【技术实现步骤摘要】
本申请涉及船舶调度，特别是指一种船舶调度优化方法、装置、存储介质和程序产品。
技术介绍
1、现有技术中的确定性场景下船舶分配与集装箱调度方法：忽略集装箱的周转时间(集装箱从满载集装箱变为可用空集装箱的时间)或者将其视为固定值，基于两阶段进行决策，第一阶段决定船舶分配策略，第二阶段在给定第一阶段的基础上，决定集装箱调度策略。在实践中，不同客户对于集装箱的使用情况不同，准确预测集装箱的周转时间具有挑战性，因此，忽略集装箱的周转时间或者使用固定周转时间无法准确获得可用的空集装箱数量，可能会导致额外的集装箱租赁成本或者导致需求无法按照预期满足。
2、现有技术中的反应式解决方案：当观察到较为明显的空集装箱分布不均衡时，船运公司派出专门船只，将空集装箱从面临集装箱堆积的港口运输到面临集装箱短缺的港口。现有技术中的反应式解决方案不能产生直接收入，且部署专用船舶产生大量的船舶部署成本，同时，派遣专用船舶进行空集装箱调度需要一定的时间，无法即时解决集装箱堆积和短缺问题。
3、因此，现有技术中对于周转时间不确定的情况下，进行船舶优化调度方案准确性较差。
技术实现思路
1、本申请的目的是提供一种船舶调度优化方法、装置、存储介质和程序产品，以解决现有技术中对于时间不确定的情况下，进行船舶优化调度方案准确性较差的问题。
2、为达到上述目的，本申请的实施例提供一种船舶调度优化方法，包括：
3、获取船舶分配与空箱重调度联合优化的确定性模型；
4、将所述
5、根据获取的集装箱周转时间的历史数据，确定多个目标场景；
6、将所述随机规划模型拆分为主问题和所述目标场景所对应的子问题，根据所述主问题和所述子问题，确定船舶分配与空箱重调度的调度计划；其中，一个所述子问题对应一个目标场景。
7、可选地，获取船舶分配与空箱重调度联合优化的确定性模型前，所述方法还包括：
8、确定构建所述确定性模型的第一决策变量；所述第一决策变量包括：确定航线上派遣船舶类型的指示变量、航运公司在港口对之间用于满足需求的自有集装箱数量、用于满足需求的租赁集装箱数量、在港口对之间调度的空集装箱数量、需求未被满足的数量以及辅助决策变量；
9、根据所述第一决策变量，确定构建所述确定性模型的第一目标函数；所述第一目标函数用于确定船舶分配和空箱重调度联合优化的目标为最小化总成本；
10、确定所述第一目标函数的约束条件；所述约束条件包括：船舶类型约束条件、船舶轮换约束条件、船舶数量约束条件、需求约束条件、船舶运力约束条件、集装箱数量初始化约束条件、集装箱流平衡约束条件和所述第一决策变量的定义域约束条件；
11、根据所述第一目标函数和所述约束条件，构建所述确定性模型。
12、可选地，所述随机规划模型的输出包括两个阶段的决策，所述两个阶段的决策包括：
13、第一阶段决策，用于求解所述主问题，确定每次轮换所调度的船舶类型；
14、第二阶段决策，基于所述第一阶段决策，确定通过自有和租赁集装箱满足的需求数量、未满足的需求数量以及每次运输轮换时各港口对之间重新定位的集装箱数量。
15、可选地，根据获取的集装箱周转时间的历史数据，确定多个目标场景，包括：
16、获取集装箱周转时间的历史数据；
17、利用p-中值模型对所述历史数据中的原始场景集合进行场景缩减，确定缩减后的目标场景；所述目标场景与所述原始场景集合中的原始场景具有一对一映射关系；
18、其中，所述原始场景集合为各港口集装箱周转时间的组合；所述p-中值模型用于确定所述原始场景与缩减原始场景集合后的目标场景集合中的加权距离最短的场景。
19、可选地，利用p-中值模型对所述历史数据中的原始场景集合进行场景缩减前，所述方法还包括：
20、确定构建所述p-中值模型的第二决策变量；
21、根据所述第二决策变量，确定构建所述p-中值模型的第二目标函数；所述第二目标函数用于最小化每个集装箱周转场景与对应的代表性场景之间的加权距离之和；
22、确定所述第二目标函数的第二约束条件；所述第二约束条件包括：加权距离条件、限制代表性场景数量条件、被其他场景映射的前提条件、一对一映射限制条件和所述第二决策变量的定义域约束条件；
23、根据所述第二目标函数和所述第二约束条件，构建所述p-中值模型。
24、可选地，将所述随机规划模型拆分为主问题和所述目标场景所对应的子问题，根据所述主问题和所述子问题，确定船舶分配与空箱重调度的调度计划，包括：
25、将所述随机规划模型拆分为一个所述主问题和一组所述子问题；
