See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/4053668
Iterative optimization and simulation of barge traffic on an inland waterway
Conference Paper in Proceedings - Winter Simulation Conference · January 2004
DOI: 10.1109/WSC.2003.1261629 · Source: IEEE Xplore
CITATIONS
9
READS
51
3 authors, including:
86 PUBLICATIONS 666 CITATIONS
Some of the authors of this publication are also working on these related projects:
Handbook of Mechanical Engineering View project
All content following this page was uploaded by William Biles on 05 May 2014.
The user has requested enhancement of the downloaded file.
Proceedings of the 2003 Winter Simulation Conference
S. Chick, P. J. Saacute;nchez, D. Ferrin, and D. J. Morrice, eds.
ITERATIVE OPTIMIZATION AND SIMULATION OF BARGE TRAFFIC ON AN INLAND WATERWAY
Amy Bush
W. E. Biles
G. W. DePuy
Department of Industrial Engineering University of Louisville
Louisville, KY 40292, U.S.A.
ABSTRACT
This paper describes an iterative technique between opti- mization and simulation models used to determine solu- tions to optimization problems and ensure that the solu- tions are feasible for real world operations (in terms of a simulation model). The technique allows for the devel- opment of separate optimization and simulation models with varying levels of detail in each model. The results and parameters of the optimization model are used as input to the simulation model. The performance measures from the simulation output are compared to acceptable levels. These performance measures are then used to modify the optimization model if the simulation results are not accept- able. This iterative approach continues until an acceptable solution is reached. This iterative technique is applied to barge traffic on an inland waterway as an example. Linear programming is used as the optimization technique for the example while a simulation model is developed using Arena software.
INTRODUCTION
-
- Relevance of Iterative Technique
Simulation and optimization techniques are commonly ap- plied in tandem to study many types of real world prob- lems. Both simulation and optimization are applied to the same problem mainly for two reasons. First, it allows an analyst to simulate a specific system and then determine the optimal value for some parameter within the problem through the application of an optimization technique. An example of this is the OptQuest optimizer within Arena. It allows a specific simulated system to be optimized to de- termine the optimal values for a set of specified parame- ters. Various other techniques can be used to optimize specific parameters within a simulation model. Extensive examples and methodologies of the optimization of simula-
tion models are available. Fu (2000), Swisher et al. (2000), Glover (1999), and Azadivar (1999) all presented various techniques at previous Winter Simulation Conferences. Secondly, simulation is often applied to the results of an optimization problem in order to check the validity of the model and/or the results. The results of the optimization model are used as inputs to the simulation model
Separate Optimization and Simulation Models
