《中断风险下生鲜农产品冷链多式联运路径优化研究》15000字（论文）

页共26页1绪论1.1研究背景及意义1.1.1研究背景新世纪以来，得益于良好的内外部环境，我国的科技和经济快速发展，在各产业融合发展的背景下，我国的农业发展也取得了巨大进步，农业产业变革持续高质量推进。受传统小农经济意识影响，我国的农业发展大多还依赖自给自足的封闭性种植和管理模式，而近些年农业产业化现代化进程的加速推进，生鲜农产品物流体系没有得到与之相对高速的发展。生鲜农产品物流体系，特别是冷链配送发展滞后对农业现代化影响越来越突出。随着我国的农业供给侧改革持续推进，一方面农产品连续丰收高产，另一方面居民美好生活对生鲜农产品的需求和要求不断提升。如何提高农产品供应链管理水平，建立健全现代化农业物流体系，特别是增强冷链运输能力、提高运输可靠性、增强运输抗风险能力，降低冷链运输成本，提升冷链物流运输的综合效能，进而提升产业服务水平和消费者满意度是农业经营者和冷链运输企业必须解决的问题。生鲜农产品不同于其他高附加值产品，农产品由于附加值低，容易腐蚀，需要确保安全可靠的运输，且在运输过程中需要良好的冷藏保护，其物流成本对行业整体收益的影响比较大，如果没有高效安全的农产品物流运输体系，生鲜农产品行业发展将受到极大限制。在乡村振兴战略不断落实和消费者对高效可靠冷链运输需求推动下，社会各界对农业冷链物流体系发展越来越关注。农产品物流的发展趋向于高质量化、高效率。低成本一直是物流运输的重点。近年来，随着零库存、精益生产、准时配送等运营概念兴起，越来越多的人更加重视供应链的不确定性以及运输的风险规避。以往关于物流运输中断问题的研究多集中于机械制造等行业，而农产品与此不同，农产品物流运输发生中断问题将极大增加农产品行业所不能承受的惩罚成本。在考虑农产品物流运输体系时必须考虑可能的中断影响。基于此，本文考虑中断风险下的生鲜农产品冷链多式联运路径的优化，对生鲜农产品配送方式和路线选择进行合理优化，以期其取得更好的发展和更多的生鲜农产品冷链多式联运整体效益。1.1.2研究意义对考虑中断风险的生鲜农产品冷链多式联运路径优化研究，不仅具有学术理论意义还具有实践指导意义。在学术理论研究上，本研究更深入细致地探讨了生鲜农产品冷链运输过程中涉及到的影响因素，丰富和拓展了生鲜农产品冷链运输问题的相关理论与方法。本文以生鲜农产品作为运输对象弥补了中断风险和多式联运路径优化相关研究中缺乏农产品作为货运对象的问题。以往关于中断风险的研究对集中于供应链中断风险的研究而忽略了运输过程中因各种因素导致的中断，本文将运输中断风险合理量化为风险成本，弥补了当前运输中断研究缺乏定量分析的不足。本文在研究过程中，考虑多式联运最简优化模型，再根据所解决问题的需要将运输中断风险、制冷因素、时间窗因素融入最简模型，综合考虑各目标成本，建立广义运输成本目标函数，为解决考虑中断风险的生鲜农产品冷链多式联运路径优化问题带来研究方法启示。在实践应用上，随着我国经济的快速发展，物流发展迅速，合理地控制物流配送成本已经成为物流企业生存的根本。物流配送成本占企业的运营成本为40%左右，选择运输方式、优化运输路径进而减少运输成本提高运输可靠性对提升生鲜农产品企业的竞争力非常重要。同时受市场，政治，自然等各种因素的影响，不同的运输方式会面临一定的中断风险，中断将给生鲜农产品物流运输带来时间成本和风险处理成本。本文在多式联运费用统计上考虑了中断风险成本，并以广义的总运输费用最低为目标构建优化模型，充分考虑不同运输方式可能的中断风险，将能在运输过程中合理规避运输中断风险，增强生鲜农产品冷链运输的抗中断风险能力，也有利于提升消费者购买生鲜农产品的信任度和满意度，对生鲜农产品冷链运输具有一定的实践指导意义。1.2国内外研究现状1.2.1物流运输中断风险控制研究随着信息化网络化时代快速深度发展，物流运输越来越与社会运转和居民生活息息相关。潘暑风(2009)从中断风险管理的视角出发,以模型偏荡最小作为目标，建立了物流运输延迟中断管理模型,并运用仿真软件进行求解[1]。黎洁钰(2010)等考虑了不同订货方法下库存资源的补给模式,并使用计算机模拟仿真软件,对不同模式下供应部到分销部配送过程的中断开展了仿真研究,获得了在运输中断风险下理想的库存和运输流动模式[2]。王勇(2015)等采用了与众不同的运输中断与供应链融合的关系模型,通过问卷调查及结果分析,使用复杂方程模型对理论猜想进行了考证[3]。任慧(2019)考虑了运输过程中可能的中断，并在考虑该条件下设计了三级可靠供应链网络，在工厂、仓库及需求能力约束下,使总设计成本最小，运输可靠度最大,构建了双目标联合整数规划模型以设计一个三级供应链网络[4]。