再构造虚拟时间窗，以虚拟时间窗的惩罚函数代替初始的惩罚函数，进行两次求解，最后获得修正解.3.1 不确定性航行时间的近似处理已知航行时间可知在给定置信度下，最大的航行时间为正态分布函数的反函数，如图所示，发现其为中心对称曲线，并可线性逼近，通过matlab将其拟合为一条近似的直线.以tij～N(4.8，0.52)为例，选择正态分布均值点及给定置信度下a的上界航行时间点求得近似直线的斜率由于正态分布的对称性，此近似直线亦通过置信度为1-a的航行时间点和分别为在给定置信度下，从港口i到港口j的最长航行时间和最短航行时间.3.2 虚拟时间窗的构造虚拟时间窗的下界；虚拟时间窗的上界).软时间窗下惩罚函数：虚拟时间窗下的惩罚函数：3.3 求解所用的方法3.3.1 扫描法 Gillett和Miller于1974年所提出的求解车辆路线问题的方法，此方法属于先分群再排路线的方式.该方法采用极坐标来表示各需求点的区位，然后任取一需求点为起始点，定其角度为零度，以顺时钟或逆时钟方向，以车容量为限制条件进行服务区域之分割，进行车辆配送的分组作业，由此实现将VRP转化为TSP.3.3.2禁忌搜索法禁忌搜索算法最早是由Glover 提出的，它是一种“局部搜索”的修正方法，从一些初始解开始，试图找到更好的解，然后从这个新的解开始，继续寻找好的解，这一过程不断重复，直到找到的解不再改善为止.本案例中，船舶的最大载重量Q=16，各港口需求之和可知最少需要船舶=5艘.其中单位航行成本a=1，每使用一艘船的固定成本b=50，船舶早于时间窗到达的惩罚成本c=1，船舶晚于时间窗到达的惩罚成本d=2，其余数据见表2.以港口3到港口4为例，t34～N(4.8，0.52)，通过excel中的NORMINV函数，求出在置信度r=0.96时所以k34=1.96.由和计算出c*=0.51，d*=1.02.采用“先分组再排线路”的二阶段求解方法，进行配送线路的安排.4.1 构造初始解以扫描法为基础，修改其演算方法进行初始解的构造，此算法可以达到先分组的目标，而且此方法在选择配送点进行求解时，可以将临近的点选入同一群组中，满足初始解的基本需求.而在船舶路线规划方面，在构造初始路线时，加入“船舶载重限制”的条件，使得初始解的每一群组均能满足此限制.4.2 禁忌搜索禁忌搜索的步骤如下：1)输入需求点的数据；2)设定参数，禁忌名单长度设为4，最大重复搜寻次数设为100；3)目标函数和移步.在计算目标函数值之前，首先建立一个对称矩阵，存放两两需求点之间的距离.计算目标函数值时，使用点对交换(Pair Swap)的节点交换法作为禁忌搜索法的移步方法，来达到临近搜寻的目的.4.3 最优解的改善建立初始解所使用的扫描法，被纳入组中的需求点就无法在不同的路线中跳动，得到较差的初始解结果.此处使用两种不同线路中交换节点的方法来弥补这个缺陷，期望能在需求点尽量相邻的条件下，找出更好的路线规划.4.4 求解结果以0点为原点，任意做一条射线，逆时针方向扫描，得到7种初始解，如表4所示.从0点到港口6的随机航行时间由表2 查得t06～N(3.5，0.42)，在置信度r=0.96时，通过excel中的NORMINV函数算出从0点到港口6的最短及最长航行时间算出港口6的虚拟时间窗].虚拟时间窗下，船舶早到的惩罚成本虚拟时间窗下，船舶迟到的惩罚成本航行时间为随机时候的总成本是1 000.6，比航行时间是确定值的时候的998.8多了1.8，这说明随着航行时间不确定性的引入，带来了时间窗惩罚成本的上升.海上运输担负着将近90%的海上货运量，国内外对公路运输的研究文献很多，相比之下，对船舶航线，特别是不定期班轮航线的研究不多，由于不定期船舶运输没有固定的船期、固定的航线、以及固定的挂靠港，因此对于不定期船经营公司来说，如何规划船舶航线是十分重要的问题.本文根据船舶运输的特点，将其抽象为随机航行时间且带有需求时间窗的多重旅行商模型.运用扫描法和禁忌搜索算法，将问题分为二个阶段，第一阶段，通过扫描法将VRP转化为TSP，然后用禁忌搜索算法解决TSP，并通过算例证明了算法的有效性，本文中所用到的算法，为实际不定期船舶的航线规划提供了参考.【相关文献】[1] Meng Q， Wang S， Henrik A，et al. Containership routing and scheduling in liner shipping: Overview and future research directions[J]. Transportation Science， 2013，0461:1-16.[2] Archetti C， Bouchard M， Desaulniers G. Enhanced branch and price and cut for vehicle routing with Split deliveries and time windows[J].Transportation Science， 2011，45(3)： 285-298.[3] Zheng Y， Liu B. Fuzzy vehicle routing model with credibility measure and its hybrid intelligent algorithm[J]. Applied Mathematics and Computation， 2005， 176(2)：673-683．[4] 靳鹏欢，随机因素影响下的不定期船航次优化研究[D]. 大连：大连海事大学， 2012: 1-11．[5] 李娜. VRP在支线船舶调度中的扩展应用研究[D].大连：大连海事大学， 2006; 1-41．[6] 谢秉磊，郭耀煌，郭强. 动态车辆路径问题：现状与展望[J]. 系统工程理论方法应用，2002，11(2): 116-120．[7] Archetti C， Feillet D， Gendreau M， et al. Complexity of the VRP and SDVRP[J]. Transportation Research Part C， 2011， 19: 741-750.[8] 戴韬，杨稀麟. 考虑时间窗与随机航行时间的船舶航线规划[J]. 计算机工程与应用，2012，48(25)：234-238．[9] 邱爱华. 扫描法和遗传算法在物流配送车辆优化调度中的应用研究[D]. 北京：北京交通大学，2008: 1-42．[10] 郎茂祥，胡思继. 车辆路径问题的禁忌搜索算法研究[J]. 管理工程学报，2004， 18(1)：81-84．。

