在不断变化的需求和运费下设计集装箱运输网络外文翻译资料

在不断变化的需求和运费下设计集装箱运输网络

摘要：本文着重介绍了集装箱运输网络的优化及其在不断变化的货物需求和运价下的运作。该问题被表述为混合整数非线性编程问题（MINP），目的是使用分析方法在三个阶段最大化平均单位船槽利润。空集装箱重新定位、船槽分配、船舶尺寸调整和集装箱配置等问题，都是根据一年的一系列需求矩阵来同时考虑的。为了求解该模型，提出了一种基于双级遗传算法的方法。最后，给出了数值实验，以说明提出的模型和算法的有效性。结果表明，提出的模型可以在不断变动的需求和运价的基础上，为这些问题提供更为实际的解决方案，并且与基于平均需求的模型相比，能为集装箱运输网络结构和操作的优化安排更有效的方法。

关键词：集装箱运输，船槽分配，空集装箱重新定位，集装箱配置，单位船槽平均利润、最优解。

1.引言

随同全球经济的增长，集装箱航运业在国际货物运输中发挥着越来越重要的作用（Jareacute;emskieneacute;和Jaraacute;emskis，2009年;刘等人2009年;苏和王2009;保拉斯卡斯和本特森2008年;瓦西里斯·瓦西柳斯卡斯和巴里西耶内2008年;贾耶姆斯基斯和瓦西里斯·瓦西里乌斯卡斯2007年;罗瓦奇和西蒙盖蒂2007年）。为了适应更大的集装箱货物运输需求，船运公司正在通过新的超大型集装箱船增加运力。公司也开始专门致力于优化集装箱运输网络的设计和运营，以促进更高质量的服务。本文讨论了在不断变化的需求和运价下集装箱运输网络结构和运营的问题，旨在应对空集装箱重新定位、船槽分配、船舶尺寸调整和集装箱配置方面的问题。

集装箱运输网络设计问题（CSNDP）涉及从一组候选端口中选择一组调用端口，并确定调用顺序。目标是就下列问题作出最佳决定：航行路线、要部署的船舶资产和集装箱的规模、按指定顺序在每个停靠港分配船槽、在每个航线上装载的集装箱数量以及在往返操作中最大化船槽利润。

在大多数现有研究中，CSNDP 的解决基于这样的假设：货物需求仅由一组需求矩阵作为一组常量给出，需求矩阵表示一组稳定值或一组年需求的平均值。这种假设产生于这样一种信念，即船舶规模可以由给定的需求决定，并且航线运输成本是固定的。它还假定运费不会直接受到现实世界对固定船舶能力需求的波动的影响。然而，这一假设并不反映集装箱运输网络设计的实际情况。事实上，货运量和运价是周期性波动的。在这种情况下，当需求较低时，运输网络操作可能会导致大容量过剩，并在需求量较大时造成收入巨大损失。例如，在一年内，在中日航运公司，最高的货物需求量和运费往往比最低的相应数据高三倍。因此，如何及时有效地移动或租赁空集装箱，什么尺度的船能使在旺季收入最大化，使淡季损失最小化，以及如何确定集装箱配置以减少淡季集装箱过多的风险和确保在旺季有足够多的集装箱是需要解决的问题。这些应主要受集装箱货物在贸易区内所有港口之间的分配的问题已经成为CSNDP的关键和根本问题。由于考虑需求变化和运价变化的影响是有必要的，因此CSNDP可以细分为一系列子问题，包括船舶路由问题（SRP）、呼叫顺序问题（CSP）、船舶槽分配问题（SAP）、船舶尺寸问题（SSP）和集装箱构成问题（RCCP）。

根据CSNDP的特点和属性，本研究将提出一个综合模型。空集装箱重新定位、船槽分配、船舶尺寸调整和集装箱配置等问题，都是基于一年内的一系列需求矩阵同时考虑的。该问题采用分析方法和平均收入除额技术进行论证，上述技术以Knapsack问题（KP）、销售员旅行问题（STP）和混合整数非线性问题（MIP）为基础。为了求解该模型，提出了基于双级遗传算法的方法。在最后，给出了数值实验以说明引入的模型和算法的有效性。

本文的其余部分安排如下：在第 2 节中，对以前的作品进行了简要回顾。问题说明在第 3 节中介绍。在第4节中，制定了CSNDP的模型。第5节设计了一种双级遗传算法。第 6 节中，数值模拟实例被用于测试已算方法的性能。结论在第7节给出。

