改进麻雀算法求解带模糊需求的低碳路径优化

摘要

目的 针对低碳背景下带模糊需求的低碳多式联运规划问题(Low-carbon Multimodal Transportation Planning Problem with Fuzzy Demand, LCMTPP-FD),以成本最小化构建数学模型。同时,结合现有的强制碳排放、碳税、碳交易和碳补偿等政策对LCMTPP-FD进行模型转换,研究不同低碳政策对物流成本和碳排放量的影响。方法 主要根据模型的特征,设计一种t分布麻雀搜索算法,对不同低碳政策下的模型进行求解,将迭代次数作为t分布的自由度来提高麻雀算法的性能。结果 将改进算法及多个模型应用于实际运输案例中,改进的麻雀算法能在较短时间内获得最优解,并且在强制碳排放下碳排放量最少为9 522.28,在碳交易和碳补偿政策下成本分别降低了11.41%、17.24%。结论 改进的麻雀搜索算法具有较好的收敛性和搜索能力。强制碳排放能有效地降低碳排放量,碳交易和碳补偿能有效降低企业成本,适合于低碳运输的推广。