带硬时间窗的航空路径规划模型

２算例分析
２．１硬时间窗规划结果
１
ｉｑ
其所管辖的城市中的所有航空件送域的中转站，］到中转站后再进行周转．通过文献［得知配送的５以北京为例，见表１、表２．往返周期一般为１６ｈ．
表１北京和其他城市的坐标、需求量及时间窗２－１６［］２，６１０２９７１００００３０１１［］６，１０１００００１００００４４４．５［］２，８１００００１００００５５５［］２，８１００００１００００６５７［］２，８１００００１００００７４９．５［］６，１０１００００１００００
对于ｉ＝０，ｉｋ＝Ｋｊ ∑ ∑ｘ
ｎｎｉｋｊ
（）１＝ｍｉ（）２（）３
ｉｊ＝０，ｊ≠
∑ｑ
ｎ
－
ｉｊ＝０，ｊ≠
∑ｑ
ｉｋｊ
ｉ∈ Ｎ，ｋ∈ Ｋ
ｊ＝１ｎ
∑ｘ
０ｋｊ
ｋ∈ Ｋ＝１；
ｎ
ｉｉ＝０， ≠ｈ
∑ｘ
ｎ
ｉｈｋ
－
ｊ＝０，ｊ≠ｈ
∑ｘ
ｈｋｊ
１增值链ＶＲＰＴＷ问题描述及数学模型
１．１问题描述考虑由一个物流中转站和Ｎ个目的城市组成的路线规划模型．假设第ｉ个客户需运输的货物量为ｍｉ，且ｍＱＱｉ＜ｋ（ｋ为第ｋ种飞机的重量限），制物流中转站派出多架飞机给Ｎ个客户配送货物，飞机必须在一定时间范围［内到达，即ｅｌｉ，ｉ］不早于ｅ不迟于ｌ文献［显示运输成本包括７］ｉ，ｉ，租赁成本和与运行距离有关的油费成本，假设所研究的物流公司全部使用自购货机，因而不考虑租赁成本而额外考虑企业自购货机的固定成本．模型除了满足到达时间的要求外，还考虑了飞机载重量，多种类型飞机约束和站点约束等．在分析建模时，求满足货运需求的成本最低的航空线路．１．２基本假设）每架飞机的飞行路线开始于物流中转站，１并且于此物流中转站结束．

