【文献研究】轴辐式航线网络设计—Liner hub-and-spoke shipping network design

学习文献:轴辐式航线网络设计—Liner hub-and-spoke shipping network design

在这里插入图片描述

3. 模型建立

轴辐式航线网络设计
三级轴辐式网络:喂给港-二级枢纽港-一级枢纽港

主要考虑的限制条件:多种类型的集装箱船舶、转运时间、多种类型的集装箱
转运操作限制条件:当两个喂给港之间存在货运需求并且这两个喂给港同时与一个枢纽港相连,集装箱可以通过这个枢纽港进行转运。

轴辐式航线网络设计问题可分为三个子问题:(1)枢纽港定位和喂给港分配问题;(2)船舶路线设计与船舶配置问题;(3)集装箱货流分配问题。
采用三阶段的方法求解:第一阶段解决的是枢纽港定位问题;第二阶段解决的是喂给港分配问题;第三阶段解决的是船舶路线设计与船舶配置问题,以及集装箱货流分配问题。

枢纽港定位问题与喂给港分配问题的目标函数为可用班轮航线集合
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.4.非凸多线性混合整数规划模型(mixed-integer programming model with nonconvex multi-linear terms)

以每周运营总成本最小为目标函数

在这里插入图片描述

Because of binary variables and integer variables in our model,our formulation is nonconvex.
三个子问题:枢纽港定位和喂给港分配子问题;航线设计与船舶配置子问题;集装箱货运量分配子问题。
提出多阶段分解方法的遗传算法
Step 0(初始化):产生染色体
Step 1(第一阶段的枢纽港定位):依据染色体的结构确定枢纽港
Step 2(第二阶段的喂给港分配):当枢纽港被确定下来,通过喂给港分配方法确定喂给港的分配问题
Step 3(第三阶段航线设计):运用航线设计启发式算法
Step 4(停止准则):如果满足停止准则,运算终止,输出的结果为最优解;如果不满足停止准则,产生新的染色体,返回第一步。
Chromosome:在这里插入图片描述
染色体的长度=候选枢纽港的港口数量
The fitness function:
在这里插入图片描述

采用三阶段的方法去解决这个问题。第三阶段也能分为两个小阶段,设计干线航线网络和设计辐线航线网络。

4.1.GA

GA的步骤:
Step 0(初始化):随机产生一个带有M1个染色体的初始种群

Step 1(计算适应度函数):

Step 2(产生新的种群):
Step2.1.(选择)根据Step 1的适应度函数,运用等级选择方法在当前种群中选择两个染色体作为父代
Step2.2.(交叉)根据交叉概率Pc,采用单点交叉的方式去产生子代;如果不满足交叉概率,交叉操作无法执行,子代完全复制父代的基因。
Step2.3.(变异)根据变异概率Pm进行变异操作
Step2.4.(修正)若子代产生非可行解,通过执行染色体修正过程进行修正。本文考虑亚欧航线的航运网络设计,染色体修正过程必须确保至少一个枢纽港在欧洲、中东、西亚或东亚地区产生。若不能满足以上枢纽港的产生条件,子代得到的解被认为是非可行解。

Step 3(停止准则):如果满足停止准则,运算终止,输出的结果为最优解;如果不满足停止准则,返回第一步。

运算过程的终止准则是满足最大迭代次数。

喂给港分配可以根据近邻枢纽港准则。这是由于当船舶航速一定时,燃油费用与航行距离是成比例的。虽然,转运成本对枢纽港的选择起到了关键的作用,但出于简化问题复杂程度考虑,本文在选择枢纽港时仅考虑海运距离。
The OD based feeder port allocation method:给定一个染色体做出喂给港分配的决策

在这里插入图片描述

4.3.航线设计启发式算法

SRDSFD:航线设计、船舶配置与集装箱货运量分配的联合问题
运用禁忌搜素算法求解喂给航线设计问题,运用嵌入式算法求解干线设计问题。
4.3.1 Tabu search algorithm

在这里插入图片描述

假定每一个喂给港口仅被挂靠一次,所以不考虑喂给港–喂给港之间的直接挂靠行为。
所建立的轴辐式网络问题可以看作是即有装又有卸的VRP问题(枢纽港可以看作是仓库)
Tb算法是解决VRP问题的有效算法
引用惩罚目标函数,禁忌搜素算法允许非可行解的存在。

