海上移动充电船选址与电动船舶充电调度优化研究

为解决电动船舶(EVs)续航限制导致的运营挑战，研究人员开展海上移动充电船选址与充电调度(OMCVL-EVCSP)研究，提出混合整数线性规划(MILP)模型及并行自适应大邻域搜索算法(PALNS)。结果表明，PALNS在求解质量与计算效率上均优于CPLEX和元启发式方法，为绿色航运提供关键技术支撑。

　　

随着全球航运业年碳排放量达十亿吨级，电动船舶(EVs)因其零排放、低噪音特性成为绿色航运的关键解决方案。然而，当前电池技术限制使EVs难以满足长航程需求，亟需开发海上充电基础设施。针对这一挑战，中国国家自然科学基金（项目号72201044）资助的研究团队在《Ocean Engineering》发表论文，创新性地提出海上移动充电船选址与电动船舶充电调度问题(OMCVL-EVCSP)的优化框架。

研究采用混合整数线性规划(MILP)建模，开发并行自适应大邻域搜索算法(PALNS)，通过贪婪启发式构建初始解，设计特异性破坏-修复算子，结合局部搜索机制迭代优化。对比改进人工蜂群算法(IABC)和自适应遗传算法(AGA)，PALNS在3600秒时限内展现出显著优势。

问题描述与建模
建立包含异构充电设施的多目标优化模型，最小化选址成本、航行成本与延误惩罚。模型考虑船舶电池容量、能耗率等约束，将NP难的设施选址问题与并行机器调度问题耦合求解。

算法设计
PALNS算法通过并行线程生成多样化初始解，采用动态权重调整的12种破坏算子（如随机移除、最差移除）和8种修复算子（如贪婪插入、后悔插入），结合变邻域下降法(VND)提升局部搜索效率。

计算结果
在AMD R7-5800H平台测试中，PALNS对100节点实例的求解时间较CPLEX缩短78%，目标函数值改善12.6%。案例研究显示，移动充电船部署可使船队运营成本降低23%，碳排放减少34%。

结论与展望
该研究为海上充电网络规划提供决策工具，证实移动充电船可缓解港口拥堵并提升EVs续航能力。未来研究将整合风能-太阳能混合供电系统，并探索动态环境下的实时调度策略。香港理工大学（项目P0045887）的后续工作将进一步优化算法在极端天气条件下的鲁棒性。