کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6892645 1445454 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The periodic supply vessel planning problem with flexible departure times and coupled vessels
ترجمه فارسی عنوان
مشکل برنامه ریزی کشتی دوره ای با زمان خروج انعطاف پذیر و کشتی های همراه
کلمات کلیدی
تدارکات دریایی، مسیریابی خودرو، برنامه ریزی عرضه کشتی دوره ای جستجوی محله بزرگ سازگار،
ترجمه چکیده
در تدارکات دریایی بالادستی، برنامه ریزی تدارکات دوره ای نقش مهمی ایفا می کند، زیرا تدارک دوباره تاسیس تاسیسات دریایی را به صورت منظم با تمام تجهیزات و مواد لازم از یک پایگاه ساحلی تضمین می کند. این مشکل شامل تعیین ترکیب ناوگان و برنامه های کشتی در طی یک افق زمانی مشخص می شود. ما یک نسخه گسترده از این مشکل را شامل خروج انعطاف پذیر از پایه و امکان ترکیب کشتی ها با مبادله برنامه های خود را ارائه می کنیم. ما یک مدل مبتنی بر سفر پیشنهاد می کنیم که می تواند دقیقا برای نمونه های کوچک و متوسط ​​حل شود. برای حل نمونه های بزرگتر، ما یک اکتشافی محله بزرگ سازگار را ایجاد کرده ایم که راه های بهینه یا نزدیک به مطلوب را در موارد کوچک و متوسط ​​اندازه گیری می کند. عملکرد آن در موارد بزرگتر به طور قابل توجهی بهتر از الگوریتم های جایگزین است که قبلا برای همین مشکل توسعه یافته است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
In upstream offshore petroleum logistics, periodic supply vessel planning plays an important role since it ensures the replenishment of offshore installations on a regular basis with all the necessary equipment and materials from an onshore base. The problem involves the determination of the fleet composition and of the vessel schedules over a given time horizon. We present an extended version of this problem involving flexible departures from the base and the possibility of coupling vessels by swapping their schedules. We propose a voyage-based model that can be solved exactly for small- and medium-size instances. For the solution of larger instances, we have developed an adaptive large neighborhood heuristic, which yields optimal or near-optimal solutions relatively fast on small- and medium- size instances. Its performance on larger instances is significantly better than that of alternative algorithms previously developed for the same problem.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 94, June 2018, Pages 52-64
نویسندگان
, , ,