一种利润最大化的废物资处置的优化方法

摘要

本发明公开了一种利润最大化的废物资处置的优化方法，其建立废物资处置利润额与处置批次安排之间的数学关系；通过废物资拆除计划确定一年内的待处置废物资总量，以利润最大化作为目标，并考虑废物资处置评估费用、仓库保管费、竞价费用、处置批次安排、库存自然损失率等因素建立数学优化模型，最终实现处置利润最大化；利用遗传算法对优化模型进行迭代计算，最终确定废物资全年处置的批次数和处置的月份，从而确定各批次处置的废物资明细。本发明具有较强的经济效益，其对于企业经济运行、综合计划安排有较强的实际指导意义。

主权项

一种利润最大化的废物资处置的优化方法，其特征在于：建立废物资处置利润额与处置批次安排之间的数学关系，具体为：废物资处置的总利润为一年中各批次废物资处置的利润和，其数学表达式为：f_总＝f₁+f₂+f₃…f_ss.t.s∈N且1≤s≤12其中：f_总：一年废物资处置的总利润；f_s：第s批废物资处置的利润；s：废物资处置的批次；废物资处置利润额包括废物资残值、废物资仓储费用、废物资处置评估费用、废物资处置竞价费用，因此，f_s可以表达为：f_s＝f_残值,s‑f_仓储,s‑f_评估,s‑f_竞价,sf_残值,s＝x₁[y_11,s×(1‑t_11,s×p_{1自然损失}％)+y_21,s×(1‑t_21,s×p_{1自然损失}％)…y_n1,s×(1‑t_n1,s×p_{1自然损失}％)]+x₂[y_12,s×(1‑t_12,s×p_{2自然损失}％)+y_22,s×(1‑t_22,s×p_{2自然损失}％)…y_n2,s×(1‑t_n2,s×p_{2自然损失}％)]+x_m[y_1m,s×(1‑t_1m,s×p_{m自然损失}％)+y_2m,s×(1‑t_2m,s×p_{m自然损失}％)…y_nm,s×(1‑t_nm,s×p_{m自然损失}％)]f_仓储,s＝[x′₁(y_11,st_11,s+y_21,st_21,s…y_n1,st_n1,s)+x′₂(y_12,st_12,s+y_22,st_22,s…y_n2,st_n2,s)…x′_m(y_1m,st_1m,s+y_2m,st_2m…y_nm,st_nm,s)]×P其中：f_残值,s：第s批废物资处置的残值回收额，为所有废物资残值扣除其自然损失值后的累加和；f_仓储,s：第s批废物资的仓储费用，根据废物资量不同需要向仓库保管单位缴纳的费用；f_评估,s：第s批废物资的评估费用，根据废物资量不同需要向评估机构缴纳的费用，f_评估min和f_评估max分别为评估价值的上限和下限；f_竞价,s：第s批废物资的竞价费用，根据废物资量不同需要向竞价机构缴纳的费用，f_竞价min和f_竞价max分别为竞价价值的上限和下限；P：单位面积收取的仓储费用；m：第m类废物资；n：第n次完成拆除，可以处置的废物资；x_m：第m类废物资的单位价格；x′_m：第m类废物资仓库占用的面积，其占地面积不同，仓储费用也不同；y_m：为本年度待处置的第m类废物资的总数量，其一年总数量是不变的；y_nm,s：第s批第m类废物资第n批完成拆除，可以处置的废物资；t_nm,s:第s批第m类废物资的存放时间，即为本类废物资从拆除至处置所需要的时间；p_{m自燃损失}：第m类废物资的自然损失率；其中，f_残值,s废物资残值为在处置申请日期之前，具备处置条件的废物资数量扣除其自然损失，再乘以该类废物资的残值单价得到的数值；随着时间的增长，到达处置年限的废物资数量也在增长，但已具备处置的废物资数量会有相应的自然损失；自然损失主要包括物资化学反应造成的重量损失，偷盗造成数量损失等，不同类型的物资自然损失率不同，例如变压器自然损失由于体积较大主要为风化、腐蚀等化学反应造成；低压刀闸、避雷器等由于体积小易出现偷盗问题；f_仓储,s废物资仓储费用主要为具备处置条件的废物资在拆除后，入库保管期间产生的保管费用，不同类型的废物资需要的空间不一样，其所缴纳的费用也不一样；f_评估,s废物资处置评估费用是对需要处置的废物资进行价格评估的费用，该费用以该批废物资的总残值为参考值，存在上限和下限；f_竞价,s废物资处置竞价费用是废物资进行拍卖时产生的竞价中介费用，以该批废物资的总残值为参考值，存在上限和下限；根据一年的废物资处置计划，一年内待处置的各类废物资的数量是一定的，即约束条件可表达如下：$\left\{\begin{array}{c}{y}_1=\underset{s=1}{\overset{12}{\Sigma }}\underset{n=1}{\overset{n}{\Sigma }}{y}_{n1,s}\\ y_2=\underset{s=1}{\overset{12}{\Sigma }}\underset{n=1}{\overset{n}{\Sigma }}{y}_{n2,s}\\ .\\ .\\ .\\ y_m=\underset{s=1}{\overset{12}{\Sigma }}\underset{n=1}{\overset{n}{\Sigma }}{y}_{\mathrm{nm},s}\end{array}\right.$1≤s≤12s、m、n、t为整数由此，本发明的优化模型可以表述为：maxf_总＝f₁+f₂+f₃…f_s$s.t.\left\{\begin{array}{c}{y}_1=\underset{s=1}{\overset{12}{\Sigma }}\underset{n=1}{\overset{n}{\Sigma }}{y}_{n1,s}\\ y_2=\underset{s=1}{\overset{12}{\Sigma }}\underset{n=1}{\overset{n}{\Sigma }}{y}_{n2,s}\\ .\\ .\\ .\\ y_m=\underset{s=1}{\overset{12}{\Sigma }}\underset{n=1}{\overset{n}{\Sigma }}{y}_{\mathrm{nm},s}\end{array}\right.$1≤s≤12s、m、n、t为整数优化变量向量可以表示为：X＝[s₁,s₂,s₃,s₄,s₅,s₆,s₇,s₈,s₉,s₁₀,s₁₁,s₁₂]，其中，s₁,.....s₁₂代表一年中的12批次，其数值为1或0，为1代表该批次处置废物资，为0代表该批次不处置废物资。