不定期运输船舶配置路径选择货流分配组合问题的研究.pptxVIP

Combined ship allocation, routing and freight assignment in tramp shipping不定期运输船舶配置、路径选择、货流分配组合问题研究第六组来源期刊: Transportation Research Part EAbstract1. 研究问题：已知多个港口对间的货运需求，通过配置不同类型的船舶、进行货流分配、选择合理的运输路径，使船公司利润最大。2. 组合优化模型：同时考虑不定期运输中的船舶配置、路径选择、货流分配3. 遗传算法求解4. 实证分析：证明了本文所提出的方法在求解实际问题中的适用性和有效性。论文结构组员分工1. 引言邱建梅：翻译、PPT2. 文献综述3. 模型构建曲晨蕊：翻译、PPT4. 遗传算法设计李雪婷：翻译、PPT5. 实证分析张蝶：翻译、PPT6. 结论瓦莲迪娜、赵悦：翻译、PPT穆雪：统稿、PPT1 引言船舶路径选择问题（ship routing problem-SRP）不定期运输船舶路径选择问题（ ship routing problem of tramp shipping —SRPTP）产业运输班轮运输不定期船运输1. Introduction 1.1 研究对象SRPTP问题：复杂性1. Introduction 1.2 研究问题特点 特点挂靠港口挂靠顺序调度时间表班轮运输SRP固定不固定(long-term, pre-determined voyage)固定产业运输SRP固定不固定不固定不定期船舶运输SRP(SRPTP)不固定不固定不固定1. Introduction 1.3 问题属性鉴定SRP类似于“车辆路径问题(vehicle routing problem-VRP ) ”。 SRPTP类似于“带有时间窗的取送货车辆路径问题”，属于车辆路径问题的变异问题，也是NP-hard组合优化问题。取送货车辆路径问题：已知服务客户数量、地理位置及客户取送货需求，要求在满足一定的条件下，设计车辆行驶路线，安排车辆满足客户需求，使总车辆行驶距离最短或配送成本最小，属于NP-hard组合优化问题。带有时间窗的取送货车辆路径问题：对服务的时间加以限制，e.g.车辆必须在时间窗[ai ,bi]中到达客户i处进行服务，这种约束提高了车辆服务的准时性。相关概念解释1参考文献：[1]谢秉磊, 李军, 郭耀煌《有时间窗的非满载车辆调度问题的遗传算法》[J]，系统工程学报，2000-3（15）[2]盛丽俊，周溪召，《带有时间窗的车辆路径优化问题》，上海海事大学学报[J],2007,4（28）1. Introduction 1.3 问题属性鉴定 SRP类似于“车辆路径问题(vehicle routing problem-VRP ) ”。 SRPTP类似于“带有时间窗的取送货车辆路径问题”，属于车辆路径问题的变异问题，也是NP-hard组合优化问题。 这类问题的特点：复杂，传统数学规划方法无法在有效时间内求解，目前求解技术主要是“元启发式”法。元启发式算法（Meta-Heuristic Algorigthm）：为启发式算法的改进，它是随机算法与局部搜索算法相结合的产物。启发式算法是一种基于直观或经验构造的算法,在可接受的花费(指计算时间、计算空间等)给出待解决优化问题的每一实例的一个可行解，该可行解与与最优解的偏离程度一般不可以事先预计。算法原理：1. 定义初始种群；2. 根据初始值计算目标函数值；3. 通过个体变异、组合等方法不断更新候选解域；4. 新的候选解域进入下一轮迭代；相关概念解释2参考文献：陈萍，黄厚宽，董兴业，《求解卸装一体化的车辆路径问题的混合启发式算法》[J],计算机学报，2008,4（31）1. Introduction 1.3 问题属性鉴定 SRP类似于“车辆路径问题(vehicle routing problem-VRP ) ”。 SRPTP类似于“带有时间窗的取送货车辆路径问题”，属于车辆路径问题的变异问题，也是NP-hard组合优化问题。 这类问题的特点：复杂，传统数学规划方法无法在有效时间内求解，目前求解技术主要是“元启发式”法。 从而，确定SRPTP的建模思路，以及求解方法： 遗传算法。1.Introduction 1.4 本文组织结构 第2部分描述了相关的文献综述； 第3部分解释了所构建的组合数学模型； 第4部分详细阐述了求解该不定期运输船舶航线设计问题的遗传算法设计； 第5部分给出了计算求解结果和相关见解； 第6部分总结了全文，并指出了未来研究方向。2 文献综述文献综述表明模型和算法的复杂性、适用性SRP的重要性、复杂性、难以求解性已被认可，但相关研究集中于车辆路径优化、班轮运输及工业运输领域。前沿性独特性鉴于实际存在的非满载