船舶动力学计算模型的建立与优化

船舶动力学计算模型的建立与优化随着物流和贸易的不断发展，船舶的使用频率也越来越高。

而船舶动力学是指在船舶运行过程中所产生的各种力学现象，包括船舶在水中的航行性能、船体的稳性、动力系统的性能等等。

因此，对于船舶工业来说，船舶动力学研究具有极其重要的意义。

而船舶动力学模型是实现船舶动力学研究的基石，对于提高船舶的效率和性能有着至关重要的作用。

本文将就船舶动力学模型的建立与优化进行探讨。

一、船舶动力学模型的建立意义船舶动力学模型是指用数学方法对船舶在水中的各种力学现象进行分析和计算的模型。

对于船舶动力学模型的建立意义，主要有以下几点：1、提高船舶运行效率：通过建立船舶动力学模型，可以分析船舶在不同航行状态下的航行性能和阻力，通过对模型进行优化，从而提高船舶运行的效率。

2、改善船体稳定性：对于大型船只而言，船体的稳定性显得尤为重要。

通过对船舶动力学模型的分析，可以确定船体的稳定性极限，从而在船舶设计时就能够针对船体的稳定性进行优化。

3、优化船舶动力系统：船舶动力系统是指推动船体的各种设备，包括发动机、传动系统、推进器等等。

通过建立船舶动力学模型，可以对动力系统进行分析和优化，提高船舶的动力性能。

二、船舶动力学模型的建立过程船舶动力学模型的建立过程可以分为以下几个步骤：1、确定模型的基本参数：包括船舶的长度、宽度、吃水、排水量等等。

通过对这些基本参数的确定，可以形成初步的船舶动力学模型。

2、确定船舶的运行状态：包括船速、航向等等。

这一步是确定船舶动力学模型运行条件的重要步骤，对于进行分析和计算至关重要。

3、分析船舶在水中的运动状态：包括船舶的浮力、阻力、动力等等。

通过对这些力学现象的分析，可以进一步优化船舶动力学模型。

4、确定船舶动力系统：包括发动机、传动系统和推进器等等。

通过对船舶动力系统的分析，可以确定船舶的整体动力性能和优化方案。

5、建立计算模型：通过对以上步骤的分析，可以建立起完整的船舶动力学计算模型，并进行各种参数变化的模拟和分析。

带硬时间窗的航空路径规划模型

带硬时间窗的航空路径规划模型
陈建华;孙文筱
【期刊名称】《武汉理工大学学报（交通科学与工程版）》
【年(卷),期】2011(035)005
【摘要】针对物流快递行业,以牺牲部分成本来完全满足快递时效的要求,建立了基于硬时间窗的航空路径规划模型,采用并行遗传算法进行了求解.同时建立了相应的软时间窗模型,通过构造满意度函数,与硬时间窗的结果进行了对比分析,算例结果表明硬时间窗的规划路线虽然成本较高,但是更注重时效性的客户的满意度也高,这种规划方法更适于中端物流企业的特点与要求.
【总页数】4页(P963-966)
【作者】陈建华;孙文筱
【作者单位】武汉理工大学物流工程学院武汉 430063;武汉理工大学物流工程学院武汉 430063
【正文语种】中文
【中图分类】F560
【相关文献】
1.带时间窗的航母编队多补给船海上补给路径规划 [J], 王城超;邹强;贾汝娜
2.基于订单邻域的成品油二次配送中带时间窗车辆路径规划问题 [J], 李敏;倪少权;周凌;黄强
