买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河海大学

摘要：本发明公开了一种Hub‑spoke模式下港口集装箱班轮支线网络优化方法，包括以下几个步骤：步骤一、建立模型描述；步骤二、建立模型假设；步骤三、建立模型参数和符号；步骤四、建立数学模型。考虑在多船型、船舶容量、班轮时间、双向流量和港口水深的约束条件下，以最低运输费用为导向，构建枢纽港‑喂给港的集装箱Hub‑spoke支线运输模型，实现船舶运力的最佳配置。本发明所提出的模型相比同类模型更贴近集装箱运输实际，能实现集装箱运输网络的最佳运输配置。

主权项：一种Hub‑spoke模式下港口集装箱班轮支线网络优化方法，其特征在于，包括以下几个步骤：步骤一、建立模型描述；步骤二、建立模型假设；步骤三、建立模型参数和符号；步骤四、建立数学模型。

全文数据：一种Hub-spoke模式下港口集装箱班轮支线网络优化方法技术领域[0001]本发明涉及水路运输技术领域，尤其涉及一种Hub-spoke模式下港口集装箱班轮支线网络优化方法。背景技术[0002]集装箱远洋运输作为国际贸易、全球经济一体化的必要手段，具有运力大、费用低的优势，在国际经济发展中起到关键作用。[0003]集装箱远洋运输对港口及泊位要求较高，既要有充足的货源又要有足够的水深条件，小型港口（包含沿海小型港口、内河港口和陆地无水港往往不具备开通远洋航线的货运组织和靠泊能力，其通过为大型港口喂给的形式，把集装箱汇集到大型海港后再进行远洋运输。目前集装箱远洋运输航线主要有钟摆式、多港挂靠式和Hub-spoke式，其中Hub-spoke模式更具有成本和时间优势。[0004]目前，有关Hub-spoke模式下港口集装箱支线双向运输调度优化模型问题的研究，大多数研究在考虑空箱调配、船舶航线速度、船舶配置、班轮时间、船舶容量、库存容量等因素的基础上，构建Hub-spoke模式下港口集装箱支线运输调度优化模型。但在考虑集装箱上水、下水双向流量和港口水深限制等情况下，如何进行运输优化和船舶调度的研究成果较少，尤其是同时考虑双向流量和港口水深限制的模型。[0005]因此，考虑在多船型、船舶容量、班轮时间、双向流量和港口水深的约束条件下，构建枢纽港-喂给港的集装箱Hub-spoke支线运输模型，已成为亟需解决的问题。发明内容[0006]有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，以解决现有技术的不足。[0007]为实现上述目的，[0008]一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，包括以下几个步骤：[0009]步骤一、建立模型描述；[0010]步骤二、建立模型假设；[0011]步骤三、建立模型参数和符号；[0012]步骤四、建立数学模型。[0013]步骤一中，建立模型描述具体为：[0014]在设定一集装箱hub-spoke模式远洋航线中，构建一条远洋航线在hub-spoke网络一侧的枢纽港νο,枢纽港VQ存在η个喂给港为{viIi=l，2,…，n}，航线的周期为T，定义该其航运网络为一个由枢纽港和喂给港构成的有向有权的hub-spoke网络G=V，E，W，V=Iviί=0，1，···，η}表示网络中的港口，E=eij=i,j表示Vi与Vj之间的航线，i,je1,2，···，n，i乒j，W=dij表示航线eij的权。[0015]步骤二，建立模型假设具体为：[0016]2-1假设喂给港的集装箱上水和下水的集装箱生成量为已知，枢纽港通过差异化的船舶运输把集装箱从喂给港运输到枢纽港，并在枢纽港通过大型船舶进行远洋运输；[0017]2-2每个喂给港的集装箱上下水服务只接受一艘船舶运输服务，船舶装载容量不能超过额定装载容量；[0018]2-3从喂给港到枢纽港，不同运输方式的装载能力、容量、运输速度、费用均不一样，枢纽港需在时间窗内完成运输任务；[0019]2-4船舶由枢纽港出发，所有的喂给港的集装箱物流服务都要完成，并最终回到枢纽港。