Chávez(2017)等基于不确定多目标最小成本模型，考虑运输过程中断时间的不确定性，提出了既能最小化运输时间又能降低确定性运费率的模型，并设计了具有记忆能力的优化策略[5]。Cui(2016)等在产品需求不确定条件下，考虑设计运输中断风险下两级供应链网络，对于供应系统设计，他们从优化预期总成本角度出发，确定制造商坐标、运输工具配置以及库存资源管理决策[6]。1.2.2生鲜农产品冷链物流研究需求推动发展进步，随着人民美好生活不断提升，生鲜农产品配送问题逐步成为物流界关注的重点。许婷婷(2021)等统筹考虑生鲜农产品冷链物流配送过程，以各目标成本总和为目标函数，设计旨在追求总成本最小的优化模型，并采用逐步逼近的方法对算例展开检验[7]。俞武扬(2017)等考虑了冷链运输车的能源耗费成本和货物损失成本,分别对运输过程和装卸过程进行独立研究,以总成本最小为优化目标，设立了具备软时间窗的模型，最后用遗传算法和仿真试验验进行了验证[8]。王露(2020)考虑了生鲜农产品运输过程中货物质量与制冷能耗的问题，从长距离运输过程中不同环境以及冷藏需求角度出发，研究了我国到欧洲间生鲜农产品冷链的多式联运优化方案，以总成本最小为目标，分别构建了一体化优化模型和两阶段优化模型，使用算例分析检验了模型的优良性[9]。邹建城(2019)从减少碳排放角度出发，使用碳税机制，将碳排放环境污染合理量化为碳排放成本，统筹考虑生鲜农产品运输过程中的各项成本，构建加入碳排放成本的整体运输成本最小以以及消费者满意度最高的路径优化模型，并设计遗传算法检验了模型的可行性[10]。Hsiao(2017)等针对多种不同农产品同时配送的要求，以确保客户所需产品的品质为优先考虑因素，设计了不同冷藏温度同一配送过程的冷链物流模型，并使用以生物地理学为基础的自适应优化算法进行了验证[11]。Osvald(2008)等将运输过程货物的腐蚀作为优先考虑的因素，将新鲜果蔬农产品的配送问题表示为有时间窗和运输时间依赖的运输路径规划问题，并采用启发式算法来求解，最后通过市场实例幵展应用研究[12]。Wang(2018)等针对冷链运输过程中的定位-路线问题，考虑碳排放，建立了绿色低碳的优化模型，并在遗传算法的基础上通过启发式算法思路提出了新的解决算法[13]。1.2.3多式联运路径优化研究针对货物运输过程的多式联运路径优化问题，以往学者从多方面不同视角展开了研究。杨雪(2013)根据集装箱不同运输工具在节点间换装的操作不同特点，构建换装时间函数，建立总时间最短、总成本最小的双目标模型，将时间换算为广义成本并对模型进行验证[14]。徐林坤(2020)考虑农产品特殊性质，用排队论的思想研究运输车的到达与货物装卸系统，以此计算包含公路运输车的转运时间，并通过蚁群算法对包含多个运输节点的网络模型进行求解[15]。刘松(2020)等考虑包括货运工具开班时间限制、冷藏集装箱运输转运次数限制以及时效性限制等多方面约束，以总成本最小为目标建立路径优化模型[16]。邱梦(2020)对生鲜品多式联运路径选择问题的研究增添了时兴的高铁运输方式，充分发挥高铁运输优势对运输路径和运输方式的优化，通过设计遗传算法对高铁参与的多式联运优越性进行了验证[17]。关丽霞(2020)将运输可靠性、运输成本、运输工具以及运输路线等因素统筹一体考虑，以运输费用最小为目标函数，构建多式联运优化模型，并通过设计算法和实例计算证明了多式联运运输方案较单一运输方式运输的优越[18]。LozanoA(2001)等采用标记法，在整体运输网络上搜寻两点之间的最短路径，将约束条件下的运输组合作为一个可行的路径，并采用完善过的连时序法求解多式联运的最佳路径[19]。Tristram(2010)建立了多式联运结构的两种不同模型，提出考虑时间的城市交通运输多目标最优路径模型，并使用改进过的Martins算法求解[20]。Mostert(2017)等从环境和经济两个角度出发，对单一公路运输和多式联运方案进行比较分析，通过研究发现，多式联运不仅具有优良的经济效益而且对环境保护也具有十分积极的意义[21]。Assadipour(2015)等综合考虑运输总成本成本和运输风险,对危险货物的公铁联运进行了建模并展开研究[22]。从上述分析中可以发现，关于运输中断问题国内外的研究都倾向于运输中断对供应链的影响以及考虑运输中断的物流设施选址问题，而不同运输方式的中断风险对多式联运影响的角度涉及较少。冷链物流是物流体系中的特殊组成部分，且占总物流成本比较大。现有的生鲜农产品冷链研究主要聚焦于运输时间最少和总成本最低。多式联运问题有着丰富细致的研究，多式联运问题致力于在各种约束和目标的要求下得到运输的最佳组合。