3.动态路网下带时间窗车辆路径规划问题研究 [J], 盛强;郑鹏飞;孙军艳
4.基于GCOA算法的带时间窗车辆路径规划问题研究 [J], 张杰飞; 王晓丽
5.基于群体竞争遗传算法的带时间窗车辆路径规划 [J], 张杰飞
因版权原因，仅展示原文概要，查看原文内容请购买。

时间窗限制下港口泊位优化分配问题模型

时间窗限制下港口泊位优化分配问题模型
秦进;缪立新;陈长彬;陶经辉
【期刊名称】《船海工程》
【年(卷),期】2010(039)002
【摘要】提出新的离散型泊位分配模型,对船舶在港口内的服务时间和港口内泊位的可用时间都考虑了时间窗约束,并在目标函数中考虑了船舶的不同服务时间价值,基于模拟退火算法设计了相应的模拟退火算法进行问题的计算和分析.算例表明,求解大规模问题时,在求解质量和计算时间上要优于CPLEX软件,所提出的优化方法将有助于帮助繁忙港口提高泊位等资源运营管理的效率.
【总页数】4页(P142-145)
【作者】秦进;缪立新;陈长彬;陶经辉
【作者单位】清华大学,深圳研究生院现代物流中心,广东,深圳,518055;中南大学,交通运输工程学院,长沙,410075;清华大学,深圳研究生院现代物流中心,广东,深
圳,518055;清华大学,深圳研究生院现代物流中心,广东,深圳,518055;清华大学,深圳研究生院现代物流中心,广东,深圳,518055
【正文语种】中文
【中图分类】U658
【相关文献】
1.偏好泊位约束下的集装箱港口离散泊位分配问题 [J], 郑子龙;杨斌;胡志华
2.低碳经济下的港口泊位分配模型及其算法实现 [J], 许欢;刘伟;刘诗
3.交通限制和软时间窗条件下的车辆路径问题及其蚁群算法改进 [J], 刘澜;吴金卓;胡鸿
4.时间窗约束下的共享停车泊位动态分配模型 [J], 王韩麒
5.限制信息条件下基于时间窗的占线装-卸货问题及其竞争分析 [J], 衣方磊;徐寅峰;辛春林
因版权原因，仅展示原文概要，查看原文内容请购买。

不定期运输船舶调度及航速优化研究

不定期运输船舶调度及航速优化研究船舶调度是不定期运输运力资源优化配置最重要的一个方面,直接决定船舶的经济效益和航运企业的总体利润收入。

在船舶调度涉及的各项决策中,航速优化是关键环节,它直接决定航次变动成本和船舶运用效率。

面对航运市场持续低迷、能源价格居高不下的现实环境,开展船舶调度与航速优化研究有利于航运企业控制燃油成本、合理调配与运用运力资源、改善经营绩效。

同时,这项研究对于海上运输系统实现节能减排的目标具有重要意义。

在系统归纳和分析航速优化、船舶调度以及其他相关领域的研究成果后,发现目前针对航速进行的优化研究缺乏对航次租船合同下装卸货时间要求的考虑；多货物、多港口、多航线和多船舶的船舶调度与航速优化问题还没有很好的解决；缺少对需求变动的船舶调度与航速优化问题的研究。

围绕这些问题,本文主要进行了以下几个方面的研究：1考虑航次租船合同中有关货物装卸的服务时间要求,提出带有时间窗约束的非线性规划模型,解决多港口挂靠、允许同时载运多票货物的复杂航线上的船速优化问题,同步实现连续航次经济效益估算与最佳船速选择。

