周曉玲,王　震,肖文濤

(1.中國石油大學(xué)中國能源戰(zhàn)略研究院,北京 102249; 2.中國石油化工股份有限公司撫順石油化工研究院,遼寧撫順 113001)

?

原油遠(yuǎn)洋拼船運(yùn)輸方案優(yōu)化研究

周曉玲1,王震1,肖文濤2

(1.中國石油大學(xué)中國能源戰(zhàn)略研究院,北京 102249; 2.中國石油化工股份有限公司撫順石油化工研究院,遼寧撫順 113001)

分析當(dāng)前運(yùn)作模式下中國原油遠(yuǎn)洋運(yùn)輸優(yōu)化的目標(biāo)函數(shù),總結(jié)供需平衡約束等7類運(yùn)輸優(yōu)化限制條件,建立原油遠(yuǎn)洋拼船運(yùn)輸方案的優(yōu)化模型,并應(yīng)用改進(jìn)差分進(jìn)化算法求解。在模型求解過程中,對多種維度變量與約束因素?cái)?shù)據(jù)進(jìn)行有效整合,利用雙染色體配對編碼的方法實(shí)現(xiàn)供需平衡限制,通過配對染色體間的小概率交叉降低算法的早熟收斂概率,利用整體進(jìn)化與個(gè)別進(jìn)化相結(jié)合的方法回收潛在的優(yōu)秀個(gè)體,最終加速算法的尋優(yōu)速率。通過算法搜索方案與人工方案的比對結(jié)果發(fā)現(xiàn),應(yīng)用提出的改進(jìn)差分進(jìn)化算法能夠降低原油遠(yuǎn)洋拼船運(yùn)輸方案費(fèi)用,并有效提高優(yōu)化方案的制定時(shí)效。

原油拼船運(yùn)輸; 運(yùn)輸優(yōu)化; 差分進(jìn)化算法; 供需平衡約束

引用格式:周曉玲,王震,肖文濤.原油遠(yuǎn)洋拼船運(yùn)輸方案優(yōu)化研究[J].中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,40(2):174-180.

ZHOU Xiaoling,WANG Zhen,XIAO Wentao.Optimization of ocean shipping schemes of LCL crude oil[J].Journal of China University of Petroleum(Edition of Natural Science),2016,40(2):174-180.

中國已經(jīng)建成從原油遠(yuǎn)洋運(yùn)輸、原油管網(wǎng)轉(zhuǎn)輸、成品油管網(wǎng)運(yùn)輸?shù)郊佑驼竟捃嚺渌偷木C合能源運(yùn)輸體系。當(dāng)前針對原油運(yùn)輸?shù)难芯看蠖嗉性陂L輸管道運(yùn)輸?shù)乃Α崃\(yùn)行工藝方向[1],而對海上遠(yuǎn)洋運(yùn)輸關(guān)注相對較少。世界石油資源分布具有明顯的不均衡性[2],使得大型油輪成為重要的原油運(yùn)輸方式。近年來在世界原油價(jià)格波動(dòng)異常劇烈[3]的情況下,原油遠(yuǎn)洋運(yùn)輸方案的優(yōu)化制定和高效執(zhí)行事關(guān)能源供應(yīng)體系的運(yùn)行安全和運(yùn)轉(zhuǎn)效益,是保障煉廠資源供給、煉油裝置生產(chǎn)安全及煉油業(yè)務(wù)經(jīng)濟(jì)效益的關(guān)鍵,同時(shí)對于開拓油氣儲運(yùn)領(lǐng)域的研究方向也具有開創(chuàng)性意義。隨著煉油化工企業(yè)對原油配送數(shù)量和配送質(zhì)量的要求不斷提高,中國原油遠(yuǎn)洋運(yùn)輸已經(jīng)形成一種包含裝港航程、卸港航程及船型選擇等多種維度變量組合優(yōu)化的NP(non-deterministic polynomial)難問題,現(xiàn)有以傳統(tǒng)數(shù)學(xué)規(guī)劃方法求解的遠(yuǎn)洋船運(yùn)模型已經(jīng)難以適用。中國石化2010年進(jìn)口原油總量達(dá)1.65億t[4],油輪運(yùn)輸費(fèi)用高達(dá)一百多億元人民幣。為降低進(jìn)口原油的遠(yuǎn)洋運(yùn)輸成本,經(jīng)常將零散批次的油品拼裝成大船運(yùn)送回國。原油裝港分布于世界不同地區(qū),卸港分布于中國從南至北的不同地域,從而使得船運(yùn)拼裝方案呈指數(shù)倍增長。由于運(yùn)輸費(fèi)用基數(shù)大,人工拼船優(yōu)化效果差,因而原油遠(yuǎn)洋運(yùn)輸過程中存在較高的潛在優(yōu)化效益。筆者分析當(dāng)前運(yùn)作模式下中國原油遠(yuǎn)洋運(yùn)輸優(yōu)化的目標(biāo)函數(shù),總結(jié)供需平衡約束等7類運(yùn)輸優(yōu)化限制條件,建立原油遠(yuǎn)洋運(yùn)輸優(yōu)化模型,并應(yīng)用改進(jìn)的差分進(jìn)化算法予以求解。