多式联运越来越倾向于多目标研究，例如时间最短、路程最短、总成本最低、可靠性最高、碳排放最低等，不同决策主体可以根据实际需要做出路径选择。1.3研究内容与论文组织结构1.3.1研究内容本文研究了中断风险下生鲜农场品冷链多式联运路径优化问题。考虑生鲜农产品冷链运输过程中可能面临的中断风险，构建了以包括运输成本、转运成本、冷藏成本、时间窗惩罚成本、中断风险成本在内的广义运输费用目标函数，并通过遗传算法对生鲜农产品冷链多式联运路径优化模型进行求解。1.3.2论文组织结构论文共分设为6个章节，各个章节内容具体安排如下：绪论。对论文的研究背景和研究意义进行介绍，对运输中断问题、生鲜农产品冷链物流问题、多式联运路径优化问题进行了文献回顾与分析，了解国内外研究进展。最后对研究内容、论文组织结构进行简要概括。相关理论与方法。主要包括下面四个部分：第一部分运输中断风险的概述、来源以及可能带来的危害；第二部分为生鲜农产品冷链物流概念及特殊性介绍；第三部分为多式联运的定义和网络分析；第四部分遗传算法介绍。建立中断风险下生鲜农产品冷链多式联运路径优化模型。主要包括模型问题描述、假设、符号定定义及模型建立。中断风险下生鲜农产品冷链多式联运路径优化问题求解。主要包括染色体设计、适应度函数、遗传操作。对模型进行算例分析。分析多种不同风险条件下的运输方式和路径选择，比较了单一运输与多式联运。第6章，总结与展望。对论文的研究进行总结，分析论文不足之处，展望未来。

2相关理论与方法2.1物流运输中断风险2.1.1运输中断的概念运输中断是指货物在运输的过程中因为意外而使得运输不能正常进行，致使货物不能在规定的时间和规定的要求下送达目的地，导致了运输中断风险。对于运输中断事件，一般可以用中断发生的概率和中断对运输的影响程度两个角度来描述[23]。中断风险事件具有不确定性，发生概率很小，在现实供应链网络中，每条运输路线各种运输方式都存在中断的风险。运输中断风险的数据分析一般思路：①相关专家对运输可靠性各指标进行打分，②运输中断事件的历史纪录，③关于运输中断的问卷调查，④建立仿真模型，⑤可预知的潜在风险信息[24]。相关数据显示，超过80%的企业重视供应链运输的中断和柔性问题，但是大概仅有10%的企业采取切实举措来规避和减少中断风险的影响。2.1.2运输中断的来源及危害运输中断一般是由设备故障、人为破坏和自然因素导致的，例如运输过程中运输工具突发故障、运输线路损坏、道路交通拥堵、冗长的海关检查、恐怖活动、突发公共卫生事件的卫生监督、地震、汛期、泥石流、台风等。交通运输受各种因素的影响造成运输中断或运输能力下降势必会对整个社会生产带来巨大损失。这种损失主要表现在两个方面：一是因为运输中断，导致生产工人不能到达生产工厂而致使生产能力降低所带来的生产损失；二是生产原材料受运输中断影响导致供应不足进而导致社会生产损失[25]。运输中断还可能带来更高的物流运输成本，严重的运输中断事件甚至会影响到企业的股票价格和市场对企业可靠性信任度。2.2生鲜农产品冷链物流2.2.1生鲜农产品冷链物流基本概述冷链物流是物流业的重要组成部分。冷链物流的根本是通过冷藏技术使物品在运输的过程中保持原有品质，并高效安全地将物品交付给消费者。当前冷链运输方式包括空运冷链运输、公路冷链运输、铁路冷链运输（高铁冷链运输）、水运冷链运输等。生鲜农产品冷链物流是指水果、蔬菜、奶类、蛋类、肉类、水产等居民生活消费必需品从农园生产基地收采到消费者采购的全过程冷藏保护配送。生鲜农产品从收采到消费终端的每一个环节都需要处于生鲜农产品需要的合适的低温冷藏保护状态，最大限度地确保生鲜农产品的品质和安全，确保生鲜农产品冷链物流始终高效安全。近十年以来，伴随着居民消费水平提高和农业结构调整，生鲜农产品的产量和流通量连年上升，消费者对生鲜农产品的安全和品质提出了更高要求，现有的冷链运输能力和水平尚不能满足市场需求。据问卷统计，当前我国总体冷链运输比率为45%左右，根据中物联冷链委的估算，我国目前前果蔬、水产品、肉类的冷藏运输比率分别为35%、69%、57%，而这些冷链运输比例在发达国家平均达90%以上。较低的冷藏运输率使得很多生鲜农产品在运输过程中得不到符合标准的保护，最终损害的是消费者的利益。2.2.2生鲜农产品冷链物流的特殊性介绍生鲜农产品冷链物流与一般常温工业品物流体系比较，具有更高的运输要求。生鲜农产品的失鲜和损耗主要有外部和内部两个影响因素。外部环境影响因素例如运输状态、空气湿度、冷藏温度、密封完整度，内部影响因素包括生鲜农产品自身在封闭条件下微生物作用、呼吸作用，使得生鲜农产品在运输过程中会发生品质的变化。