內(nèi)河溢油應(yīng)急物資調(diào)度優(yōu)化研究

熊 銳 楊亞東

(武漢理工大學(xué)航運學(xué)院 武漢 430063)

0 引 言

長江經(jīng)濟(jì)帶建設(shè)促進(jìn)了內(nèi)河航運的發(fā)展，船舶流量持續(xù)增長，也增加了油品泄露的機(jī)率[1]．溢油事故發(fā)生后，溢油會順流而下，嚴(yán)重影響下游的生態(tài)環(huán)境．而溢油應(yīng)急物資的調(diào)度過程復(fù)雜，需要經(jīng)過多個操作步驟轉(zhuǎn)換，常規(guī)的應(yīng)急預(yù)案中極易出現(xiàn)溢油應(yīng)急物資等待時間過長的情況，因此科學(xué)地安排操作步驟并實施準(zhǔn)確而及時的調(diào)度應(yīng)急物資救援能節(jié)省等待時間，提高應(yīng)急物資的調(diào)度效率．

針對水路運輸?shù)陌踩O(jiān)管和船舶溢油的風(fēng)險防范，國內(nèi)外學(xué)者的研究成果主要集中在應(yīng)急物資的調(diào)度和最優(yōu)路徑的選擇兩方面．Yan等[2]研究了資源調(diào)度中的多目標(biāo)優(yōu)化問題，并通過設(shè)定物資優(yōu)先級的方法，分成兩個階段解決了調(diào)度優(yōu)化中的物流問題；Saadatsereshtabb[3]基于運輸成本，研究了減少運輸成本的居多方法；廖良才等[4]結(jié)合遺傳算法突出的全局搜索能力和啟發(fā)式算法優(yōu)秀的局部搜索能力，打破常規(guī)的單一算法使用模式，構(gòu)造出一種新的混合算法；黃肖玲等[5]考慮海上溢油事故時間與成本因素，建立應(yīng)急物資調(diào)度優(yōu)化模型；肖敏等[6]建立通用物資的調(diào)度模型，為應(yīng)急物資的調(diào)度指引方向，從而保障物資調(diào)度工作的科學(xué)性；張永領(lǐng)等[7-9]設(shè)計粒子群優(yōu)化算法進(jìn)行物資運輸和分配決策．

上述有關(guān)應(yīng)急調(diào)度的研究，主要是針對陸上應(yīng)急物資調(diào)度，針對水陸配合調(diào)度的研究不多，為數(shù)不多的水域調(diào)度研究也多以海上溢油應(yīng)急物資調(diào)度研究為主，對于內(nèi)河水域的溢油應(yīng)急物資調(diào)度問題涉及較少．而在實際的內(nèi)河溢油應(yīng)急物資調(diào)度過程中，存在應(yīng)急物資需求量難以確定、調(diào)度任務(wù)分配方式不合理，以及調(diào)度過程中等待時間過長等問題．因此，文中結(jié)合溢油事故本身的特點和溢油應(yīng)急物資自身的屬性，將時間最短作為調(diào)度研究目標(biāo)，提出合理分配物資調(diào)度步驟的優(yōu)化方法，建立內(nèi)河溢油應(yīng)急物資調(diào)度優(yōu)化模型，同時融合遺傳算法和粒子群算法求解模型，并運用仿真軟件進(jìn)行驗證．

1 內(nèi)河溢油應(yīng)急物資調(diào)度建模

1.1 問題描述

內(nèi)河油品泄露危害較大，當(dāng)溢油事故發(fā)生后，存在溢油應(yīng)急物資需求量無法確定和調(diào)度等待時間過長的問題，如何充分發(fā)揮國家溢油應(yīng)急設(shè)備庫的力量對減少污染損害顯得至關(guān)重要．針對實際情況做出如下假設(shè)：①溢油事故的溢油量確定；②所有的物資儲備點的物資儲備量確定；③物資儲備點到碼頭集合點、碼頭集合點到事故點的路徑唯一；④應(yīng)急物資運輸時不考慮水文氣象等外因的影響．圖1為溢油應(yīng)急物資調(diào)度過程．

圖1 溢油應(yīng)急物資調(diào)度過程

在常規(guī)的溢油應(yīng)急預(yù)案中，一般采用操作步驟逐級實施的調(diào)度流程，這種方法會導(dǎo)致整個調(diào)度周期和調(diào)度等待時間過長，而應(yīng)急調(diào)度以時間最短為首選目標(biāo)，溢油應(yīng)急物資的體積、外形和操作步驟內(nèi)部約束對其每個操作步驟的實施時間有極大影響，而物質(zhì)的體積和外形無法改變，所以對應(yīng)急物資的操作次序進(jìn)行優(yōu)化，從而提高整個應(yīng)急調(diào)度的效率，減少調(diào)度時間，更早地開展事故現(xiàn)場救援工作．因此，文中在核心的操作步驟的等待時間中插入非核心操作步驟，并采用合理的方式安排溢油應(yīng)急物資進(jìn)行某一操作步驟的次序，從而實現(xiàn)應(yīng)急調(diào)度優(yōu)化．具體見圖2．

