楊勇生，周亞民，許波桅

(上海海事大學(xué) 物流科學(xué)與工程研究院 物流研究中心,上海201306)

長(zhǎng)江干線LNG動(dòng)力船加注站選址研究

楊勇生，周亞民，許波桅

(上海海事大學(xué) 物流科學(xué)與工程研究院 物流研究中心,上海201306)

針對(duì)長(zhǎng)江干線LNG動(dòng)力船加注站的選址問(wèn)題，將改進(jìn)(引入遺傳變異)的蟻群算法和聚類分析進(jìn)行結(jié)合，聚類分析可以解決選址問(wèn)題中的不確定性和模糊性，而引入遺傳變異的蟻群算法又可以有效地解決傳統(tǒng)聚類分析因初始點(diǎn)選取不當(dāng)易陷入局部最優(yōu)解的問(wèn)題。實(shí)例驗(yàn)證表明：基于遺傳變異的蟻群聚類與普通蟻群聚類分析相比縮短了迭代次數(shù)，減少了計(jì)算量，與傳統(tǒng)聚類分析相比更接近于全局最優(yōu)。

交通運(yùn)輸工程；LNG加注站；長(zhǎng)江干線；遺傳變異；蟻群聚類；選址問(wèn)題

0 引 言

為大力響應(yīng)節(jié)能減排政策，實(shí)現(xiàn)綠色航運(yùn)的目的，眾航運(yùn)企業(yè)表示將積極參與到新節(jié)能技術(shù)的開發(fā)中，并研發(fā)新能源船型(LNG動(dòng)力船)，推動(dòng)未來(lái)航運(yùn)市場(chǎng)向節(jié)能低碳的方向發(fā)展[1]。LNG動(dòng)力船主要指以LNG作為主要?jiǎng)恿θ剂系拇埃ú裼?LNG混合動(dòng)力和純LNG動(dòng)力船舶。LNG作為動(dòng)力燃料正在全球船用燃料市場(chǎng)進(jìn)行有益的探索和嘗試，為未來(lái)中國(guó)船用油市場(chǎng)展現(xiàn)了新的藍(lán)圖。LNG燃料動(dòng)力船的發(fā)展動(dòng)因主要基于以下幾點(diǎn)[2]。

1)天然氣的開發(fā)利用改變了全球能源結(jié)構(gòu)，相比歐美發(fā)達(dá)國(guó)家能源消費(fèi)結(jié)構(gòu)中天然氣占比25%左右，我國(guó)能源消費(fèi)結(jié)構(gòu)中天然氣占比只有4.4%，具有很大的上升空間。

2)國(guó)際海事公約組織于2011年7月通過(guò)的MARPOL附則六提高了船舶的NOx和SOx的排放標(biāo)準(zhǔn)。結(jié)合長(zhǎng)期投資的安全性和經(jīng)濟(jì)性，各方研究結(jié)果均傾向于使用LNG清潔燃料的方案以徹底解決SOx 和NOx排放問(wèn)題。

3)LNG較好的經(jīng)濟(jì)性有助于船東降低燃料成本，在國(guó)際上，與傳統(tǒng)柴油燃料相比，LNG作為動(dòng)力燃料具有比較明顯的價(jià)格優(yōu)勢(shì)，能有效降低成本。

與LNG燃料動(dòng)力船在國(guó)外的快速發(fā)展相比，其在我國(guó)的發(fā)展主要存在如下問(wèn)題：①缺乏相關(guān)的安全技術(shù)規(guī)范；②對(duì)船舶進(jìn)行改造有資金困難；③船東普遍持觀望態(tài)度，期待有關(guān)補(bǔ)貼扶持政策的出臺(tái)；④基本無(wú)船舶專用加氣站等配套設(shè)施。