农产品冷链物流运作需要专业化的装备和设施，建设一个完整的冷链体系投资大并且回报时间长。其次，生鲜农产品的生产基地和消费终端端都不集中，受天气、季节、交通等影响较大，不确定因素较多。再者，农产品冷链物流体系需要各环节各部门高效协调，确保物流交易次数尽量少并保证农产品的新鲜度。最后，农产品冷链物流需要先进的信息技术支撑以期对农产品运输过程进行质量监控、实时跟踪、问题反馈的。2.3多式联运2.3.1多式联运的概述多式联运通过组合两种或两种以上的交通运输工具，并实现将物品从出发点运输到目的地的过程。多式联运考虑多种不同运输工具，在一定的运输路线网络中满足特定约束下进行优化组合，以达到减少货物运输距离、运输时间和运输费用的目的，使物流运输尽可能获得最优运输路线，最终达到降本增效的联运目标。多式联运思想将整个运输过程视为一个统一体，通过组合不同的运输方式，最终实现综合一体化高性能运输体系。目前的物流运输方式主要有空运、高铁、普通铁路、公路、水路（河运、海运）等，不同的交通运输工具在实际运输活动中各有优势，单一运输工具的运用不能充分发挥不同运输工具的优点。多式联运是一种相对灵活的运输组织形式，它集中了各种运输方式的特点，扬长避短，融合为一体，组成连贯运输，实现合理运输的目的。相比于单一的运输方式多式联运具备多方面的优点：①提高运输组织水平，②实现门到门的有效运输，③充分利用不同运输方式的优势，④减少运输费用，⑤安全迅速。随着交通强国战略的不断推进，交通运输网络布局持续完善和深化，运输资源将得到更加高效的整合，我国多式联运交通运输将持续释放优势潜能，有助于达成规模经济中降本增效的目的，提升市场服务水平。2.3.2多式联运网络多式联运网络图如图2.1所示。图2.1多式联运网络图如图所从起点O到终点D，全程经过N个节点的多式联运网络，多式联运网络中各节点之间可以任意选择三种不同的运输方式。不同运输方式的运输费用、运输时间及最大货运量都不尽相同，在网络中每一个节点都可以更换成其他不同运输方式，并且需要花费不同的时间和费用。2.4遗传算法遗传算法（GeneticAlgorithm，GA）由J.H.Holland教授首先发现并提出，可以有效地解决NP问题、非线性问题、多模态函数优化问题、多目标优化问题等多优化问题。遗传算法模拟自然界生物进化和自然选择法则，这种算法思想来源于进化论和自然遗传的自然规律，是一种具有自然生存选择的启发式搜索算法。通过初始种群的产生、适应度评估、选择、交叉、变异等操作步骤来完成遗传算法的进化过程，得到种群中满足目标函数的染色体，最终得到最优解。GA流程图如图2.2所示，首先定义并确定待解决问题的参数，然后对问题进行编码，将实际问题转化为遗传算法可以识别的字符串，然后生成初始种群，然后通过适应度函数对种群中个体的适应度值进行评估，若计算过程中达到该算法设定的最大迭代次数，则终止算法；否则，继续进行先前的遗传操作，即选择、交叉和变异，产生新的可行解。图2.2GA流程图

3中断风险下生鲜农产品冷链多式联运路径优化模型3.1问题描述本文研究中断风险下生鲜农产品冷链多式联运路径优化问题。本文模型在时间窗约束下，考虑不同运输方式中断风险，在某一运输网络中，采用三种不同交通运输方式，旨在找到一个既能合理规避各种运输方式潜在的风险，又能使总体运输费用最小的运输方式和运输线路的组合，将农产品从农园生产基地运输到销售地。对单一生产基地和单一销售地，在公路、铁路、水路三种运输方式组成的多式联运运输网络构建数学模型，达到考虑中断风险、在特定时间窗约束下总运输成本最小的目标。在整个联运规划中，充分考虑降低物流企业的运输成本、提升运输安全可靠性，从而得到基于多方面因素的多式联运路径优化方案。3.2模型假设本文的研究是在以下假设的基础上进行的：（1）农产品配送总重量不能超过规定的运输能力；（2）每两个节点之间在运输过程最多使用一种运输方式；（3）货物在运输的时候不分开到不同的运输方式（4）各类运输工具在运输过程中速度为匀速；（5）同一个节点货物最多经过一次；（6）不考虑运输过程外产生的其他任何成本。3.3符号定义模型中涉及的相关说明如下：（1）集合为三种运输方式的集合，其中代表公路运输，代表铁路运输，代表水路运输，；是多式联运网络节点的集合，其中节点至节点运输。