考虑枢纽故障的可持续时变多式联运枢纽-辐射型物流网络：一个数学模型和一种混合人工蜂群算法

《Expert Systems with Applications》：Sustainable time-dependent intermodal hub-and-spoke logistic network considering hub failure: A mathematical model and a hybrid artificial bee colony algorithm

可持续物流网络设计融合多式联运、时间依赖性和枢纽故障鲁棒性，提出混合整数规划模型及改进人工蜂群算法，通过土耳其实际数据验证算法在成本降低（中规模7%/大规模10%）和碳排放优化方面优于遗传算法与基础人工蜂群算法。

　　本文探讨了可持续的枢纽- spokes（星型）物流网络设计问题，重点考虑了多式联运、枢纽故障、时间依赖性以及环境因素。研究提出了一个创新的混合整数线性规划（MILP）模型，并开发了一种基于人工蜂群算法的混合优化方法（HABCb），旨在在具有弹性的网络配置中最小化运输成本和碳排放。该模型是首个在单一框架中同时整合多式联运、可持续性指标和枢纽中断场景的研究成果。通过使用土耳其实际数据进行计算实验，研究结果表明，HABCb方法在中等规模和大规模问题集上分别比遗传算法（GA）和人工蜂群算法（ABC）提供了7%至15%的成本降低。此外，HABCb方法在解决大规模问题时表现出更快的收敛速度和更高的解决方案质量。这些发现突显了将可持续性、多式联运和弹性整合到枢纽- spokes网络设计中的实际和理论价值。

在现代供应链设计中，枢纽- spokes网络已经发挥了重要作用超过三十年。这类系统通过枢纽节点将多个起点和终点连接起来，而不是为每个起点-终点对建立直接连接。枢纽节点承担了货物的收集、处理和分发功能，使得运输过程更加高效。相比单独为每个起点-终点对设计运输路线，枢纽- spokes网络可以利用规模经济间接降低单位运输成本和运营成本，从而提升整个网络的经济效益。根据O’Kelly（1987）的研究，这种结构在降低物流成本方面具有显著优势。

在枢纽- spokes网络设计中，有两个主要考虑因素：首先，确定最优的枢纽位置；其次，根据运输流量将非枢纽节点分配到这些枢纽上。在实际应用中，物流网络的复杂性进一步增加，因为时间约束、可持续性要求以及多种运输方式的选择对决策过程产生了深远影响。例如，服务级别要求，如交付时间，以及环境因素，如燃料消耗和碳排放，都成为影响物流网络设计的重要变量。同时，多式联运的兴起，即结合公路、铁路、海运和航空等多种运输方式，为枢纽网络设计带来了新的挑战和机遇。在实践中，确保货物在指定时间前送达对于服务质量和客户满意度至关重要。因此，选择合适的运输方式不仅关系到货物的交付时间，还涉及运输成本和碳排放的控制。

传统上，解决枢纽位置问题的方法通常假设枢纽设施始终可用。然而，在现实世界中，枢纽可能会因恶劣天气、自然灾害或劳资纠纷等因素而暂时无法使用。因此，一旦某个枢纽出现故障，就需要一个备用枢纽来替代其功能，以确保服务的连续性。例如，2023年2月6日，土耳其的 Kahramanmara? 和 Hatay 城市发生了两次重大地震，这些事件凸显了在地震影响区域中引入备用枢纽的必要性。此外，紧急物流和人道主义援助对时间敏感的配送和替代运输方式的依赖也进一步强调了枢纽网络设计中弹性和可持续性的关键作用。这些现实挑战揭示了当前文献中的一个重要空白，即可持续性、多式联运、时间依赖性和枢纽故障等维度往往被单独或不完整地处理。本文通过将这些因素整合到一个统一的框架中，提出了一种全面且具有创新性的解决方案。