針對(duì)這些問(wèn)題，在2011—2014年間國(guó)務(wù)院，交通運(yùn)輸部，財(cái)政部，中國(guó)船級(jí)社又出臺(tái)了包括《關(guān)于加快長(zhǎng)江等內(nèi)河水運(yùn)發(fā)展的意見(jiàn)》《公路水路交通運(yùn)輸節(jié)能減排“十二五”規(guī)劃》《天然氣發(fā)展“十二五”規(guī)劃》《交通運(yùn)輸部關(guān)于推進(jìn)水運(yùn)行業(yè)應(yīng)用液化天然氣的指導(dǎo)意見(jiàn)》《加快推進(jìn)綠色循環(huán)低碳交通運(yùn)輸發(fā)展指導(dǎo)意見(jiàn)》《天然氣燃料動(dòng)力船舶規(guī)范》《水運(yùn)行業(yè)應(yīng)用液化天然氣試點(diǎn)示范工作實(shí)施方案》《內(nèi)河船型標(biāo)準(zhǔn)化補(bǔ)貼資金管理辦法》等多個(gè)相關(guān)政策及指導(dǎo)意見(jiàn)(不包括地方海事局和交通部門的相關(guān)政策)。內(nèi)河船舶“油改氣”成為船舶制造業(yè)關(guān)注的焦點(diǎn)，LNG動(dòng)力(含柴油-LNG混合動(dòng)力)船舶已成為內(nèi)河船型發(fā)展的重要方向。2014年我國(guó)內(nèi)河船檢數(shù)據(jù)如圖1。

圖1 2014年中國(guó)內(nèi)河船檢數(shù)據(jù)Fig.1 Inspection data of ship in China inland river in 2014

另?yè)?jù)2014年中國(guó)港口年鑒數(shù)據(jù)顯示，2013年長(zhǎng)江干線規(guī)模以上港口完成貨物吞吐量18.6億噸，長(zhǎng)江干線上游、中游、下游港口分別完成貨物吞吐量1.64，4.75，12.18億噸。貨物吞吐量主要集中在中下游地區(qū)，而且由于葛洲壩和三峽大壩對(duì)LNG動(dòng)力船過(guò)閘有硬性規(guī)定(LNG動(dòng)力船必須排放掉所有LNG后才可過(guò)閘)[3]。因此筆者主要研究長(zhǎng)江干流中下游地區(qū)LNG動(dòng)力船加注站的選址問(wèn)題。

設(shè)施的布局與選址是運(yùn)籌和管理科學(xué)領(lǐng)域研究的一個(gè)重要研究方向，這類問(wèn)題通過(guò)對(duì)現(xiàn)實(shí)生活中所要追求目標(biāo)和環(huán)境影響因素的抽象，轉(zhuǎn)變?yōu)榘虢Y(jié)構(gòu)化或結(jié)構(gòu)化的數(shù)學(xué)模型來(lái)進(jìn)行求解，對(duì)實(shí)際中的應(yīng)用提供決策的依據(jù)?，F(xiàn)代選址研究起源于1909年。為解決如何為單個(gè)倉(cāng)庫(kù)選址，使得倉(cāng)庫(kù)到多個(gè)顧客間的總距離最小的問(wèn)題，A.WEBER在歐氏空間里建立了一個(gè)1-中位問(wèn)題的模型，這就是著名的Weber問(wèn)題，選址問(wèn)題的研究從上世紀(jì)60年代復(fù)興發(fā)展至今，吸引了許多領(lǐng)域?qū)W者，問(wèn)題的研究也呈現(xiàn)多樣化[4]。基本的選址問(wèn)題有覆蓋問(wèn)題,中值問(wèn)題，中心問(wèn)題。擴(kuò)展的選址問(wèn)題有漸進(jìn)覆蓋問(wèn)題，備用覆蓋問(wèn)題，分層選址問(wèn)題，競(jìng)爭(zhēng)選址問(wèn)題，多目標(biāo)選址等[5]。

