2023年需求波动背景下的不定期船运输空船投放优化.docx

需求波动背景下的不定期船运输空船投放优化 彭译侬 摘 要：不定期运输市场是航运市场重要的组成局部之一。本文为不定期船经营人解决船舶的投放问题，通过对主要散货进出口需求的分析确定散货海运的主要航线，从而确定不定期船经营人船舶投放区域。建立多元商品时空网络模型，利用线型混合整数规划建立数学式，以案例公司A的运营案例为数值实验，以最大利润为目标函数进行求解，求解后与案例公司的实际运营结果进行比照，从而证明所建立的模型的合理性。 关键词：不定期船运输;船舶投放问题;多元时空网络 不定期船运输作为国际航运业的重要组成局部，在粮食、煤炭、铁矿石这样的大宗干散货的运输中具有不可替代的地位[1]。本文将对不定期船舶调度问题进行探讨，给船公司经营者提供一个科学的船舶调度方法。该方法能综合考虑到货物订单和航线选择因素，得出单位运营周期内各个航次的船舶投放时间和位置，并对每艘船舶的货物指派以及航程衔接。 与传统研究不同的是，本文将该问题视为一个动态的船舶路径问题（DSRP），建立多元商品时空网络模型[2]，并建立以营运周期内总航次利润最大为目标函数的数学式。随后以国内一家经营国际散杂货运输的不定期船公司为例进行实例分析。通过模型所得最优解和案例公司实际营运操作及所得利润的比照来确定模型的合理性。 因此，由于本文的船舶投放问题将涉及多种货物、多艘船舶以及空间（多个港口）和时间上的异动，因此，构建了线性混合整数模型，此模型可以处理多种因素影响下的船舶投放问题。本研究将利用分枝界限法进行求最优解。另外，为了与模型求得的结果进行比照，同时利用贪婪算法计算出案例公司在没有具体船舶投放决策和航线安排的情况下所能获得的利润。以两者的比照结果来证明所建立模型的合理性。 1 问题描述 利用多元商品时空网络构建数学模型，模型不考虑船舶维修、物料和人员的补给等问题，目的是解决船舶的投放问题。模型将考虑时窗限制、混合效劳（每个港口都可以收、发货）、没有母港的特性，以最大利润为目标函数，将营运时间划分成多个规划期。以多元商品时空网络的概念来说明不定期船舶的投放问题，横轴表示时间，纵轴表示港口，时空网络合一分为船队子网络和货物子网络，网络节点代表不同时间和港口的需求点，用（时间，港口）来表示其时间和空间上的位置，网络节线代表船舶航行或货物运输的路线，下面用简例来说明船队子网络和货物子网络的结构，以及模型的限制条件。 假设船队有2艘船舶，规划期为7天，港口数3个，船舶在各港间的航行时间相同（表1），船舶1从港口1出发到港口2，船舶2从港口2出发途径港口3终到港口1，等待装运的货物有3笔（货物A、B、C）（表2）。 1.1船队子网络 船队子网络表示船队中全部船舶所有可能的航行路线，每艘船舶对应1个船舶子网络。以船舶1为例，在规划期的初始位置是（1，1），规划期内有可能停留在港口1等待，其航线是（1，1）～（1，1）…，但假设是航行到港口2，须要2天的时间，其航线是（1，1）～（3，2），如果是航行到港口3，须要2天的时间，其航线是（1，1）～（3，3），之后从（2，1）、（3，2）、（3，3）再分别绕行到各港或是停港等待。 1.2 货物子网络 货物子网络表示货物运输的所有可能路线，每一笔货物对应一个子网络，每一个货物子网络又包含货物起讫子网络和货物运输子网络。货物起讫子网络表示该笔货物的收送货的位置和时间，连结起点和讫点的节线称为评估接线，已接单货物的评估节线流量为0，等待筛选的货物的评估节线流量可以大于0（接单）或者等于0（退单）。货物运输子网络的结构和船队子网络的结构相同，表示货物的运输只能存在于有船舶流量的节线上。 