（2）参数：在节点i用第l种运输方式运至j点的运输距离；：在节点i和j之间货运量；：在节点i和j之间以第l种运输方式运输时单位货物的单位距离成本；：以第l种运输方式运输时单位货物在单位时间内的制冷成本；：在节点i和j之间以第l种运输方式运输时所能承担的最大运力；[ai，bi]：客户要求运输到达的时间范围；：提前到达时间惩罚成本；：延迟到达时间惩罚成本；：在节点i处由第k种运输方式转换为第l种运输方式时单位货物的转运成本，当运输方式未发生转换时，；：在节点i到节点j单位风险系数；（表示每一路段的中断风险）（3）决策变量：在节点i和j之间以第l种运输方式运输所需要的时间；：到达节点i的时间；：在节点i和j之间以第l种运输方式进行运输；：在节点i处由第k种运输方式转换为第l种运输方式；：在节点i处由第k种运输方式转换为第l种运输方式时所需的转运时间，当未发生运输方式转换时，。3.4模型建立本文将不同运输方式潜在中断风险对运输安全性影响合理量化为中断风险成本，构建包括运输成本、转运成本、制冷成本、中断风险成本、时间窗惩罚成本在内的多目标成本广义运输费用函数，并以广义运输费用最小为优化目标[26]。目标函数如下：（1.1）目标函数F有五部分构成：第一部分表示采取第l种运输方式发生的运输成本，由货运量、运输方式单位运输费用及路径里程相乘累加获得；第二部分表示中转点发生中转费用成本，由单位转运成本和货运量相乘累加获得；第三部分表示生鲜农产品在运输过程中的冷藏成本，与时间成正相关，由单位时间冷藏成本和总运输时间相乘累加而得；第四部分表示在多式联运配送中的中断风险成本，由中断风险系数和货运量及运输里程相乘累加而得；第五部分表示时间窗约束下的惩罚成本，由单位时间惩罚成本和惩罚时间相乘累加而得。s.t.（1.2）（1.3）（1.4）（1.5）（1.6）（1.7）（1.8）约束（1.2）表示在某节点间只能选择一次运输方式；约束（1.3）保证运输方式的连贯性；（j到h若只用了一种运输方式，转换为0次，若用了两种运输方式转换为1次）约束（1.4）保证在i，j节点间的货运量不超过其最大运力；约束（1.5）为时间窗，即销售点可接受服务的时间；约束（1.6）表示在节点i处只允许发生一次运输方式的转换；约束（1.7）、（1.8）表示决策变量的约束，为0-1变量。

4中断风险下生鲜农产品冷链多式联运路径优化问题求解本文所建立的生鲜农产品多式联运模型，不同运输方式之间所选择的节点较多，且某两个相邻节点通过公路、铁路、水路运输3种方式。随着节点的增加，不同的运输组合方式也会随之增多，该多式联运中路径优化选择问题较为复杂。对于解决多式联运生鲜产品配送问题，经典的优化算法有遗传算法、模拟退火算法等。由于遗传算法较为简单，在求解路径问题方面应用广泛，且具备较强的全域搜索能力，能够得到较好的解，是一种较为成熟的优化算法，因此，本文利用遗传算法对该模型进行求解。4.1染色体设计染色体设计主要包括染色体的编码和解码操作，是遗传算法中最关键的问题，GA解空间由所有可行解的染色体构成，通过染色体编码操作可将问题的可行解空间转化为GA所能处理的搜索空间。通过解码操作可将染色体转化为问题的可行解，本文研究的多式联运问题采用整数编码，简洁直观，能增加遗传搜索空间，提高计算效率与求解精度。决策变量有、，当时表示为节点i到j选用了运输方式l，当时表示为在节点i时，运输方式由k转为l。将所有节点进行编号，产地用1表示，途中运输节点从2开始表示，最终销售地节点编号用M表示，最终生成1到M的随机数字进行排序，由于在运输过程中不需要经过所有节点，因此，在运输到销售地M节点后作为计算的终止条件，最终得到数组N，例如当节点数为10时，随机产生一个1*10维的矩阵[1，4，5，7，10，2，6，3，9，8]，表示为运输路径，即从生产地1出发，途中经过节点4、5、7后，最终运输到销售地10。再生成一个长度为M-1，数字从1到K的数组，设K=3，随机生成1*9维的矩阵H数组[2，1，3，2，1，2，3，3，1]，表示为各节点在运输过程中使用的运输工具，1表示为公路运输，2表示为铁路运输，3表示为水路运输。染色体设计示意图如图4.1。图4.1染色体示意图该染色体表示从起点1通过铁路运输到达节点4，节点4转运为公路运输，通过公路运输到达节点5，在节点5转运为水路运输，通过水路运输到达节点7，在节点7转运为铁路运输，并通过铁路运输到达10节点。4.2适应度函数适应度函数给定了解的搜索方向，用来评价染色体的优劣程度，针对不同的问题需要根据算法及经验确定相应的参数。在一般的遗传算法操作中，个体被保留的概率是根据个体的适应性程度来确定的。适应性强的个体更有可能被保留，也更有可能被遗传到下一代种群中。生鲜农产品多式联运问题的目标为总运输费用最小，如式（2.1）所示，该评价函数是求最小值问题，因此，适应度函数f（x）应设置为评价函数的倒数，如式（2.2）所示。（2.1）（2.2）4.3遗传操作（1）选择操作。选择算子，根据计算得出的适应度函数值，通过轮盘赌选择法。