应对内陆城市天然气调峰的LNG罐箱运输路径优化

发布时间：2022-01-21 10:40

　　为解决远离气源地和LNG接收站的内陆区域的天然气调峰需求,利用罐式集装箱所拥有的"宜储宜运"特点,构建LNG罐箱多式联运网络,以运输及配送成本和客户缺气率最小为目标,同时考虑不同运输方式和物流过程对罐箱无损维持时长的影响,构建LNG罐箱运输路径优化模型,并设计遗传算法进行求解,算例分析验证了模型和算法的有效性,可以为LNG供应企业的经营决策提供参考。 

【文章来源】：中国水运(下半月). 2020,20(11)

【文章页数】：3 页

【部分图文】：

LNG罐箱多式联运网络示意图

居民用气和工业用气的比例约束；（9）表示无损维持时间计算公式；（10）表示到达的罐箱无损维持时间需要满足客户的期望值。二、算法设计因为研究问题具有NP-hard的特点，所以本文设计遗传算法进行求解。1．染色体编码和种群初始化（1）染色体编码遗传算法的编码方式一般包括三类，即二进制编码、浮点数编码、符号编码。由于多式联运路径具有变长的情况，因此染色体长度应是不固定的，本文采用可变长的路径编码方法，属于符号编码方式的一种，将染色体分两段编码，前一段为路径节点，后一段为节点间的运输方式，如图2所示。图2染色体编码（2）种群初始化本文根据LNG罐箱多式联运路线各节点距离、各个用户不同用气类别下的需求量及时间窗等按照编码机制随机生成种群，为防止陷入局部最优解而出现早熟现象，所以群体的大小以50-100为宜。2．适应度函数适应度函数一般是通过目标函数按照一定规则处理后得到，由于目标函数是求得最小化配送成本和缺气率，因此以目标函数的倒数为适应度函数：f=1/z。3．算法流程Step1：读取问题描述信息与参数；Step2：按照编码机制生成不重复基因的初始种群，将该种群中的最优染色体记录在当前最优中；Step3：检测初试染色体是否满足约束条件，是则转step4，否则转step2；Step4：形成初始种群，算法参数初始化；Step5：对种群进行选择，交叉，变异操作；Step6：检测染色体是否满足约束条件，且求解信息信

【参考文献】：
期刊论文
[1]转运限制下的冷藏集装箱多式联运路径优化[J]. 刘松,邵毅明,彭勇.  计算机应用与软件. 2020(07)
[2]带时间窗的多式联运路径优化模型及算法研究[J]. 杨楠.  广东交通职业技术学院学报. 2020(02)



本文编号：3600109