1　模型建立

1.1目標(biāo)函數(shù)

原油遠(yuǎn)洋拼船運(yùn)輸方案優(yōu)化的目標(biāo)為:在滿足運(yùn)輸需求的前提下,所有參與運(yùn)輸?shù)挠洼喛傎M(fèi)用最小。對于單船運(yùn)輸費(fèi)用,計(jì)算方法為:基本費(fèi)率×計(jì)費(fèi)噸位×WS×航程。其中計(jì)費(fèi)噸位及WS系數(shù)與船型相對應(yīng)。船型選定后,若裝油量小于等于計(jì)費(fèi)噸位,則仍然按計(jì)費(fèi)噸位收費(fèi);若裝油量大于計(jì)費(fèi)噸位,則超出計(jì)費(fèi)噸位部分另外收費(fèi)。綜上所述,模型目標(biāo)函數(shù)可以寫為

(1)

1.2約束條件

原油遠(yuǎn)洋拼船運(yùn)輸方案優(yōu)化的約束因素包含以下幾類。

(1)供需平衡約束。任一種類油品的需求總量等于供應(yīng)總量,任一油輪的裝油量等于卸油量。t種類油品的供需平衡表示如下:

(2)

第i號油輪的裝卸平衡表示如下:

(3)

(2)單船運(yùn)量約束。每船的運(yùn)輸量都要小于該船所允許的最大運(yùn)量。第i號油輪運(yùn)輸?shù)乃蟹N類的油品總量不超過該船所允許的最大載貨量應(yīng)滿足下式:

(4)

(3)油品裝期約束。簽訂購買某個(gè)批次油品合同的同時(shí),油品的裝船港口及裝船日期也隨之確定。油輪必須在裝期之前趕至該港口進(jìn)行油品拼裝,否則屬于嚴(yán)重違約。相反,若油輪過早地趕至該港口,則需等待裝期,產(chǎn)生滯期費(fèi)用。

dateiparr≤datejpload.

(5)

式(5)表示第i號油輪應(yīng)在p裝港的第j批次供應(yīng)油品的裝期之前抵達(dá)。式中,dateiparr為第i號油輪抵達(dá)p裝港的時(shí)間;datejpload為p裝港的第j批次供應(yīng)油品的裝期。

(4)港口水深約束。油輪出港時(shí)的總裝油量應(yīng)小于該港口的水深條件所允許的總船容。

(6)

(5)環(huán)保法規(guī)約束。由于某些批次的油品含硫量較高等原因,已裝載部分該類油品的油輪不準(zhǔn)駛?cè)胧芟嚓P(guān)法規(guī)保護(hù)的港口進(jìn)行油品拼裝。

d(pti-ptj)=∞ .

(7)

式(7)表示供應(yīng)ti種類油品的港口pti與供應(yīng)tj種類油品的港口ptj之間不通航或單向通航,也即已在港口裝載部分ti種類油品的油輪不允許駛?cè)雙tj港口進(jìn)行油品拼裝tj種類油品。但應(yīng)注意:雖然d(pti-ptj)=∞,然而有可能d(ptj-pti)≠∞。