[0020]步骤三，建立模型参数和符号具体为：[0021]3-1建立船舶参数和符号[0022]3-la在该hub-spoke网络中，集装箱运输的工具为船舶，分为内河船舶和近洋船舶，定义％为船舶集合;％=|1,2，·Ά，共有K种船舶，mk为第k种船舶的数量，为船舶的总数量；[0023]3-lb定义船舶属性集Bk，Bk=sk，ck，dk，Uk，pk，fk，ek，Xk，其中k=l，2，".，K，Bi^示第k种类型船舶的属性集，Sk为船舶的折旧费用，Ck表示船舶的最大容量，dk表示船舶要求的水深，Uk表示船舶航行单位距离的费用，pk表示船舶靠泊和离港的单位时间费用，fk表示船舶的启始费用，ek表示船舶停靠时单位时间费用;λ^〇，1变量，当第k种船舶属于沿海运输船舶时候Xk=1，否则Xk=O;[0024]3-2建立港口参数和符号[0025]3_2a已知喂给港i上水和下水的集装箱箱量分别为为k类型船舶中的第1艘船舶上行离开喂给港i驶向喂给港j时的船舶箱量;CiSk类型船舶中的第1艘船舶下行离开喂给港i驶向喂给港j时的船舶箱量；[0026]3-2b定义Iu为喂给港i的船舶停靠水深;定义du为喂给港i到喂给港j的航行距离;定义类型船舶中的第1艘船舶上行过程中服务喂给港i的服务时间；4为k类型船舶中的第1艘船舶下行过程中服务喂给港i的服务时间；为k类型船舶的第1艘船舶由喂给港i驶向喂给港j的航行时间；4为k类型船舶中的第1艘船舶服务喂给港i的靠泊和离港时间；[0027]3-2c定义控制变量喂给港i由k类船舶中的第1艘完成上行配送，则，喂给港i由k类船舶中的第1艘完成下行配送，则否则•k类型船舶中的第1艘由喂给港i驶向喂给港j，贝ljXljkl=l，否则hjkl=0。[0028]步骤四中，建立数学模型具体为：[0029]确定船舶的路径集对η个喂给港的上水和下水集装箱进行运输服务，则集装箱港口Hub-spoke支线运输模型的目标函数为：[0030][0039]式⑴为目标函数，目的要求所有的船舶的配送成本最小，μΡ为惩罚项，μ为阶段函数，当每艘船舶的花费总时间小于航线周期时μ=〇,否则μ=Ι;ρ为正数Ρ的取值范围为1000000-10000000；[0040]式2为约束条件，表示所有喂给港的上行集装箱均被船舶服务过，且只被一艘船舶服务；[0041]式3为约束条件，表示所有喂给港的下行集装箱均被船舶服务过，且只被一艘船舶服务；[0042]式⑷为约束条件，表示船舶的流量流向闭环；[0043]式⑶为约束条件，表示每艘船舶的装载箱量不超过其最大容量；[0044]式6为约束条件，表示所有的船舶要从枢纽港出发，并回到枢纽港；[0045]式⑵为约束条件，表示喂给港水深满足停靠船舶要求；[0046]式8为约束条件，所有的船舶的服务完成时间要小于航线的周期，集装箱上水装卸和下水装卸不能同时完成。[0047]本发明的有益效果是：[0048]本发明通过构建的枢纽港-喂给港的集装箱Hub-spoke支线运输模型，用算法对模型进行求解，可得到集装箱Hub-spoke运输网络的最佳运输配置。[0049]以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。附图说明[0050]图1是本发明的支线网络优化迭代图。具体实施方式[0051]如图1所示，一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，包括以下步骤：[0052]步骤一、建立模型描述；[0053]步骤二、建立模型假设；[0054]步骤三、建立模型参数和符号；[0055]步骤四、建立数学模型。