26、利用预设分解算法求解所述主问题，确定第一最优解信息，并利用所述第一最优解信息，更新所述预设分解算法的下界信息；其中，用于求解所述主问题所需要的输入参数包括：需求信息、船舶和集装箱信息、集装箱周转时间场景和初始最优割条件；
27、在给定船舶类型的前提下并行求解各场景的对偶子问题，得到第二最优解信息，并利用所述第二最优解信息，更新所述预设分解算法的上界信息；所述对偶子问题是根据所述主问题和所述子问题确定的；
28、若满足预设终止条件，则根据第一最优解信息，即船舶部署方案，确定集装箱调度计划，并输出船舶部署与集装箱调度方案；
29、若不满足预设终止条件，则在所述主问题中添加目标最优割条件后，重新执行利用预设分解算法求解所述主问题，确定第一最优解信息的步骤。
30、可选地，所述主问题用于最小化分配船舶相关成本；
31、所述子问题用于根据所述主问题中确定的船舶类型，决定各个场景下用于完成货物运输的自有和租赁集装箱的数量、需要重新定位的空集装箱的数量以及每个运输需求的未满足部分，最小化集装箱租赁成本和未满足需求的惩罚成本。
32、本申请实施例提供一种船舶调度优化装置，包括：
33、获取模块，用于获取船舶分配与空箱重调度联合优化的确定性模型；
34、第一处理模块，用于将所述确定性模型转化为随机规划模型；
35、第二处理模块，用于根据获取的集装箱周转时间的历史数据，确定多个目标场景；
36、第三处理模块，用于将所述随机规划模型拆分为主问题和所述目标场景所对应的子问题，根据所述主问题和所述子问题，确定船舶分配与空箱重调度的调度计划；其中，一个所述子问题对应一个目标场景。
37、本申请实施例提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的船舶调度优化方法中的步骤。
38、本申请实施例提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现如上所述的船舶调度优化方法的步骤。
39、本申请的上述技术方案的有益效果如下：
4本文档来自技高网...
【技术保护点】
1.一种船舶调度优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取船舶分配与空箱重调度联合优化的确定性模型前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述随机规划模型的输出包括两个阶段的决策，所述两个阶段的决策包括：
4.根据权利要求1所述的方法，其特征在于，根据获取的集装箱周转时间的历史数据，确定多个目标场景，包括：
5.根据权利要求4所述的方法，其特征在于，利用P-中值模型对所述历史数据中的原始场景集合进行场景缩减前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，将所述随机规划模型拆分为主问题和所述目标场景所对应的子问题，根据所述主问题和所述子问题，确定船舶分配与空箱重调度的调度计划，包括：
7.根据权利要求1所述的方法，其特征在于，所述主问题用于最小化分配船舶相关成本；
8.一种船舶调度优化装置，其特征在于，包括：
9.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至7任
10.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令被处理器执行时实现如权利要求1至7中任一项所述的船舶调度优化方法的步骤。
...【技术特征摘要】
1.一种船舶调度优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取船舶分配与空箱重调度联合优化的确定性模型前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述随机规划模型的输出包括两个阶段的决策，所述两个阶段的决策包括：
4.根据权利要求1所述的方法，其特征在于，根据获取的集装箱周转时间的历史数据，确定多个目标场景，包括：
5.根据权利要求4所述的方法，其特征在于，利用p-中值模型对所述历史数据中的原始场景集合进行场景缩减前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：宫琳，项溪，王子灏，刘敏霞，刘欣，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。