Multicriteria optimization method of LNG distribution

• Autorzy: Chłopińska E. , Gucma M.

Identyfikatory

DOI

10.12716/1001.14.02.30

• Języki publikacji: EN

Abstrakty

EN

Liquefied Natural Gas (LNG) is considered as a realistic substation of marine fuel in 21 century. Solution of building new engines or converting diesels into gas fueled propulsion meets the stringent international emission regulations. For HFO (heavy fuel oil) or MDO (marine diesel oil) propelled vessels, operation of bunkering is relatively wide known and simple. Its due to the fact that fuel itself doesn’t require high standards of handling. Where for LNG as a fuel its very demanding process – it evaporates and requires either consuming by bunker vessel or reliquefication. Distribution of such bunker is becoming multidimensional problem with time and space constrains. The objective of the article is to review the methods of optimization using genetic algorithms for a model of LNG distribution. In particular, there will be considered methods of solving problems with many boundry criteria whose objective functions are contradictory. Methods used for solving the majority of problems are can prevent the simultaneous optimization of the examined objectives, e.g. the minimisation of costs or distance covered, or the maximisation of profits or efficiency etc. Here the standard genetic algorithms are suitable for solving multi-criteria problems by using functions producing a diversity of results depending on the adopted approach.

Słowa kluczowe

EN

cargo handling; Liquefied Natural Gas (LNG); Multicriteria Optimization Method; LNG Distribution; Marine Diesel Oil (MDO); Heavy Fuel Oil (HFO); Vector Evaluated Genetic Algorithms (VEGA); Multi-Objective Genetic Algorithm (MOGA)

• Wydawca: Faculty of Navigation, Gdynia Maritime University
• Czasopismo: TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
• Rocznik: 2020
• Tom: Vol. 14, no. 2
• Strony: 493--497
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Chłopińska E.

• Maritime University of Szczecin, Szczecin, Poland

autor

Gucma M.

• Maritime University of Szczecin, Szczecin, Poland

Bibliografia

• [1] Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T., A  fast and elitist multiobjective genetic algorithm: NSGAII, IEEE Transactions on Evolutionary Computation 6(2)  (2002) 182‐197. 
• [2] Fonseca  C.M,  Fleming  P.J.:  Genetic  Algorithms  for  Multiobjective  Optimization:  Formulation,  Discussion  and  Generalization.  In  Stephanie  Forrest,  editor,  Proceedings  of  the  Fifth  International  Conference  on  Genetic  Algorithms,  pages  416–423,  San  Mateo,  California,  1993.  University  of  Illinois  at  UrbanaChampaign, Morgan Kauffman Publishers. 
• [3] Goldberg  D.  E.,  Algorytmy  genetyczne  i  ich  zastosowanie. Warszawa: WNT, 2003. 
• [4] Gucma  M.,  Bąk  A.,  Chłopińska  E.:  Concept  of  LNG  transfer and bunkering model of vessels at South Baltic  Sea Arena. Annual of Navigation 25/2018, pages 79‐91. 
• [5] Holland,  J.H.,  Adaptation  in  Natural  and  Artificial  Systems, University of Michigan Press, Ann Arbor, 1975
• [6] Horn, J., Nafpliotis, N., and Goldberg, D.E. A niched  Pareto genetic algorithm for multiobjective optimization.  in  Proceedings  of  the  First  IEEE  Conference  on Evolutionary  Computation.  IEEE  World  Congress  on  Computational Intelligence, 27‐29 June 1994. 
• [8] Koza J. R., Rice J. P., i Roughgarden J., „Evolution of  food  foraging  strategies  for  the  Caribbean  Anolis  lizard  using genetic programming.”, Adaptive Behavior., t. 1, nr 2,  ss. 47–74, 1992. 
• [9] Lu, H. and Yen, G.G., Rank‐density‐based multiobjective  genetic algorithm and benchmark test function study,  IEEE  Transactions  on  Evolutionary  Computation  7(4)  (2003) 325‐343. 
• [10] Michalewicz  Z.,  Algorytmy  genetyczne  +  struktury  danych  =  programy  ewolucyjne.  Warszawa:  Wydawnictwo Naukowo‐Techniczne, 1999. 
• [11] Migawa  K.:  Method  for  control  of  technical  objects  operation process with the use of semi‐Markov decision  processes, Journal of KONES Powertrain and Transport.,  t. 19, nr 4, 2012. 
• [12] Mitchell M., An introduction to genetic algorithms., 1.  wyd. Cambridge: MIT Press, 1996. 
• [13] Mitsuo  G.,  Runwei  Ch.:  Genetic  algorithms  and  engineering optimization. John Wiley & Sons, inc. New  York, 2000. 
• [14] Murata,  T.  and  Ishibuchi,  H.  MOGA:  multi‐objective  genetic  algorithms.  in  Proceedings  of  1995  IEEE  International Conference on Evolutionary Computation,  29 Nov.‐1 Dec. 1995. 
• [15] Sarker,  R.,  Liang,  K.‐H.,  and  Newton,  C.,  A  new  multiobjective evolutionary algorithm, European Journal  of Operational Research 140(1) (2002) 12‐23. 
• [16] Schaffer,  J.D.  Multiple  Objective  optimization  with  vector  evaluated  genetic  algorithms.  in  International  Conference on Genetic Algorithm and their applications.  1985. 
• [17] Srinivas, N. and Deb, K., Multiobjective Optimization  Using  Nondominated  Sorting  in  Genetic  Algorithms,  Journal  of  Evolutionary  Computation  2(3)  (1994)  221248. 
• [18] Tutorial A., Konak A., Coit D.W., Smith A.E.: MultiObjective  Optimization  Using  Genetic  Algorithms:  A  tutorial.  Reliability  Engineering  and  System  Safety  91  (2006), s.992 – 1007. 
• [19] Zitzler, E. and Thiele, L., Multiobjective evolutionary  algorithms: a comparative case study and the strength  Pareto  approach,  IEEE  Transactions  on  Evolutionary  Computation 3(4) (1999) 257‐271. 
• [20] Dyrektywa  Parlamentu  Europejskiego  i  Rady  2012/33/UE 

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020)