[0056]本实施例中，步骤一中，建立模型描述具体为：[0057]在某一集装箱hub-spoke模式远洋航线中，构建一条远洋航线在hub-spoke网络一侧的枢纽港νο,枢纽港VQ存在η个喂给港为{viIi=l，2,…，n}，航线的周期为T，定义该其航运网络为一个由枢纽港和喂给港构成的有向有权的hub-spoke网络G=V，E，W，V=IviIi=0，1，···，η}表示网络中的港口，E=eij=i,j表示Vi与Vj之间的航线，i,je1,2，···，η，i辛j，W=dij表示航线eij的权，本发明中指港口之间航线的距离。[0058]本实施例中，步骤二中，建立模型假设具体为：[0059]2-1假设喂给港的集装箱上水和下水的集装箱生成量为已知，枢纽港通过差异化的船舶运输把集装箱从喂给港运输到枢纽港，并在枢纽港通过大型船舶进行远洋运输；[0060]2-2每个喂给港的集装箱上下水服务只接受一艘船舶运输服务，船舶装载容量不能超过额定装载容量；[0061]2-3从喂给港到枢纽港，不同运输方式的装载能力，容量，运输速度，费用均不一样，枢纽港需在时间窗内完成运输任务；[0062]2-4船舶由枢纽港出发，所有的喂给港的集装箱物流服务都要完成，并最终回到枢纽港。[0063]本实施例中，步骤三中，建立模型参数和符号具体为：[0064]3-1建立船舶参数和符号[0065]3-la在该hub-spoke网络中，集装箱运输的主要工具为船舶，分为内河船舶和近洋船舶，定义％为船舶集合；餌=·ίΐ，2,…，，共有K种船舶，mk为第k种船舶的数量，为船舶的总数量。[0066]3-lb定义船舶属性集Bk，Bk=sk，ck，dk，Uk，pk，fk，ek，Xk，其中k=l，2，"_，K，Bi^示第k种类型船舶的属性集，Sk为船舶的折旧费用，Ck表示船舶的最大容量，dk表示船舶要求的水深，Uk表示船舶航行单位距离的费用，pk表示船舶靠泊和离港的单位时间费用，fk表示船舶的启始费用，ek表示船舶停靠时单位时间费用。λ^〇，1变量，当第k种船舶属于沿海运输船舶时候Xk=1，否则Xk=O。[0067]3-2建立港口参数和符号[0068]3_2a已知喂给港i上水和下水的集装箱箱量分别为.为k类型船舶中的第1艘船舶上行离开喂给港i驶向喂给港j时的船舶箱量为k类型船舶中的第1艘船舶下行离开喂给港i驶向喂给港j时的船舶箱量。[0069]3-2b定义Iu为喂给港i的船舶停靠水深;定义du为喂给港i到喂给港j的航行距离;定义为k类型船舶中的第1艘船舶上行过程中服务喂给港i的服务时间；为k类型船舶中的第1艘船舶下行过程中服务喂给港i的服务时间：为k类型船舶的第1艘船舶由喂给港i驶向喂给港j的航行时间；％1^类型船舶中的第1艘船舶服务喂给港i的靠泊和离港时间；[0070]3-2c定义控制变量：喂给港i由k类船舶中的第1艘完成上行配送，则喂给港i由k类船舶中的第1艘完成下行配送，则否则，上类型船舶中的第1艘由喂给港i驶向喂给港j，贝ljXljkl=l，否则hjkl=0。[0071]本实施例中，步骤四，建立数学模型具体为：[0072]确定船舶的路径集对η个喂给港的上水和下水集装箱进行运输服务，则集装箱港口Hub-spoke支线运输模型的目标函数为：[0073][0083]式⑴为目标函数，目的要求所有的船舶的配送成本最小，此为惩罚项，μ为阶段函数，当每艘船舶的花费总时间小于航线周期时μ=〇,否则μ=ΐ;Ρ为一个正数Ρ的取值范围为1000000-10000000;[0084]式2为约束条件，表示所有喂给港的上行集装箱均被船舶服务过，且只被一艘船舶服务；[0085]式3为约束条件，表示所有喂给港的下行集装箱均被船舶服务过，且只被一艘船舶服务；[0086]式⑷为约束条件，表示船舶的流量流向闭环；[0087]式⑶为约束条件，表示每艘船舶的装载箱量不超过其最大容量；[0088]式6为约束条件，表示所有的船舶要从枢纽港出发，并回到枢纽港；[0089]式⑵为约束条件，表示喂给港水深满足停靠船舶要求；[0090]式8为约束条件，T为航线周期，表示所有的船舶的服务完成时间要小于航线的周期，集装箱上水装卸和下水装卸不能同时完成。