依据选择概率，选择出特定数量的个体，扩大种群的多样性，组成新的种群。轮盘赌选择算法中个体被选择概率P如式（2.3）所示。（2.3）Nind表示种群规模，是个体的适应度，是个体被选择的概率。在[0,1]之间产生一个随机数w，若，则选择第一条染色体，否则选择第i条染色体满足（），使得成立。（2）交叉操作交叉算子。交叉通过交换两个相互配对的染色体不同位置的基因，产生两个新的个体，交叉算子通过部分基因交换来增强全局搜索能力。为了增加种群的多样性，本文采用两点交叉法与OX法混合交叉。由于本文设计的算法编码存在2个数组H和M，分别代表运输方式和运输路径，因此随机在每个父代染色体中各产生2个数，将两个数构成的交叉段进行替换。对于数组H，采用两点交叉法，产生的交叉位分别为第6位到第7位以及第3位到第4位，将交叉段进行替换，放置染色体最前面；对于数组M，采用OX法，产生的交叉位分别为第4位到第5位以及第4位到第6位，将交叉段进行替换，放置染色体中起始点1后面，遵循重复基因删除，其余基因补位原则，最终生成子代染色体。具体交叉操作示意图如图4.2所示。图4.2交叉操作示意图（3）变异操作变异是将染色体中的个体部分基因变换为其它基因，依据变异概率，随机选择个体进行染色体变异，形成新的个体。对于数组H，使用置换变异法，变异的数值范围为1到K，首先在父代染色体中随机生成两个变异点，如图2.3所示，生成的变异点为第4位至第6位，其次随机生成一段长度相等的基因段来替换原基因段；对于数组M，采用逆序变异法，其变异操作本质上是替换染色体上两个基因段的位置顺序，其变异过程是首先选择一条父代染色体，随机选择一段变异基因，将该基因段倒序排列，形成新的子代染色体，如图所示，变异基因为第3位至第5位，将基因段进行倒序转换，其余基因不变，最终生成子代染色体。变异操作如图4.3所示。图4.3变异操作示意图（4）算法终止因为该模型较小，根据一般经验设置遗传算法最大迭代次数为100，依据是否满足其判定条件，判断可不可以停止搜索，若符合条件则停止搜索过程并输出最优结果，若不符合则继续之前搜索步骤。

5算例分析5.1算例描述某多式联运承运人承运了一个生鲜公司的生鲜农产品，在考虑中断风险对运输的影响采用多式联运的运输方式将这批农产品从生产地运送到销售地。己知该批生鲜农产品为120吨，本文模拟包括运输起点和终点拥有10个节点的多式联运网络，在运输过程中可选择公路、铁路、水路三种运输方式。网络结构图如图5.1所示。图5.1网络结构图5.2参数设计公路、铁路、水路三种运输方式在运输过程中单位时间内单位货物的制冷成本均为7元/（t·h）[27]。运输成本分别为0.5元/（km·t）、0.4元/（km·t）、0.09元/（km·t），运输速度为80km/h、60km/h、30km/h[28]。运输过程中各节点距离、运输能力及转运费用、时间如表4.1和表4.2所示[29]。各种运输方式的中断风险在不同地区、不同季节有所不同，考虑公路、铁路、水路运输方式三组风险系数分别为A组0.34、0.45、0.21[26]；B组0.42、0.26、0.31；C组0.44、0.35、0.21。提前到达的时间惩罚成本10元/(h·t)，晚到时间惩罚成本为20元/（h·t），各节点时间窗范围如表4.3所示,假设运输从00：00开始。设置初始种群规模P=100，交叉概率Pc=0.75，变异概率Pm=0.2，迭代次数G=100。通过MATLAB编程进行计算。表5.1各节点距离（单位：km）与运输能力（单位：t）起点终点距离运输能力1235436527615017021013312421651255230175144524285371682101992510269991185110189240261007783926210236180358541234——146237——36874972——123210——458117951210215320200466257876051802002105721145523815519518358734——674190——110595706666541002002206747676661121021027868880——999380——39169821641876210175190710429525512190215215810132——200269225——910156195232190210220表5.2各运输方式中转成本（单位：元/t）和中转时间（单位：h）运输方式公路铁路水路公路003.0915.231铁路3.0910026.622水路5.23126.62200表5.3各节点时间窗(单位：h)节点12345678910早到时间081516252731353340晚到时间01020203032354038605.3结果分析通过MATLAB程序设计遗传算法对算例进行求解，通过100次迭代后，各组风险系数下具体结果如表5.4、表5.5、表5.6所示，各组数据目标成本分析图如图5.2、图5.3、图5.4所示，通过100次迭代后，各目标函数适应度曲线图如图5.5所示。