This paper suggests developing separate optimization and simulation models, allowing for different levels of detail to be included in each model. An iterative procedure between the simulation and optimization model is suggested in or- der to guarantee a near-optimal solution is reached that is also feasible based on the simulation model constructs. J
剩余内容已隐藏，支付完成后下载完整资料
请参阅以下出版物的讨论，统计数据和作者个人资料：https://www.researchgate.net/publication/4053668
会议论文集-冬季模拟会议·2004年1月
DOI：10.1109 / WSC.2003.1261629·来源：IEEE Xplore
引文 读
9 51
3位作者，其中包括：
86出版物666引文
该出版物的一些作者也在从事以下相关项目： 机械工程手册查看专案
此页面后的所有内容均由上传威廉·比尔斯2014年5月5日。
用户已请求增强下载文件的功能。
2003年冬季模拟会议论文集
S. Chick，PJSaacute;nchez，D。Ferrin和DJ Morrice编辑。
内河航道驳船交通的迭代优化与仿真
Amy Bush
W. E. Biles
G. W. DePuy
路易斯维尔大学工业工程系美国肯塔基州路易斯维尔40292
摘 要
本文介绍了一种优化和仿真模型之间的迭代技术，该技术用于确定优化问题的解决方案，并确保解决方案对于现实世界的操作是可行的（就仿真模型而言）。该技术允许开发单独的优化和仿真模型，其中每个模型的详细程度各不相同。优化模型的结果和参数用作仿真模型的输入。将模拟输出中的性能指标与可接受的水平进行比较。如果模拟结果不可接受，则可以使用这些性能指标来修改优化模型。这种迭代方法一直持续到达成可接受的解决方案为止。例如，这种迭代技术被应用于内河航道上的驳船交通。使用Arena软件开发仿真模型时，将线性编程用作示例的优化技术。
1 介绍
1.1 迭代技术的相关性
仿真和优化技术通常一并应用，以研究许多类型的现实世界问题。仿真和优化都应用于同一问题，主要有两个原因。首先，它允许分析人员模拟特定的系统， 然后通过应用优化技术确定问题内某个参数的最佳值。 一个示例是Arena中的OptQuest优化器。它允许对特定 的仿真系统进行优化，以确定一组指定参数的最佳值。 可以使用各种其他技术来优化仿真模型中的特定参数。 模拟优化的广泛示例和方法可用的模型。Fu（2000）， Swisher等。（2000）， Glover（1999）和Azadivar（1999）在以前的冬季模拟会议上都提出了各种技术。其次，通常将仿真应用于优化问题的结果，以检查模型和/或结果的有效性。优化模型的结果用作仿真模型的输入。
1.2 单独的优化和仿真模型
本文建议开发单独的优化和仿真模型，以便在每个模 型中包含不同级别的细节。建议在仿真和优化模型之间进行迭代，以确保达到接近最优的解决方案，该解 决方案在仿真模型构造的基础上也是可行的。Jaccard 等。（2003）以及Brekke和Moxnes（2001）应用单独 的优化和仿真模型以比较结果。两种情况下的结果均 表明，两种类型的建模均对决策产生积极影响，但原 因有所不同。不同的技术是相互补充，而不是替代。Morito等人提出了一种相关的迭代技术。（1999年）， 其中基于模拟结果将优化约束添加到模型中。
单独将优化技术应用于现实情况会产生有关系统的有价值的信息。显然，结果的相关性取决于模型的质量。优化对于长期战略规划很有用。此处出于说明目的应用的优化技术是线性编程，但是其他技术同样适用。
线性程序对于日常运营计划没有用。例如，LP可能会产生一个结果，即在一个月的计划时间内，应将150 艘驳船从船队1分配到船队2。这个信息不会帮助决策者就驳船路线做出日常决策。
将优化应用于如此大的问题可能会导致难以解释和验证结果。第一个问题是由优化确定的解决方案是否 是“现实”可行的解决方案。实际可行的解决方案是指 不仅对于优化模型可行，而且对于实际系统可行的解 决方案。对于该优化模型而言，现实可行的解决方案 是可行的，并且该优化的参数在仿真模型中是可接受 的。在某些情况下，不可能在优化模型中包含实际系 统的所有约束和操作过程。在这些情况下，仿真可能 是合并真实系统的所有必需过程和约束的有用工具。
仿真模型的应用将允许某些现实世界中的系统需求包括在分析中，而这些需求在优化中并未考虑。约束 和过程可能不包括在优化中，因为不可能将它们包含 在优化模型中，或者因为它们与长期战略规划无关。
1.3 在驳船系统建模中的应用
本文将所提出的迭代方法应用于特定现实世界问题的仿真和优化。该应用是在密西西比河下游地区的驳船交通。驳船从墨西哥湾以及各种河流入口进入河流的 这一区域。下面的图1显示了河流系统的简化示例。
系统
卸载位置 船队位置
加载位置 具有清洁和维修功能的船队
图1：河流系统的简化示例
基本的交通流量始于通过拖把驳船带入系统。该系 统的入口和出口由图1中的箭头表示。拖车由一组组成，拖船由拖船移动。已加载驳船有特定的卸货位置。最初将拖车拖到船队位置（用于组织进出拖车的位置）进行重新组合，然后将其发送到分配的卸载目的地。拖缆可以由大小，拖曳能力和运营成本不同的不同类型的船提供动力。
驳船被运送到卸货地点，然后根据需要发送到各个船队地点进行清洁和维修活动。清洁和维修后，驳船 将重新分配以进行装载。装载的驳船被发送到车队位 置，以组织成束，然后沿适当的方向从系统中取出。
研究了驳船运输系统，以确定通过该系统的驳船路 线，以最大程度地减少驳船运输的成本。路线基于驳船的卸载位置和出口方向。这些路线至关重要，因为驳船可以通过系统的各种路径到达目的地。这意味着确定驳船的位置，以将其重新分配并组织成丝束以及清洁和维修活动的位置。这种类型的分析对于确定船只容量是否足够或船队空间的增加是否合理是有益的。
2 迭代技术
2.1 迭代流程
该技术的目的是确定优化问题的最佳“现实”解决方案，在此示例中为线性程序。实际解决方案是指由优化产生的可行解决方案，在模拟模型中也是“可行的”。给定两个模型中不同的构造和规则，这使得基于优化 和仿真的结果都可行。
下面的图2中显示了所提出的优化和仿真迭代方法 的基础。虚线框表示由计算机执行的步骤，而熟练的 分析师则执行其他步骤。
以下各节对应于图2中的编号元素。
2.2 解决优化模型
迭代过程的第一步包括解决优化模型并确定该模型的解决方案。可以使用任何可用的求解器来求解优化模型，具体取决于所应用的优化技术。因此，这是该过程中计算机执行的任务。该运行的结果可能会或可能不会为优化模型提供可行的解决方案。此步骤可能涉及解决开发的初始优化模型或解决具有通过迭代过程修改的参数的优化问题。
解决优化问题（2.2）
将当前解决方案和参数发送给仿真模型（2.3）
运行仿真模型（2.4）
当前解决方案是否“现实可行”？ （2.5）
（2.5）
YES
NO
当前解决方案是最终解决方案吗？（2.9）
确定不可行的参数（2.6）
YES
NO
确定要修改的参数（2.7）
修改优化参数（2.10）
图2：仿真模型和优化模型之间的流程
最终解决方案（2.11）
修改优化模型（2.8）
2.6 确定不可行的参数
一旦确定当前的模拟解决方案不是“现实可行”的，分析人员将确定优化模型中的哪些参数导致了“非现实可行”解决方案。这是分析师手动执行的步骤。确定哪些因素不可行将基于上一步中讨论的绩效指标列表。每个性能指标将具有与之关联的特定优化参数。这些是优化模型中的参数，它们会影响仿真模型中的性能指标。因此，先前确定的不处于可接受水平的性能度量将用于确定在优化模型中要修改哪些参数。
资料编号：[241340]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
