一种基于可变邻域下降混合算法的轮渡服务网络优化方法技术

本发明专利技术公开了一种基于可变邻域下降混合算法的轮渡服务网络优化方法，包括先针对轮渡服务网络，构建FNDP‑SA的整数规划模型；基于给定的航段，采用第一启发式算法生成可行的轮渡时间表；然后采用第二启发式算法，根据轮渡时间表生成初始解；再设计可变邻域下降算法使用的一系列邻域；为避免搜索陷入局部最优状态，基于禁忌搜索TS设计接收准则；最后采用基于可变邻域下降算法迭代地对初始解进行改善：在每一次迭代中，基于接收准则，搜索邻域内是否有更优的解决方案，直至搜索过程终止，以此完成对初始解决方案的优化。本发明专利技术可以提供更优化的渡轮服务方案，优化渡轮服务网络，适用于规模较大的轮渡运输。

【技术实现步骤摘要】
一种基于可变邻域下降混合算法的轮渡服务网络优化方法
本专利技术涉及海岛交通优化
，特别涉及一种基于可变邻域下降混合算法的轮渡服务网络优化方法。
技术介绍
对游客和居住在离岛上的居民而言，轮渡是至关重要、有时甚至是唯一的用于穿行于群岛间的交通工具。作为公共交通的重要组成部分，轮渡网络设计问题(FNDP)已被广泛研究了数十年。正如Karapetyan和Punnen(2015)所指出的那样，即使只有四艘轮渡和七个港口的小规模问题，其最优化设计也被证明具有很大的挑战性。Lai和Lo(2004)研究了一个轮渡的调度问题，并得出了最优的船队规模、渡轮路线和时间表。在An和Lo(2014)中，随机需求被纳入渡轮服务设计中，并且开发了一种基于服务可靠性且具有用户均衡流的建模方式，其中考虑了两种类型的服务(即常规服务和临时服务)。最近，Bell等(2019)提出了一种熵最大化方法来解决FNDP问题，其中采用了熵最大化和效用最大化之间的等价关系，从乘客的角度寻找最佳渡轮路线。以上学者都对海岛轮渡网络提出了相应的优化方法，但其都是适用于乘客和轮渡信息规模较小的情况。随着海岛旅行业的不断发展，乘客和轮渡信息规模越来越大，这些算法都不再适用或者表现出低况性能。因此，面对海岛运输问题中出现的数据暴增的这一困境，迫切需要优化当前的渡轮服务网络。
技术实现思路
本专利技术的第一目的在于克服现有技术的缺点与不足，提供一种基于可变邻域下降混合算法的轮渡服务网络优化方法，该方法可以为乘客提供更优化的渡轮服务方案，优化渡轮服务网络，适用于乘客和轮渡信息规模较大的轮渡运输。本专利技术的第二目的在于提供一种存储介质。本专利技术的第三目的在于提供一种计算设备。本专利技术的第一目的通过下述技术方案实现：一种基于可变邻域下降混合算法的轮渡服务网络优化方法，步骤如下：S1、针对轮渡服务网络，构建FNDP-SA的整数规划模型；S2、对于步骤S1构建的FNDP-SA的整数规划模型，先基于给定的航段，采用第一启发式算法生成可行的轮渡时间表；然后采用第二启发式算法，根据轮渡时间表生成初始解，初始解即是为乘客提供渡轮服务的初始解决方案；S3、设计可变邻域下降算法使用的一系列邻域；S4、为避免搜索陷入局部最优状态，基于禁忌搜索TS设计接收准则；S5、采用基于可变邻域下降算法迭代地对初始解进行改善：在每一次迭代中，基于接收准则，搜索邻域内是否有更优的解决方案，直至搜索过程终止，以此完成对初始解决方案的优化。优选的，在步骤S1中，通过合并泊位限制和容量分配策略，得出FNDP-SA的集合划分公式，即整数规划模型：subjectto:其中，f为轮渡，F为轮渡集合；s为轮渡时间表，S为基于候选航段生成的所有轮渡时间表的集合；为决策变量，如果将时间表s分配给渡轮f，则等于1，否则，等于0；为轮船f执行的时刻表s的运营成本；Cf为轮渡f的容量；d为乘客的旅行需求，对于每个d，其出发和目的地港口以及所需的出发时间都是已知的，D为旅行需求集合；r为航段，R为候选航段，Rs为时间表s中的候选航段；md为有需求d的乘客人数；是指航段r中可用于满足需求d的最大比率；τ为时间周期，T为时间周期集合；k为港口，P为港口集合；Bk为港口k的泊位数量；等于1或者等于0，表示在τ时期内，时间表s占用了港口k的泊位；表示在τ时期内，时间表s没有占用港口k的泊位；表达式(1)为目标函数，表示最小化所有已执行轮渡时间表的总运营成本；表达式(2)～(4)为约束条件，表达式(2)确保在时间范围内最多可以将一个渡轮分配给一个时间表；表达式(3)要求在容量分配策略下必须满足所有要求；表达式(4)确保在任何时间周期内每个港口上的占用泊位数量都不会超过可用泊位数量；决策变量都是二进制的，如表达式(5)中所定义。优选的，在步骤S2中，基于给定的航段，采用第一启发式算法生成可行的轮渡时间表，过程如下：S211、设可行的轮渡时间表的集合可供选择的随机航段集合R*＝R；令MAX表示未能将航段扩展到给定时间表的连续迭代的最大次数；S212、判断R*是否为若是，则结束算法；若否，则从中选择一随机航段r，r∈R*，R*＝R*\{r}，每个航段仅用作一次初始航段；S213、判断该随机航段r的出发港口αr是否属于出发港口集合Π，P为港口集合，若是，则创建一个新的轮渡时间表s＝{r}，一个轮渡时间表是由一系列航段前后衔接而成的航段序列，s＝{r}表示时间表中先选择一个航段r作为该航段序列中的第一个航段；若否，则返回步骤S212；S214、设迭代次数count＝0；当新的轮渡时间表s的目标港口βs∈Π时，令S＝S∪s；S215、令count＝count+1，若count≤MAX，则选择新的随机航段r'∈R，若count>MAX，则返回步骤S212；S216、判断新的随机航段r'的出发港口αr'是否等于βs，ts+ls+π是否小于或等于tr'，ts为轮渡时间表s的出发时间，ls为轮渡时间表s的总服务时间，tr'为航段r'的出发时间，若αr'＝βs且ts+ls+π≤tr'，则令s＝s∪r'，count＝0；若αr'不等于βs或者ts+ls+π大于tr'，则返回步骤S215；S217、输出最终的所有可行的轮渡时间表S。优选的，在步骤S2中，采用第二启发式算法，根据轮渡时间表生成初始解，过程如下：S221、令Δ表示初始解：令可供选择的随机旅行需求集合D*＝D，D为旅行需求集合；S222、判断D*是否等于若是，则结束算法；若否，则从中随机选择一个旅行需求d*，d*∈D*，D*＝D*\{d*}；S223、判断有需求d*的乘客人数是否大于0，若否，则返回步骤S222；若是，则随机选择一个轮渡时间表s＝{r1,r2,...,rn}∈S；S224、判断需求d*是否可以被随机选择的轮渡时间表s服务，即是否大于0，若否，则返回步骤S222；若是，则为需求d*随机选择一个轮渡f∈F；S225、选择新的随机旅行需求d'∈D，并判断d'是否属于D*，若是，则有需求d'的乘客人数表示一个航段r由轮渡f来执行时，可用于满足需求d'的最大座位数量，表示时间表s内所有航段由轮渡f来执行时，可用于服务需求d'的最大座位总数；初始解Δ＝Δ∪{s,f}，并返回步骤S223；若否，则返回步骤S222；S226、输出最终的所有初始解。优选的，在步骤S3中，利用突变、交换和循环交换这三种运算符来开发一系列不同的邻域结构κ为邻域序号；突变运算符和交换运算符可反复使用；邻域是指使用运算符对当前的解决方案进行变换而得到潜在解的集合；邻域结构是指解决方案中的轮渡时间表和分配给时间表的轮渡；开发过程如下：1)利用突变运算符从第一启发式算法生成的所有可行的轮渡时间表中随机选择一个轮渡时间表，如本文档来自技高网...