表5.4A组数据求解具体结果运输方式运输路线运输成本中转成本3-1-3-31-4-5-7-10625601255.2制冷成本运输中断风险早到时间惩罚成本晚到时间惩罚成本462316552107220表5.5B组数据求解具体结果运输方式运输路线运输成本中转成本3-2-2-21-2-6-9-10806933194.4制冷成本运输中断风险早到时间惩罚成本晚到时间惩罚成本320746078054802800表5.6C组数据求解具体结果运输方式运输路线运输成本中转成本3-2-3-31-2-5-7-10590336388.8制冷成本运输中断风险早到时间惩罚成本晚到时间惩罚成本460746781309560图5.2各目标函数适应度曲线图

图5.3A组数据各目标成本分析图图5.4B组数据各目标成本分析图图5.5C组数据各目标成本分析图在该模型中，运输成本与选择的运输方式和运输路径相关，不同运输方式单位运价不同，不同路径的里程不同；风险成本与各运输方式的风险系数及选择的运输路径相关，风险系数越大运输距离越长则带来的风险成本越高；制冷成本与时间成正比，全过程时间越长带来的制冷成本越高；中转成本与转运类型相关；在时间窗外的到达时间将带来时间惩罚成本，晚到比早到的惩罚更大。由表5.4求解结果可知，在A组风险系数下，最佳运输方案为：起点1-水路-节点4-公路-节点5-水路-节点7-水路-节点10，该运输方案总运输费用为182787.2元，其中风险成本占比最大，风险成本为65521元，运输成本为62560元，制冷成本为46231元，中转成本为1255.2元，晚到时间惩罚成本为7220元；由表5.5求解结果可知，在B组风险系数下，最佳运输方案为：起点1-水路-节点2-铁路-节点6-铁路-节点9-铁路-节点10，该运输方案总运输费用为185021.4元，其中运输成本占比最大，运输成本为80693元，风险成本为60780元，制冷成本为32074元，中转成本为3194.4元，晚到时间惩罚成本为2800元，早到时间惩罚成本为5480元；由表5.6求解结果知，在C组风险系数下，最佳运输方案为：起点1-水路-节点2-铁路-节点5-水路-节点7-水路-节点10，该运输方案运输总费用为188868.8元，其中风险成本占比最大，风险成本为67813元，运输成本为59033元，制冷成本为46074元，中转成本为6388.8元，晚到时间惩罚成本为9560元。由图5.3、图5.4、图5.5各目标成本分析图可知，在该求解模型中影响广义运输费用的主要目标成本是运输成本、风险成本及制冷成本。由图5.3，运输成本占比34%、风险成本占比36%、制冷成本占比25%；由图5.4，运输成本占比44%、风险成本占比33%、制冷成本占比17%；由图5.5，运输成本占比31%、风险成本占比36%、制冷成本占比25%。三组风险系数求解结果中，风险成本占广义运输费用30%以上，风险因素充分影响了优化决策的结果，A组和C组的风险成本虽超越了运输成本，但却使得广义运输成本最小，即达到总运输费用最小时，决策者愿意承受可能的高中断风险。以B组风险系数为例，对比单一运输方式的运输成本如下图5.6所示。图5.6单一运输方式对比图由图5.6可知单一公路制冷成本最低，运输成本和风险成本最高，合计运输成本为281455.2元；单一水路运输成本最低，但其时间成本和制冷成本最高，合计运输成本为299100元；单一铁路运输各项成本表现居中，合计运输成本为208807.2元；多式联运风险成本和时间成本最低，合计运输成本为185021.4元。通过对比分析，多式联运比单一运输方式的总运输成本更低，多式联运合理规避了高风险，同时降低了货物运输费用。由上述数据算例分析可知，在该广义运输费用模型中，运输成本和运输中断风险成本最大，再者是运输制冷成本。由A、C组数据分析可知，尽管水路风险系数小，但由于其运输速度慢，长时间运输将带来比风险成本更高的时间窗惩罚成本和制冷成本，在这种情况下决策者偏向选择风险稍大但总成本更小的联运方案。由A、B组数据分析可知，在综合考虑下，联运方案倾向于中断风险更小的运输方式。中断风险成本充分影响了广义运输费用，中断风险是模型求解需要关注的重要因素，也是影响决策的重要因素。数据表明模型在求解最优运输方式和运输路径时充分考虑了中断风险的规避以及总运输费用的最小化的兼顾。该模型对需要降低运输中断风险，提高运输可靠性同时兼顾总费用最小的物流企业具有良好的实用性和借鉴意义。

