低碳经济下港口泊位岸桥分配问题.docx
- 文档编号:3680541
- 上传时间:2022-11-24
- 格式:DOCX
- 页数:5
- 大小:20.63KB
低碳经济下港口泊位岸桥分配问题.docx
《低碳经济下港口泊位岸桥分配问题.docx》由会员分享,可在线阅读,更多相关《低碳经济下港口泊位岸桥分配问题.docx(5页珍藏版)》请在冰豆网上搜索。
低碳经济下港口泊位岸桥分配问题
低碳经济下港口泊位―岸桥分配问题
摘要:
针对低碳经济下港口泊位―岸桥分配问题的研究,文章建立基于低碳经济下的泊位―岸桥分配模型。
模型由两部分组成:
低碳经济下的泊位分配以及港口的岸桥分配。
将船舶到港时间引入传统泊位分配中,同时考虑船舶油耗和碳排放量,建立了船舶油耗量最小和船舶离港延迟时间最短的双目标函数。
并通过确定每艘船舶的泊位和停靠时间,设立港口岸桥分配函数,使港口分配岸桥总数量最小,避免不必要的资源浪费,提高港口的工作效率。
采用多目标遗传算法进行求解,通过试验算例证明所建立的模型的优化性。
关键词:
低碳经济;泊位―岸桥分配;多目标遗传算法
中图分类号:
U691文献标识码:
A
Abstract:
Tosolvetheproblemofseaportberths-quaycranedistributionunderlowcarboneconomy,thisarticleestablishesamodelofseaportberths-quaycranedistribution.Themodeliscomposedbytwoparts,theyareberthsdistributionandseaportquaycranedistributionrespectively.Byimportingshiparrivingporttimeintotraditionalberthsdistribution,inthemeantimetakingshipoilconsumptionandcarbonemissionintoaccount,thisarticleestablishesadouble-objectivefunctionwhichincludesminimumoilconsumptionandminimumshipdepartdelay.Byconfirmingberthtimeofeveryship,thisarticlestructuresseaport-quaycranedistributionfunctionaswell,inordertominimizethetotalnumberofberthsallocationquaycrane,avoidunnecessarywaste,andimproveworkefficiencyofseaport.Tosolvethismodel,thisarticleusesmulti-objectiongeneticalgorithm,thusprovestheoptimizationofthismodel.
Keywords:
lowcarboneconomy;berths-quaycranedistribution;multi-objectiongeneticalgorithm
0引言
泊位和岸桥是港口的稀缺资源,正因为如此,合理的泊位―岸桥资源分配对于码头和船舶运营成本降低及客户满意度的提高都至关重要[1]。
同时,合理的泊位―岸桥分配计划和船舶进港时间的选择对于船舶的油耗成本和二氧化碳的排放量有着直接的关系。
但是随着集装箱运输量的持续增长,船舶往往高速驶入港口,造成码头拥挤,船舶只能在锚地等待靠泊,这大大增加了船舶等待的成本以及燃油消耗和二氧化碳的排放,造成环境的污染,不利于绿色航运和节省燃油成本的目标。
研究报告表明,每年航运业二氧化碳的排放量超过12亿吨,约占全球碳排放总量的4%[2]。
由于近年来燃油价格的突飞猛涨,如何降低燃油成本已经成为了所有航运公司所关注的焦点,例如,减少ballast/尽量多装货,控制船舶航运速度,设计最佳耗油转速提高燃油使用率。
这就需要港口与航运公司之间相互配合,协同合作,信息共享,才能缓解港口拥挤以及航运公司燃油成本过高的严峻情况。
许多文献在研究港口泊位―岸桥分配计划时,往往把船舶到港时间作为一个已知的参数来制定船舶泊位―岸桥分配计
划[3-5],并且它们所关注的问题主要在于保持客户服务水平的情况下,减少船舶在港口等待时间和船舶停泊时产生的二氧化碳排放量,这与航运公司所关切的整个航次的燃油消耗量以及二氧化碳排放量有所不同。
本文研究的是在低碳经济下的港口泊位―岸桥问题,不再把船舶到港时间看作是已知的参数,而是作为一个决策变量。
同时,对于到港船舶,通过港口与航运公司双方信息的共享,船舶公司根据即将到港船舶的基本信息(船舶长度,船舶装卸箱量,船舶靠泊位置,距离港口的距离,船舶航行的最大和最小航速)进行泊位―岸桥资源分配,使港口整体资源得到充分利用,为到港的船舶指定其较为偏好的停泊位置,以此为基础,岸桥分配用于确定服务于每艘船舶的岸桥数量。
通过优化分析提高停泊时的工作效率,降低船舶在港时间,以此弥补船舶由于降低速度驶入港口所造成的离港延迟。