基于模型的结构特征,应用外点法与模矢搜索算法进行求解。

2综合分析航速对船舶航行时间和燃油成本的影响,实际载货量对运费收入、运输成本和装卸货时间的影响,建立货量可变的船舶调度与航速优化模型,实现对货载选择与分配、航线配船、船舶定线与最佳航速选择的联合优化。

开发基于集合分割的两阶段求解算法,对大规模非线性混合整数规划问题实施有效的分解、降维、简化计算流程。

第一阶段由枚举法、航线0-1矩阵图和求解具有相同结构的小规模非线性规划模型构造单船可行调度方案；第二阶段分割集合优选实现船队总收益最大的船舶调度方案。

通过不同规模的案例实验计算,分析与验证船舶速度和可变货量对船队总体收益和船舶运行方案的影响。

3提出与解决考虑市场需求变动的船舶调度与航速优化问题。

基于是否允许改变船舶原航线将该问题细分为原航线不变单一货物问题、原航线不变多个货物、原航线可变单一货物和原航线可变多个货物等四类。

数学建模轮船调度优化问题建模与计算

“两江游”轮船调度问题某著名江边码头，位于长江和嘉陵江汇合之处，江面与两岸景色十分优美，许多游客慕名而来，欣赏两江景色。

当地轮船公司因此开设了“两江游”服务。

目前，“两江游”服务提供的游轮满载是150人，安排游船载客游览时间是1.5小时/次，票价为25元/人/次。

另外，为了节约游客的时间成本，提高游客的满意度，轮船公司规定：游轮不需要满载即可起航，但启航时游轮的载客量至少要达到满载的60%以上。

根据统计，游客主要在上午8点到下午6点来参观游览，且在早8点到晚6点时间段内，游客以平均每分钟3人的速度到达码头并参加“两江游”。

从轮船公司角度出发，最希望的是每天收入最大。

另外由于每次轮船运输有成本，因此也希望每天总运输次数最少。

同时轮船公司希望在总运载人数不变情况下，每次运载的人数尽量均衡。

从这三个方面出发，请建立数学模型并解决如下问题：1. 如果轮船公司只有1艘游轮，问该轮船如何安排航程？一天总载客量是多少?2. 若轮船公司有多艘轮船，问轮船公司最少需使用几艘游轮？分别如何安排航程？每艘船载客量是多少？3. 针对实际中出现的游客愿意等待游船返回的情形，假设游客到达港口最多等待10分钟，若10分钟游轮未到，则自动离开。

请在该假设下重新考虑问题1和问题2。

注：1.问题1和2中的假设当轮船未来时顾客都不等待。

2.不考虑游客上下船时间。

3.对多艘轮船，如果后一艘到达时前一艘还未启航，需要等待前一艘离开才上客。

4. 轮船启航时刻以整分钟为基本单位。

模型建立与求解：问题1．设共发n 个班次，各个班次轮船启航时刻（分钟）依次为：12,,,n t t t 。

约束条件中启航时刻满足： 1230600n t t t t ≤<<<<≤设每个班次轮船载客为为12,,,n d d d 。

则则第一个班次时将1[0,]t 内到达的人全部载完，则有：113d t =对第二个班次，12[,]t t 时间段内到达的人数，前90分钟因为没有返航，导致流失，因此有： 2213(90)d t t =--同理考察第i 个班次，1[,]i i t t -时间段内到达的人数，前90分钟因为没有返航，导致流失，因此有：有13(90)i i i d t t -=-- 2,3,,i n =由于载客量不超过150人，因此有：150i d ≤， 1,2,,i n =每次载客量要达到15060%90⨯=人，因此有：90i d ≥， 1,2,,i n =则目标函数为n 个班次总收入最大，由于每个游客的游览费都为25元，因此可转化为轮船载客数最大：11max ni i Z d ==∑同时根据题目要求，第二目标是运输次数最少，则：2min Z n = 第三目标各次运输乘客数尽量均衡，则：213()min 1n i i d d Z n =-=-∑ 其中1n i i d d n ==∑为各次运载乘客的平均值。

