论文部分内容阅读
[摘要]综合考虑危险品物流运输的安全性和经济性，以运输总成本、车辆总数、人口密集区经过数、限行区域数为目标建立了一个多目标优化模型。针对模型，设计了一种改进的遗传算法来求解问题。
[关键词]危险品；车辆优化调度；危险品运输；多目标
1.引言
危险品物流运输不断的威胁着社会环境和人类生命财产安全。2000年至2009年间，在美国，就发生167680起危险品运输事故，死亡133人，受伤2784人，损失达6亿4千万美元[1]。目前关于危险品运输车辆调度问题的研究多是从风险分析的角度来建立模型，目标为最小风险[2，3]，最小最大风险，以及最小风险方差。在许多情况下，风险参数的统计数据严重缺乏、以及风险参数及惩罚成本参数的准确性和可靠性难以保证。此时，基于风险分析的危险品运输车辆调度优化模型的可用性受到限制。
2.危险品道路运输车辆优化调度模型的建立
2.1模型描述与假设
基于文章的研究内容，作如下的假设：
1）单独顾客对危险品的需求量不会超过每辆车的最大容量；
2）文章中只有一种车型，并且车辆容量已知；
3）每个顾客都被满足，并且都只由一辆车来进行。
2.2符号定义
U：货物运输车辆的集合，：车辆k的容量；n：配送中心中押运人员总数
Y：押运人数集合体，：需要服务的顾客数； C：需要服务的顾客的集合，
：表示配送中心（i=0）；N：表示：顾客i对货物的需求量；q0：货物的运输部门
ai：顾客i指定的最早送达时间；bi：顾客i指定的最迟送达时间；Lij：顾客i到顾客j所间隔的距离；tij：顾客i到顾客j所要行驶的时间；Tik：到顾客i的车辆k所要的总时间；
yijk：由顾客i到顾客j的车辆k所涉及的押运人员数；
2.3模型建立
建立的危险品物流运输调度模型目标函数为：
1）车辆的总运输成本：（1）；
2）总的运输车辆数：（2）；
3）人口密集区：（3）；
4）限行区域：（4）；
约束条件：
（5）；
（6）；
（7）
（8）；
（9）；
3.模型求解
应用遗传算法解决非线性0-1整数模型，具体的操作程序如下：
1）编码及种群初始化。对于危险品运输车辆调度优化模型（1）-（16）随机产生5个种群，设popsize为染色体规模，让这5个种群都包含有popsize个染色体。
2）目标的评价。5个种群的目标函数分别为（1）-（4），先对每个种群进行个体评价，再进行相应的排序。
3）挑选。运用赌轮盘机制，利用相应评价函数，分别对这几个种群进行单个的选择：
（17）
4）交叉。交叉概率设为表示第j个种群中平均有个染色体要在这一步进行交叉。交叉操作在各自的种群中同时进行。
5）变异。变异概率设为，表示种群中平均值为个染色体进行个体的变异操作。最后一个种群的步骤如下：
a） 对当前得到的这5个种群的目标函数进行评价，再进行排序；
b）前4个群体一共选出个染色体替代第5个种群中最后 个染色体，为最后一个种 选择该种群中的前个染色体，。这样就得到第5个种群来为下一代的种群。
6）结束。当迭代次数符合所求目标函数时，程序运行结束并且得出结果。
4.结语
文章同时考虑危险品运输的安全性和经济性，建立了一个带时间窗的危险品物流运输车辆多目标调度模型。该模型避免了风险分析模型中事故概率等模型参数难以获取的障碍，具有良好的使用范围和可操作性。针对文章建立的非线性0-1整数规划模型，设计了一种改进的遗传算法对问题进行求解。为危险化学品配送中心进行危险品运输提供了决策技术。
参考文献
[1]Y Kang， R Batta， C Kwon. Generalized route planning model for hazardous material transportation with var and equity considerations [R]. Working paper， University at Bufalo， Bufalo， USA， 2012.
[2]E Alp. Risk-based transportation planning practice： overall methodology and a case example [J]. Information Systems and Operations Research， 1995， 33（1）：4-19.