在缓解港口拥挤的情况下,降低船舶在港时的燃油消耗和二氧化碳的排放,以达到低碳经济下绿色航运的目标。
1模型建立
本文建立的低碳经济下泊位―岸桥分配模型是由低碳经济下的泊位分配和港口的岸桥分配两部分建立而成,不仅能够实现低碳经济下船舶油耗量最小和船舶离港延迟时间最短的目标,同时能够实现港口岸桥分配总量最小,从而节省港口的资源分配,提高港口生产作业系统的整体性能。
1.1低碳经济下的泊位分配。
与传统泊位分配模型不同,本文将船舶到港时间作为决策变量,将船舶燃料消耗量和二氧化碳排放量融入传统泊位分配模型的目标函数中进行优化。
然而不能忽视的一个问题是船舶通过改变靠港时的航速来控制到港时间,虽然可以最小化其等待时间,但是会影响到船舶的离港时间,进而影响船期。
为了防止出现所有船舶都以最低航速驶近港口进而减少燃料消耗和二氧化碳排放量,并同时缩短在港作业时间的优化结果,本文将船舶平均在港时间最小化的目标函数修改为船舶平均离港延迟时间最小化。
设V:
到港船舶集合(包含n艘船舶);L:
岸线长度;l■:
船舶的船长(考虑了船舶靠泊的安全距离);h■:
船舶i的作业时间;x■:
靠泊位置;M:
一个足够大的常数。
决策变量:
y■:
船舶的靠泊时间。
a■:
船舶i的到港时间,a■的取值应介于■,■,■和■分别由船舶的最高航速和最低航速确定。
辅助决策变量:
σ■:
σ■=1表示船舶i在船舶j的左侧靠泊;否则σ■=0;i,j∈V,i≠j;δ■:
δ■=1表示船舶i在船舶j之前靠泊;否则δ■=0;i,j∈V,i≠j。
假设泊位分配计划从零时刻开始,此时船舶距离港口m■(海里)。
由赵刚的《国际航运管理》[4],船舶i每航行天的燃油消耗f■与所采用的航速v■之间的函数关系可以用式
(1)表示。
f■=c■■+c■■?
v■■
(1)
式中,c■■为船舶i的技能系数,c■■为每航行船舶i的辅机柴油消耗量。
船舶i从距离港口m■海里处行驶至港口过程中的燃油消耗量F■可以表示为:
F■=■c■■+c■■?
■■?
a■=■c■■?
a■+c■■?
m■■?
a■■
(2)
由此可得低碳经济下的BAP模型如下:
minf■=■■c■■?
a■+c■■?
m■■?
a■■(3)
minf■=■■y■+h■-d■■(4)
s.tx■+l■≤L,i∈V(5)
x■+l■≤x■+M1-σ■,i,j∈V,i≠j(6)
y■+h■≤y■+M1-δ■,i,j∈V,i≠j(7)
1≤σ■+σ■+δ■+δ■≤2,i,j∈V,i
(2)种群初始化。
为保证多样性,采用随机生成初始种群的方法。
假设种群的大小为M,在算法开始随机生成M条染色体。
(3)目标函数计算。
任一染色体个体,包含两条子染色体,即船舶靠泊顺序和靠泊时间,通过染色体个体变量可以求解出对应的从属变量,进而计算出对应的目标函数值,将其作为各个体的适应度值。
(4)交叉操作。
将种群个体的信息在种群成员中进行交换,从而产生新的染色体,增加种群的多样性。
本文的一个染色体中有两种不同编码形式,因此对于子染色体1(整数编码形式),在交叉时采用两点交叉的方式。
对于子染色体2(小数编码形式),采用正交交叉的方式。
(5)变异操作。
在一个种群中,每个个体以概率P■进行变异,生成新的变异群体。
在每个变异的个体中,对于染色体1,采用随机选取两个不同的位置进行交换的方式来进行变异操作。
对于染色体2,采用基于取代的方法即随机的选取一个取代位置,并且随机的生成一个满足式(18)的随机数,用其取代当前位置上的基因信息。
(6)选择操作。
选取当前种群中的所有个体,包括交叉后和变异后的新个体,计算每个染色体个体的适应值,并进行排序,适应值小的排前面,适应值大的排后面,最后从种群前排选出M个个体,作为下一代的新种群。
(7)终止准则。
以进化代数作为终止判断条件,如果进化代数小于设定值,则返回(3),否则输出结果。
2.2岸桥分配模型算法。
模型第二部分为港口的岸桥分配,也采用基于启发式算法的遗传算法进行求解。
具体步骤如下。
染色体编码:
采用自然数编码形式进行编码,如表2所示,染色体长度表示船舶数目;基因位置为船舶ID;基因值为船舶分配的岸桥数目nc,该数目由约束条件(13)随机生成。
适应度值:
fx=11+expyx10000。
式中:
fx为适应度值,yx为目标函数值。
遗传操作:
选择操作为轮盘赌法,交叉操作为2点交叉法,变异操作为交换变异法。
终止条件:
到达最大迭代次数。
3试验算例
3.1基础数据。
本文使用宁波市某著名的国际集装箱码头的实际数据进行研究。
其码头岸线长L=1500米,取时间为1天,以小时分段。
初始时刻各岸桥均匀分布在码头岸线上。
E从(600TEU~2300TEU);V■=40TEU/h。
设定船舶作业时间初始值setvalue=Ev■,其中,v■为港口的平均船时效率。
采用MATLABR2013a编写算法程序,运行机器配置为Pentium(R)DCPU2.80GHZ。
试验确定:
初始种群popsize=10,交叉概率p■=0.6,变异概率p■=0.01,迭代次数g=50。
我们的目标是:
(1)确定优化目标为船舶离港延迟时间最小,且最小化船舶驶近港口期间的燃油消耗