集覆蓋問(wèn)題最早由C.TOREGAS等[6]提出，用于解決消防中心和救護(hù)車等應(yīng)急型公共服務(wù)設(shè)施選址問(wèn)題。由于集合覆蓋模型要覆蓋所有的需求點(diǎn)，所需設(shè)施數(shù)目往往過(guò)大而超過(guò)實(shí)際承受能力，而且沒(méi)有區(qū)分各個(gè)需求點(diǎn)，人們自然會(huì)想到先固定設(shè)施數(shù)目，再確定它們的位置使得覆蓋盡可能多的需求點(diǎn)或需求量，這就是R.L.CHURCH等[7]提出的最大覆蓋模型。S.L.HAKIMI[8]最早提出中值問(wèn)題,中值問(wèn)題的目標(biāo)是使所有需求點(diǎn)到設(shè)施的平均權(quán)重距離最短(距離也可用交通、運(yùn)輸時(shí)間表示)，指出對(duì)于任一給定設(shè)施數(shù)P總存在至少一個(gè)最優(yōu)解使得總距離最小。P-中心問(wèn)題是研究如何在網(wǎng)絡(luò)中對(duì)P個(gè)設(shè)施進(jìn)行選址，使得任意需求點(diǎn)到與其距離最近設(shè)施的最大距離最小化的問(wèn)題，也叫minmax問(wèn)題。通常在軍隊(duì)、醫(yī)院、緊急情況和有服務(wù)標(biāo)準(zhǔn)承諾的服務(wù)行業(yè)中使用，有時(shí)也稱作經(jīng)濟(jì)平衡性，由S.L.HAKIMI于1964最先提出[8-9]。H.A.EISELT等[10]將漸進(jìn)覆蓋應(yīng)用到集覆蓋中，考慮了基于服務(wù)質(zhì)量的漸進(jìn)覆蓋的集覆蓋選址問(wèn)題，給出了最小可接受服務(wù)水平的概念和不同的覆蓋函數(shù)。E.T.ERDEMIR等[11]引入備用覆蓋的思想，考慮地面救護(hù)車在用狀態(tài)或者容量有限而不可用的狀態(tài)下，對(duì)地面和空中醫(yī)療急救設(shè)施聯(lián)合選址問(wèn)題進(jìn)行了研究，并以新墨西哥州的事故數(shù)據(jù)為例進(jìn)行了案例分析。G.C.MOORE等[12]提出基于分級(jí)的帶容量限制的覆蓋選址模型，并用此模型求各級(jí)服務(wù)設(shè)施覆蓋人口最大化問(wèn)題。M.J.WIDENER等[13]針對(duì)颶風(fēng)災(zāi)后救濟(jì)商品分配問(wèn)題，建立帶容量限制的層級(jí)中位模型，與非層級(jí)的帶容量限制的中位模型進(jìn)行比較。結(jié)果表明該模型對(duì)于規(guī)劃不同層級(jí)的設(shè)施，提供不同水平的救援服務(wù)具有實(shí)用性。T.DREZNER[14]引入效用函數(shù)，對(duì)已存服務(wù)站集合中新增一個(gè)服務(wù)站的問(wèn)題進(jìn)行研究，建立了確定性的競(jìng)爭(zhēng)選址模型。S.JIUH-BIING等[15]以最小化網(wǎng)絡(luò)配置成本，最大化運(yùn)營(yíng)利潤(rùn)及最大化客戶滿意率為目標(biāo)，建立了多目標(biāo)層級(jí)網(wǎng)絡(luò)規(guī)劃模型，對(duì)全球物流網(wǎng)絡(luò)配置問(wèn)題進(jìn)行了研究。

針對(duì)LNG動(dòng)力船加注站的選址問(wèn)題，因其在我國(guó)發(fā)展時(shí)間較短，且現(xiàn)今交通運(yùn)輸部及各地方海事局都尚處在試點(diǎn)探索運(yùn)營(yíng)中，故并無(wú)確切的解決該問(wèn)題的參考方案。而聚類分析法正符合LNG動(dòng)力船加注站選址過(guò)程中存在的不確定性和模糊性的特征，且使用聚類分析與選址相關(guān)問(wèn)題的大多是無(wú)水港的選址問(wèn)題，因此筆者主要參考無(wú)水港選址問(wèn)題的模型。針對(duì)無(wú)水港選址問(wèn)題，CHANG Zheng等[16]使用了基于遺傳模糊聚類的兩階段模型，對(duì)大連港的無(wú)水港選址問(wèn)題進(jìn)行了研究。黃力等[17]通過(guò)建立無(wú)水港選址評(píng)價(jià)的指標(biāo)體系，運(yùn)用層次分析法確定各指標(biāo)權(quán)重,提出了無(wú)水港選址的合理方案。張兆民[18]分析了無(wú)水港選址的原則并從地區(qū)集裝箱量和中轉(zhuǎn)集裝箱量?jī)蓚€(gè)方面提出了影響無(wú)水港選址布局的因素，最后使用模糊聚類方法對(duì)大連港口所依靠的內(nèi)陸腹地進(jìn)行無(wú)水港選址分析。項(xiàng)風(fēng)等[19]將遺傳算法和模糊C-均值聚類算法(FCM)相結(jié)合，對(duì)東北地區(qū)內(nèi)陸港候選城市進(jìn)行了聚類分析，并對(duì)內(nèi)陸港的建設(shè)提出了建議。

