链上镖师 / Chain Biaoshi
TRE|内河电动集装箱船补能：Benders分解优化
一艘服务运营船携带多艘安全转运艇，在送达、接回和延误罚金之间做联合路径决策
这篇论文把海上风电维护中的服务运营船与安全转运艇建成串联路径优化问题，并用VNS求解大规模日常维护调度。
- 01：研究对象是海上风电场日常维护中技师和设备的送达、接回与船队路径协同。
- 02：模型同时决定SOV主航线、STB投放回收节点、每台风机由哪类船服务以及延误罚金。
- 03：计算实验显示，CPLEX在中大规模实例上求解压力明显，VNS变体能更快给出高质量方案。
研究背景
海上风电场能减少陆上视觉影响并提供电力供给，运维成本也成为盈利能力的关键约束。论文指出，运维费用可占海上风电场全生命周期成本的四分之一，且远离海岸的新风场会进一步推高日常维护难度。
服务运营船SOV可以在海上停留数日，并携带住宿、仓储和维护设备。安全转运艇STB从SOV甲板释放，用于把技师和设备转运到指定风机，完成任务后再返回SOV，由此形成母船与子船串联作业。
Fig. 1：10台风机场景下的SOV与STB送达、回收和接回路线示意。来源：Fig. 1
这类作业的核心难点在于同一天内同时安排送达、维护等待、接回、子船多次出航和母船移动会合，路径问题和时间同步问题会叠加。
核心问题
论文研究给定维护计划下的日常路径优化：当天需要预防性维护的风机已经确定，模型要决定SOV和多艘STB如何把技师与设备送到风机，并在维护结束后接回。目标是在船舶航行成本、STB使用成本和延误罚金之间最小化总成本。
问题设置允许STB一次访问多个风机，并在回到SOV后再次投放；STB之间还可存在速度、燃油成本和容量差异。部分风机由于维护设备尺寸或天气等限制只能由SOV访问，其他风机可由SOV或STB服务。
1输入：当天待维护风机、每台风机维护时长、技师需求、STB可达性和船舶参数。
2决策：SOV访问顺序、STB使用与多次出航、投放回收节点、送达与接回时间。
3约束：每个送达/接回节点只服务一次，STB必须从SOV处投放并回收，接回时间晚于维护完成时间。
4目标：最小化SOV成本、STB成本、固定使用成本和超过时间上限的罚金。
推荐完工时限
10小时
延误罚金
700欧元/小时
方法框架
论文先构建混合整数线性规划模型。SOV相关变量描述节点是否由SOV服务、SOV是否经过某条弧以及到达时间；STB相关变量描述某艘STB是否使用、某次行程服务哪些节点、从哪里投放和在哪里回收。
模型还设置技师到达时间、最终到达时间和最大延误时间。时间约束负责保证SOV先到达可投放或回收节点，STB完成前一次行程后才能开始下一次行程，接回节点的到达时间满足维护时长和转运时间要求。
Algorithm 1：所提VNS算法的主步骤，覆盖初始解、扰动、局部搜索和最优解更新。来源：Algorithm 1
由于CPLEX在较大实例上会受到运行时间和内存压力，论文进一步设计基于变邻域搜索的元启发式。该方法从可行初始解出发，反复执行扰动和局部搜索，并用学习机制优先调用历史改进效果更好的局部搜索。
阶段 1 MILP模型定义串联母船-子船路径、服务分配、时间同步和技师容量。
阶段 2 初始解从SOV服务路径开始，再按规则把可达节点分配给SOV或STB。
阶段 3 VNS通过多个局部搜索移动节点、调整行程和更新船队分工。
阶段 4 学习型排序把改进概率高的局部搜索放到更靠前的位置。
案例或实验设置
计算实验基于英国Thanet海上风电场。该风场包含100台3MW风机，位于英格兰Kent郡Thanet海岸外11公里。论文选取当天需要维护的风机，给出经纬度、维护时长、技师需求和STB可达性。
Table 2：实验使用的风机数据与STB可达性。来源：Table 2
表中14台风机的维护时长为5至8小时，技师需求为2或3人，其中T2、T5、T10和T13不能由STB访问。实验生成15个测试实例，小规模实例包含4至8台风机和1艘STB，中规模实例包含9至14台风机并最多使用2艘STB。
Fig. 2：INS3-I7V1算例中SOV与STB的路线安排，展示子船短驳如何嵌入母船主航线。来源：Fig. 2
小规模实例
4-8台风机，1艘STB
中规模实例
9-14台风机，最多2艘STB
结果分析
小规模实例中，CPLEX在设置单次STB行程时给出0缺口解，VNS各变体也能稳定达到最好解。表4显示，小规模算例平均SOV成本占61.05%，STB成本占38.95%，罚金成本为0，说明基础场景下联合调度可在时限内完成任务。
Table 5：中规模实例中CPLEX和VNS变体的求解表现。来源：Table 5
中规模实例中，CPLEX三小时内未能收敛到最优，平均缺口约40%。论文报告，VNS变体在更短时间内给出更低偏差解，其中VNS-LSL(9+0)在1艘STB实例的最佳平均偏差为0.51%，在2艘STB实例为0.04%。
Table 11：不同求解方法的偏差和平均计算时间对比。来源：Table 11
Fig. 4：75节点Uniform实例中不同方法得到的总成本。来源：Fig. 4
管理启示
实验结果支持一个直接运营含义：SOV携带STB可以把远海维护任务拆成主航线和短驳航线，减少SOV直接逐点服务的压力。论文还观察到，当1艘STB面对超过10台风机时可能需要两次行程，若SOV携带2艘STB，两艘STB都会被部署。
Fig. 3：罚金成本单价对INS3-I7V1总成本的影响。来源：Fig. 3
罚金单价会改变路线选择。论文在INS3-I7V1上测试罚金成本后指出，罚金提高会推动方案更重视减少延误，且当罚金单价高于30时，获得的路线方案不再变化。
Table 13：串联模型、仅SOV模型和仅STB模型的结果比较。来源：Table 13
Fig. 5：不同Gamma水平下确定性方案的总成本和罚金成本，呈现维护时长不确定性带来的风险成本。来源：Fig. 5
论文：A tandem mother-daughter-vessel routing problem for maintenance activities in offshore wind farms
作者：Chandra Ade Irawan，Said Salhi，Giampaolo Buticchi，Hing Kai Chan
期刊：Transportation Research Part E
链上镖师、先卜交通、先卜运筹通用论文ID
保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待
先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义
