删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于合作博弈的港口物流链云服务组织方法

清华大学 辅仁网/2017-07-07

基于合作博弈的港口物流链云服务组织方法
丁荣涛()
Organization method for port logistics chain's cloud service based on cooperative game theory
Rongtao DING()
Zhejiang Commercial Economy Research Institute, Hangzhou 310053, China

摘要:
HTML
输出: BibTeX | EndNote (RIS) 背景资料
文章导读
摘要以合作博弈为基础,分析港口物流链云服务网络需求特征,描述了云服务网络通过公平的竞标和招标形成港口物流链的过程。设计了公有云集中决策,私有云利益补偿的物流链云服务组织策略。该策略能保证港口物流链成员利益均衡。建立了符合港口物流链云计算并行要求的多Agent计算框架,引入云遗传算法实现稳定高效的港口物流链资源选择和协作组织过程计算。算例测试结果表明,设计的模型与算法具有较强的可操作性,可以作为港口物流链云服务组织的参考方法。

关键词 云服务,合作博弈,港口物流,遗传算法
Abstract:Based on the cooperative game theory, this paper analyzes the demand characteristics of port logistics chain cloud service network, and describes the process of formation of the port logistics chain cloud service network through fair bidding and tendering. The logistics chain cloud service organization strategy was designed including public cloud centralized decision with private cloud compensation designed, which guarantees the benefit equilibrium of port logistics chain members. The multiple agent parallel computing framework was established for port logistics chain cloud service, with the stable and efficient cloud genetic algorithm applied to the implementation process of logistics chain resource selection and collaborative computation. A test example shows that the designed model and algorithm have more effective operability, and can be taken as a reference for port logistics chain's cloud service organization.

Key wordscloud servicecooperative gameport logisticsgenetic algorithm
收稿日期: 2013-12-26 出版日期: 2015-04-16
ZTFLH: 
基金资助:国家自然科学基金资助项目(60970021);浙江省高等学校教师专业发展访问学者项目(FX2012107)
引用本文:
丁荣涛. 基于合作博弈的港口物流链云服务组织方法[J]. 清华大学学报(自然科学版), 2014, 54(3): 366-372.
Rongtao DING. Organization method for port logistics chain's cloud service based on cooperative game theory. Journal of Tsinghua University(Science and Technology), 2014, 54(3): 366-372.
链接本文:
http://jst.tsinghuajournals.com/CN/ http://jst.tsinghuajournals.com/CN/Y2014/V54/I3/366


图表:
港口物流链云服务网
港口物流链云服务形成流程图
双层分布式Agent计算框架
Agent 所属云 功能
Generator 公、私 存放策略,产生预期物流方案
Scheduler 公、私 维护服务状态和工作计划
Separator 公、私 维护计算中的初始解和可行解
Optimizer 公、私 对解进行不断选择和改进
Amender 公、私 对解进行排除或修正处理
Dumper 公、私 清除计算过程中的无用解
Synthesizer 公、私 服务任务相关云间数据通信
Agreement 物流资源招标,签订合作协议
Integrator 服务节点资源竞标和整合


计算框架中的Agent列表
起点 终点 运输量 成本约束 时间约束
52,60 1,3 70 120 130


物流任务描述
编号 所属云 坐标系 可转运量 可存储量
N1 C0 52,60 200 582
N2 C1 49,16 26 12
N3 C1 45,25 53 79
N4 C2 41,53 31 45
N5 C2 28,39 45 36
N6 C2 13,16 60 81
N7 C3 11,23 47 34
N8 C3 10,32 70 42
N9 C3 6,9 82 160
N10 C3 1,23 52 147


物流资源服务节点列表
物流任务执行节点有向图
路径 转运量 转运收益
N1N3 51 28
N1N4 19 3
N3N6 51 26
N4N5 19 5
N5N7 19 12
N6N9 51 11
N7N9 19 7
N9→目的地 70 23


