多時間粒度下端到端煤炭供應鏈增效方法研究

《多時間粒度下端到端煤炭供應鏈增效方法研究》是依託武漢理工大學，由鄭瀾波擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：多時間粒度下端到端煤炭供應鏈增效方法研究
• 項目類別：青年科學基金項目
• 項目負責人：鄭瀾波
• 依託單位：武漢理工大學

項目摘要

煤炭供應鏈的規劃和運作是非常複雜的系統行為：系統的有效容量取決於各子系統的相互作用結果；作用於不同時間跨度的短期、中期、長期等規劃和調度需要協調和銜接才能保證各階段決策的正確和有效。最大效率地利用煤炭資源，需要動態配煤，即將正確的原材料在正確的時間送到正確的地點生成配煤產品，從而最大程度地滿足客戶需求。針對這些複雜性，本項目為煤炭供應鏈建立端到端的最佳化模型，將系統作為一個整體統一運作。本研究通過對時間粒度的控制，確定不同時間跨度下決策模型的充分必要精細度；基於對偶性理論和分解算法探索新的方法，將鐵路等複雜子模組融入端對端的主系統模型以簡化最佳化模型結構；設計和開發集中約束規劃、數學規劃和局部搜尋等算法優勢的混合最佳化算法，對模型求解。本項目的研究成果對煤炭供應鏈精益、高效地管理有重要的理論和實踐意義。

結題摘要

我國長期以煤炭為基礎能源且需求持續增加，煤炭物流成本居高不下高、資源緊缺和浪費是嚴重的經濟、社會問題。煤炭資源最佳化整合需要以先進的科學方法為手段進行精益、集約化的管理。本項目研究煤炭供應鏈協同管理下作用於不同時間規劃期的戰略、規劃和調度管理問題，旨在通過供應鏈管理、數學最佳化、人工智慧算法相結合的方法，為複雜的管理決策問題探索新的解決思路和方法。經過三年的努力，按計畫在理論和套用方面同時開展了相關合作和研究，取得了一定的科研成果。理論研究方面的成果主要體現在三個方面：一是利用列生成（column generation）和Benders分解等方法對帶複雜約束的大規模網路最佳化問題建立了多尺度的分層模型，並通過為子問題單獨設計最佳化算法以及與主問題互動疊代過程的最佳化，在基於標準測試包的計算實驗中取得了較好結果；二是在高性能混合最佳化算法研發中，開發了將線性規劃（linear programming）和禁忌（Tabu）搜尋相結合，約束規劃（Constraint Programming）和分支定界（Branch and Bound）相結合的算法用於求解煤炭供應鏈管理中的中期規劃問題和短期調度問題，實驗結果驗證了混合算法的可行性和性能，同時利用機器學習方法，開發了基於參數最佳化（parameterized）的元啟發算法，並套用於煤炭供應鏈中期維護規劃管理中，實驗結果證明了方法的可行性；三是在基礎理論研究中，首次研究了帶資源約束的基礎最短路（resource constrained elementary shortest path）問題的多面體結構 (polytope)，該問題是經典帶時間窗的路徑規劃問題（VRPTW）的子問題，研究證明了該多面體結構的維度並提出了基於包含小平面定義（facet-defining）不等式的多個有效不等式的割平面（cutting plane）算法，套用於改進的Solomon標準測試包的結果證明了方法的有效性。在套用研究方面，與神華黃驊港合作，為其特殊的筒倉配煤調度問題和一體化的泊位配煤裝船計畫問題開發了基於約束規劃和動態規劃的模型和算法，套用於實際生產數據效果明顯。本項目為以煤炭為代表的散貨供應鏈管理提供了新的思路和手段，有利於煤炭物流成本的減少、煤炭資源的節約和以回響時間為代表的服務質量的提升。