圖2 調(diào)度優(yōu)化流程圖

1.2 模型構(gòu)建

1.2.1確定出救點和所需物資數(shù)量

minTφ∈ω(φ)

(1)

(2)

s.t.x=(tf-ts)×v

(3)

(4)

1.2.2溢油應(yīng)急物資調(diào)度優(yōu)化模型

內(nèi)河的港口碼頭儲備了部分溢油應(yīng)急設(shè)施設(shè)備，但配備的應(yīng)急物資種類較為單一，數(shù)量不多，因此文中僅研究國家溢油應(yīng)急設(shè)備庫里應(yīng)急物資的調(diào)度順序的優(yōu)化．調(diào)度過程包括溢油應(yīng)急物資的種類選擇、調(diào)度排序以及不同物資操作步驟開始時間的確定．設(shè)需要調(diào)度M種溢油應(yīng)急物資，每種物資分解成N個操作步驟，且最遲抵達(dá)時間為li(i=1，2，…，M)．物資i各操作步驟之間時間約束矩陣Ki及調(diào)度方案描述矩陣為

(5)

(6)

溢油應(yīng)急物資的調(diào)度模型為

(7)

(8)

(9)

2 模型求解與仿真驗證

2.1 遺傳粒子群算法

粒子群算法收斂速度快和計算精度高，但很多時候無法找到全局最優(yōu)解，只能找到較好的解，引入傳統(tǒng)遺傳算法，將兩者結(jié)合能準(zhǔn)確而迅速地找到最優(yōu)解．粒子的更新為

(10)

Vid=WVid+C1R1(P1id-Xid)+

C2R2(Pgd-Xid)

(11)

Xid=Xid+Vid

(12)

(13)

式中：D1為算法最大迭代次數(shù)；i為當(dāng)前迭代次數(shù)；R1，R2為[0，1]范圍內(nèi)中的兩個隨機(jī)數(shù)；Xid為操作步驟編號；Xmax為最大位置；Vmax為最大速度；W為慣性權(quán)重；C1和C2為加速度常數(shù)；Pid為微粒i飛過的最好的位置；Pgd為種群中的所有微粒飛過的最好的位置；式(13)為選擇概率，K為種群大小，F(xiàn)i為個體適應(yīng)度，此外隨機(jī)選擇交叉概率PC∈(0.5，1)，變異概率Pm∈(0.01，0.1)．

遺傳粒子群算法步驟為：

步驟1種群初始化生成初始種群，并計算粒子瞬時位置相對應(yīng)的適應(yīng)值．

步驟2選擇操作比較產(chǎn)生的數(shù)值的適應(yīng)度，選擇優(yōu)化的方向，并記錄獲得的數(shù)據(jù)．

步驟3全局優(yōu)化操作粒子不斷地獲得新的速度和新的位置，迭代完成后，輸出初始優(yōu)化種群．

步驟4交叉操作選出適應(yīng)度值較小的粒子參與交叉，交叉后重組形成新個體．

步驟5變異操作利用Pm對個體進(jìn)行變異，為種群補充新鮮血液．

步驟6收斂判定結(jié)果滿足迭代的條件，從產(chǎn)生的個體中選取最好的個體，即為算法優(yōu)化的最終結(jié)果；否則，循環(huán)步驟4．

2.2 仿真驗證

求解調(diào)度優(yōu)化模型后，使用Flexsim仿真軟件驗證結(jié)果．內(nèi)河溢油應(yīng)急物資調(diào)度優(yōu)化模型中需要的設(shè)施都能夠在Flexsim仿真中找到類似功能的實體，具體的實體設(shè)計見表1．

表1 溢油應(yīng)急物資調(diào)度優(yōu)化模型實體設(shè)計

仿真模型中各對象間的邏輯關(guān)系代表應(yīng)急物資的儲備過程、裝卸過程、運輸過程，每個對象的參數(shù)設(shè)置完成后見圖3．

圖3 仿真模型示意圖

3 算例分析

以長江干線某段發(fā)生的某次溢油事故為例，溢油事故發(fā)生在圖4標(biāo)繪處，溢油區(qū)域為1 000 m×200 m．附近的溢油應(yīng)急物資儲備點到事故點的距離由小到大依次為F，E，D，O(國家溢油應(yīng)急設(shè)備庫)，C，G，A，B．從A，B，C，D，E，F(xiàn)，G點到事故點的時間分別為80、100、55、10、35、30、85 min．O點到最近的港口的路徑為10 km，該港口到事故點的距離為5 n mile，所采用的船舶航速為20 kn，載重20 t；運輸車輛運行速度為60 km/h，載重5 t；港口的裝卸效率為2.5 min/t；儲備庫的車輛裝卸效率為1.5 min/t．