连结货物起讫子网络和货物运输子网络的就是收送货节线，如果评估节线的流量等于0，就表示这笔货物可以接单或者已经接单，这是船队中某一艘船的搜有收货节线流量的总和必须等于1，送货节线流量的总和也等于1，表示这笔货物指派给这艘船舶装运。 1.3 模型的限制条件 本模型中的网络结构除了必须具备一般的流量守恒限制外，还有一些附加的限制条件，主要包括以下4项： （1）船队子网络和货物子网络的流量关联限制：货物的运输只能在有船舶流量的节线上，例如：货物A收货点是（1，1），送货点是（5，2），船舶1在规划期内初始位置（1，1），在船舶1子网络上存在从港口1到港口2满足送货时间的航行节线，因此货物A可以指派给船舶1。而船舶1的航线要根据收送货时间和地点进行安排。 （2）船舶容量/重量限制：同一艘船舶装运的货物不能超过其载重容量/重量的上限，例如船舶2在港口3，同时装运货物B、C，两种货物的总容量/重量不能超过船舶2的载重容量/重量的上限。 （3）货物运输时间限制：货物运输须配合货物的收送货时窗限制和装卸操作时间，收送货时窗限制已经在网络结构中的收送货节线中进行了考虑，收货时间多宽限一天，收送货节線就会各增加一条。至于装卸货操作时间可以在货物运输子网络的节线上设置装卸操作时间限制式，如果货物A指派给船舶1收送货，收送货日期可以是day1或day2，送货日期可以是day5或day6，装货和卸货的操作时间都是1天，船舶离港和进港时间必须配合货物的收送货时窗限制和装卸货操作时间，因此，离港日期必须大于或等于收获日加上装货时间。如果有多笔货物同时装船或卸船，就取其中最长作业时间作为装船或卸船的操作时间。 （4）货物不可分割和转运限制：为了提高效劳质量和防止货损，同一笔货物不能分成两个航次运送，也不能在中途港换至其他船舶。 2 多元商品时空网络模型 利用线型混合整数规划[3]来构建数学模型。 （1）船队子网络的流量守恒限制：船队子网络流量守恒，将船舶流量假设为（0，1）整数。 （2）货物子网络的流量守恒限制：货物子网络流量守恒，将货物流量假设为（0，1）整数，表示有货物不可分割限制。 （3）货物不可分割和转运限制：为了提高效劳质量和防止货损，同一笔货物不能分为两个航次运送，也不能再中间港换装到其他船舶。 （4）船舶的容积/重量限制：同一艘船舶装运的货物不能超过其载重容量或载重量上限。 （5）装卸货操作时间限制：货物运输必须配合货物的装卸操作时间，装卸操作时间限制式可以在货物运输子网络的节线上设置，其 （6）接单评估限制：已接单货物的评估节线流量必须等于0，等待筛选货物的评估节线流量可以大于0（退单）或等于0（接单）。如果聘雇节线的流量等于0，表示这批货物可以接单或者已经接单，这时船队中的某一艘船的所有收货节线流量的总和必须等于1，收货节线流量的总和也是等于1，也就是说收送货节线的流量都是（0，1）整数。 3 数值实验 A公司为国内一家经营不定期船运输的航运公司，其经营的船舶数量为8艘，船舶规模均为灵便型。经营航线主要位于亚洲区域，其货物收送港口分布在中国大陆、中国台湾、东南亚、越南、印度、孟加拉以及东北亚地区。2022年全年的收送货港口数总计为108个，其中，有23个港口的年装、卸次数超过10次，最高位高雄的288次，另外，为香港160次，新加坡为114次，在年装、卸次数低于10次的85个港口中，有30个港口的年装、卸次数只有1次。根据以上数学模型，输入A公司的实际相关参数，并设计相关案例以证明模型的合理性。 3.1 实验参数 实例的规划期长度以符合A公司的实际营运情况为原那么，其船舶投放作业潜质时间为一周，每个规划日只处理至规划日当天位置确实定需求。装运任务在规划日后一周执行，每个规划期长度为三周。求解案例所用的规划日参数都为2022/04/24，第一规划期长度为2022/05/01～2022/05/21，第二规划期为2022/05/22～2022/06/12，即总规划期为42天。