考虑时间窗与随机航行时问的船舶航线规划

ＥｇｎｅｉｇａｄＡｐｉｔｎ，０２４（５：３－３．ｎｉｅｒｎｐｌａｉｓ２１，８２）２４２８ｎｃｏ
Ａｂｓｒｔｔａｃ：Ａｏｈｉｐｉｇｒｕｉａｎｉｇｉｅｌｍｅｔｆｒｔｅｓｉｐｉｇｃｍｐｎｙｔｅｕｅｉｓｏｒｔｏｃｓｇｏｄｓｐｎｏｔｎｇｐｌｎｎｓａｋｙｅｅｎｏｈｈｐｎｏａｏｒｄｃｔｐｅａｉｎｏｔ
ｃｌａｅｉｉｅｓｅｅｆｃｉｅｅｓｏｅｍｏｅｎｌｏｉｍ．ａｓｇｖｎｔｔｔｈｆｅｔｎｓｆｈｄｌｄａｇｒｈｃｓｏｅｔｖｔａｔＫｅｒｓｈｐｉｇｒｕｉｇｔｅｗｉｄｗ；ｔｃａｔａｅｍｅｙｗｏｄ：ｓｉｐｎｔ；ｉｎｏｓｏｈｓｉｔｖｌｉｓｏｎｍｃｒｔ
ｗｔｏｈｓｃｔｖｌｉｎｍｅｎｏｍ— ＳＳｍｏｅ．ｏｅｕｃｒｉａｅｔ，ｎａｐｒｘｍａｉｓｃａｔａｅｔａｄｔｄｗ（ＴＰＴ）ｄ１Ｆｒｈｎｅｔｎｔｖｌｉａｌｅｒｐｏｉｔｈｔｉｒｍｅｉｗｉｔａｒｍｅｉａｅ
关键词：船运航线；时间窗；随机航行时间文章编号：０２８３（０２２—２４０文献标识码：中图分类号：９１０．３１２１）５０３．５Ａｕ６７
１引言
随着国民经济的持续发展及国际贸易的稳步提
（）３船舶运输成本大，为了降低空载率，经常装卸混合。

时间窗限制下港口泊位优化分配问题模型

关键词：口；港泊位分配；化模型；间窗；拟退火算法优时模
中图分类号：５Ｕ６８
文献标志码：Ａ
文章编号：６１７５（０００ —１２０１７—９３２１）２０４４
船舶到达港口的时间是已知的，当船舶到达之后，口管理人员首先必须为该船舶分配合适港的泊位以便于船舶停靠并进行作业。船舶在港口
—
…
一
—
泊位ｋ结束服务的时间；务时间窗的下限值；
点的集合，么此类泊位分配问题称之为离散型那
泊位分配问题，如果将码头视为一条连续的停泊
空间，那么就是连续型泊位分配问题ｌ］】。
ａ— —船舶ｉｉ到达港口时间，也是船舶ｉ服的６—— 船舶ｉ的服务时间窗的上限值，就也
（．华大学深圳研究生院现代物流中心，东深圳５８５；１清广１０５２中南大学交通运输５程学院，沙４０７）．－长１０５
摘
要：出新的离散型泊位分配模型，船舶在港口内的服务时间和港口内泊位的可用时间都考虑了提对
提出新的离散型ＢＡＰ问题的优化模型，既与有ＢＰ模型不同的是，Ａ该模型考虑了不同船舶的服务时间的不同时间价值，同时还考虑了对船舶服务时间和泊位可利用时间的时间窗限制，最后