6总结与展望6.1总结本文从成本目标角度出发，研究了运输中断风险影响下的冷链多式联运路径优化问题，考虑不同运输路径、不同运输方式、运输转运、时间窗约束和冷藏需要等对运输的影响，将不同运输方式中断风险对运输的影响量化为风险成本，建立包括路径运输成本、运输方式转运成本、时间窗惩罚成本、生鲜农产品冷藏成本及运输中断风险成本在内的冷链多式联运广义运输费用函数，并以广义运输费用函数值最小为目标，建立了冷链多式联运路径优化模型。对该问题模型采用遗传算法进行求解，使之在符合各项约束条件下，求出既能很好地规避相对较高运输中断风险又能获得相对较低运输成本的最优运输路径和运输方式。算例分析结果表明中断风险成本在广义运输费用中占比较大，模型求解过程中函数的自适应调整机制充分考虑了中断风险对优化结果的影响。该算例求解结果分析表明本文所建立的模型能够充分规避可能的较高中断风险，同时还能够在考虑中断风险潜在影响的基础上使总运输成本最低，对生鲜农产品冷链物流运输在兼顾安全性与低成本的发展过程中具有一定的实用性和有效性。6.2展望该模型的构建是在小规模节点网络和一定的理想化条件下建立的，关于中断风险的研究，学界前辈多聚焦于大供应链中断风险研究。本人在研究中断风险时聚焦于不同运输方式的中断风险，将不同运输工具的比较中断概率和中断事故影响程度作为函数的中断风险系数，这一求解思想还需要更全面细致的研究。本文在处理生鲜农产品冷链运输时没有考虑同一批次冷链运输不同农产品需要的冷藏条件极其品质变化规律，而是理想化为统一冷藏标准和无品质损耗，探究不同农产品不同运输条件下的品质变化规律将是未来的研究方向。关于多式联运在实际运营中还有其他影响因素，例如碳税成本、过关成本，需求的不确定，和货物损耗等。考虑中断风险的生鲜农产品冷链物流多式联运是一项复杂且伴随运输条件的改善不断发展的问题，该问题的研究还需与时俱进的深入。

参考文献[1]潘暑风.物流配送的中断风险控制研究[D].南京航空航天大学,2009.[2]黎洁钰,赵艳萍.基于运输中断模式下库存变动的仿真研究[J].江苏商论,2010(03):110-112.[3]王勇,申孟平.运输中断对供应链整合影响的实证研究[J].物流技术,2015,34(09):209-212.[4]任慧.考虑运输中断的可靠三级供应链网络设计[J].计算机工程与运用,2019,55,(06):265-270.[5]ChávezH，Castillo-VillarK，HerreraL，etal.Simulation-basedmulti-objectivemodelforsupplychainswithdisruptionsintransportation[J].RoboticsandComputer-IntegratedManufacturing，2017，43（2）：39-49.[6]CuiJ，ZhaoM，LiX，etal.Reliabledesignofanintegratedsupplychainwithexpeditedshipmentsunderdisruptionrisks[J].TransportationResearchPartE，2016，95（11）：143-163[7]许婷婷,刘波,孙茹,龙淼.生鲜农产品冷链物流路径优化[J].中国物流与采购,2021(01):34-35.[8]俞武扬,杨沈记.带软时间窗的冷链物流配送路径优化研究[J].生产力研究,2017(06):67-70+116.[9]王露.低碳背景下中欧生鲜农产品冷链多式联运方案研究[D].大连海事大学,2020.[10]邹建城.基于碳减排的生鲜农产品冷链配送路径优化研究[D].江苏大学,2019.[11]HsiaoYH,ChenMC,ChinCL.Distributionplanningforperishablefoodsincoldchainswithqualityconcerns:Formulationandsolutionprocedure[J].TrendsinFoodScience&Technology,2017,61:80-93.[12]OsvaldA,StirnLZ.Avehicleroutingalgorithmforthedistributionofvegetablesandsimilarperishablefood[J].JournalofFoodEngineering,2008,85(2):285-2