2.2两种目标计算结果的比较
有多个站点的负荷系数在最小成本模型下与最大流模型下数值不同：P4（王窑站集中处理站-沿河湾输油站）负荷系数后者较前者增加1.2，P5、P6（两条沿河湾输油站－杨山站）负荷系数分别增加1.19、1.11，P18（白豹站－华池站）负荷系数增加1.0，P37（姬一联合站－马坊插输站）负荷系数增加0.76，另外P8（王窑站集中处理站-沿河湾输油站）负荷系数减少0.71，P9（沿河湾输油站－杨山站）负荷系数减少0.99。由于P4、P5、P6、P8、P9均为王窑站集中处理站-沿河湾输油站－杨山站管线，三增二减，这五条管线的变化相互抵消，暂不考虑。P18“吴一联合站-白豹输油站”之间的管线负荷系数由0.6急增至1.6，说明实现最大流的关键在于增加“吴一联合站－白豹输油站”之间的输油能力。此外，对最大流模型而言，负荷系数的均值为0.75，样本总体的标准偏差为0.43，两项指标均比与以最小成本为目标的相应指标大，说明最大流时管线利用率变高，但波动性也随着变大，影响系统运输能力的瓶颈在于其内部的结构性制约。
3.系统瓶颈分析
通过对附表3和附表4中最大流模型是管线和节点的负荷系数可以将管线和节点分为三类：负荷系数在1左右，正常运行；负荷系数小于0.3，未充分利用；负荷系数大于1.4（站点为1.5），超负荷运行。相关指标的分析可得到如下结论：
（1）自身能力有限超负荷运行的管线
1）靖马线中“白豹站-华池站-曲子首站”之间管线（P18、P19）；
该段管线负荷因子为1.60，分析其原因，曲子首站有两个出油方向，一个是沿西马线南输，一个是沿马惠线北输。“曲子首站-马岭中集站”为F 219×5.2管线，“曲子首站-惠安堡站”之间为F 323×7管线，能力要比“华池站-曲子首站”的F 168.3×5管线高很多。但是由于曲子首站的来油方向只有华池站，因此导致了马惠线、西马线远不能发挥其重要作用。
2）铁西线中的“铁西首站-吴一联合站”之间的管线（P25）。
该管线负荷因子为1.47，究其原因，主要是下游的“吴一联合站-白豹输油站”之间的管线为F 273.1×5.6，铁西线中白豹输油站至下游的管线均为F 377×6.4，而“铁西首站-吴一联合站”之间的管线仅为F 168.3×5，这样就造成了此管线的负荷因子已达1.47，而下游的管线负荷因子才为0.48和0.64。
3）安延线中的“王窑站-沿河湾输油站-杨山站”之间的管线（P4、P5、P6）；
这两段管线的负荷因子分别为1.59和1.6，由附图1可以看出沿河湾输油站作为中间节点，上游有三条管线向其供油，下游有三条管线向外输油，上游管线P4负荷因子为1.59，另外两条上游管线P3和P8负荷因子分别为0.83和0.49，下游管线P5和P6负荷因子均为1.60，另外一条下游管线P9负荷因子为0.61，可以分别调整P4的部分输油任务到P3和P8，P5和P6的部分输油任务到P9，使这6条管线的负荷因子均在1左右，避免超负荷运行，经验证调整后最大输油量不变。
（2）结构性制约的管线
1）西马线的F 273×6管道（P21）和马惠线的“曲子首站-木一计量接转站-环北集油站”的管线（P39、P40）；
西马线负荷因子只有0.29，马惠线的“曲子首站-木一计量接转站-环北集油站”的两条管线的负荷因子只有0.23，能力远远没有发挥出来，究其原因，其主要是从曲子首站来油，而曲子站的收油能力受到靖吴华线的制约，导致了曲子站收不到油，向北输马惠线和向南输的西马线的能力均不能得到有效发挥。
2）姬白线（P29、P30）
姬白线两条管线的负荷因子都只有0.24，其原因主要姬白线虽然为F 273×6.4的管线，但姬二联-姬一联的输油管线仅为F 159×5，导致了姬白线的能力得不到有效发挥。
3）姬马线（P37、P38）
姬马线有两条管线，一条管线负荷因子为0，另外一条管线负荷因子为0.76，姬马线处于半停输状态，究其原因，是在姬惠线建成之前，姬马线输油压力很大，但F 377×6.4姬惠线建成后，大大减轻了姬一联的压力，姬马线无油可输。
（3）超负荷运行的站点
1）姬一联合站（N7）
姬一联合站的负荷因子为1.50，原因主要是姬塬油田的原油大部分及姬白线原油均集中到姬一联合站。
2）姬二联合站（N14）
姬一联合站的负荷因子为1.77，姬一联合站与姬二联合站之间只有唯的一条F 159×5管线相连接，导致了上游的很多站点的能力远没有发挥出来（乔川站的负荷因子为0.32）。
3）东营站（N11）
东营站的负荷因子为1.77，主要原因是因为化子坪站、坪桥站两个点来的油均输送到东营站，除此之外，其本身也会收油，所以处于超负荷运行状态。
4）油房庄站（N20）
靖惠线的管线P32向油房庄站供油，P33向外输油，两条管线的负荷因子分别为0.49和0.8，并未超负荷运行，故是油房庄站自身的能力较低导致其超负荷运行。
5）沿河湾输油站（N22）
有三条管线从上游只向沿河湾输油站供油，三条管线向外输油，且这六条管线部分处于超负荷运行状态，导致沿河湾处于超负荷运行状态。
6）马坊插输站（N27）
有三条管线从上游向马坊插输站供油，一条管线向外输油，这些管线均为超负荷运行，可以调节P38和P37的输油任务到管线P35，减少上游对马坊插输站的供油，可以部分缓解其压力。
7）王窑站（N3）
作为初始节点，王窑站直接从油田收油，然后向下游供油，可以减少其收油量或者对其进行扩建来避免其超负荷运行。
8）杨山站（N36）和延炼分输站（N37）
这两个站点均为出口站点，负责向炼厂输送原油，这就决定了它们的任务是固定的，不能随意调整，只能通过对其进行扩建来避免超负荷运行。
（4）结构性制约的站点
假定站点负荷系数小于0.3的站点为未发挥出应有能力的站点。铁西首站（N5）、吴一联合站（N17）、木一计量站（N29）和马岭中集站（N35）的负荷因子均小于0.3，主要原因是站点能力大于所连接管线的能力，使站点的能力未充分发挥。