1 LNG動(dòng)力船加注方案

LNG燃料動(dòng)力船在國(guó)外自20世紀(jì)末開始得到發(fā)展，目前特別在歐洲(北歐)、美國(guó)等地的沿海地區(qū)得到了較好的發(fā)展，其加注模式(圖2)主要包括[20-22]：①采用小型的LNG運(yùn)輸船對(duì)LNG動(dòng)力船進(jìn)行加注；②利用LNG槽罐運(yùn)輸車進(jìn)行加注；③通過(guò)碼頭岸上固定的設(shè)施管線對(duì)LNG動(dòng)力船進(jìn)行加注。各個(gè)加注方式的優(yōu)缺點(diǎn)如表1。

圖2 LNG 加注的典型模式Fig.2 Typical pattern of LNG bunkering

在交通運(yùn)輸部發(fā)布的《水運(yùn)行業(yè)應(yīng)用LNG首批試點(diǎn)示范項(xiàng)目名單》中，所有試點(diǎn)項(xiàng)目都采用的是岸基式LNG加注站或躉船式LNG加注站。但無(wú)論是岸基式或躉船式都在試點(diǎn)探索運(yùn)營(yíng)中，并無(wú)定論哪種方法更優(yōu)，因此筆者不考慮加注站的建站方式，只考慮選址問(wèn)題。

2 問(wèn)題描述及模型的建立

2.1 LNG動(dòng)力船加注站選址影響因素分析

LNG加注站是為內(nèi)河中LNG動(dòng)力船服務(wù)的，應(yīng)充分考慮當(dāng)?shù)氐母劭谕掏铝?，?jīng)濟(jì)發(fā)展水平及國(guó)內(nèi)外貿(mào)易量等一系列選址相關(guān)指標(biāo)[19,23]。因此 ,擬選擇以下因素作為L(zhǎng)NG動(dòng)力船加注站選址的評(píng)價(jià)指標(biāo)，見(jiàn)圖3。

圖3 內(nèi)河LNG加注站選址指標(biāo)體系Fig.3 Index system for location selection of LNG bunkering station in inland river

因?yàn)樗x指標(biāo)數(shù)據(jù)不處于同一量綱，所以需首先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

(1)

式中：Zij為標(biāo)準(zhǔn)化后的變量值；Xij為實(shí)際變量值；Xi為數(shù)學(xué)期望；Si為標(biāo)準(zhǔn)差。

2.2 基于遺傳變異改進(jìn)的蟻群聚類分析

聚類分析法正符合LNG動(dòng)力船加注站選址過(guò)程中存在的不確定性和模糊性的特征，但傳統(tǒng)的聚類算法采用隨機(jī)選取聚類中心點(diǎn)，易使迭代過(guò)程陷入局部最優(yōu)解，而蟻群算法是一種全局優(yōu)化的啟發(fā)式算法。根據(jù)聚類中心的信息量把周圍數(shù)據(jù)歸并到一起，從而得到聚類分類[24]?；谶z傳變異改進(jìn)的蟻群聚類算法通過(guò)引入遺傳變異因子減少計(jì)算量，減少迭代次數(shù)，可以有效地解決傳統(tǒng)聚類易陷入局部最優(yōu)解的問(wèn)題[25-26]。筆者采用基于遺傳變異改進(jìn)的蟻群聚類分析法，對(duì)LNG動(dòng)力船加注站的規(guī)劃選址問(wèn)題進(jìn)行研究，探討LNG動(dòng)力船加注站的選址問(wèn)題。

(2)

式中：如果Pij(t)大于閥值P0，就將xi合并到Cj內(nèi)；τij(t)為時(shí)刻t數(shù)據(jù)xi到xj路徑上殘留的信息量；α為信息啟發(fā)因子；ηij(t)為能見(jiàn)度函數(shù)；β稱為期望啟發(fā)因子；ηij=1/dij，其中dij表示數(shù)據(jù)對(duì)象xi到xj之間的加權(quán)歐氏距離：

(3)

當(dāng)所有螞蟻完成一次聚類之后，重新計(jì)算各個(gè)聚類中心及每個(gè)數(shù)據(jù)到聚類中心的信息量：

(4)

(5)

(6)

式(6)稱為蟻量模型，其中Q為常量，其大小影響算法的收斂速度，可取值為1。算法一直進(jìn)行直至聚類中心穩(wěn)定或者達(dá)到預(yù)期最大迭代次數(shù)為止。