5.数值实验

在这里插入图片描述

考虑20ft和40ft标准集装箱
考虑箱种代用,一个40ft相当与2个20ft集装箱
0号船型在港口每小时装卸操作的集装箱数量为40;1号船型在港口每小时装卸操作的集装箱数量为85;2号船型在港口每小时装卸操作的集装箱数量为95;3号船型在港口每小时装卸操作的集装箱数量为120。
这四种船型每小时的靠泊费用分别是500USD,1000USD,1666USD和3333USD。
装载成本=100 USD/TEU;卸载成本=100 USD/TEU;转运成本=150 USD/TEU
候选的枢纽港主要考虑实际港口的地理位置
决定二级枢纽港的标准是港口每周的进出口运量必须大于一个临界值考虑20ft和40ft标准集装箱
考虑箱种代用,一个40ft相当与2个20ft集装箱
0号船型在港口每小时装卸操作的集装箱数量为40;1号船型在港口每小时装卸操作的集装箱数量为85;2号船型在港口每小时装卸操作的集装箱数量为95;3号船型在港口每小时装卸操作的集装箱数量为120。
这四种船型每小时的靠泊费用分别是500USD,1000USD,1666USD和3333USD。
装载成本=100 USD/TEU;卸载成本=100 USD/TEU;转运成本=150 USD/TEU
候选的枢纽港主要考虑实际港口的地理位置
决定二级枢纽港的标准是港口每周的进出口运量必须大于一个临界值在这里插入图片描述
在这里插入图片描述

GA:种群规模为50,最大迭代次数为500,交叉概率为0.8,变异概率为0.2。

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/22135.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Windows 11部署WSL(Windows Subsystem for Linux——适用于Windows的Linux子系统)

文章目录 前言一、Windows 11部署WSL(Windows Subsystem for Linux)1.打开控制面板→程序→启动或关闭 Windows 功能2.勾选 “适用于 Linux 的 Windows 子系统” 和 “虚拟机平台”3.立即重新启动电脑4.按win键或者点击左下角的windows图标打开微软的应用…

使用C++快速上手ProtoBuf (一)

文章目录 课程目标一、初始ProtoBuf1. 序列化概念2.ProtoBuf是什么3.ProtoBuf的使⽤特点 二、安装ProtoBuf三、教学思路四、快速上⼿步骤1:创建.proto文件步骤2:编译contacts.proto⽂件,⽣成C⽂件步骤3:序列化与反序列化的使⽤⼩结…

人员与叉车防撞预警方案

叉车是仓库重吨位运输设备,在工厂、港口、码头、物流企业等有着广泛的使用。然而,叉车事故频繁发生已经引起人们的广泛关注。多数叉车因为前方货物遮挡的视线盲区多,极容易发生事故,例如撞伤人或货架导致货物倒塌伤人,…

Promise面试题

Promise面试题,带你搞懂同步异步执行顺序 前置知识面试题面试题一面试题二面试题三面试题四 分析面试题一分析面试题二分析面试题三分析面试题四分析 前置知识 Promise中的then方法 then:指定用于得到成功value的成功回调和用于得到失败reason的失败回调…

C语言深度解析--数组

目录 一维数组的创建与初始化 一维数组的创建: 一维数组的初始化: 一维数组的使用: 一维数组在内存中的存储: 二维数组的创建与初始化 二维数组的创建: 二维数组的初始化: 二维数组的使用&#xf…

字节跳动开源其云原生数据仓库 ByConity

动手点关注 干货不迷路 ‍ ‍项目简介 ByConity 是字节跳动开源的云原生数据仓库,它采用计算-存储分离的架构,支持多个关键功能特性,如计算存储分离、弹性扩缩容、租户资源隔离和数据读写的强一致性等。通过利用主流的 OLAP 引擎优化&#xf…

Hive---拉链表设计与实现

1 数据同步问题 Hive在实际工作中主要用于构建离线数据仓库,定期的从各种数据源中同步采集数据到Hive中,经过分层转换提供数据应用。比如每天需要从MySQL中同步最新的订单信息、用户信息、店铺信息等到数据仓库中,进行订单分析、用户分析。 …

使用Gradle7.6.1 + SpringBoot3.0.2 + java17创建微服务项目(学习)

