[论文解读] Simultaneous Planning of Liner Ship Speed Optimization, Fleet Deployment, Scheduling and Cargo Allocation with Container Transshipment

Jasashwi Mandal, Adrijit Goswami+2 more|arXiv (Cornell University)|Jul 21, 2023

Maritime Transport Emissions and Efficiency被引用 4

一句话总结

本文提出了一种双目标混合整数非线性规划（MINLP）模型，同时优化了考虑载荷相关燃油消耗和CO₂排放的班轮船速、船队部署、调度及转运货物分配。该模型在总成本与运输时间之间实现平衡，通过NSGA-II和OCEA求解，为现实班轮航运的复杂性与可持续性提供了Pareto最优解。

ABSTRACT

Due to a substantial growth in the world waterborne trade volumes and drastic changes in the global climate accounted for CO2 emissions, the shipping companies need to escalate their operational and energy efficiency. Therefore, a multi-objective mixed-integer non-linear programming (MINLP) model is proposed in this study to simultaneously determine the optimal service schedule, number of vessels in a fleet serving each route, vessel speed between two ports of call, and flow of cargo considering transshipment operations for each pair of origin-destination. This MINLP model presents a trade-off between economic and environmental aspects considering total shipping time and overall shipping cost as the two conflicting objectives. The shipping cost comprises of CO2 emission, fuel consumption and several operational costs where fuel consumption is determined using speed and load. Two efficient evolutionary algorithms: Nondominated Sorting Genetic Algorithm II (NSGA-II) and Online Clustering-based Evolutionary Algorithm (OCEA) are applied to attain the near-optimal solution of the proposed problem. Furthermore, six problem instances of different sizes are solved using these algorithms to validate the proposed model.

研究动机与目标

• 为应对全球贸易增长和CO₂排放上升带来的航运运营与能效提升需求。
• 同时优化四个相互关联的决策：船舶速度、船队部署、服务调度以及含转运的集装箱货物分配。
• 将实际运营因素（如载荷相关燃油消耗以及转运港口的装卸与仓储成本）整合到单一优化框架中。
• 平衡相互冲突的目标：最小化总运输成本（含CO₂排放）与最小化总运输时间。
• 为具有多条航线和转运枢纽的班轮航运网络提供全面、可持续的规划工具。

提出的方法

• 构建一个双目标混合整数非线性规划（MINLP）模型，以捕捉总成本（含CO₂排放、燃油和运营成本）与总运输时间之间的权衡。
• 引入与载荷和速度相关的燃油消耗函数，反映现实中燃油使用随速度和载荷非线性增加的实际情况。
• 通过在转运港口为跨船转运的集装箱计入库存持有成本和装卸成本，对转运操作进行建模。
• 应用两种多目标进化算法——NSGA-II和基于在线聚类的进化算法（OCEA）——以生成近似最优的Pareto前沿。
• 在六个不同规模的问题实例（如18–27个港口，3–5条航线）上验证模型，证明其可扩展性与解的质量。
• 采用加权和方法评估解的质量与收敛性，性能通过超体积和分布性指标进行评估。

实验结果

研究问题

• RQ1 如何在考虑转运与环境成本的前提下，同时优化班轮航运中的船速、船队部署、调度与货物分配？
• RQ2 在多航线班轮航运网络中，最小化总运输成本（含CO₂排放）与最小化总运输时间之间存在何种权衡？
• RQ3 与仅基于速度的燃油模型相比，引入载荷相关燃油消耗在多大程度上提升了优化模型的现实性与准确性？
• RQ4 NSGA-II与OCEA在解决所提出的多目标海事规划问题的复杂、非线性和混合整数特性方面，其有效性如何？
• RQ5 在多港口、多航线的班轮航运系统中，转运成本与滞留时间在多大程度上影响整体成本与调度决策？

主要发现

• 所提出的MINLP模型成功地将班轮航运中四个关键决策——船舶速度、船队部署、调度与货物分配——整合到一个包含转运的统一整体框架中。
• 该模型准确捕捉了船舶速度与燃油消耗之间的非线性关系，该关系同时依赖于速度与载荷，相较于简单模型更具现实意义。
• OCEA与NSGA-II在全部六个测试实例中均生成了分布良好的Pareto前沿，其中OCEA在较大实例（如24–27个港口）中表现出更优的收敛性与多样性。
• 对于实例（18,3,4），最优解的总成本约为4.402 × 10⁶美元，总运输时间为969小时，其中CO₂排放与燃油成本占总成本的主要部分。
• 结果表明，降低船速以减少排放将导致运输时间增加，而提高船速可缩短时间但会显著增加燃油与排放成本，验证了内在的权衡关系。
• 管理启示表明，将CO₂排放成本与转运装卸成本整合进优化模型，可支持更可持续且更具经济可行性的运营决策。