基于时间窗的船舶挂港顺序优化

关键词: 船舶停靠港口; 航线选择; 时间窗; 不便成本; 集合分裂
中图分类号: U 692. 3
文献标识码: A
0引言
远洋运输是国际贸易中最为重要的运输手段. 每年超过 90 000 艘船舶完成 60 多亿吨的货物运输. 船公司新建一艘船舶往往要投资数千万美元, 而一条船每天的运营成本也要数千美元. 因此对船队航线的选择和挂港顺序的合理优化能够明显地提高经济效益. 在运筹和管理信息系统方面, 有关交通工具运输规划的研究已经有很多, 但是由于海上运输的不可预知与不可控因素较多, 建模较为困难, 因此关于船舶航线选择和挂港优化的研究相对较少. 在基于硬时间窗的时序问题研究中, 需求是固定的, 除此以外, 每个顾客都有一个时间窗, 在这个时间窗内, 针对此用户的服务必须在此时间窗口内开始, 如果把硬时间窗转化成软时间窗, 再加上一个合适的惩罚值, 服务也允许在时间窗之外开始. 这个惩罚值可以代表由于客户需求不满足时间窗而引起的销售额和商誉等的损失, 因此通常称为不便成本. [ 1]
说, 每条船舶的可行航线的数量都是极其巨大的.
因此, 产生可行性最高的方案的方法被引入, 为了这个目的, 关于舱容利用的启发式规则被引入. 只
有满足启发式规则的这些方案才会在集合分裂问
题中作为候选方案考虑, 舱容利用率太低的方案
被拒绝. 舱容利用率有两种衡量方式: ( 1) 等待时间P闲置时间, ( 2) 船舱利用率. 定义 R MAX 为这两
如图 1 所示, 图( a) 和( c) 表示不便成本随偏移量变化的关系, 图( b) 表示一个非凸的不便成本方程, 其中成本不因窗口偏移量而变化, 只与是否偏移有关, 这种典型的情况就是当不能按时交付货物时, 运费就要打一个折扣.

考虑时间窗与随机航行时间的船舶航线规划

考虑时间窗与随机航行时间的船舶航线规划戴韬;杨稀麟【摘要】A good shipping routing planning is a key element for the shipping company to reduce its operation cost and improve its service quality. Considering there are two difficulties that uncertain travel time and scarcity of the resource in the docks, the shipping routing problem is abstracted to be a multiple Traveling Salesman Problem (TSP) with stochastic travel time and time window (m-TSPST) model. For the uncertain travel time, a linear approximate solution is designed, and the two-stage integer programing model and heuristic algorithm are built. At last, a numerical case is given to test the effectiveness of the model and algorithm.%良好的航线设计是船运公司降低运营成本,提高服务质量的关键.船舶运输中存在航行时间不确定,码头资源稀缺等特点,基于此将其航线问题抽象为考虑时间窗与随机旅行时间的多重流动旅行商问题.针对航行时间的随机性,设计了线性近似方法,提出了虚拟时间窗的概念,构建了初始模型与修正模型；给出了该问题的一个算例,验证了模型与算法的有效性和合理性.【期刊名称】《计算机工程与应用》【年(卷),期】2012(048)025【总页数】5页(P234-238)【关键词】船运航线;时间窗;随机航行时间【作者】戴韬;杨稀麟【作者单位】东华大学旭日工商管理学院,上海200051;东华大学旭日工商管理学院,上海200051【正文语种】中文【中图分类】U697DAI Tao,YANG Xilin.Shipping routing problem with time windows and stochastic travel puter Engineering andApplications,2012,48（25）：234-238.随着国民经济的持续发展及国际贸易的稳步提升，船舶运输市场日渐繁荣，竞争日趋激烈。