2.文献综述

现有的一些研究论文都集中讨论集装箱运输方面的有关事宜。其中大多部分可以分为船舶航线和相关操作两大类。

关于集装箱航线问题，在现有的文献中相当有限。对交通工具路线问题的全面调查可以在Bodin等人（1983年）、Laporte（1992年）和Christiansen等人（2004年）找到。Boffey等人.（1979）开发了启发式优化模型和交互式决策支持系统，用于在北大西洋航线上安排集装箱船。Rana和Vickson（1988 年和 1991 年）试图找到在贸易路线上运营的船舶船队停靠港口的最佳顺序，以便最大化班轮运营利润，同时确定最佳的停靠港口顺序。他们认为非盈利港口应被拒绝作为路线上的停靠港口。他们论证此问题为一个混合整数非线性编程模型，采用拉格朗日松弛和分解方法解决了问题。Perakis和Jaramillo（1991）和Jaramillo和 Perakis （1991） 为路由策略设计了线性编程模型，从而在规划时间范围内将总操作和布局成本降至最低。他们还根据实际的运输运营成本模型，研究了将现有载货船编队分配给一套预先确定的航线（停靠港口顺序）。Cho和Perakis（1996年）将真实情况和未来预测中未来货物需求量考虑在内，为船队规模和班轮航线的设计提出了最佳模型。该问题被表述为混合整数线性编程，并通过在模型中设计流道发生率矩阵来检查提供给不同种船舶的多个候选港口，从而解决问题。Fagerholt （1999）研究了研究了基于周频率确定最优船队和班轮航线的问题，该问题被表述为一个通过划分方法解决的多行程交通工具出行问题。Bendall和Stent（2001）提出了最佳车队配置的确定模型，同时考虑了在轮毂集装箱运输网络中应用的车队部署计划。Lam等人（2007年）使用一条有两个港口和两个航次的简单航线（TPTV），以及其扩展版，即有多个港口和多个航次的航线（MPMV），来证明一种近似的动态编程方法在寻找空集装箱分配的操作策略的有效性。由于在上述平均成本最小化方法中采用了平均成本最小化的时间差异学习，因此只有两次航程可能不足以表示完整的航道系统操作。Hsu和Hsieh（2007年）根据两种成本之间的权衡，制定了一个两个目标模型，通过同时最小化船舶和托运商的班轮航线、船舶规模和航行频率来确定最佳的班轮航线、 船舶尺度和航行频率。从承运人和托运人的角度来看，上述提出的方法应该是具有实际价值的。

关于航道作业问题，大量的研究主要都是围绕空集装箱重新定位的。Gavish（1981年）开发了一个系统，用于就集装箱船队管理作出决定。在他的研究中，如果空集装箱在请求的时间没有迁移，系统将根据边际成本标准对拥有和租赁的集装箱进行分配，以满足需求。还应进一步指出，不考虑闲置自有集装箱的库存的话，额外的租用集装箱会影响班作总成本。Crainic等人（1993年）在土地分配和转运系统中为空集装箱再定位引入了动态和随机模型。同样，为了解决租赁和空集装箱再定位问题，作者忽视了短期租赁成本与长期成本的区别。这似乎不切实际，也不符合将长期租赁集装箱作为自有集装箱处理的做法。Cheung和Chen（1998年）也考虑过海运空集装箱分配问题。本文将集装箱动态分配问题作为两阶段随机网络模型提出。该模型帮助班轮运营商分配空集装箱，从而降低停靠港口的租赁成本和库存水平。然而，他们的工作没有考虑到租赁的持续时间。Imai等人（2009年）研究了集装箱运输网络设计的优化问题，提出了解决空集装箱重新定位问题的方法。在其论文中，通过设计含有惩罚成本因数的目标函数，同时考虑港口调用顺序和空集装箱重新定位。因此，这个问题被整合为一个两阶段的问题。在提出的模型中增加惩罚成本，在设计网络结构中使用虚拟点的想法都是肯定有价值的。然而，由于各港口在实验中缺乏货物运输需求波动和货物流量分布，停靠港口之间的船槽分配存在明显缺陷。最近，Chang等人（2008年）研究了一种启发式方法，为降低空集装箱交换成本提供了最佳解决方案。他们利用现有数据测试了计算时间和解决方案质量的实效性。Di Francesco等人（2009年）开发了一种多场景、多商品、时间扩展的优化模型，以处理空集装箱重新定位问题。根据船运公司的意见，一些无法通过历史数据进行评估的不确定模型参数被视为有限数量的值集。Bandeira等人（2009年）创建了一个决策支持系统（DSS），以处理满载和空载集装箱的转运业务。通过调整DSS模型中的多个参数，可以确定重新定位空集装箱的排列方式。

上述研究均未研究本文中遇到的问题和方法：即根据货物需求和运费的周期性波动，通过考虑船舶尺度和集装箱配置的收入损失风险控制，把集装箱运输网络的设计和运营纳入单一的、相互关联的问题。