2　模型求解

2.1選擇求解算法

本文中通過改進(jìn)差分進(jìn)化(DE)算法求解原油遠(yuǎn)洋運(yùn)輸優(yōu)化模型。DE[5-7]是一種基于群體差異的自啟發(fā)式隨機(jī)搜索算法,現(xiàn)已被廣泛應(yīng)用于交通運(yùn)輸、圖像處理、電力輸送、經(jīng)濟(jì)調(diào)度優(yōu)化等研究領(lǐng)域[8-14]。DE算法具有較好的全局搜索能力,在尋優(yōu)過程中可利用個(gè)體的局部信息和群體的全局信息引領(lǐng)搜索方向,在用于包含多種維度變量的原油遠(yuǎn)洋運(yùn)輸優(yōu)化問題中時(shí),能夠有效地跳出局部最優(yōu)解所在空間,增加搜索到全局最優(yōu)解的概率。另外,DE算法所需調(diào)節(jié)的參數(shù)也較少,在用于時(shí)效性要求極強(qiáng)的原油遠(yuǎn)洋運(yùn)輸優(yōu)化問題中時(shí),可減少業(yè)務(wù)人員的建模與參數(shù)配置時(shí)間,能夠及時(shí)響應(yīng)國際原油市場信息的快速變化,以便利用算法搜索結(jié)果指導(dǎo)資源的采購選擇。

2.2改進(jìn)算法流程

原油遠(yuǎn)洋運(yùn)輸優(yōu)化存在供需平衡約束。對于進(jìn)化類算法,應(yīng)用罰函數(shù)方法實(shí)現(xiàn)等式約束往往會(huì)導(dǎo)致無解假象[15-16]。本文中特采用供應(yīng)/需求雙染色體配對編碼方式表達(dá)運(yùn)輸方案,通過編/解碼規(guī)則來控制運(yùn)輸過程的供需平衡。算法實(shí)現(xiàn)步驟如下:

(1)確定雙染色體配對編碼規(guī)則,并指定染色體基因意義與基因附加屬性。對出口港各批次供應(yīng)油品以誤差所允許的最小單位分解并編號,并標(biāo)記各自的出口港、裝期、港口水深所允許的最大船重等信息。對進(jìn)口港各批次需求油品以相同的最小單位分解并編號,并標(biāo)記各自的進(jìn)口港編號。對可能參與運(yùn)輸?shù)母鞣N候選油輪編號,并標(biāo)記其計(jì)費(fèi)噸位、最大載重、基本費(fèi)率、滯期費(fèi)率、WS及航行速度等信息。裝載方案由供應(yīng)油品編號與油輪編號組合構(gòu)成,卸載方案由需求油品編號組合構(gòu)成。

(2)配置種群數(shù)量、交叉概率等算法參數(shù)。

(3)隨機(jī)生成浮點(diǎn)編碼的初始父代種群x、y。

(4)將初始父代種群中各浮點(diǎn)編碼的染色體按基因大小排序,得到整數(shù)編碼染色體,并解讀出其所代表的運(yùn)輸方案。

(5)計(jì)算i號個(gè)體總適應(yīng)值f(i)、裝載方案半適應(yīng)值fx(i)和卸載方案半適應(yīng)值fy(i)。

(6)判斷是否滿足終止條件,若是,停止計(jì)算并解碼輸出方案;否則,轉(zhuǎn)步驟(7)。

(7)對父代種群進(jìn)行遺傳操作,生成子代種群。

(8)將子代種群中各浮點(diǎn)編碼的染色體按基因大小排序,得到整數(shù)編碼染色體,并解讀出其所代表的運(yùn)輸方案。

(9)計(jì)算i號個(gè)體總適應(yīng)值f(i)、裝載方案半適應(yīng)值fx(i)和卸載方案半適應(yīng)值fy(i)。

(10)按總適應(yīng)值優(yōu)劣,將子代種群與父代種群中相應(yīng)個(gè)體進(jìn)行一對一競爭生存,更新父代種群,并轉(zhuǎn)步驟(6)繼續(xù)執(zhí)行。

步驟(7)中,在對種群整體進(jìn)行常見的遺傳操作(通過差分變異生成子代種群vx、vy;父-子代間染色體交叉生成子代種群ux、uy等)之前,先進(jìn)行局部進(jìn)化操作,包括以下幾個(gè)方面。

