用lua语言+Microcity Web解决空集装箱母港选址与配送问题（三）

       Microcity Web介绍：该网站由大连海事大学物流系的孙卓教授自主研发， Microcity Web采用的语言是lua，由于其语法简单，数据结构强大，自由度高，另外，lua也是最快的语言脚本之一，对于优化问题的求解，速度也是十分关键的。Microcity Web可以实现相关运筹问题的求解，在物流交通领域具有较强的适用性，而且具有强大的仿真功能，是新手尝试撰写仿真代码不二选择。

四、车辆路径问题建模及求解

本文采用CW算法来求解选址问题之后的空箱运输CVRP问题。针对本题的研究背景与航运的实际情况，对CW算法做出了优化与改善，使之更加符合实际情况。如下进行说明：

（1）船舶载重空箱数量限制，为了保证船舶的航行安全与船舶稳性，船舶的重箱与空箱需要按合适的比例进行配载与装卸。故本文假设每周的空箱运输由2万TEU的集装箱船进行运输，一般空箱调运占总集装箱的20%-30%，因此设立船舶一次运输空箱运输的容量为4000TEU。

（2）基于研究背景下，空箱运输为每周的港口空箱需求，为了不延误港口作业而造成的连锁反应损失，需要对空箱运输时间进行限制，即不能无限制的添加需求点到路径中，必须满足一定的时间限制才能满足港口作业要求。故假设港口运输线路的航行总时长不多于2周。

（3）根据问题2所求解出的母港为新加坡港，考虑到港口装卸作业时间跟空箱需求量有关，该港口的空箱需求量高的情况下，它的装卸作业也会相应延长（1000TEU/天）。考虑到航行路程与航行时间的关系，航行海里越长，航行时间越长，由于模型中考虑了距离因素，故将5000km/天作为惩罚时间加入C-W模型。

基于以上分析，本文需要构建具有时间限制的C-W模型来解决空箱调运的CVRP问题。

（4）运行结果如下，共需4艘船，1为新加坡港：

关键代码框架：

建模求解 .lua

Step1：设置目标函数 mip = math.newmip() m = {} for _, v in ipairs(C) do table.insert(m, v) end for _, v in ipairs(T) do table.insert(m, v) end total_number = #m mip:addrow(m, "min") Step2：设置约束条件 约束一：至少建设P个站点 w1 = {} for i = 1, total_number do     ..... end mip:addrow(w1, ">=", P) 约束二：满足每个客户的最小需求量 for j = 1, #C_low_cost do     local w2 = {}     for i = 1, total_number do         ......     end     mip:addrow(w2, ">=", C_low_cost[j]) end 约束三：不超过每个站点的最大供应 for j = 1, #S_high_require do     local w3 = {}     for i = 1, total_number do         if i <= #C then             ......         else            ......     ……     mip:addrow(w3, ">=", 0) end Step3：输出选取站点、服务对象、供给数量 x={} for i=1 ,total_number do    --变量0-1     x[i]='c'..i     if i<=#C then         mip:addrow(x[i], "bin")      end end mip:solve() print("最小化目标函数值: ", mip['obj']) print("被选取的站点:") print("站点 " .. i .. " 对客户 " .. j .. " 的供应量: " .. supply .. " 单位")