[0091]实施例1[0092]将本发明提出的一种Hub-spoke模式下港口集装箱班轮支线网络优化方法应用于上海港到美西集装箱Hub-spoke运输网络为例，实施如下：[0093]选取上海港为枢纽港，长江沿线港口南通、镇江、扬州、南京、常州为喂己港，上海港每周发一班远洋航线，为满足长江沿线港口进出口需求，所有船舶从上海发出，根据时间窗要求服务于喂给港，将进口集装箱卸载至相应港口，并装载出口集装箱，所有船舶在规定时间内回到上海港。[0094]枢纽港上海港与喂己港之间的运距如表1所示。[0095]表1上海港与喂己港之间运距单位:海里）[0096][0097]各喂己港航道要求水深如表2所示。[0098]表2各喂给港航道水深单位:米）[0099][0100]一周内各喂己港进出口箱量如表3所示。[0101]表3各喂己港进出口箱量单位:TEU[0102][0103]由进出口箱量可得集装箱船舶在各喂己港停靠装卸费用，如表4所示。停靠装卸费用包括集装箱港务费以及集装箱装卸包干费。[0104]表4各喂己港停靠装卸费用单位:元）「01051[0106]根据喂己港进出口集装箱量，代表船型选取350TEU，500TEU，800TEU，1000TEU，四种船型基本参数如表5所示。[0107]表5代表船型基本参数[0108][0109]四种船型航次成本如表6所示。其中起始费用依据集装箱船舶折旧费求得，按船舶价值的5%计收，折旧期限为15年。航行费用依据船舶航行所耗重油与轻油价格以及船员工资求得。靠泊离港费用依据船舶净吨求得港务费、船舶吨税、引航费、靠泊费、系解缆费和拖轮费。[0110]表6代表船型航次成本[0111][0112]数据来源:《不确定环境下支线集装箱班轮网络优化研究》刘建秋）[0113]根据以上数据，利用多智能体遗传算法对模型求解，模型要求集装箱船舶挂靠喂己港满足吃水要求，整体航运网络满足时间窗要求时间窗限定为1周）。相关系数见表7。[0114]表7多智能体遗传算法相关系数[0115][0116]在win8操作系统下，内存为4G，CPU为IntelRCoreTMi5-4210U的硬件平台下，采用matlab2017a平台编程，分别用多智能体遗传算法和遗传算法优化迭代，其过程如图1所示。[0117]多智能体遗传算法运行时间12.38秒，算法在25次左右收敛到极值点2336787，算法比较稳定。遗传算法运行时间26.848秒，算法在75次左右收敛到极值点2336787。由优化过程可知，多智能体遗传算法与遗传算法相比具有明显的优势，收敛速度与收敛时间具有明显的提尚。[0118]统计多次优化结果，求得最优支线运输网络如表所示。[0119]表8最优支线运输网络[0120][0121]以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

权利要求：1.一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，其特征在于，包括以下几个步骤：步骤一、建立模型描述；步骤二、建立模型假设；步骤三、建立模型参数和符号；步骤四、建立数学模型。2.如权利要求1所述的一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，其特征在于，步骤一中，建立模型描述具体为：在设定一集装箱hub-spoke模式远洋航线中，构建一条远洋航线在hub-spoke网络一侧的枢纽港νο,枢纽港να存在η个喂给港为{viIi=l，2,…，n}，航线的周期为T，定义该航运网络为一个由枢纽港和喂给港构成的有向有权的hub-spoke网络，G=V，E，W，V=IviIi=0，1，···，η}表示网络中的港口，E=eij=i,j表示Vi与Vj之间的航线，i,je1，2，···，η，i乒j，W=dij表示航线eij的权，指港口之间航线的距离。