摘 要

为协调船舶营运成本和排放的关系，本文以航速优化理论和pareto最优解集概念为基础，提出了一种船舶航速多目标优化方案。根据研究背景，以最小营运成本和最小排放为优化目标，建立了船舶航速多目标优化模型。接着从多目标优化解的特点入手，综合比较传统优化算法和智能优化算法，详细分析了如何采用粒子群算法求出pareto最优解并用于模型求解。最后采用实船数据加以验证，表明该模型可同时控制船舶营运成本和排放，达到预期优化目标，验证了优化方案的可行性。所得结果对于航运企业在控制营运成本的同时实现节能减排具有重要的指导意义。本文提出的航速优化模型的特点是不需要引入人为因素或专家知识，对于不同船舶和不同航线可以自动计算出优化后的航速。

关键词：多目标优化；航速优化；粒子群算法；营运成本； 排放

Abstract

In order to coordinate the relationship between the economic and environmental benefits, this paper proposes a multi-objective optimization scheme, based on the theory of speed optimization and the concept of Pareto optimal solution set. At first, based on the research background, the multi-objective optimization model of ship speed is established, while the minimum operating cost and the minimum emission are considered as optimization objectives. Then, from the characteristics of the multi objective optimization solution, a comprehensive comparison of the traditional optimization algorithm and intelligent optimization algorithm is discussed, and how to use the Particle Swarm Optimization algorithm to solve the Pareto optimal solution is analyzed in detail. Finally, the actual ship observation data is used to validate the model, which shows that the model can control the ship operating costs and emissions at the same time, and can achieve the expected optimization objectives, and verify the feasibility of the optimization scheme. The results have important guiding significance for shipping enterprises to control operating costs and achieve energy saving and emission reduction. In this paper, the characteristics of the speed optimization model is that the optimal speed for different ships and different routes can be calculated automatically without manual intervention or expert knowledge,

Key Words：Multi-objective optimization；ship speed optimization；particle swarm optimization；Cost； Emissions

目录

第1章 绪论 1

1.1 研究背景 1

1.2 研究目的和意义 1

1.3 国内外研究现状 2

1.3.1 关于航速优化问题的研究 2

1.3.2 关于粒子群算法应用于多目标优化问题的研究 3

1.4 课题研究内容与预期目标 4

第2章 多目标优化模型及求解方法 5

2.1 pareto多目标优化问题表述与特点 5

2.2 pareto问题求解常用算法 6

2.2.1 传统优化算法 6

2.2.2 智能优化算法 7

2.3 粒子群算法用于pareto问题的研究情况与思路 9

2.3.1 粒子群算法简介 9

2.3.2 PSO算法用于多目标优化问题综述 10

2.3.3 PSO算法在各领域优化问题中的应用 11

第3章 船舶航速多目标优化问题 14

3.1 问题描述 14

3.2 建立目标函数 14

3.2.1 目标分解 14

3.2.2 建立目标函数 15

3.3 求解过程 17

3.3.1 求解步骤 17

3.3.2 参数分析 18

第4章 实船案例 19

4.1 航线概况 19

4.2 优化结果 20

4.3 灵敏度分析 22

第5章 结论 23

参考文献 24

附录A 27

致谢 29

第1章 绪论

1.1 研究背景

自上一轮金融危机以来，航运业的处境始终不容乐观：航运经济的重要指标——波罗的海干散货指数（BDI）长期萎靡不振，该指数于2016年2月10日报290点，是波罗的海交易所自从1985年1月开始编制该指数以来的最低值。航运业内普遍认为，本轮BDI指数持续下跌的主要原因是：国际间商品贸易低迷的同时，新船交付量却仍然上升，进一步导致了运力过剩的加剧。与此同时，一大批船东、船厂在残酷的市场竞争中纷纷倒闭，在当前航运市场下，降本增效是一条有效出路，控制成本对企业的重要性不言而喻。

另一方面，《MARPOL 73 /78》附则Ⅵ防止船舶造成大气污染规则已于2005年5月生效，其主要内容是对船舶排放的废气进行控制，防止这些排放物对大气的进一步污染。这也促使我国环保部门履行国际公约，把目光转移到船舶排放上:目前正在加紧制定《船用柴油机大气污染排放标准》；同时交通运输部也已于2015年12月发布了《珠三角、长三角、环渤海水域船舶排放控制区域实施方案》，下一步，交通运输部计划与国家发改委、工信部及环保部联合开展船舶废气排放管理工作。这同时也是我国旅行和人们对汽车尾气排放的关注度相比，船舶作为长期以来被忽视的水上移动污染源，其大气污染物排放势必成为未来治理的重点，也会是航运企业面临的一大挑战。

1.2 研究目的和意义

为应对上述情况，船舶公司在实际营运中应该充分考虑进行航速优化，这是一种兼具控制营运成本、减少船舶废气排放的有效措施，具有重要的环境与经济效益。研究表明，在通常航速范围内，对于排水型船舶推进功率和航速呈三次方关系^[[1]]，故航速过高会增加燃油消耗，从而导致船舶废气排放量增加；若降低航速则可以减少燃油成本及排放量，但同时会造成同一航程内航次租船成本的增加，使得营运总成本增加，反之亦然。

综上所述，综合考虑营运成本和船舶排放进行航速优化，构建对应的多目标优化模型进一步获得最优航速，对于航运业的发展有着重要作用，开展这方面的研究具有重要的学术和工程应用价值。

1.3 国内外研究现状

1.3.1 关于航速优化问题的研究

在水上交通领域，航速优化问题始终是学者们研究的一大热点，中外学者从实际出发，综合燃油价格、市场状态等基本因素和其他考量因素，建立不同的船速优化模型并求解。