转运服务任务分配列表


参考文献:
[1] 丁荣涛. 基于协作能力约束的港口集卡调度优化策略[J]. 清华大学学报: 自然科学版, 2012, 52(8): 1158-1164. DING Rongtao. Dispatch optimization strategy of port container trucks based on collaborative capacity constraints[J]. Journal of Tsinghua University: Science and Technology, 2012, 52(8): 1158-1164. (in Chinese)
[2] Denktas-Sakar G, Karatas-Cetin C. Port sustainability and stakeholder management in supply chains: A framework on resource dependence theory[J]. The Asian Journal of Shipping and Logistics, 2012, 28(10): 301-319.
[3] Lozano S, Moreno P, Adenso-Díaz B, et al. Cooperative game theory approach to allocating benefits of horizontal cooperation[J]. European Journal of Operational Research, 2012(2): 56-62.
[4] Audy J F, D'Amours S, Rönnqvist M. An empirical study on coalition formation and cost/savings allocation[J]. International Journal of Production Economics, 2012, 136(3): 13-27.
[5] 莫宝民. 基于供应链的港口物流系统规划方法研究 [D]. 大连: 大连海事大学, 2009. MO Baomin. Research on planning methods for port logistics systems based on supply chains [D]. Dalian: Dalian Maritime University, 2009. (in Chinese)
[6] 孔祥荣,韩伯棠. 基于合作博弈的运输分配方法[J]. 系统工程理论与实践, 2010, 30(7): 1340-1344. KONG Xiangrong, HAN Botang. Allocation method of transportation based on cooperative game[J]. Systems Engineering-Theory & Practice, 2010, 30(7): 1340-1344. (in Chinese)
[7] 陈康, 郑纬民. 云计算:系统实例与研究现状[J]. 软件学报, 2009, 20(5): 1337-1348. CHEN Kang, ZHENG Weimin. Cloud computing: System instances and current research[J]. Journal of Software, 2009, 20(5): 1337-1348. (in Chinese)


相关文章:
[1]王振波, 张君, 罗孙一鸣. 喷水法成型纤维网增强水泥基板材抗弯性能[J]. 清华大学学报(自然科学版), 2014, 54(5): 551-555.
[2]罗逍, 姚远, 张金换. 一种毫米波雷达和摄像头联合标定方法[J]. 清华大学学报(自然科学版), 2014, 54(3): 289-293.
[3]朱兵, 陈洵欢, 张文俊, 胡山鹰, 金涌. 中国合成氨行业清洁生产潜力分析[J]. 清华大学学报(自然科学版), 2014, 54(3): 309-313.
[4]张金换, 刘卫国, 李景涛, 赵福全. 行人头型冲击器试验有限元建模及敏感参数分析[J]. 清华大学学报(自然科学版), 2014, 54(3): 294-298.
[5]许述财, 邹猛, 魏灿刚, 王龙臻, 张金换, 于用军. 仿竹结构薄壁管的轴向耐撞性分析及优化[J]. 清华大学学报(自然科学版), 2014, 54(3): 299-304.
[6]屈岳波, 曹彬, 王梁, 张伯奇, 吴健栋, 蔡志鹏, 潘际銮. 窄间隙埋弧焊接头熔合区弱化的研究[J]. 清华大学学报(自然科学版), 2014, 54(3): 305-308.
[7]林源, 梁舒, 王生进. 基于非刚性ICP的三维人脸数据配准算法[J]. 清华大学学报(自然科学版), 2014, 54(3): 334-340.
[8]张珂, 丁巧林, 刘涛, 赵伟. 基于细节空间关系的自然语言组合描述方法[J]. 清华大学学报(自然科学版), 2014, 54(3): 341-347.
[9]孙轶轩, 邵春福, 计寻, 朱亮. 基于ARIMA与信息粒化SVR组合模型的交通事故时序预测[J]. 清华大学学报(自然科学版), 2014, 54(3): 348-353.
[10]强彦, 裴博, 赵涓涓, 路景贵. 模糊支持向量机在肺结节良恶性分类中的应用[J]. 清华大学学报(自然科学版), 2014, 54(3): 354-359.
[11]朱强, 孙玉强. 一种基于信任度的协同过滤推荐方法[J]. 清华大学学报(自然科学版), 2014, 54(3): 360-365.
[12]熊杰明, 陈潇, 孙国娟, 葛明兰, 黄海燕, 杨靖丰. 煤沥青原料性质和反应条件对中间相炭微球粒度分布和形貌的影响[J]. 清华大学学报(自然科学版), 2014, 54(3): 314-319.
[13]张超, 刘奕, 张辉, 黄弘. 基于支持向量机的城市燃气日负荷预测方法研究[J]. 清华大学学报(自然科学版), 2014, 54(3): 320-325.
[14]肖斌, 肖田元. 支持成员动态重用的HLA/RTI扩展[J]. 清华大学学报(自然科学版), 2014, 54(3): 326-333.
[15]蔡志鹏, 吴健栋, 汤之南, 张伯奇, 潘际銮, 刘霞. 汽轮机焊接转子接头低周疲劳过程损伤变量的复合分析法[J]. 清华大学学报(自然科学版), 2014, 54(2): 178-184.

相关话题/物流 港口 计算 组织 资源