基于遺傳變異改進(jìn)的蟻群聚類算法中遺傳操作設(shè)計(jì)如下：

1)染色體編碼

筆者使用聚類中心V={vi|vi∈RP,i=1,2,…,c}作為染色體的浮點(diǎn)數(shù)編碼方法。把一條染色體看成由C個(gè)聚類中心vi(i=1,2,…,c)組成的一個(gè)串：chr=v1v2…vc，由于每個(gè)聚類中心有S個(gè)特征，因此一條染色體是長(zhǎng)度為C×S的浮點(diǎn)碼串。假設(shè)種群大小為N，則要按以上方法生成N條染色體來(lái)組成初始種群。

2)適應(yīng)度函數(shù)

適應(yīng)度函數(shù)的選取要與要解決的問(wèn)題相結(jié)合，由目標(biāo)函數(shù)決定，文中適應(yīng)度函數(shù)f定義如下：

(7)

式中：Dmin為最小類間距，而C(x)為平均類內(nèi)距，其定義分別如下：

(8)

(9)

式中：ci是第i類的聚類中心；ni是第i類的樣本數(shù)；xj是第i類的第j個(gè)樣本。

3)選擇算子

選擇算子采用保留精英個(gè)體的輪盤賭算法。

4)交叉算子

交叉算子采用單點(diǎn)交叉，但是要判斷染色體的有效性，即有可能子代沒(méi)有包括所有類別數(shù)。例如，如果父代個(gè)體 ( 1 2 2 3 2 1)和 ( 1 3 3 2 2 1)進(jìn)行單點(diǎn)交叉，交叉的位置為3，那么交叉后的個(gè)體為 ( 1 2 2 2 2 1)和 ( 1 3 3 3 2 1)，第一個(gè)子個(gè)體所有樣本屬于的類別數(shù)就是2而不是3。所以我們必須重復(fù)運(yùn)算交叉算子，直到各個(gè)子個(gè)體包含C個(gè)類別。

5)變異算子

由于在選擇機(jī)制中采用了保留最佳樣本方式，為保持群體內(nèi)個(gè)體的多樣性，我們采用連續(xù)多次對(duì)換的變異技術(shù)，使可行解有較大順序排列上的變化。若發(fā)生變異，則用隨機(jī)方法產(chǎn)生交換次數(shù)K，對(duì)所需變異操作的染色體進(jìn)行K次對(duì)換(對(duì)換的兩碼位也是隨機(jī)產(chǎn)生的)。

綜上，基于遺傳變異改進(jìn)的蟻群聚類算法主要流程如圖4。

圖4 改進(jìn)的蟻群聚類算法流程Fig.4 Flow chart of the improved ant colony clustering algorithm

使用改進(jìn)的蟻群聚類進(jìn)行聚類分組后，利用式(10)選取最佳候選地址：

(10)

3 實(shí)例分析

選取長(zhǎng)江中下游主要港口城市23個(gè)，太倉(cāng)、張家港、常熟、南通、無(wú)錫、常州、泰州、鎮(zhèn)江、揚(yáng)州、南京、馬鞍山、蕪湖、銅陵、池州、安慶、九江、黃岡、鄂州、黃石、武漢、城陵磯、荊州、宜昌。由于本文各評(píng)價(jià)指標(biāo)的性質(zhì)不同，且具有不同的度量和數(shù)量級(jí)，各指標(biāo)之間的水平相差較大，如果直接使用原始數(shù)據(jù)進(jìn)行聚類分析，會(huì)突出高數(shù)值指標(biāo)的作用，相對(duì)削弱數(shù)值水平較低的指標(biāo)的作用。因此，為了保證聚類結(jié)果的可靠性，對(duì)各候選址的原始指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，如表2。根據(jù)表2分別用改進(jìn)的蟻群聚類算法、普通的蟻群聚類算法、傳統(tǒng)的聚類算法對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行聚類分析，得到表3、表4。

表2 候選址指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)來(lái)源：《2014年中國(guó)港口年鑒》，《2014年各個(gè)城市國(guó)民發(fā)展與統(tǒng)計(jì)公報(bào)》，Google Earth。

