考虑时间窗的低碳多式联运路径问题模型研究

发布时间：2023-02-21 08:02

　　国家统计局货物运输总量数据显示,中国的货物运输量逐年递增,货物运输总量巨大,进一步看各种运输方式年货运量,发现公路运输的年货物量占到所有运输方式的四分之三,各运输方式年货运量极不均衡。公路运输虽然可以实现快捷方便的运输,但对环境带来较大的污染,不利于生态文明建设,所以应该发展其他高效、节能的运输方式。多式联运能充分利用各运输方式的优点,达到高效节能的目的。本文从提高提升运输的效率和充分利用各种运输方式的优势出发,研究了一个带时间窗的多式联运路径选择问题,建立确定性的路径规划问题模型,综合考虑运输成本、客户满意度和碳排放量,将三者作为模型的目标函数,利用权重系数调节各目标函数的比重,满足不同决策者的决策偏好,提升模型的灵活性;在约束中充分考虑了服务的时间窗,服务的能力,根据问题的性质,合理的生成了一个算例,并运用python编写程序求解算例,验证了模型的有效性;对模型的关键变量进行了敏感性分析,发现服务时间对于结果的影响较大。对服务时间不确定性的多式联运路径问题,运用神经网络这一智能优化算法进行求解,神经网络算法有优秀的学习能力和自适应能力,针对不确定性有较好的包容性;算例分析表明,神经...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 研究现状
        1.3.1 多式联运目标函数
        1.3.2 时间窗
        1.3.3 随机性
        1.3.4 低碳方面
    1.4 研究内容
    1.5 研究方法
第二章 相关概念和理论介绍
    2.1 多式联运及集装箱多式联运
    2.2 关于不确定性的处理方法
        2.2.1 随机规划
        2.2.2 模糊规划
    2.3 神经网络
        2.3.1 神经网络简介
        2.3.2 神经网络构成
        2.3.3 网络结构的确定
        2.3.4 反向传播
第三章 服务时间确定的低碳多式联运路径问题
    3.1 问题描述及模型
        3.1.1 问题描述
        3.1.2 多式联运路径选择模型
    3.2 算例分析
    3.3 求解
    3.4 敏感性分析
    3.5 本章小结
第四章 服务时间不确定的低碳多式联运路径选择问题
    4.1 服务时间不确定的多式联运路径选择问题
    4.2 数据准备
    4.3 神经网络
        4.3.1 输入数据的处理
        4.3.2 隐藏层数目及维度的确定
        4.3.3 激活函数
        4.3.4 确定训练数据量
        4.3.5 其他参数和结果
    4.4 样本模拟法
        4.4.1 机会约束规划
        4.4.2 样本模拟方法步骤
        4.4.3 样本模拟方法的收敛性
        4.4.4 结果
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献



本文编号：3747430