【技术保护点】
1.一种基于可变邻域下降混合算法的轮渡服务网络优化方法，其特征在于，步骤如下：/nS1、针对轮渡服务网络，构建FNDP-SA的整数规划模型；/nS2、对于步骤S1构建的FNDP-SA的整数规划模型，先基于给定的航段，采用第一启发式算法生成可行的轮渡时间表；然后采用第二启发式算法，根据轮渡时间表生成初始解，初始解即是为乘客提供渡轮服务的初始解决方案；/nS3、设计可变邻域下降算法使用的一系列邻域；/nS4、为避免搜索陷入局部最优状态，基于禁忌搜索TS设计接收准则；/nS5、采用基于可变邻域下降算法迭代地对初始解进行改善：在每一次迭代中，基于接收准则，搜索邻域内是否有更优的解决方案，直至搜索过程终止，以此完成对初始解决方案的优化。/n

【技术特征摘要】
1.一种基于可变邻域下降混合算法的轮渡服务网络优化方法，其特征在于，步骤如下：
S1、针对轮渡服务网络，构建FNDP-SA的整数规划模型；
S2、对于步骤S1构建的FNDP-SA的整数规划模型，先基于给定的航段，采用第一启发式算法生成可行的轮渡时间表；然后采用第二启发式算法，根据轮渡时间表生成初始解，初始解即是为乘客提供渡轮服务的初始解决方案；
S3、设计可变邻域下降算法使用的一系列邻域；
S4、为避免搜索陷入局部最优状态，基于禁忌搜索TS设计接收准则；
S5、采用基于可变邻域下降算法迭代地对初始解进行改善：在每一次迭代中，基于接收准则，搜索邻域内是否有更优的解决方案，直至搜索过程终止，以此完成对初始解决方案的优化。


