不确定环境下江船货物运输中的调度优化问题

发布时间：2025-03-18 05:07

　　随着我国经济的持续高速发展和信息技术的广泛应用,物流业正在加速变革,逐渐成为我国经济的支柱产业。以长江流域为代表的水路运输在物流运输行业的发展中发挥了至关重要的作用。在大数据背景下,长江船联网的兴建将船、货、港等基本信息互联互通,极大提高了水路运输效率,降低了运输成本,同时也衍生出许多新问题。本文主要分析了当前长江流域水路运输的发展现状,研究船主在掌握货物订单信息条件下的订单选择问题。同时,鉴于影响加油成本的港口油价以及船舶耗油率具有不确定性,为了控制经营成本,本文还考虑了航行速度和加油策略优化问题。针对单船调度和多船调度两种场景,分别构建了订单选择、航速控制、加油策略集成优化模型,并分别设计了遗传-粒子群算法进行求解。具体的研究工作如下:(1)单船订单选择、航速控制、加油策略选择优化模型:研究船主仅拥有一艘货船的情况下,如何在水路物流信息平台上进行订单选择,同时根据已选择的订单决定该船在不同港口间的最优航行速度以及加油策略。(2)多船订单选择、航速控制、加油策略选择优化模型:研究船主同时拥有多艘货船的情况下,如何选择订单并根据不同货船的运力对订单进行分配,同时优化多艘货船的速度和加油策...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究现状
        1.2.1 订单选择
        1.2.2 加油策略
        1.2.3 航速优化
    1.3 研究内容及创新点
    1.4 研究框架
第二章 单船订单选择、加油决策与航速优化模型
    2.1 问题背景
    2.2 符号系统
    2.3 油价不确定性的处理
        2.3.1 随机油价
        2.3.2 耗油量的计算
    2.4 模型建立
        2.4.1 目标函数
        2.4.2 约束条件
        2.4.3 集成优化模型
第三章 多船订单选择、加油决策与航速优化模型
    3.1 问题背景
    3.2 符号系统
    3.3 模型建立
        3.3.1 目标函数
        3.3.2 约束条件
        3.3.3 集成优化模型
    3.4 本章小结
第四章 遗传-粒子群算法
    4.1 算法基本原理
        4.1.1 遗传算法
        4.1.2 粒子群算法
    4.2 单船遗传-粒子群算法
        4.2.1 单船订单选择模型遗传算法
        4.2.2 单船订单选择模型粒子群算法
            4.2.2.1 航速控制和加油策略优化模型
            4.2.2.2 粒子群算法
    4.3 多船遗传-粒子群算法
        4.3.1 多船订单选择模型遗传算法
        4.3.2 多船订单选择模型粒子群算法
            4.3.2.1 航速控制和加油决策优化模型
            4.3.2.2 粒子群算法
    4.4 本章小结
第五章 数值算例
    5.1 单船模型数值算例
    5.2 多船模型数值算例
    5.3 江船算例分析
第六章 结论与展望
参考文献
致谢
研究成果
作者及导师简介
附件



本文编号：4036049