这是一个大胆的决定 这里是导航 技术栈开发工具一、创建gradle父子项目(deity)1.0 简单流程示意1.1、IDEA中主要图示1.1.1 项目结构图1.1.2 IDEA中 Gradle配置 1.2、deity父项目build.gradle文件1.3、deity父项目settings.gradle文件1.4、子项目build.g…

django ORM框架 第四章 聚合函数

上一章:django ORM框架 第三章 关联表的数据创建与查询_做测试的喵酱的博客-CSDN博客 一、聚合函数类型: from django.db.models import Q, Count, Avg, Max, Min 班级表: 学生信息表: 1.1 Count 模版: QuerySet.…

3 手工推导Neural Networ

线性模型假设的问题 如上图,对非线性类边界的数据进行分类 一个解决方案是将数据映射到更高维的空间,就变成线性可分的了。 ϕ \phi ϕ 是一个映射函数,将x从一个低维空间映射到高维空间。 ϕ \phi ϕ 可不可以是一个线性函数? …

音视频源码调试前准备vs2019+qt5.15.2搭建可调试环境

安装vs2019qt,并且在windows环境上安装ffmpeg,尝试使用qtcdb进行调试,尝试使用vs2019加载qt的程序。 安装VS20195.12.2qt环境,并进行测试。 1:安装Visual Studio 2019, a.从官网下载,或者vs2019社区版本下载地址 ht…

Cloud Studio 内核升级之触手可及

前言 Cloud Studio是基于浏览器的集成式开发环境(IDE),为开发者提供了一个永不间断的云端工作站。用户在使用 Cloud Studio 时无需安装,随时随地打开浏览器就能使用。云端开发体验与本地几乎一样,上手门槛更低&#x…

前端axios fetch 解决接口请求响应数据返回快慢不均导致的数据错误问题

引言 搜索功能,我想很多业务都会涉及,这个功能的特点是: 用户可以在输入框中输入一个关键字,然后在一个列表中显示该关键字对应的数据;输入框是可以随时修改/删除全部或部分关键字的;如果是实时搜索&…

查看电脑的BIOS版本的五种方法

查看主板BIOS版本的五种方法 概述1. 在 BIOS 中查看2. 使用 DirectX 诊断工具3. 使用 CPU-Z 中查看4. 在 CMD 中查看(一)5. 在 CMD 中查看 (二)结束语 概述 BIOS是 Basic Input Output System 的缩略词,直译就是 **基…

【数据结构与算法】- 周测四

课程链接: 清华大学驭风计划 代码仓库:Victor94-king/MachineLearning: MachineLearning basic introduction (github.com) 驭风计划是由清华大学老师教授的,其分为四门课,包括: 机器学习(张敏教授) , 深度学习(胡晓林教授), 计算…

InnoDB数据页结构

什么是页?什么是数据页? 页是InnoDB管理存储空间的基本单元,一个页的大小一般是16k。 InnoDB有许多不同的页,有存放表空间头部信息的页,INODE信息的页,当然还有存放我们记录信息的页,这个页叫…

车载以太网 - SomeIP - 协议用例 - Messages_01

目录 Service Discovery Messages 1、验证Instance ID为0xFFFF时DUT需要返回该Serveice ID包含的所有Instance ID

「实验记录」MIT 6.824 Raft Lab2B Log Replication

#Lab2B - Log Replication I. SourceII. My CodeIII. MotivationIV. SolutionS1 - leader上任即初始化S2 - leader发送AppendEntriesS3 - follower接收AppendEntriesS4 - leader收到AppendEntries 回信S5 - candidate选举限制S6 - defs.go约定俗成和实现Start() V. Result I. S…

LeetCode 栈和队列OJ题目分享

目录 有效的括号(括号匹配)用栈实现队列用队列实现栈设计循环队列 有效的括号(括号匹配) 链接: link 题目描述: 题目思路: 1、如果是左括号“( { [ ”就入栈 2、如果是右括号“) }…

程序员:面试造火箭,入职拧螺丝?太难了···

刚开始工作的时候,我也想不通这个问题,甚至很鄙视这种现象。后面当了面试官,做到了公司中层管理,也会站在公司以及行业角度去重新思考这个问题。 为什么这种现象会越来越普遍呢?尤其在 IT 行业愈加明显。 面试看的是…