排序方式: 共有6条查询结果,搜索用时 97 毫秒
1
1.
2.
3.
4.
考虑货主的选择行为与运输需求的时空分布特征, 把承运人的船舶运营期划分为多个连续的时间窗, 基于离散选择模型把货主的选择惯性转化为承运人在航段上的市场份额, 对不同时间窗内承运人在即期市场上应承担的货运量进行优化; 以承运人利润最大为目标构建优化模型, 求解规划期内船舶的运营调度方案, 确定船舶承运的货物和航次衔接; 选取太平洋地区包括中国、加拿大、澳大利亚、俄罗斯、印度尼西亚、巴西和美国在内的7个国家作为干散货主要进出口国, 在每个国家确定一个港口作为网络节点, 根据克拉克森官网发布的航线、运价与干散货需求等数据对不定期船舶进行调度优化, 并采用遗传算法求解模型。计算结果表明: 在相同的运输时间窗内, 在优化方案下, 船舶航行时间为58 d, 收益为3.01×105美元, 在传统调度模式下, 单纯追求每个航段的收益最大化, 船舶航行时间为56 d, 收益为2.48×105美元, 优化方案的利润高出5.30×104美元, 因此, 为了最大化运营期的利润, 在货运需求时空变化和货主选择惯性的影响下, 船舶在某些时间窗内应执行空载或利润较低的航次。 相似文献
5.
6.
提出根据各尾号小汽车空间分布特征计算尾号出行OD矩阵的方法,基于公平性原则,构建尾号限行方案优化模型.上层模型以工作日(周一~周五)车辆总走行时间最小为目标,以各工作日每辆小汽车早高峰平均走行时间基本相同且每周各尾号限行次数不大于1为约束,给出限号方案;下层模型基于用户均衡原则分配OD交通量.限号方案与分配结果相互作用,达到均衡状态时可得最优限号组合方案.为验证模型,以D市为例进行实证研究,结果表明,与基于经验的限号方案相比,优化方案下路网通行效率可提高5.35%,工作日车辆总走行时间降低0.894×105h,日均单车走行时间减少4.5 min. 相似文献
1