據(jù)fx(i)輪盤賭選擇y(i),對卸油方案局部進(jìn)化,更新fy(i)及f(i);據(jù)fy(i)輪盤賭選擇x(i),對裝油方案局部進(jìn)化;對于fx(i)較高而fy(i)較低的方案,選取種群中其他個(gè)體的優(yōu)秀y(j)與該個(gè)體的x(i)試匹配,看是否獲得更好的運(yùn)輸方案;對于fy(i)較高而fx(i)較低的方案,選取種群中其他個(gè)體的優(yōu)秀x(j)與該個(gè)體的y(i)試匹配,看是否獲得更好的運(yùn)輸方案;選擇部分f(i)較差的x、y染色體,令其x(i)、y(i)互換某一位置的基因。增加以上局部操作步驟的目的是回收潛在的優(yōu)秀裝載/卸載染色體,增加種群多樣性,降低算法早熟收斂的概率,提高算法尋優(yōu)效率。

3　算例分析

3.1算例設(shè)計(jì)

對于原油遠(yuǎn)洋運(yùn)輸優(yōu)化這種包含多種維度變量組合優(yōu)化的NP難題,已知最優(yōu)解的驗(yàn)證實(shí)例很難尋找。本文中以具有代表性的簡單算例檢驗(yàn)算法求解的可行性。簡單算例的優(yōu)點(diǎn)是最優(yōu)解可通過窮舉方式獲取,尋優(yōu)結(jié)果可圖形化,有助于識別與理解,可對比算法與人工的搜索能力的優(yōu)劣。

算例:出口港1、2、3、4各有3萬t原油出口,進(jìn)口港1、2、3各有4萬t原油待進(jìn)口,按1萬t為最小誤差單位分解供/需油品?？赡軈⑴c運(yùn)輸?shù)挠洼?、2、3、4、5、6,其最大運(yùn)量分別為6、3、3、1、1和1萬t。

供應(yīng)/需求油品信息、油輪信息、裝載方案、卸載方案表達(dá)規(guī)則參見圖1。

圖1　改進(jìn)差分進(jìn)化算法流程圖Fig.1　Flow chart of improved differential evolution algorithm

3.2算例染色體解讀方法

假設(shè)通過差分變異、交叉后生成某子代浮點(diǎn)編碼染色體如表1所示。

經(jīng)排序處理后得到整數(shù)編碼染色體,如表2所示。

表1　某子代個(gè)體浮點(diǎn)編碼染色體

表2　某子代個(gè)體整數(shù)編碼染色體

其中解讀油輪信息如表3所示。

表3　染色體油輪信息解讀

1號船裝載編號為1、2、3、7、6、5的油品運(yùn)輸并卸載至1、2、3、4、10、6。對應(yīng)的航程為:出口港1>出口港3>出口港2>進(jìn)口港1>進(jìn)口港3>進(jìn)口港2。其余船只航程計(jì)算與1號船類似。

6號船(x中的17基因)裝載編號為8、9的油品運(yùn)輸并卸載至7、5。

2號船(x中的13基因)裝載編號為10、11、12的油品并卸載至9、8、11。

4號船(x中的15基因)與3號船(x中的14基因)之間無油品編號,因而不參與運(yùn)輸。

3號船(x中的14基因)船裝載編號為4的油品運(yùn)輸并卸載至12。

5號船(x中的16基因)后無油品,因而不參與運(yùn)輸。

3.3算法搜索能力分析

對于上述相對簡單的示例,邀請6名做實(shí)際拼裝優(yōu)化的業(yè)務(wù)人員搜索到的“最優(yōu)”計(jì)劃如圖2所示:2號船裝載1、2、3(出口港)號油品卸載至1、2、3(進(jìn)口港);3號船裝載10、11、12(出口港)號油品卸載至10、11、12(進(jìn)口港);1號船裝載4、5、6、7、8、9(出口港)號油品卸載至9、5、6、7、8、4(進(jìn)口港)。由于基本費(fèi)率和WS點(diǎn)為常數(shù),所以本文中以總航程來衡量方案經(jīng)濟(jì)性,方案總航程達(dá)到34.05 n mile。

通過算法搜索到的最優(yōu)方案如圖3所示:2號船

圖3　改進(jìn)差分進(jìn)化算法搜索的最優(yōu)方案的總航程Fig.3　Total navigation distance of optimization plan searched by improved differential evolution algorithm

裝載4、5、6(出口港)號油品卸載至3、5、9(進(jìn)口港);3號船裝載1、2、3(出口港)號油品卸載至6、1、4(進(jìn)口港);1號船裝載7、8、9、10、11、12(出口港)號油品卸載至10、11、12、7、8、2(進(jìn)口港)。方案總航程為34.012 5 n mile,優(yōu)于人工計(jì)劃。

