Оптимизация пунтков перевалки «морской порт

Автор(ы): Морозов Н.Ю., Гришин Е.М., Правдивец Н.А., Коровкин Д.М.

Выпуск: 99

Рубрика: Управление техническими системами и технологическими процессами

Год: 2022

Библиография: Морозов Н.Ю., Гришин Е.М., Правдивец Н.А., Коровкин Д.М. Оптимизация пунтков перевалки «морской порт – железная дорога» // Управление большими системами. Выпуск 99. М.: ИПУ РАН, 2022. С.135-156. DOI: https://doi.org/10.25728/ubs.2022.99.6

Дата опубликования: 30.09.2022

Ключевые слова: дискретная оптимизация, математическое моделирование, железная дорога, пункт перевалки, морской порт

Аннотация: В связи с ростом объема мультимодальных перевозок ОАО «РЖД» требуется более эффективное использование имеющихся ресурсов. В наши дни наиболее востребованной разновидностью международного грузооборота является доставка морским транспортом с последующей перегрузкой на железную дорогу для доставки до пункта назначения на материке. В настоящей статье предлагается комплексная математическая модель, включающая две подзадачи: задачу назначения причалов (BAP) и задачу формирования составов. Совместное решение этих взаимосвязанных задач позволяет учитывать в процессе решения все ограничения и находить решение, с учетом как оптимизации перегрузки в морском порте, так и с учётом технических особеннотей железной дороги. Предложенная модель позволяет получить эффективные решения для объединенной задачи пункта перевалки. Для проведения вычислительных экспериментов использован оптимизатор Gurobi. Выбор оптимизатора Gurobi связан с тем, что он позволяет получать более качественное решение по сравнению с эвристическими алгоритмами, хотя и работает в среднем дольше. Стоит заметить, что повышение эффективности работы порта, связанное с более качественно построенным расписанием, находится в приоритете относительно более продолжительного времени вычислений. Для экспериментов были сгенерированы псевдореальные данные, соответствующие инфраструктуре Дальневосточной железной дороги, размерностью до 15 причалов и 12 кораблей. В рамках проведённых вычислений с ограничением времени в 60 минут для части примеров удалось найти оптимальное решение, а для остальных примеров оценка погрешности полученного значения целевой функции составляет менее 10%.

Author(s): Morozov N., Grishin E., Pravdivets N., Korovkin D., Tiulenev I.

Article title: Optimization of transshipment points seaport – railway

Issue: 99

Year: 2022

Keywords: discrete optimization, mathematical modeling, railway, transshipment point

Abstract: Due to the growth volumes of multimodal transportation, Russian Railways requires a more efficient use of available resources. Because of the large international cargo turnover, today the most popular type of international delivery is sea transport, followed by transshipment onto the railroad for delivery to the destination on the mainland. This article proposes a complex mathematical model that includes two subtasks: the berth assignment problem (BAP) and the task of forming trains. The joint solution of these interrelated tasks allows us to take into account all the constraints in the solution process and find a solution that is optimal both from the point of view of optimizing the seaport and the technical features of the railway. The proposed model makes it possible to obtain effective solutions for the combined task of a transshipment point. The Gurobi optimizer was used to carry out computational experiments. The choice of the Gurobi optimizer is due to the fact that it allows obtaining a better-quality solution compared to heuristic algorithms, although it works longer on average. The increase in the efficiency of the port, associated with a better-built schedule, is in priority over a longer computation time. For the experiments, pseudo-real data were generated corresponding to the infrastructure of the Far Eastern Railway, with dimensions of up to 15 berths and 12 ships. Calculations were carried out with a time limit of 60 minutes, in which for some of test examples it was possible to find the optimal solution, and for the rest of test examples, the error estimate of the obtained value of the objective function is less than 10%.