(2)在完成总工作量的情况下,最小化安排给船舶工作的岸桥总数目。
3.2结果分析。
从图1中可以看出,第三行和第五行表示的是10艘船舶的最佳到港时间。
Bestfitness的值为低碳经济下泊位分配的两个目标函数,即离港时间最小化和燃料消耗、二氧化碳排放量最小化的加权和的最优解。
Positionx的值表示的是10艘船舶最佳的停泊位置。
图2纵坐标表示模型第一部分低碳经济下泊位分配的两个目标函数,即离港时间最小化、燃料和二氧化碳排放最小化的加权和,横坐标表示的是种群个体通过交叉变异的迭代数值,本文设定迭代数为50,红色曲线表示的是每一代两个目标函数的加权和的平均值,蓝色曲线表示的是从各代中挑选出来的最优的目标函数加权值。
从图2中可以看出,随着种群进化迭代数的不断增加,代表各代种群目标函数平均加权和的红色曲线逐渐趋近于代表各代种群目标函数最佳加权和的蓝色曲线,从而可以得出满足在低碳经济下离港时间最小化且燃料、二氧化碳排放量最小化双目标的最佳加权和,从图1可知最佳加权和值为63.7479,实现本文模型第一部分低碳经济下泊位分配的目标。
图3中,bestpop2的值表示的是码头分配给每艘船最多的岸桥总数。
Bestfitness2的值表示的是码头只需要11台岸桥便可以完成10艘船舶到港装卸货物的任务。
Popindex每一行的值表示的每艘船舶使用岸桥的编号,需注意的是0表示的是没有使用岸桥。
图4为求解港口岸桥分配时遗传算法的迭代过程图。
图4横坐标表示的是岸桥使用的总数量,纵坐标表示的是进化的迭代数。
本文设定进化代数为50。
红色曲线表示的是种群个体每一代岸桥分配总量的平均值,蓝色曲线表示的是种群个体每一代最佳的岸桥分配总数量。
从图4可以发现,随着种群进化迭代数目的不断增加,代表各代种群个体岸桥分配总量平均值的红色曲线逐渐趋近于代表各代种群个体岸桥分配总量最佳值得蓝色曲线,从而可以表示为通过确定每艘船舶的泊位位置和停靠时间,而得出港口最佳的岸桥分配总量为11个。
不仅满足了低碳经济下的泊位分配最佳,也满足了港口岸桥分配总量的最佳。
4结论
本文将船舶到港时间作为决策变量引入传统泊位分配模型中,同时将船舶油耗和碳排放量融入传统泊位分配模型的目标函数中,建立了船舶油耗最小和船舶离港延迟时间最短的双目标优化模型,并且加入岸桥分配模型,使得港口整体优化,在满足能够完成船舶装卸任务的情况下,避免不必要的岸桥分配,提高港口的工作效率。
然而研究仍然存在很多的局限性,首先,没有考虑船舶在港停泊时的排放量问题;其次,模型只考虑了一个码头及其客户,而实际问题可能会延伸到涉及多个码头,甚至多个港口。
克服这些限制,并优化模型将是未来进一步的研究方向。
参考文献:
[1]MeiselF,BierwirthC.Heuristicsfortheintegrationofcraneproductivityintheberthallocationproblem[J].TransportationResearchPartE:
TransportationReview,2009,45
(1):
196-209.
[2]袁象.低碳经济对我国海运业的影响及应对措施[J].交通企业管理,2010
(2):
1-3.
[3]BIERWIRTHC,MEISELF.Asurveyofberthallocationandquaycraneschedulingproblemsincontainerterminal[J].EuropeanJournalofOperationalResearch,2010,202(3):
615-627.
[4]STEENKEND,VOBS,STAHLBOCKR.Containerterminaloperationandoperationsresearch――aclassificationandliteraturereview[J].ORSpectrum,2004,26
(1):
3-49.
[5]STAHLBOCKR,VOBS.Operationsresearchatcontainerterminals:
aliteratureupdate[J].ORSpectrum,2008,30
(1):
1-52.
[6]王小平,曹立明.遗传算法――理论、应用与软件实现[M].西安:
西安交通大学出版社,2002:
78-79.
[7]赵刚.国际航运管理[M].大连:
大连海事大学出版社,2006:
93-94.
[8]王海峰,白佳玉.国际海运温室气体排放的量化分析及中国对策研究[J].海洋环境科学,2010(6):
923-926.
[9]KALYANMOYD,AMRITP,SAMEERA,etal.Afastandelitistmulti-objectivegeneticalgorithmNSGA-II[J].IEEETransonEvolutionaryComputation,2002,6
(2):
182-197.
[10]崔逊学.多目标进化算法及其应用[M].北京:
国防工业出版社,2006:
45-48.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 经济 港口 泊位 分配 问题