由以上的分析可知，造成站点超负荷或为未充分利用的原因主要是这些站点与其相连接的管线能力不匹配，站点能力大于管线能力时站点会出现未充分利用的现象，反之站点则会超负荷运行。而造成管线超负荷运行或未充分利用的原因除了可控的技术性调配外，最主要的是相邻管线间能力不匹配，譬如上游管线能力大于下游管线时会使下游管线超负荷运行，或使上游管线未充分利用。
这些情况说明现有集输系统不够完善，缺乏科学系统的管理。在新建、改建新站点的时候，需要从整体上设计、规划管线和站点的能力，并使其能力匹配。为了增加输油能力，必须扩充以下超负荷管线和站点的输油能力：靖马线和铁西线；姬一联合站、姬二联合站、东营站、油房庄站、沿河湾输油站、马坊插输站、杨山站和延炼分输站。
4.小结
本文通过分析长庆油田现有集输系统的网络结构，分别建立了最大流模型和最小成本最大流模型，模型结果表明现有集输系统的年运输最大流为2078万吨，可以满足2010年生产计划运输的1850万吨的要求，但不能满足2015年2500万吨的计划运输需求。
由瓶颈分析可知，原油集输系统的核心是各管线和节点之间的能力匹配问题，尽可能地保证整个系统各部分均衡运行是优化的关键。模型结果表明超负荷运行的管线和站点如下：靖马线和铁西线；姬一联合站、姬二联合站、东营站、油房庄站、沿河湾输油站、马坊插输站、杨山站和延炼分输站。
对计算结果得到的超负荷运行管线和站点进行逐步扩建，就能满足逐年增加的输油任务，同时维持或降低管线和站点的负荷因子，避免系统的超负荷运行。
本文的模型参数源于在集输系统运营的历史数据，对历史数据有依赖性。需要逐年更新模型参数，才能测算出不同时期管线和节点的负荷因子。此环节可以在模型基础上编制参数接口的管理软件，方便修改模型，适应环境变化的需要。
The Research of LP in Changqing Oil Field Gathering System
Sun Jing-chun1，Zhao Qing-ning1，2，Li Shuang-jie1
(1. School of management，Xi’an Jiaotong University，Xi’an Shaanxi，710049；
2. Planning department of Changqing oil field，Xi’an Shaanxi，710018，China)
Abstract：Changqing Oil Field is the second biggest oil field of China，the present transportation capacity of gathering system will be a critical problem with the increasing oil production. With the help of Linear Programming，Maximal Flow Model and Minimum Cost Maximum Amount Model are built to analyze the optimal solution on the gathering system. The results show that the present gathering system can complete the transportation task of 2010，but can’t deal with that of 2015. Based on this analysis，it is recommended that some reformation should be taken to those overloaded pipelines and nodes to expand the transportation capabilities.
Keywords：LP；Gathering system；Changqing Oil Field.
成组批量生产计划问题的改进蚁群算法求解
李英俊、陈志祥
（中山大学管理学院广东 广州510275）
摘要：本文通过对基于成组单元的有资源约束的生产批量问题模型进行分析，根据此问题的特点提出了改进蚁群算法进行求解，阐述了算法的具体构造过程，根据成组单元的特点加入局部搜索机制。通过对实例进行计算和结果的比较，结果表明该算法在寻优速度和寻优能力方面都取得不错的结果，验证了本文所提出的算法的可行性和适用性。
关键词：生产批量计划；成组技术；蚁群算法
引言
成组技术(Group Technology，GT)和制造资源计划(Manufacturing Resource Planning，MRP)都是提高制造企业生产效率的有效方法。基于成组技术的有能力约束批量计划问题是在受资源能力约束限制下，确定多个簇的多种不同的产品项目在给定计划期内的每一个时间段的生产批量，使得在整个计划期内，项目总的生产费用、库存保管费用和调整费用之和最小。
1980年，Florian和LENSTRA等证明了单个资源约束的单个项目批量计划问题属于NP-hard问题。基于成组技术的有能力约束批量计划考虑多个资源下多个项目的批量计划问题，不仅要考虑单个项目的批量计划，而且要均衡地给多个项目分配资源，因此这是一个非常复杂的问题，它不但是一个应用上的难点，而且是一个理论上的难点。求解这里问题的精确解随着规模的增大呈指数递增，因此精确解的求解算法只能用于求解小规模问题，而专用的启发式算法只能求解特定的生产批量计划问题。因此智能算法被引入这一领域，并取得一些成果。文献应用知识进化算法求解成组单元生产批量问题；文献应用遗传算法求解成组单元生产批量计划问题；文献应用免疫遗传算法求解单级多资源约束生产批量计划问题；文献应用粒子群算法分别优化单级多资源约束和成组单元生产批量计划问题；文献设计了单级有资源约束生产批量计划问题的元算法。本文提出了求解基于成组技术的有能力约束批量计划问题的改进蚁群算法。
