混合哈里斯鹰优化算法求解带模糊需求的低碳多式联运路径规划问题

针对带限制的低碳多式联运路径规划问题的研究,在考虑模糊需求和碳排放量约束的条件下构建了路径成本、碳排放量等目标最小化的多目标多式联运数学模型。首先,根据模型特点使用机会约束规划处理用梯形模糊数表示的不确定需求;其次,改进了哈里斯鹰算法,采用路径重连算法、两种交叉算子和两种变异算子代替原算法中的搜索过程,在保留算法原有特性的前提下使其成功应用于离散优化问题。最后,以广西南宁市到黑龙江省哈尔滨市的多式联运网络进行路径优化分析,给出了多个合理的路径方案。HHHO与其他算法进行对比结果显示,HHHO、NSGA-Ⅱ、GA、SA和PSO均在规定时间内得到了一组含有5个解的近似最优解集,HHHO的解集更加接近最优解集;HHHO及其他四种算法运行时间分别为86.50 s、118.26 s、101.67 s、81.22 s和68.40 s,HHHO在运行时间上比GA和NSGA-Ⅱ更快,验证了模型的正确性以及混合哈里斯鹰算法的有效性。

双重不确定下低碳多式联运路径优化研究

针对低碳多式联运路径优化中需求和时间不确定的问题,综合考虑直接运输成本、转运成本、时间成本、碳排放成本,建立混合鲁棒随机优化模型,设计基于随机采样的遗传算法并进行有效性检验。通过算例研究比较不同不确定模式下低碳多式联运运输方案及成本,并分析不确定参数的影响。结果表明:不确定模式会影响低碳多式联运的运输决策,需求不确定的鲁棒优化会使总成本增加,时间的不确定性对总成本的影响呈现无明显规律的波浪形变化趋势。由此,多式联运承运企业可以通过综合权衡不确定性的影响、选择合适的最大遗憾值、关注和加强时间约束等方式提高复杂市场情境的应变能力,降低成本提高运营效率,促进运输服务高质量发展。

交通运输行业低碳多式联运模式的路径优化

针对交通运输行业探索其货物运输方式及运输路径的最优化进程。从企业微观层面出发,基于成本和时间双重约束,综合考虑碳排放和运输成本因素,并引入碳税机制,通过碳价函数将CO2排放量换算为CO2排放成本,构建以货物运输的碳排放成本、运输成本和转运成本为目标的低碳多式联运路径优化模型,采用遗传算法求解得出最佳低碳多式联运组合方式和路线,并通过案例分析验证模型的可行性。结果表明:低碳多式联运模式通过综合多种运输方式的技术经济优势,可以有效降低货物运输企业的运输成本以及运输碳排放量,在提高企业运输组织水平、降本增效和低碳环保等方面效果显著;合理的碳税税率促使货物运输企业在其所能承受的经济成本范围内选择优化低碳运输路径,有利于促进经济社会低碳可持续发展。

改进麻雀算法求解带模糊需求的低碳路径优化

目的 针对低碳背景下带模糊需求的低碳多式联运规划问题(Low-carbon Multimodal Transportation Planning Problem with Fuzzy Demand, LCMTPP-FD),以成本最小化构建数学模型。同时,结合现有的强制碳排放、碳税、碳交易和碳补偿等政策对LCMTPP-FD进行模型转换,研究不同低碳政策对物流成本和碳排放量的影响。方法 主要根据模型的特征,设计一种t分布麻雀搜索算法,对不同低碳政策下的模型进行求解,将迭代次数作为t分布的自由度来提高麻雀算法的性能。结果 将改进算法及多个模型应用于实际运输案例中,改进的麻雀算法能在较短时间内获得最优解,并且在强制碳排放下碳排放量最少为9 522.28,在碳交易和碳补偿政策下成本分别降低了11.41%、17.24%。结论 改进的麻雀搜索算法具有较好的收敛性和搜索能力。强制碳排放能有效地降低碳排放量,碳交易和碳补偿能有效降低企业成本,适合于低碳运输的推广。