[发明专利]基于先验知识的自适应差分进化算法的多式联运能耗优化方法

说明书

技术领域

本发明属于一种多种载运工具联运的能耗优化技术，具体涉及基于先验知识的自适应差分进化算法的多式联运能耗优化方法。

背景技术

最近几年，运输过程中的成本和环境问题日益得到关注。一方面，因为燃油价格的上涨和市场的低迷，所以运输单位不得不减少运输成本来追求利润的最大化。另一方面，在运输过程中，因为各类载运工具会排放大量的废气排放物，比如，二氧化硫、二氧化碳、氮氧化合物等，所以它们对环境和人类的健康都会造成巨大的影响。为了缓解以上问题，许多国家或组织都积极提倡绿色经济和可持续发展并制定了各项严格政策。比如，国际海事组织(IMO)建立了硫碳排放控制区(SECA)来减少硫氧化合物的排放，进而可以有效地保护环境。2015年，国际海事组织就已经要求船舶在硫碳排放控制区(SECA)使用低硫燃料，并要求硫含量不能超过0.1％。该项措施虽然能够有效地保护环境，但对于运输单位来讲，这无疑会大大增加成本。2016年，我国也在长三角水域设立船舶大气污染排放控制区，旨在改善沿海和沿河区域的环境质量，推动船舶节能减排和绿色发展。可以预见，将来肯定会对公路、铁路、内河、航空等载运工具制定更为严格的排放要求。因此，如何降低运输成本和减少排放是一个亟待解决的问题。对于各类载运工具的能耗模型来讲，虽然有许多机理模型可以去描述，但是与实际的能耗模型相比，它们会存在一些偏差。因此，根据实际的数据，利用进化算法来对机理模型的参数进行辨识，得到更为准确的各类载运工具能耗模型是至关重要的。

随着经济的快速发展和客户需求的不断增长，物流的空间距离不断被拉大，但对货物时效性的要求却越来越高；并且货物的运输一般会采用多种运输方式来完成：即通过航运、公路、铁路、内河等多种运输方式组合的形式来实现运输服务。很多发达国家80％甚至90％以上的货物运输都会采用多式联运。但在运输过程中，因为对某些载运工具的能耗、碳、硫排放等有着不同要求，所以必须要同时考虑多式联运中各个载运工具的能耗问题。许多结果表明，如果对多式联运优化问题的速度进行优化，不但可以显著降低运输成本，而且可以起到环境保护的作用。然而，多式联运能耗优化问题本身往往具有高度非线性和高维性等特点，虽然一些传统优化方法能够在特定条件下对它们进行求解，但是当优化问题变得复杂时，这些方法通常很难得到令人满意的结果。在部分情况下，甚至可能无法得到有效解。相对于传统的优化方法，进化算法却具有很强的适应性(杨劲秋.智能优化算法评价模型研究.浙江大学,2011.)。

近年来，进化计算在各种优化领域中都获得了巨大的成功，解决了许多难以用传统优化方法去求解的实际优化问题。针对多式联运能耗优化问题，本发明采用基于先验知识的自适应差分进化算法来对该模型的参数进行辨识，然后，利用所提算法对该模型的自变量进行优化。因此，可以利用得到的优化解来指导多式联运中各个载运工具的最佳实践速度，这不但可以节约成本，还可以实现节能减排，具有重要的应用价值。

发明内容

针对现有方法难以建立准确的各类载运工具能耗模型和求解多式联运能耗优化问题的现状，本发明提出一种基于先验知识的自适应差分进化算法的多式联运能耗优化方法。具体来讲就是采用基于先验知识的自适应差分进化算法(PK-JADE)来对各类载运工具能耗模型的参数进行估计，从而得到一个精度较高的模型；同时，还利用该算法来求解多式联运能耗优化问题，使其能耗最低，进而可以节约运输成本和实现节能减排。

为实现以上目标，本发明的操作步骤如下：

(1)基于先验知识的自适应差分进化算法的设计；

进一步，基于先验知识的自适应差分进化算法的操作步骤如下：

(1.1)初始化：确定种群规模NP和最大的迭代代数G_max；在可行域P₀内随机生成一个初始种群P₁⁰；并且设定当前的代数G＝0。

(1.2)变异操作：对于每个个体利用以下变异策略来对其进行变异操作：

式(1)中，表示从当前的种群中随机选择最好的100p％个个体，p在(0,1]的区间内；F_i表示变异控制参数，其范围在[0,1]之间；r₁和r₂表示两个随机整数，其范围在[1，NP]内，并且r₁≠r₂。

(1.3)交叉操作：对于每个个体利用以下交叉策略来对其进行交叉操作：