表3 3種聚類方法的結(jié)果對(duì)比

注：表中數(shù)據(jù)為10次平均的數(shù)據(jù)。

表4 兩種蟻群聚類的對(duì)比

由表3、表4可以看出，與普通的蟻群聚類相比，因?yàn)橐肓诉z傳變異因子，改進(jìn)的蟻群聚類效果要更好，在同等聚類結(jié)果條件下，改進(jìn)的蟻群聚類也減少了運(yùn)行時(shí)間和迭代次數(shù)。而與傳統(tǒng)的聚類算法聚類相比，因?yàn)榭紤]了全局性，改進(jìn)的蟻群聚類效果相對(duì)要好得多。傳統(tǒng)聚類因?yàn)槌跏季垲愔行墓潭?，故迭代次?shù)很少就達(dá)到了最優(yōu)，但此時(shí)的最優(yōu)為局部最優(yōu)。

由3種聚類方法最終得到的分組結(jié)果如表5。從表5可知，改進(jìn)的蟻群聚類算法相比其他兩種聚類算法的效果要好。根據(jù)式(4)計(jì)算出最終備選地址。按照現(xiàn)行貨運(yùn)中長(zhǎng)途距離為250 km，從長(zhǎng)江入海口到長(zhǎng)江中游宜昌航道里程1 669 km，1 669/250=7，即選取無(wú)錫、南京、蕪湖、安慶、武漢、城陵磯、宜昌7個(gè)城市作為L(zhǎng)NG動(dòng)力船加注站的選址。而事實(shí)上，在交通運(yùn)輸部發(fā)布的《水運(yùn)行業(yè)應(yīng)用LNG首批試點(diǎn)示范項(xiàng)目名單》中，要求在湖北宜昌試點(diǎn)建設(shè)岸基式水/陸兼用的LNG加注站；在安徽新建1座岸基式LNG加注站，同時(shí)具備陸域倉(cāng)儲(chǔ)轉(zhuǎn)運(yùn)功能；在長(zhǎng)江干線江蘇段試點(diǎn)建設(shè)1座岸基式LNG加注站。以上試點(diǎn)項(xiàng)目皆與筆者所得的LNG加注站的選址位置相同或相近，因此本文算法無(wú)論是從理論上還是實(shí)際運(yùn)行中都具備一定的意義。

表5 最終聚類分組情況

4 結(jié) 論

筆者針對(duì)內(nèi)河LNG動(dòng)力船加注站選址的問(wèn)題進(jìn)行了研究。首先對(duì)影響加注站選址的因素進(jìn)行了分析，并選取一系列指標(biāo)作為影響因素，將定性問(wèn)題轉(zhuǎn)化為定量問(wèn)題，并將不同量綱的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。然后在基本蟻群聚類算法的基礎(chǔ)上引入遺傳變異因子，設(shè)計(jì)了基于遺傳變異改進(jìn)的蟻群聚類算法。通過(guò)將該算法與傳統(tǒng)聚類算法，普通蟻群聚類算法和實(shí)際情況進(jìn)行對(duì)比，得出以下結(jié)論：

1)基于遺傳變異改進(jìn)的蟻群聚類算法是求解LNG動(dòng)力船加注站選址問(wèn)題的有效算法。

2)該算法可以有效地解決傳統(tǒng)聚類分析因初始點(diǎn)選取不當(dāng)易陷入局部最優(yōu)解的問(wèn)題。

3)與普通蟻群聚類分析相比，縮短了迭代次數(shù)，減少了計(jì)算量，與傳統(tǒng)聚類分析相比更接近于全局最優(yōu)。

筆者對(duì)內(nèi)河LNG動(dòng)力船加注站選址問(wèn)題進(jìn)行了深入研究，但還需考慮更多的影響因素，此外還需設(shè)計(jì)一個(gè)合理的評(píng)價(jià)選擇體系，下一步研究將考慮加入港口城市周圍有無(wú)LNG工廠等影響因素，并引入合適的評(píng)價(jià)選擇體系，以期進(jìn)一步提升理論模型對(duì)實(shí)踐的指導(dǎo)意義。

[1] 周淑慧,沈鑫,劉曉娟,等.LNG在我國(guó)內(nèi)河水運(yùn)領(lǐng)域的應(yīng)用探討[J].天然氣工業(yè),2013,33(2):81-89. ZHOU Shuhui, SHEN Xin, LIU Xiaojuan, et al. Prospect of LNG application to inland water transportation in China[J].NaturalGasIndustry,2013,33(2):81-89.