4　結(jié)　論

(1)分析了當(dāng)前運(yùn)作模式下中國原油遠(yuǎn)洋運(yùn)輸優(yōu)化的目標(biāo)函數(shù),總結(jié)了供需平衡約束等7類運(yùn)輸優(yōu)化限制條件,建立了原油遠(yuǎn)洋運(yùn)輸優(yōu)化模型,并應(yīng)用改進(jìn)的差分進(jìn)化算法予以求解。

(2)在模型求解過程中有效地整合了各類運(yùn)輸數(shù)據(jù)間的邏輯關(guān)系,利用雙染色體配對編碼的方法實(shí)現(xiàn)了供需平衡限制,并通過配對染色體間的小概率交叉降低了算法的早熟收斂概率。

(3)在種群整體進(jìn)化的過程中通過選擇種群中某些“半適應(yīng)值”較高的供應(yīng)/需求染色體,對其相應(yīng)的需求/供應(yīng)染色體進(jìn)行個(gè)別進(jìn)化,實(shí)現(xiàn)了潛在優(yōu)秀基因的有效回收,從而加速了算法尋優(yōu)速率。

(4)對于中等規(guī)模的原油遠(yuǎn)洋運(yùn)輸優(yōu)化問題,提出的改進(jìn)差分進(jìn)化算法能夠獲得全局最優(yōu)解,并能夠有效地輔助業(yè)務(wù)人員提高運(yùn)輸優(yōu)化方案的制定時(shí)效。如何有效求解大規(guī)模原油遠(yuǎn)洋運(yùn)輸優(yōu)化問題仍需進(jìn)一步的研究探索。

[1]張勁軍,何利民,宮敬,等.油氣儲運(yùn)理論與技術(shù)進(jìn)展[J].中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,37(5):151-162.

ZHANG Jinjun,HE Limin,GONG Jing,et al.Theoretical and technological advances in petroleum storage and transportation engineering[J].Journal of China University of Petroleum(Edition of Natural Science),2013,37(5):151-162.

[2]仇鑫華,王震.基于委托-代理理論的國際石油合作財(cái)稅體系比較[J].中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,39(2):171-179.

QIU Xinhua,WANG Zhen.Comparison of international petroleum cooperation fiscal systems based on principle-agent theory[J].Journal of China University of Petroleum(Edition of Natural Science),2015,39(2):171-179.

[3]周德田,郭景剛.基于二元VAR-GARCH(1,1)-BEKK模型的金融市場與石油市場的溢出效應(yīng)研究[J].中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,38(1):177-185.

ZHOU Detian,GUO Jinggang.Spillover effect of financial market and oil market based on binary VAR-GARCH (1,1)-BEKK model[J].Journal of China University of Petroleum(Edition of Natural Science),2014,38(1):177-185.

[4]潘洹洹,王宇奇.中石化原油進(jìn)口成本降低途徑分析[J].科技與管理,2012,14(2):67-70.

PAN Huanhuan,WANG Yuqi.Cost reduction route analysis of sinopecs crude oil imports[J].Science-Technology and Management,2012,14(2):67-70.

[5]STORN R,PRICE K.Differential evolution:a simple and efficient adaptive scheme for global optimization over continuous spaces[J].Journal of Global Optimization,1995(8):22-25.

[6]STORN R,PRICE K.Differential evolution:a simple and efficient heuristic for global optimization over continuous spaces[J].Journal of Global Optimization,1997,11(4):341-359.

[7]周艷平,顧幸生.差分進(jìn)化算法研究進(jìn)展[J].化工自動(dòng)化及儀表,2007,34(3):1-5.

ZHOU Yanping,GU Xingsheng.Development of differential evolution algorithm ITHM[J].Control and Instruments in Chemical Industry,2007,34(3):1-5.

[8]王翔,董曉馬,閻瑞霞,等.改進(jìn)DE/EDA算法在求解難約束優(yōu)化問題中的應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用研究,2010,27(11):4114-4117.

WANG Xiang,DONG Xiaoma,YAN Ruixia,et al.Improved DE/EDA algorithm for difficult COPs[J].Application Research of Computers,2010,27(11):4114-4117.

[9]CHANG C S,DU D.Further improvement of optimization method for mass transit signaling block-layout design using differential evolution[J].IEEE Proceedings on Electric Power Applications,1999,146(5):559-569.