在A公司的主要装卸港口中，以规划期内收送货的15个港口（A港口—O港口，如表3）为例进行研究。列出这15个港口间的平均巡航天数（通过各港口间的距离/（各船舶平均航行速度x24）来计算，如表4所示。 船舶参数：A公司目前所经营的船舶共8艘，船舶的相关资料如表3，其中巴生和上海港各有2艘船舶停靠，槟城、新加坡和高雄那么各有1船舶停靠。模型中使用的货物参数以A公司规划日当天（2022/04/24）的所有已接单货物为准，总计32笔货物。 3.2 设计求解案例及结果比照分析 为了验证模型的效果及合理性，设计以下求解案例带入模型用禁贪婪算法求解，并将求解结果与A公司的实际船舶投放结果做比照。利用分枝界限法进行求解，其最优解为176，231美元。货物指派结果为，cargo3、9、14、15、16、29指派给船舶1，cargo1、13、30指派给船舶2，cargo4、5、6指派给船舶3，cargo17、19、31指派给船舶4，cargo7、18、20、21、22、23、24、25、26、32指派给船舶5，cargo2、8指派给船舶6，cargo10、11、12、27、28指派给船舶7.船队的航行时间为111天，挂靠港口33次。 A公司的实际货物指派为货物1、2、13指派给船舶1，货物3，、4、14、15、16、30指派给船舶2，货物5、6指派给船舶3，货物7、17、18、19、20、29指派给船舶4，货物21、22、23、24、25、26、31指派给船舶5，货物8、9指派给船舶6，货物10、11、12、27、28、32指派给船舶7。船队的总航行时间为126天，挂靠港口35次。 根据案例模型获得的船队航行总时间为111天，挂靠港口33次，而实际航行时间为126天，挂靠港口35次。根据模型得到的最优解，总利润为176，23美元，而实际营运收入总利润为101，172美元。算得利润高于实际效益，可见所建立的模型在船舶调度、货物指派、航线安排、以及订单筛选即船舶的投放问题中所提供的解是合理的。因此了解到，在进行船舶投放决策时，适用该模型可以在一定程度上为航运公司做出合理的决策，提高其总利润。 4 结论 本文首先对最近几年世界干散货需求的数据进行分析，了解国际干散货海运市场的总趋势。然后通过对各散货主要进出口国家的进出口量的分析确定世界范围内的主要散货海运航线。选择出所选案例公司主要经营的航线区域。通过建立线型混合整数规划模型，并带入案例公司A的实际参数，对不定期船运输中的船舶投放问题进行研究。以营运周期内的总体利润最大为目标函数，带入相关参数进行求解。模型求解的结果与A公司的实际营运总利润比照，发现模型求解的结果更优。因此航运公司在进行船舶投放决策时要合理的对每条船舶的航线进行选择，以及对每笔货物的指派，本研究模型可以在一定程度上解决这些问题，为航运公司在船舶投放问题上做出合理的决策，提升效益。 参考文献： [1]唐磊，謝新连，王成武.基于集合划分的航速可变不定期船舶调度模型[J].上海交通大学学报，2022，47（6）：909-15. [2]丁一，仲颖，林国龙，等.软时间窗与随机航行时间的不定期船舶航线规划[J]..华中师范大学学报（自然科学版），2022，49（3）：387-391. [3]陈康，郭利泉，杨忠振.基于混合航线结构的集装箱航线与空重箱运输综合优化模型[J]..系统工程理论与实践，2022，34（1）：122-128. [4]江振峰，等：基于运输需求时空特征的不定期船舶运输的调度优化[J]..交通运输工程学报.2022，19（3）：157-164. [5]郑红星， 李珊珊， 司羽. 内支线配船与船舶调度优化[J]. 重庆交通大学学报（自然科学版）， 2022， 38（02）：109-116.