多式联运路径优化：基于改进粒子群算法的低碳物流方案

1. 多式联运路径优化问题概述

在当今全球供应链环境下，多式联运已成为物流运输的重要模式。这种运输方式通过整合公路、铁路、水路和航空等多种运输手段，实现货物从起点到终点的无缝衔接。然而，实际运输过程中面临的核心挑战在于：货物需求量的不确定性以及不同运输方式间的时间窗约束。

假设我们需要将一批货物从上海运往重庆，运输网络包含15个节点城市，相邻节点间可选择公路、铁路或水路三种运输方式（航空因成本因素暂不考虑）。每种运输方式在运输时间、成本和碳排放量方面表现各异：

• 公路运输：灵活性强但成本高（0.8元/吨公里），碳排放量最大（200g/吨公里）
• 铁路运输：时效稳定（固定班次）且成本适中（0.3元/吨公里），碳排放较低（50g/吨公里）
• 水路运输：成本最低（0.1元/吨公里）且最环保（30g/吨公里），但受航道限制时效性差

货物需求量在800-1200吨区间波动，各中转节点有特定的操作时间窗（如武汉港的装卸作业时间限定在8:00-20:00），收货方也提出了自己的时间要求（如重庆仓库仅在工作日9:00-17:00接收货物）。这种混合时间窗约束使得路径规划变得异常复杂。

2. 数学模型构建与求解方法

2.1 模型假设与参数定义

基于实际问题，我们建立数学模型时做了以下关键假设：

1. 货物不可分割运输（整批货物在任意路段只能选择一种运输方式）
2. 运输方式转换仅发生在节点城市（如从公路转铁路必须在武汉或宜昌等节点完成）
3. 每个节点最多进行一次运输方式转换（避免频繁转换增加成本）
4. 运输过程中货物属性保持不变（无货损情况）

模型使用的主要参数包括：

• $C_{ij}^m$：节点i到j采用方式m的运输成本
• $E_{ij}^m$：对应路段的碳排放量
• $T_{ij}^m$：运输时间
• $[ET_k, LT_k]$：节点k的时间窗约束
• $q$：模糊需求参数（三角模糊数$(\underline{q}, \hat{q}, \bar{q})$=(800,1000,1200)）

2.2 双目标优化模型

我们建立以总成本最小和碳排放量最低的双目标函数：

$$
\begin{aligned}
&\min Z_1 = \sum_{(i,j)\in A}\sum_{m\in M} C_{ij}^m x_{ij}^m + \sum_{k\in N}\sum_{m\in M}\sum_{n\in M} CT^{mn} y_k^{mn} \
&\min Z_2 = \sum_{(i,j)\in A}\sum_{m\in M} E_{ij}^m x_{ij}^m + \sum_{k\in N}\sum_{m\in M}\sum_{n\in M} ET^{mn} y_k^{mn}
\end{aligned}
$$

其中$x_{ij}^m$为决策变量（表示是否选择i-j路段的方式m），$y_k^{mn}$表示在节点k是否从方式m转换到n。