[10]周輝仁,唐萬生,王海龍.基于差分進(jìn)化算法的多旅行商問題優(yōu)化[J].系統(tǒng)工程理論與實(shí)踐,2010,30(8):1471-1476.

ZHOU Huiren,TANG Wansheng,WANG Hailong.Optimization of multiple traveling salesman problem based on differential evolution algorithm[J].Systems Engineering-Theory & Practice,2010,30(8):1471-1476.

[11]蔡延光,宋康,張敏捷,等.自適應(yīng)多目標(biāo)混合差分進(jìn)化算法在聯(lián)盟運(yùn)輸調(diào)度中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用,2010,30(11):2887-2890.

CAI Yanguang,SONG Kang,ZHANG Minjie,et al.Adaptive multi-objective hybrid differential evolution algorithm in union transport scheduling[J].Journal of Computer Applications,2010,30(11):2887-2890.

[12]段新濤,范曉艷,王婧娟,等.基于差分進(jìn)化的插值置換混疊圖像盲分離[J].視頻應(yīng)用與工程,2015,39(21):95-98.

DUAN Xintao,FAN Xiaoyan,WANG Jingjuan,et al.Blind separation method for interpolation permuted alias image based on differential evolution[J].Video Application & Project,2015,39(21):95-98.

[13]韓麗,孫望,羅朋,等.差分進(jìn)化算法在變壓器故障診斷中應(yīng)用[J].電測與儀表,2015,52(16):38-42.

HAN Li,SUN Wang,LUO Peng,et al.Differential evolution algorithm in the application of the transformer fault diagnosis[J].Electrical Measurement & Instrumentation,2015,52(16):38-42.

[14]NIKNAM T,DOAGOU M H,FIROUZI B B.A new optimization algorithm for multi-objective economic/emission dispatch[J].Electrical Power and Energy Systems,2013,46:283-293.

[15]何家莉,宣士斌.含有等式約束優(yōu)化問題的遺傳算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2008,29(5):1253-1255.

HE Jiali,XUAN Shibin.Genetic algorithm of equation constrained optimization problem[J].Computer Engineering and Design,2008,29(5):1253-1255.

[16]胡寬,常新龍,宋筆鋒,等.求解含等式約束優(yōu)化問題的遺傳算法[J].上海交通大學(xué)學(xué)報(bào),2011,45(7):966-969.

HU Kuan,CHANG Xinlong,SONG Bifeng,et al.Genetic algorithm to solve optimization problem with equality constrains[J].Journal of Shanghai Jiaotong University,2011,45(7):966-969.

(編輯修榮榮)

Optimization of ocean shipping schemes of LCL crude oil

ZHOU Xiaoling1,WANG Zhen1,XIAO Wentao2

(1.Academy of Chinese Energy Strategy in China University of Petroleum,Beijing 102249,China;2.Fushun Research Institute of Petroleum and Petrochemicals,SINOPEC,Fushun 113001,China)

As an extension and development of oil and gas storage and transportation,the optimization of crude carrier co-loading scheme plays an important role in improving the profit and reducing loss in terms of crude oil logistics,which is of great importance in upgrading the overall competitive strength for the oil and petrochemical companies in China.The objection function on the optimization of long-distance crude oil transportation was analyzed,and seven constraints,such as the balance of supply and demand were concluded,which set limits on the extent to which the system will work.An optimization model of crude carrier co-loading scheme was established by using an improved differential evolution algorithm.The equation constrained was satisfied by the method of paired chromosomes.Some constraints were simplified by the form of additional distance.The crossover of small probability between paired chromosomes was used to prevent premature convergence.Finally,to recycle some potential excellent genes and to speed up the algorithm optimization,some chromosomes of high "semi-fitness" were selected for individual evolutions during the execution of differential evolution algorithm.Compared with manual searching plans,this improved differential evolution algorithm can not only significantly reduce the cost in long-distance crude oil co-loading and transportation,but also save the time in optimizing the crude carrier co-loading schemes.

LCL crude oil shipping; optimization of transportation; differential evolution algorithm; constraint of supply-demand balance

2015-11-26

國家自然科學(xué)基金項(xiàng)目(71303258)

周曉玲(1980-),女，博士研究生，研究方向?yàn)槟茉唇鹑诤驮陀洼喓Ｉ线\(yùn)輸。E-mail:tinazhoujing@163.com。

1673-5005(2016)02-0174-07doi:10.3969/j.issn.1673-5005.2016.02.023

TE 832

A