[3]高清平.基于可能-概率测度转换的危险品运输风险分析[J].中国安全科学学报，2011，21（3）：90-94.
[关键词]危险品；车辆优化调度；危险品运输；多目标
1.引言
危险品物流运输不断的威胁着社会环境和人类生命财产安全。2000年至2009年间，在美国，就发生167680起危险品运输事故，死亡133人，受伤2784人，损失达6亿4千万美元[1]。目前关于危险品运输车辆调度问题的研究多是从风险分析的角度来建立模型，目标为最小风险[2，3]，最小最大风险，以及最小风险方差。在许多情况下，风险参数的统计数据严重缺乏、以及风险参数及惩罚成本参数的准确性和可靠性难以保证。此时，基于风险分析的危险品运输车辆调度优化模型的可用性受到限制。
2.危险品道路运输车辆优化调度模型的建立
2.1模型描述与假设
基于文章的研究内容，作如下的假设：
1）单独顾客对危险品的需求量不会超过每辆车的最大容量；
2）文章中只有一种车型，并且车辆容量已知；
3）每个顾客都被满足，并且都只由一辆车来进行。
2.2符号定义
U：货物运输车辆的集合，：车辆k的容量；n：配送中心中押运人员总数
Y：押运人数集合体，：需要服务的顾客数； C：需要服务的顾客的集合，
：表示配送中心（i=0）；N：表示：顾客i对货物的需求量；q0：货物的运输部门
ai：顾客i指定的最早送达时间；bi：顾客i指定的最迟送达时间；Lij：顾客i到顾客j所间隔的距离；tij：顾客i到顾客j所要行驶的时间；Tik：到顾客i的车辆k所要的总时间；
yijk：由顾客i到顾客j的车辆k所涉及的押运人员数；
2.3模型建立
建立的危险品物流运输调度模型目标函数为：
1）车辆的总运输成本：（1）；
2）总的运输车辆数：（2）；
3）人口密集区：（3）；
4）限行区域：（4）；
约束条件：
（5）；
（6）；
（7）
（8）；
（9）；
3.模型求解
应用遗传算法解决非线性0-1整数模型，具体的操作程序如下：
1）编码及种群初始化。对于危险品运输车辆调度优化模型（1）-（16）随机产生5个种群，设popsize为染色体规模，让这5个种群都包含有popsize个染色体。
2）目标的评价。5个种群的目标函数分别为（1）-（4），先对每个种群进行个体评价，再进行相应的排序。
3）挑选。运用赌轮盘机制，利用相应评价函数，分别对这几个种群进行单个的选择：
（17）
4）交叉。交叉概率设为表示第j个种群中平均有个染色体要在这一步进行交叉。交叉操作在各自的种群中同时进行。
5）变异。变异概率设为，表示种群中平均值为个染色体进行个体的变异操作。最后一个种群的步骤如下：
a） 对当前得到的这5个种群的目标函数进行评价，再进行排序；
b）前4个群体一共选出个染色体替代第5个种群中最后 个染色体，为最后一个种 选择该种群中的前个染色体，。这样就得到第5个种群来为下一代的种群。
6）结束。当迭代次数符合所求目标函数时，程序运行结束并且得出结果。
4.结语
文章同时考虑危险品运输的安全性和经济性，建立了一个带时间窗的危险品物流运输车辆多目标调度模型。该模型避免了风险分析模型中事故概率等模型参数难以获取的障碍，具有良好的使用范围和可操作性。针对文章建立的非线性0-1整数规划模型，设计了一种改进的遗传算法对问题进行求解。为危险化学品配送中心进行危险品运输提供了决策技术。
参考文献
[1]Y Kang， R Batta， C Kwon. Generalized route planning model for hazardous material transportation with var and equity considerations [R]. Working paper， University at Bufalo， Bufalo， USA， 2012.
[2]E Alp. Risk-based transportation planning practice： overall methodology and a case example [J]. Information Systems and Operations Research， 1995， 33（1）：4-19.
[3]高清平.基于可能-概率测度转换的危险品运输风险分析[J].中国安全科学学报，2011，21（3）：90-94.