不确定情形下的绿色物流网络和库存问题研究

当前,绿色物流网络的构建对企业物流系统的可持续发展起着至关重要的作用。文中研究了不确定情形下的绿色物流网络和库存问题,提出了一个考虑网络成本和CO2排放当量的双目标随机规划模型。其中,经济目标最小化网络总成本,包括订货成本、采购成本、运输成本、库存持有成本、延期交货成本和缺货损失成本;环境目标最小化运输过程的CO2排放,该过程基于《IPCC国家温室气体清单指南》中提出的测算方法和数据库进行。对于客户需求的可变性,采用情形树法进行描述,以客户需求不确定性的发生为界,将模型分为两个阶段进行分析。此外,文中对带精英策略的非支配排序遗传算法(NSGA II)进行改进求解上述模型,测试结果表明改进算法在收敛性能上明显优于原算法。文中模型和算法在一个两级供应链物流网络算例中的应用结果表明,环境目标的引入通过对订货、库存及运输方式决策产生影响来降低运作对环境的影响,决策者可以在小范围增加成本的前提下大幅度降低环境影响。此外,文中还对各决策过程关于延期配送的货物比例α的影响机理进行了分析。进一步说明了文中提出的模型和算法可以为各级决策者提供有效的订货、库存及车辆调度方案,以达到网络总成本和环境污染最小化的目的。     

时间依赖型绿色车辆路径问题研究

城市配送系统中考虑交通拥堵和环境污染车辆路径问题的时间依赖性体现在：不同道路 拥堵程度下车辆运行速度不同,则不同出发时间对应的运输总时间也不同,导致运输成本和造成 的环境污染也有较大差异。因此,本文提出一个时间依赖型绿色车辆路径模型,通过优化运输路 径和出发时间降低运输成本、减少环境污染。模型的目标函数最小化包括油耗成本在内的运输 总成本,其中,车辆油耗的度量基于综合模式排放模型,其创新之处在于,定义了允许车辆在节点 处等待的情形,使车辆选择合适的时间出发以规避拥堵,即通过优化车辆路径以及路径上各节点 处的出发时间寻求成本最优的运输方案。本文提出嵌套遗传算法求解模型,外层遗传算法优化 路径,内层遗传算法优化路径上各节点处的车辆出发时间。并通过响应面分析法(RSM)调试算法 关键参数,得到适用于模型的最佳参数搭配,算法性能测试结果表明了本文算法的高效性。本文 基于污染-路径问题实验数据库进行数值实验,结果证明,允许车辆在客户处等待并选择合适时 间出发,可以在一定程度上降低燃油消耗和总成本。此外,目标函数中引入油耗要素,可以有效 降低决策方案的燃油消耗,减少环境污染。     

提高船舶“水下工程”修理质量

若内河机动船舶的水下工程修理欠佳，船舶的艉轴、螺旋浆、密封装置、舵、导流管、海底阀等出了问题，就得上排、吊梢或进坞。近年来，当内河船舶水下工程出现故障时，为提高修理质量我们采取了结构和工艺上的改进措施，大大减少了因修理质量较差而造成的返修现象，使船舶营运率和完好率有较明显的提高。