多目标模糊机会约束规划的低碳多式联运路径优化

针对时间窗与需求量不确定性下的多式联运路径优化问题,运用梯形模糊数表示模糊需求量与模糊时间窗,并考虑碳排放成本、运输成本以及客户满意度,建立了多目标模糊机会约束模型。固定的交叉、变异概率会直接影响算法的收敛性,针对此问题,将自适应性与非支配排序遗传算法Ⅱ(NSGA-Ⅱ)结合,并通过与DOCPLEX和NSGA-Ⅱ的对比验证了所提模型与算法的有效性。最后,探究了碳税值与模糊需求量偏好值的变化对优化结果的影响。研究结果表明:碳税值的提出可有效促进“公转铁、公转水”,从而显著减少碳排放量,然而过高的碳税值并不一定意味着碳排放量的减少,还会对企业造成过高的成本;模糊需求量偏好值的提高会造成总成本的增加,意味着运输经济性与可靠性两者不可兼得。因此,合理设置碳税值与模糊需求量偏好值是提高多式联运环保效益与运输效益的有效方式。

低碳环境下多式联运路径优化研究

多式联运路径与运输方式组合优化问题是运筹学领域十分重要的研究课题。通过引入碳税机制,综合考虑多式联运物流配送过程中的运输成本、中转成本、惩罚成本和碳排放成本,建立了含运到时限约束和路径容量约束的组合优化模型。针对本文构造的模型设计了包含路径节点和运输方式的编码形式,用模拟退火蚁群算法求解,并引入自适应灾变算子等操作,提高算法优化能力。首先,利用蚁群算法确定局部最优解,以局部最优解作初始解,然后,利用模拟退火算法进行局部搜索,依据Metropolis抽样准则,判断是否接受当前搜索结果。最后,以一个30个节点的多式联运网络为例,进行模型和算法的可行性与有效性验证。研究结果表明,碳税值逐渐增大可以有效促进多式联运承运人选择更为低碳的运输方案。模拟退火蚁群算法能搜寻到比基本蚁群算法、遗传算法更优的目标函数值,目标函数值平均分别优化10.25%和32.9%,且收敛速度更快。