[2] 高慧君 . 中國(guó)LNG燃料動(dòng)力船發(fā)展前景分析[EB/OL]. (2013-08-13). http://www.cjhy.gov.cn/hangyundongtai/dianziqikan/hangyunzazhi/201308/t20130813_238349.html. GAO Huijun. Analysis of development and prospect of China's LNG fuel ship[EB/OL]. (2013-08-13). http://www.cjhy.gov.cn/ hangyundongtai/dianziqikan/hangyunzazhi/201308/t20130813_238349. html.

[3] 左良棟.LNG動(dòng)力船推廣的喜與憂[N/OL].中國(guó)水運(yùn)報(bào).(2013-10-28). http://epaper.zgsyb.com/html/2013-10/28/content_64164.htm. ZUO Liangdong. Happiness and sorrow of promote of the LNG Ship[N/OL].ChinaWaterTransport.(2013-10-28). http://epaper.zgsyb. com/html/ 2013-10/28/content_64164.htm.

[4] BRANDEAU M L, CHIU S S. An overview of representative problems in location research[J].ManagementScience,1989,35(6):646-652.

[5] 萬(wàn)波.公共服務(wù)設(shè)施選址問(wèn)題研究[D].武漢:華中科技大學(xué),2012. WAN Bo.StudyonthePublicServiceFacilityLocationProblem[D]. Wuhan: Huazhong University of Science and Technology,2012.

[6] TOREGAS C, SWAIM R, REVELLE C, et al. The location of emergency service facilities[J].OperationsResearch,1971,19(6):1363-1373.

[7] CHURCH R L, REVELLE C. The maximal covering location problem[J].PapersoftheRegionalScienceAssociation,1974,32(1):101-118.

[8] HAKIMI S L. Optimum locations of switching centers and the absolute centers and medians of a graph[J].OperationsResearch,1964,12(3):450 - 459.

[9] HAKIMI S L. Optimum distribution of switching centers in a communication network and some related graph theoretic problems[J].OperationResearch,1965,13(12):462 - 475.

[10] EISELT H A, MARIANOV V. Gradual location set covering with service quality[J].Socio-EconomicPlanningSciences,2009,43(2):121-130.

[11] ERDEMIR E T, BATTA R, ROGERSON P A. Joint ground and air emergency medical services coverage models: a greedy heuristic solution approach[J].EuropeanJournalofOperationalResearch,2010,207(2):736-749.

[12] MOORE G C, REVELLE C. The hierarchical service location problem[J].ManagementScience,1982,28(7):775-780.

[13] WIDENER M J, HORNER M W. A hierarchical approach to modeling hurricane disaster relief goods distribution[J].JournalofTransportGeography,2011,19(4):821-828.

[14] DREZNER T. Locating a single new facility among existing unequally attractive facilities[J].JournalofRegionalScience,1994,34(2):237-252.

[15] JIUH-BIING S, ALEX Y S L. Hierarchical facility network planning model for global logistics network configurations[J].AppliedMathematicalModelling,2012,36(7):3053-3066.

[16] CHANG Zheng, NOTTEBOOM T, LU Jing. A two-phase model for dry port location with an application to the port of Dalian in China[J].TransportationPlanningandTechnology,2015,38(4):442-464.

[17] 黃力,鄭金海,王偉. 基于層次分析法的無(wú)水港選址研究[J].物流技術(shù),2013,32(1):153-156. HUANG Li, ZHENG Jinhai, WANG Wei. Study on dry port location problem based on AHP[J].LogisticsTechnology,2013,32(1):153-156.

[18] 張兆民.模糊 C-均值聚類在無(wú)水港選址中的應(yīng)用[J].上海海事大學(xué)學(xué)報(bào),2008,29(4):34-37. ZHANG Zhaomin. Applying fuzzy C-clustering to location planning of dry port[J].JournalofShanghaiMaritimeUniversity,2008,29(4):34-37.

[19] 項(xiàng)風(fēng),趙旭,鄒偉宏. 基于遺傳模糊聚類的東北內(nèi)陸港選址規(guī)劃[J]. 水運(yùn)工程,2009,12(12):1-5. XIANG Feng, ZHAO Xu, ZOU Weihong. Location planning for inland ports in north-eastern china based on genetic fuzzy clustering[J].Port&WaterwayEngineering,2009,12(12):1-5.

