结论
海洋垃圾遍布四大洋，他们正在持续不断地伤害着人类、海洋生物和环境。为了缓解海洋垃圾问题，本文通过查阅文献，采用HYCOM构建海洋流场，使用NCEP GFS数据构建风场，使用海洋溢油软件GNOME模拟海洋垃圾移动轨迹，预测海洋垃圾位置点和时间窗数据，使用物流网络的方法对海洋垃圾进行收集，并分别建立了垃圾重量不确定的海洋垃圾收集随机机会约束模型和考虑船速可变的垃圾重量不确定的双目标机会约束模型。本文设计了混合自适应大规模邻域搜索的粒子群算法，以中国东海上海港附近的海洋垃圾收集问题为例，对模型进行验证，得到以下结果：
（1）本文设计了一个混合自适应大规模邻域搜索的粒子群算法求解垃圾重量不确定的海洋垃圾收集随机机会约束模型。结果显示总成本和平均距离数据的相关系数为0.97，相关系数大于0.8，总成本和平均距离为高度正相关关系。碳税成本和平均距离数据的相关系数为0.97，碳税成本和平均距离为高度正相关关系。当船速固定时，碳税成本变化与总成本变化一致，随总收集路径的减小而减小。对比最坏情况，选择最佳收集时间对海洋垃圾进行收集总成本节约6.17%，节约6 614.15元，碳税成本节约8.11%，节约62.84元。垃圾重量服从不同分布对总成本没有影响。总成本对碳税价格增长不敏感，碳税价格每增长100%，总成本平均增加0.61%。因此，如果适当提高碳税价格，有可能在环境、健康、财政和经济方面带来巨大好处。一方面没有过度增加企业负担，另一方面可以增加税收，促进节能减排，减轻空气污染，达到保护环境的目的。在相同条件下，PSO+ALNS的计算结果比LNS的结果更优，平均总成本节约的26.05%，使用船舶数量平均节约39.29%。
（2）本文将混合自适应大规模邻域搜索的粒子群算法与快速非支配排序相结合，求解船速可变的垃圾重量不确定的海洋垃圾收集双目标机会约束模型。通过数值计算，总时间和平均距离数据的相关系数为0.62，相关系数大于0.5，小于0.8，总时间和平均距离为中度相关关系。碳排放量和平均距离数据的相关系数为0.96，碳排放量和平均距离为高度正相关关系。总时间和碳排放量的相关系数为0.80，总时间和碳排放量为高度正相关关系。从数值来看，碳排放量和平均距离数据的相关性最高，总时间和平均距离数据的相关性不高。
参考文献（略）