本文的主要贡献包括以下几个方面：首先，提出了一种新型的综合枢纽- spokes网络系统，该系统同时考虑了可持续性指标（碳排放、燃料消耗和交付时间）以及在多式联运背景下的枢纽故障应对能力。其次，开发了一个新的混合整数线性规划（MILP）模型，用于优化物流网络的设计。第三，设计了一种基于人工蜂群算法的混合优化方法（HABCb），通过结合遗传算法（GA）的交叉和变异操作以及邻域搜索中的交换和插入算子，提高了解决中等和大规模问题实例的效率。第四，利用土耳其实际数据进行计算实验，验证了所提出模型和算法的有效性。实验结果表明，HABCb方法在中等规模问题集上比GA和ABC算法分别减少了7%和10%的成本，而在大规模问题集上，成本降低分别为10%和15%。此外，HABCb方法在解决大规模问题时表现出更快的收敛速度和更优的解决方案质量。这些结果表明，HABCb方法不仅在计算效率上具有优势，还能在实际应用中提供更可靠和可持续的物流网络设计。

本文的研究框架如图1所示。在该框架中，供应商将货物运送到起点节点，然后通过运输路线将货物运送到收集枢纽。在收集枢纽，来自不同起点的货物根据相关路线装载到运输车辆中，并运送到分发枢纽。最后，货物从分发枢纽运送到最终目的地，由客户接收。如图1所示，每个枢纽都配备了一个备用枢纽，当相关枢纽出现故障时，运输流程会通过备用枢纽进行。这种备用枢纽的分配是在满足货物交付时间限制的前提下完成的。此外，在设计枢纽- spokes网络时，还考虑了不同运输方式之间的燃料消耗成本和碳排放。

在多式联运的背景下，运输方式的选择对于整个物流网络的可持续性和效率具有重要影响。不同的运输方式具有不同的运输速度、成本和碳排放水平。例如，公路运输通常具有较高的灵活性和较低的初始成本，但燃料消耗和碳排放相对较高；而铁路运输则具有较低的燃料消耗和碳排放，但可能受到路线和基础设施的限制。海运和航空运输虽然能够覆盖更远的距离，但其成本和碳排放差异较大。因此，在设计多式联运枢纽- spokes网络时，需要综合考虑各种运输方式的优缺点，以实现成本和环境效益的平衡。

本文的研究结果表明，HABCb方法在解决多式联运枢纽- spokes网络设计问题时具有显著优势。通过将遗传算法的交叉和变异操作与人工蜂群算法的邻域搜索算子相结合，HABCb方法能够在较短时间内找到高质量的解决方案。这种方法不仅提高了计算效率，还增强了对复杂问题的适应能力。在实际应用中，HABCb方法可以为物流企业提供一种高效的优化工具，帮助其在满足客户需求的同时，降低运输成本和环境影响。

此外，本文还强调了在枢纽- spokes网络设计中引入可持续性指标的重要性。通过将碳排放和燃料消耗纳入优化目标，研究不仅关注了经济效率，还考虑了环境保护和社会责任。这种综合性的优化方法有助于推动物流行业向更加绿色和可持续的方向发展。同时，通过引入备用枢纽策略，研究还增强了网络的弹性和可靠性，使其能够在面对突发情况时保持运营的连续性。

在实际物流运营中，时间敏感性也是一个不可忽视的因素。客户通常对交付时间有明确的要求，而运输方式和路线的选择直接影响货物的到达时间。因此，在设计枢纽- spokes网络时，必须充分考虑时间约束，确保在满足交付时间要求的前提下，实现成本和环境效益的最大化。通过结合时间依赖性和多式联运策略，本文提出的HABCb方法能够有效应对这一挑战。

本文的研究还为未来的工作提供了多个方向。首先，可以进一步探索不同运输方式之间的协同效应，以优化多式联运网络的效率和可持续性。其次，可以研究在不同地理和经济条件下，枢纽- spokes网络设计的最佳实践，以提高模型的普适性和适用性。此外，还可以考虑引入更多可持续性指标，如能源消耗和噪音污染，以全面评估物流网络的环境影响。最后，随着技术的进步，可以探索将人工智能和大数据分析应用于枢纽- spokes网络优化，以实现更加智能化和动态化的物流管理。

综上所述，本文通过提出一种综合性的多式联运枢纽- spokes网络设计模型和算法，为物流行业的可持续发展和弹性提升提供了新的思路和方法。研究结果不仅验证了所提出方法的有效性，还为实际应用提供了重要的理论支持。通过将经济、环境和社会因素纳入网络设计，本文为构建更加高效、环保和可靠的物流系统奠定了基础。未来的研究可以进一步拓展该模型的应用范围，探索更多实际场景中的优化策略，以推动物流行业向更加智能化和可持续化方向发展。