[20] 石國(guó)政,張暉,范洪軍. 天然氣燃料動(dòng)力船燃料加注模式研究[J]. 船海工程,2013,42(6):57-60. SHI Guozheng, ZHANG Hui,FAN Hongjun. Research on bunkering mode of natural gas-fuelled ship[J].Ship&OceanEngineering,2013,42(6):57-60.

[21] 江蘇海事局, 中國(guó)船級(jí)社. LNG 燃料動(dòng)力船舶加注模式及加注站研究報(bào)告[R].南京:江蘇海事局,2013. Jiangsu Maritime Safety Administration, China Classification Society.FillingModelandFillingStationResearchReportoftheLNGFueledShip[R]. Nanjing: Jiangsu Maritime Safety Administration,2013.

[22] 毛海軍,王勇,杭文,等.基于模糊聚類算法的多配送中心選址優(yōu)化方法[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,42(5):1006-1011. MAO Haijun, WANG Yong, HANG Wen, et al. Optimization method of multi-distribution center location based on fuzzy clustering algorithm[J].JournalofSoutheastUniversity(NaturalScience),2012,42(5):1006-1011.

[23] 周新華,黃道. 一種基于蟻群算法的模糊C均值聚類[J].控制工程,2005,12(2):132-134. ZHOU Xinhua, HUANG Dao. Fuzzy C-mean clustering based on ant algorithm[J].ControlEngineeringofChina,2005,12(2):132-134.

[24] 李泓澤,郭森,王寶. 基于遺傳改進(jìn)蟻群聚類算法的電力客戶價(jià)值評(píng)價(jià)[J].電網(wǎng)技術(shù),2012,36(12):256-261. LI Hongze, GUO Sen, WANG Bao. Evaluation on power customer value based on ants colony clustering algorithm optimized by genetic algorithm[J].PowerSystemTechnology,2012,36(12):256-261.

[25] 朱峰,陳莉. 蟻群與遺傳算法融合的聚類算法研究[J].西北大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,39(5):745-749. ZHU Feng, CHEN Li. Research on clustering algorithm based on fusion of ant colony and genetic algorithm[J].JournalofNorthwestUniversity(NaturalScience),2009,39(5):745-749.

[26] 宮改云,高新波,伍忠東.FCM聚類算法中模糊加權(quán)指數(shù)m的優(yōu)選方法[J].模糊系統(tǒng)與數(shù)學(xué),2005,19(1):143 -148. GONG Gaiyun, GAO Xinbo, WU Zhongdong. An optimal choice method of parametermin FCM clustering algorithm[J].FuzzySystemsandMathematics,2005,19(1):143 -148.

Location Selection of LNG Powered Ship Bunkering Station in Main Line of Yangtze River

YANG Yongsheng, ZHOU Yamin, XU Bowei

(Logistics Research Centre,Institute of Logistics Science & Engineering, Shanghai Maritime University, Shanghai 201306, P.R.China)

Aiming at the location of LNG powered ship bunkering station in the main line of the Yangtze River, the improved ant colony algorithm (considering genetic variation) and the clustering analysis were combined. The clustering analysis can solve the problem of uncertainty and ambiguity in location selection, and the ant colony algorithm with genetic variation can effectively solve the problem of local optimal solution, due to the improper selection of the initial point in the traditional clustering analysis. The case studies show that comparing with the general ant colony clustering analysis, the ant colony clustering based on genetic variation shortens the number of iterations and reduces the amount of calculation; it is much closer to the global optimum, comparing with the traditional clustering analysis.

traffic and transportation engineering; LNG bunkering; main line of the Yangtze River; genetic variation; ant colony clustering; location problem

2015-06-23；

2015-12-01

高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20133121110005)；上海市科委科技創(chuàng)新行動(dòng)計(jì)劃項(xiàng)目(14170501500)；上海市科委自然科學(xué)基金項(xiàng)目(15ZR1420200)；教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目(15YJC630145，15YJC630059)；上海海事大學(xué)研究生創(chuàng)新基金項(xiàng)目(YXR2015038)

楊勇生(1965—)，男，江西南昌人，教授，博士生導(dǎo)師，主要從事港口優(yōu)化、物流裝備自動(dòng)化與智能控制、智能信息處理、智能機(jī)器人方面的研究。E-mail：yangys_smu@126.com。

10.3969/j.issn.1674-0696.2016.06.29

U651.2

A

1674-0696(2016)06-141-07