圖4 溢油事故示意圖

根據(jù)式(1)～(2)求解出救點調(diào)度物資數(shù)量：F點調(diào)220 m2吸油氈；E點調(diào)220 m2吸油氈；D點調(diào)440 m2吸油氈；O點(調(diào)526 m圍油欄，1 052 m吸油拖欄，560 m2吸油氈，兩臺收油機(jī)．在實際的溢油事故中，事故點所需的溢油應(yīng)急物資不止四種，為保證研究的科學(xué)性，文中選取六種溢油應(yīng)急物資(圍油欄、吸油拖欄、吸油氈、收油機(jī)、環(huán)保型溢油分散劑500 kg、儲油桶200 kg)進(jìn)行調(diào)度等待時間優(yōu)化．根據(jù)調(diào)度優(yōu)化方法，每種物資的調(diào)度過程分為六個操作步驟，分別為p1(組裝或調(diào)制)、p2(儲備點裝卸)、p3(車輛運輸)、p4(碼頭卸載)、p5(船舶裝載)、p6(試用)．不同的方案的實施時間不同，溢油應(yīng)急物資調(diào)度操作步驟實施時間表見表2．

表2 溢油應(yīng)急物資調(diào)度操作步驟實施時間表

根據(jù)得到的數(shù)據(jù)，結(jié)合1.2的內(nèi)河溢油應(yīng)急物資調(diào)度模型和2.1的遺傳粒子群算法，得到算法收斂曲線見圖5，隨后進(jìn)行仿真計算，迭代100次，最優(yōu)方案見圖6．

圖5 GA-PSO算法的收斂曲線圖

圖6 最優(yōu)調(diào)度方案

采用常規(guī)的應(yīng)急預(yù)案完成此次應(yīng)急物資調(diào)度至少需要疊加物資1的組裝或調(diào)制時間和物資4的試用時間，最快需要80.5(71.5+5+4)min，而采用最優(yōu)調(diào)度方案進(jìn)行應(yīng)急救援共需71.5(56.5+15)min．輸入各個實體在實例中的數(shù)據(jù)，定量設(shè)置需要調(diào)度的應(yīng)急物資后，最終的仿真驗證結(jié)果見表3．

表3 Flexsim仿真驗證結(jié)果

仿真結(jié)果顯示:完成最優(yōu)調(diào)度方案所消耗的總時間為4 320 s，即72 min，與內(nèi)河溢油應(yīng)急調(diào)度優(yōu)化模型的計算結(jié)果基本相符．通過模型計算求解得到了最短的應(yīng)急調(diào)度時間，比常規(guī)的應(yīng)急預(yù)案至少減少了9 min，這表明:長江干線溢油應(yīng)急物資調(diào)度過程中，確實存在各個應(yīng)急物資的操作步驟之間等待時間浪費的問題，利用文中提出的調(diào)度優(yōu)化方法可以最大化減少調(diào)度時間，實現(xiàn)更快更好的應(yīng)急救援，證明了文中的研究是有意義的．仿真結(jié)果和計算結(jié)果的一致性驗證了模型計算結(jié)果的正確性．

4 結(jié) 束 語

針對內(nèi)河溢油事故發(fā)生的突然性和漂移擴(kuò)散性，文中以應(yīng)急調(diào)度時間最短為目標(biāo)設(shè)計了一種考慮內(nèi)河出救點規(guī)模和位置分布的調(diào)度優(yōu)化方法，研究多物資等待時間調(diào)度優(yōu)化問題，以此建立具有內(nèi)河特色的應(yīng)急調(diào)度優(yōu)化模型，并采用遺傳粒子群算法求解溢油事故的最優(yōu)調(diào)度方案，將模型代入Flexsim仿真軟件驗證算法的科學(xué)性．模型解決了內(nèi)河溢油應(yīng)急調(diào)度中各種物資等待時間問題．此外，文中的調(diào)度優(yōu)化只應(yīng)用于國家應(yīng)急設(shè)備庫，針對其他儲備點物資數(shù)量達(dá)到一定規(guī)模時，未來可采用復(fù)雜的多點混合優(yōu)化調(diào)度，其次，在應(yīng)急調(diào)度過程的操作步驟分解上，后續(xù)可以采用更準(zhǔn)確的分解標(biāo)準(zhǔn)對調(diào)度過程進(jìn)行分解．