2.根据权利要求1所述的基于可变邻域下降混合算法的轮渡服务网络优化方法，其特征在于，在步骤S1中，通过合并泊位限制和容量分配策略，得出FNDP-SA的集合划分公式，即整数规划模型：



subjectto:












其中，f为轮渡，F为轮渡集合；s为轮渡时间表，S为基于候选航段生成的所有轮渡时间表的集合；为决策变量，如果将时间表s分配给渡轮f，则等于1，否则，等于0；为轮船f执行的时刻表s的运营成本；
Cf为轮渡f的容量；d为乘客的旅行需求，对于每个d，其出发和目的地港口以及所需的出发时间都是已知的，D为旅行需求集合；r为航段，R为候选航段，Rs为时间表s中的候选航段；md为有需求d的乘客人数；是指航段r中可用于满足需求d的最大比率；
τ为时间周期，T为时间周期集合；k为港口，P为港口集合；Bk为港口k的泊位数量；等于1或者等于0，表示在τ时期内，时间表s占用了港口k的泊位；表示在τ时期内，时间表s没有占用港口k的泊位；
表达式(1)为目标函数，表示最小化所有已执行轮渡时间表的总运营成本；表达式(2)～(4)为约束条件，表达式(2)确保在时间范围内最多可以将一个渡轮分配给一个时间表；表达式(3)要求在容量分配策略下必须满足所有要求；表达式(4)确保在任何时间周期内每个港口上的占用泊位数量都不会超过可用泊位数量；决策变量都是二进制的，如表达式(5)中所定义。


3.根据权利要求1所述的基于可变邻域下降混合算法的轮渡服务网络优化方法，其特征在于，在步骤S2中，基于给定的航段，采用第一启发式算法生成可行的轮渡时间表，过程如下：
S211、设可行的轮渡时间表的集合可供选择的随机航段集合R*＝R；令MAX表示未能将航段扩展到给定时间表的连续迭代的最大次数；
S212、判断R*是否为若是，则结束算法；若否，则从中选择一随机航段r，r∈R*，R*＝R*\{r}，每个航段仅用作一次初始航段；
S213、判断该随机航段r的出发港口αr是否属于出发港口集合Π，P为港口集合，若是，则创建一个新的轮渡时间表s＝{r}，一个轮渡时间表是由一系列航段前后衔接而成的航段序列，s＝{r}表示时间表中先选择一个航段r作为该航段序列中的第一个航段；若否，则返回步骤S212；
S214、设迭代次数count＝0；当新的轮渡时间表s的目标港口βs∈Π时，令S＝S∪s；
S215、令count＝count+1，若count≤MAX，则选择新的随机航段r'∈R，若count>MAX，则返回步骤S212；
S216、判断新的随机航段r'的出发港口αr'是否等于βs，ts+ls+π是否小于或等于tr'，ts为轮渡时间表s的出发时间，ls为轮渡时间表s的总服务时间，tr'为航段r'的出发时间，
若αr'＝βs且ts+ls+π≤tr'，则令s＝s∪r'，count＝0；若αr'不等于βs或者ts+ls+π大于tr'，则返回步骤S215；
S217、输出最终的所有可行的轮渡时间表S。


4.根据权利要求1所述的基于可变邻域下降混合算法的轮渡服务网络优化方法，其特征在于，在步骤S2中，采用第二启发式算法，根据轮渡时间表生成初始解，过程如下：
S221、令Δ表示初始解：令可供选择的随机旅行需求集合D*＝D，D为旅行需求集合；
S222、判断D*是否等于若是，则结束算法；若否，则从中随机选择一个旅行需求d*，d*∈D*，D*＝D*\{d*}；
S223、判断有需求d*的乘客人数是否大于0，若否，则返回步骤S222；若是，则随机选择一个轮渡时间表s＝{r1,r2,...,rn}∈S；
S224、判断需求d*是否可以被随机选择的轮渡时间表s服务，即是否大于0，若否，则返回步骤S222；若是，则为需求d*随机选择一个轮渡f∈F；
S225、选择新的随机旅行需求d'∈D，并判断d'是否属于D*，若是，则有需求d'的乘客人数表示一个航段r由轮渡f来执行时，可用于满足需求d'的最大座位数量，表示时间表s内所有航段由轮渡f来执行时，...

【专利技术属性】
技术研发人员：邵赛俊，徐素秀，程会兵，屈挺，谭冰清，
申请(专利权)人：暨南大学，
类型：发明
国别省市：广东;44