原文传递
考虑低能耗和低风险的多目标多式联运路径优化
| 论文题名： | 考虑低能耗和低风险的多目标多式联运路径优化 |
| 关键词： | 多式联运;集装箱运输;邻接矛盾矩阵;信息熵;蚁群算法 |
| 摘要： | 在经济全球化背景和国家大力发展低能耗的趋势下，传统的单一运输模式已经不能适应新的市场环境，多式联运的运输方式已经成为了大批量远距离运输的发展方向。在多式联运的研究过程中，运输过程的可控性和运输过程的能量消耗成为研究的热点。本文的主要研究工作包含如下几个方面。 (1)基于超网络和图论知识，将多式联运地图进行重构，对重构过程进行数学阐述，提出了边邻接矛盾矩阵，证明了边邻接矛盾矩阵的三条性质，描述了边邻接矛盾矩阵分解成边邻接矩阵和边矛盾矩阵的方法，使用重构后的图构建多式联运路径优化模型；基于信息论，采用信息熵构建多式联运运输过程的运输风险函数，进而量化多式联运运输过程所产生的风险。对多式联运模型进行假设，便于低能耗、低风险的多式联运路径优化模型的建立。 (2)以运输过程的能量消耗最低、运输过程经过区域的运输风险最小为目标函数，以运输过程路径容量、运输连续性等作为约束，以运输路径作为决策变量，引入了边邻接矩阵和边矛盾矩阵，构建了低能耗和低风险的多目标多式联运路径优化模型。使用带有邻接矛盾策略的蚁群算法来求解上述的路径优化模型。提出了基于邻接矛盾策略的三步多式联运路线生成方法，满足在算法计算过程中生成可行解。在传统的蚁群算法中加入了小规模的邻域搜索机制，使算法在陷入局部最优时尽可能跳出局部最优，并加入了双目标求解器，使算法可以得到pareto解。 (3)介绍了三种pareto解的评价方法，采用了遍历的方式对蚁群算法中种群大小和迭代次数等参数进行选值，使算法可以稳定收敛，基于小规模案例和大规模案例对模型和算法进行验证，说明了算法的有效性和稳定性，将本文中提出的基于邻接矛盾策略的蚁群算法与传统NSGA-Ⅱ和MOPSO进行对比，在小规模案例中均可以得到pareto前沿，在大规模案例中提出的改进蚁群算法得到pareto解优于传统的NSGA-Ⅱ和MOPSO得到的pareto解。 |
| 作者： | 张铭航 |
| 专业： | 物流工程 |
| 导师： | 王占授 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