震后应急物流系统中带时间窗的模糊动态LRP

震后应急物流系统中带时间窗的模糊动态LRP王绍仁;马祖军【摘要】The multi-echelon Location-Routing Problem( LRP) in post-earthquake emergency logistics systems is studied. A fuzzy dynamic optimization model for LRP is developed by considering dynamic characteristics, timeliness, connectivity of road networks and uncertain demand in the system. Then the joint decision of locating distributing centers of relief commodities around the disaster area and relief distribution centers in the disaster area, as well as scheduling the routes of emergency vehicle in each period during relief process can be made. According to the characteristics of the model, an improved genetic algorithm ( GA) based on dynamic programming is proposed. To overcome the premature problems of GA, stochastic selection, regrouped strategy and changing mutation probability are used, and a special real-valued coding scheme, punishment function method and demand split strategy are adopted to deal with restrictions in the model. Finally, the validity of the model and algorithm is demonstrated by a numerical example.%针对震后应急物流系统中多层次设施定位-运输路线安排问题(LRP),考虑系统中的动态性、时效性、路网连通性、需求不确定性等特点,建立了一个带时间窗的模糊动态LRP优化模型,据此进行救援过程中不同周期灾区外围应急物资集散点和灾区应急配送中心的定位以及应急物资运输路线安排的联合决策.针对该模型的特点,提出了一种基于动态规划的改进遗传算法,为防遗传算法过早收敛问题,使用了随机遍历抽样法、重组策略和变化变异率法,并通过特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件.最后,通过算例分析验证了该模型和算法的有效性.【期刊名称】《运筹与管理》【年(卷),期】2011(020)005【总页数】10页(P63-72)【关键词】应急物流;模糊优化;改进遗传算法;时间窗;定位-运输路线安排问题【作者】王绍仁;马祖军【作者单位】华侨大学经济与金融学院,福建泉州362021;西南交通大学经济管理学院,四川成都610031【正文语种】中文【中图分类】F252;U116大规模地震灾害发生后，灾区急需大量的应急物资。

基于循环神经网络时序模型的舰船状态预测

基于循环神经网络时序模型的舰船状态预测船舶安全一直是海运业的一个重要关注点，船舶状态的预测对于确保航线的顺利和安全很关键。

在这个数字化的时代里，人们开始更加关注使用机器学习算法来辅助船舶状态的预测。

本文将会介绍使用循环神经网络（RNN）时序模型来进行基于时间序列的船舶状态预测。

一、什么是循环神经网络循环神经网络（RNN）是一类神经网络，它可以处理序列化数据。

相对于标准的前馈神经网络，RNN可以在处理序列化数据时保持记忆。

在传统的神经网络中，所有输入数据之间都是相互独立的。

而在循环神经网络中，时序模型之间存在依赖关系，当前的状态是由之前的状态以及当前的输入所组合而成。

RNN通过保持状态，使得整个模型可以记住之前看到的信息并把它们带到下一个状态的计算中。

这种记忆性使RNN非常适合处理序列化的数据。

二、船舶状态预测船舶状态包括船速、船向、船位等。

这些状态取决于许多因素，如风速、海浪、船的载重量等。

船舶状态预测可以为船舶运营提供有价值的信息。

例如，如果预测到航速将降低，则可以调整行程计划；如果预测到船的位置将靠近海岸线，则可以采取措施以确保船的安全。

三、基于循环神经网络的船舶状态预测模型RNN模型可以轻松处理时间序列数据，其前向传播可以看作是对当前状态的预测。

船舶状态预测模型可以看作是对未来状态的预测。

模型的训练数据通过从现有数据中提取时间序列数据，识别出船舶状态之间的复杂依赖关系。

模型参数通过反向传播算法优化，使得输出值与实际值的误差最小化。

在RNN模型中，每个时间步长中的输入数据将向前传递到下一时间步。

这意味着模型可以利用过去的信息来进行预测，并且可以在不同的时间点上学习这些信息。

这种记忆性允许模型掌握随着时间推移而变化的船舶状态之间的复杂依赖关系，生成合理的预测结果。

四、循环神经网络的应用循环神经网络已经在多个领域得到了广泛应用。

例如，它们已经成功地应用于图像字幕生成、自然语言处理、预测金融市场走势和股票价格。