3.问题描述

通常，CSNDP 的优化应通过一系列决策过程完成，这些决策过程涉及从贸易区域中的 候选港口中选择适当的停靠港口，以确定有着定期服务频率的合理调用顺序，并在每个停靠港口建立合理的有适当规模部署资产的船槽分配方案，包括网络中的船舶尺度、集装箱数量和集装箱配置。这些决策过程取决于以下影响因子，也称为可控因素，主要包括覆盖距离和货物运输需求，以及贸易区候选港口之间的运费、船舶投资成本和集装箱以及公司有关航运市场和投资的政策等。基于这些可控因素，决策过程应确定要调用的港口的最佳集、调用顺序的最佳顺序、船舶的最佳尺度以及在每个调用港口的船板上船槽的分配等因素。由于船舶规模在计划期内是不可改变的，而且需求波动对船舶规模产生显著影响，因此，按时间顺序使用一系列需求矩阵来表示波动的需求，而不是只使用平均需求矩阵的做法更为可行。

集装箱运输网络结构根据其运行特点大致可分为两种形式：一个是循环型的，另一个是钟摆型的，如图1所示。从拓扑学的角度来看，它们基本上可以简化为圆形路由，因为任何钟摆类型都可以通过添加表示向后方向端口的虚拟节点和构建足够的需求分布矩阵。运输网络操作通常由一系列船舶船队执行，这些船舶为停靠港口分配了一系列船槽分配方案。在航线上航行的船队应分为两组，其中一组按顺时针方向航行，另一组以逆时针方向同时航行。这样，任何停靠港至其相邻港口的货物转运都能便利地进行。例如，如图2所示，从1号港到2号港的货运量必须由一组船舶顺时针运输，从1号港到9号港的货运量可以由另一组船舶逆时针方向运输。船舶只需中途装载上要被运送到其他停靠港口的与其他船舶同的向位于半程航行的集装箱即可。

此外，由于一些停靠港口之间的定向货物流量不平衡，从港口出发的货运总量与到

达港口的货运总量之间必然存在差异。由于负载拒绝在实践中不太可能实现，假设船舶容量有备用船槽，班轮运输公司必须决定是否重新放空集装箱或租赁额外的集装箱，并将闲置的自有集装箱存放在特定港口。由于对单次航行费用的比较是不合理的，因此有必要将这些平均费用在足够数量的航程中进行比较。这些要素必须在式中作为具有相互替代关系的机会成本加以表示。

因此，我们将构建的模型应包括上述影响因素和元素。以平均单位船槽利润最大化为目标的模型，可以通过在部署了合适规模的船舶和集装箱的循环路线上设计一个常年封闭的航行行程来制定。在船舶航线上，船舶无需在贸易区域的所有港口停靠，例如，如图 2 所示，选择停靠港口1,2,4,5,7和9而不停靠港口3,7和8。其他假设如下：

1. 作为一个关键影响因素，所有港口的货运量需求波动是由一系列按时间顺序和相关的同质运价，而不是由规划范围内的平均需求矩阵表现出来的。原因主要是：装载集装箱的船舶的尺度一旦确定，在规划范围内运输的集装箱的实际数量就会受到限制，如图3所示。
2. 根据集装箱运输网络设计要求，每个停靠港必须配备与处理数量相当的适当数量的集装箱。额外的集装箱可以在任何港口租用，但最终必须送回原始港口。
3. 部署在网络或路线中的船舶必须具有相同的容量和巡航速度。
4. 船舶的容量不得超过任何航段中装载在船上的集装箱总数。

4.模型公式

如上所述，CSNDP（集装箱运输网络设计问题）由四个子问题组成。第一个是为最佳运输网络或路由选择最佳停靠港口组。第二个是确定所选停靠港口组的调用顺序，以便优化航程安排。第三个是优化每个停靠港口的船槽配置，每次航行每个停靠港口处理一系列集装箱数量，实现平均单位船槽利润最大化。最后一个问题是根据上述每个停靠港口处理的集装箱数量确定网络中部署的合理集装箱配置。由于这些子问题之间存在相互关系和相互作用，因此CSNDP可分别基于 背包问题（KP）、销售员旅行问题（STP）以及操作问题（OP）和集装箱配置问题（CCP）三个阶段论述为一个混合整数非线性编程问题（MINP）。最佳模型展示如下：

阶段1：

其中：V是从贸易区域中的一组候选港口N中选取的停靠港口的一个组合;如果路线由所选择的候选组合停靠港口k构成，那么，否则；是在候选停靠港口组合k下的目标函数

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[237401]，资料为PDF文档或Word文档，PDF文档可免费转换为Word