《Sustainability》:A Joint Optimization Model for Dispatching Straw Balers and Transporters in Sustainable Agriculture
编辑推荐:
随着可持续农业的不断发展,秸秆回收已成为农业残留物资源化利用的有效途径。在实际运作中,农户向企业提交回收需求,企业先调度打捆机(baler),再安排转运车(transporter)进行运输。这种顺序规划过程造成了打捆与运输之间的延迟,并增加了总成本。本研究构建
随着可持续农业的不断发展,秸秆回收已成为农业残留物资源化利用的有效途径。在实际运作中,农户向企业提交回收需求,企业先调度打捆机(baler),再安排转运车(transporter)进行运输。这种顺序规划过程造成了打捆与运输之间的延迟,并增加了总成本。本研究构建了一种同步打捆-运输框架,建立了联合优化模型以最小化总成本,并设计了基于强有效不等式(strong valid inequalities)增强的分支定界算法(Branch and Bound Algorithm)进行求解。基于中国黑龙江省数据的数值实验表明,所提方法能够在合理的计算时间内获得高质量解,并降低总成本。本研究为秸秆回收企业的运营管理提供了一种实用方法。
本研究围绕可持续农业中的秸秆回收物流调度问题展开,针对当前农业机械化多阶段作业中普遍存在的上下游作业车队缺乏协同、 sequential planning(顺序规划)导致等待与空驶严重、机械利用率低下以及整体作业周期延长等瓶颈问题进行了系统研究。现有文献虽已涉及农业机械调度、收获-运输协调等领域,但针对秸秆打捆与运输的集成优化研究仍然不足,尤其缺乏对打捆机与转运车之间严格先后序关系及容量依赖性卸货决策等结构耦合特性的深入刻画。
研究人员首先构建了同步打捆-运输框架下的联合优化模型。该模型以最小化总成本为目标,同时确定秸秆打捆机与转运车的路径方案。模型充分考虑了不同田块面积应与不同类型农业机械相匹配的实际需求,将田块规模作为匹配机器与任务的基础依据;同时纳入了转运车的容量约束条件——当转运车在作业过程中剩余容量不足以服务下一田块时,须执行卸货操作后再继续作业。在模型刻画上,每台机械从起始仓库出发,沿规划路径服务指定田块后返回终端仓库,运输服务在每个田块需待打捆完成后方可启动。此外,研究人员还推导了两类强有效不等式:第一类不等式针对转运车从起始仓库前往首块田地的初始行程,基于"满负荷足以服务任何单块田地"的假设,强制该段行程选择"Route 1"(不经卸货点直接前往);第二类不等式针对转运车完成最后一块田地服务后返回终端仓库的末段行程,基于"到达仓库时负载须为零"的约束,强制该段行程选择"Route 2"(先卸货再返回)。在此基础上,研究人员开发了增强型分支定界算法(Branch and Bound Algorithm strengthened with strong valid inequalities, BBW),通过在节点评估过程中嵌入路径类型割(route-type cut)而非依赖原始松弛,有效加强节点层次的界评估,减少搜索树中的不必要探索。
研究依托中国黑龙江省55块田地、6台打捆机(含0.006 km2/h和0.0043 km2/h两种效率等级各3台)及5台转运车(6000 kg容量3台、4500 kg容量2台)的真实田间作业数据开展数值实验。在算法性能验证方面,BBW与标准分支定界算法(BB)在不同规模实例(田块数25至55)下进行了对比测试,固定计算时限为7200秒。结果表明,随着问题规模增大,两种算法的求解难度均显著上升(田块数从25增至55时,MIPGap从21.14%升至44.62%),但BBW在所有实例中均获得了更低的总成本(ObV最大差距达24.48个成本单位)和更小的MIPGap,其优势在中大规模实例中尤为突出。在与启发式算法的对比中,BBW与蚁群优化算法(Ant Colony Optimization, ACO)、禁忌搜索算法(Tabu Search, TS)和模拟退火算法(Simulated Annealing, SA)进行了基准测试,每种算法独立运行15次取平均。结果显示,BBW在所有实例中均稳定优于三种启发式算法,平均分别较ACO、TS和SA降低成本30.59%、54.23%和50.27%,且随着实例规模增大优势愈发明显,APObV改进幅度对ACO为20.35%-38.92%,对TS为48.86%-60.00%,对SA为42.52%-56.75%。
在敏感性分析中,研究人员设计了六种代表性效率水平,分别固定转运机效率考察打捆机效率变化、以及固定打捆机效率考察转运机效率变化的影响。结果发现,当转运车效率固定于第三水平时,提高打捆机效率对目标函数值产生非单调影响——总成本先从1249.48降至1083.33(第三水平最优),随后又升至1224.25;当打捆机效率固定于第三水平时,转运车效率从第一水平提升至第四水平,总成本从1244.45显著降至1055.31(降幅约14.5%),但继续提升则导致成本反弹。这些发现揭示了单一阶段效率提升的局限性:当运输容量不变时,打捆 capacity 的过度提升会使瓶颈从打捆 stage 转移至运输与交接 stage,增加打捆后、运输前的等待时间;同理,单独升级运输 capacity 也可能因空驶、等待或卸货点拥堵等隐性成本而适得其反。
在讨论与结论部分,研究人员指出本研究的主要贡献在于:聚焦可持续农业秸秆回收的真实机械调度问题,首次将田块面积与机械能力的匹配关系纳入模型;通过最优解结构分析推导强有效不等式并设计增强分支定界算法,显著提升了求解效率;从理论上揭示了打捆与运输两阶段之间的结构耦合性,从实践上为秸秆回收企业的 capacity investment(产能投资)提供了明确指导——即企业应注重两阶段作业机械效率的协调匹配,而非单一追求某类机械的最高效率,从而实现更低成本的秸秆回收与更可持续的农业发展。研究最后提出了未来拓展方向,包括将模型扩展至多目标调度、开发改进启发式算法以缩短最优解获取时间,以及纳入时间窗约束并与收获、秸秆储存等其他作业环节联动,以更完整地刻画秸秆回收物流全链条。
研究结论原文翻译如下:"建立了秸秆打捆与运输协调的同步决策框架。设计了包含路径调度决策的混合整数线性规划(Mixed Integer Linear Programming, MILP)模型,以及基于强有效不等式的分支定界算法以提高计算效率。利用中国黑龙江省的田间作业数据评估了模型并得出秸秆回收服务的管理启示。计算结果表明,在相同运行时间限制下,BBW较标准分支定界算法获得了更低的目标函数值和更小的MIPGap。特别地,在固定时间预算下,BBW在大多数实例中获得了更低的目标函数值和更稳定的收敛性,其优势随着实例规模增大而凸显,展现了在大规模实例中的鲁棒性。与ACO、TS和SA相比,BBW在每个实例中均表现更优,并随着问题规模增大保持优势。此外,研究了不同效率水平秸秆打捆机与转运车之间的工作匹配关系。观察到某一作业阶段效率的提升会将瓶颈转移至另一阶段,导致总成本增加。这些发现表明,秸秆回收企业在配置机械车队时应强调产能匹配,而非最大化单一机械类型的效率。在实际操作中,平衡打捆机与转运车的效率有助于减少等待、避免资源利用不足,并实现更低的运营成本。所提方法在各实例中表现出可靠的 FASTA computational efficiency and robustness。未来研究应将模型扩展至秸秆打捆机与转运车的多目标调度。还应开发改进启发式算法,以确保在更短时间内获得最优解。应纳入时间窗要求以及与其他作业(如收获和秸秆储存)的关联,以更完整地刻画秸秆回收物流全链条。"