3.如权利要求2所述的一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，其特征在于，步骤二，建立模型假设具体为：2-1假设喂给港的集装箱上水和下水的集装箱生成量为已知，枢纽港通过差异化的船舶运输把集装箱从喂给港运输到枢纽港，并在枢纽港通过大型船舶进行远洋运输；2-2每个喂给港的集装箱上下水服务只接受一艘船舶运输服务，船舶装载容量不能超过额定装载容量；2-3从喂给港到枢纽港，不同运输方式的装载能力、容量、运输速度、费用均不一样，枢纽港需在时间窗内完成运输任务；2-4船舶由枢纽港出发，所有的喂给港的集装箱物流服务都要完成，并最终回到枢纽港。4.如权利要求3所述的一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，其特征在于，步骤三，建立模型参数和符号具体为：3-1建立船舶参数和符号3-la在该hub-spoke网络中，集装箱运输的工具为船舶，分为内河船舶和近洋船舶，定义妗为船舶集合；％共有K种船舶，mk为第k种船舶的数量，为船舶的总数量；3-lb定义船舶属性集Bk，Bk=sk，ck，dk，Uk，pk，fk，ek，Xk，其中k=l，2，···，K，Bk表示第k种类型船舶的属性集，Sk为船舶的折旧费用，Ck表示船舶的最大容量，dk表示船舶要求的水深，Uk表示船舶航行单位距离的费用，pk表示船舶靠泊和离港的单位时间费用，fk表示船舶的启始费用Ak表示船舶停靠时单位时间费用;Ak*〇，l变量，当第k种船舶属于沿海运输船舶时候Xk=1，否则Xk=O;3-2建立港口参数和符号3-2a已知喂给港i上水和下水的集装箱箱量分别为¥和;q：HSk类型船舶中的第1艘船舶上行离开喂给港i驶向喂给港j时的船舶箱量;ς!»为k类型船舶中的第1艘船舶下行离开喂给港i驶向喂给港j时的船舶箱量；3-2b定义hi为喂给港i的船舶停靠水深;定义dij为喂给港i到喂给港j的航行距离;定义匕为k类型船舶中的第1艘船舶上行过程中服务喂给港i的服务时间；为k类型船舶中的第1艘船舶下行过程中服务喂给港i的服务时间；为k类型船舶的第1艘船舶由喂给港i驶向喂给港j的航行时间;4为k类型船舶中的第1艘船舶服务喂给港i的靠泊和离港时间；3-2c定义控制变量，喂给港i由k类船舶中的第1艘完成上行配送，则否则，喂给港i由k类船舶中的第1艘完成下行配送，则义=1，否则士类型船舶中的第1艘由喂给港i驶向喂给港j，贝ljXljkl=l，否则hjkl=0。5.如权利要求4所述的一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，其特征在于，步骤四中，建立数学模型具体为：确定船舶的路径集对η个喂给港的上水和下水集装箱进行运输服务，则集装箱港口Hub-spoke支线运输模型的目标函数为：约束条件St.式（1为目标函数，目的要求所有的船舶的配送成本最小，μΡ为惩罚项，μ为阶段函数，当每艘船舶的花费总时间小于航线周期时μ=〇,否则μ=ΐ;Ρ为一个正数；式2为约束条件，表示所有喂给港的上行集装箱均被船舶服务过，且只被一艘船舶服务；式3为约束条件，表示所有喂给港的下行集装箱均被船舶服务过，且只被一艘船舶服务；式⑷为约束条件，表示船舶的流量流向闭环；式⑶为约束条件，表示每艘船舶的装载箱量不超过其最大容量；式6为约束条件，表示所有的船舶要从枢纽港出发，并回到枢纽港；式⑵为约束条件，表示喂给港水深满足停靠船舶要求；式8为约束条件，T为航线周期，表示所有的船舶的服务完成时间要小于航线的周期，集装箱上水装卸和下水装卸不能同时完成。6.如权利要求5所述的一种Hub-spoke模式下港口集装箱班轮支线网络优化方法，其特征在于，P的取值范围为1000000-10000000。

百度查询： 河海大学 一种Hub‑spoke模式下港口集装箱班轮支线网络优化方法