《Sustainability》：A Multi-Objective Decision-Support Framework for Sustainable and Resilient Mid- to Long-Range UAV Cargo Supply Chains Under Demand and Climatic Uncertainty
编辑推荐：
无人机（unmanned aerial vehicle，UAV）在物流系统中的日益集成带来了新的战略网络设计挑战，尤其是中远程货运作业。在这些作业中，基础设施可用性、不确定需求及气候条件共同影响运营绩效、韧性与可持续性。与小规模无人机不同，运载相对较重货物的货
无人机（unmanned aerial vehicle，UAV）在物流系统中的日益集成带来了新的战略网络设计挑战，尤其是中远程货运作业。在这些作业中，基础设施可用性、不确定需求及气候条件共同影响运营绩效、韧性与可持续性。与小规模无人机不同，运载相对较重货物的货运无人机需要机场基础设施完成起降，因此基础设施可用性成为长期供应链网络规划中的关键考量。本研究提出了一种多目标决策支持框架，用于在需求与气候不确定性下设计可持续且有韧性的无人机货运供应链。一个混合整数规划（mixed-integer programming，MIP）模型同时优化四个相互冲突的目标，分别代表基础设施利用、运输效率、运营可靠性和经济绩效。一种优先化优化算法根据决策者偏好生成帕累托有效（Pareto-efficient）解。采用截断正态分布对需求和非适航天数的不确定性进行建模，而基于50次独立运行的鲁棒性分析确认了所提出框架的稳定性。结果表明，该框架通过高效的基础设施利用、降低运输需求和物流成本，以及在不确定运营条件下增强韧性，支持可持续供应链规划。总体而言，所提出的方法为高效、可持续且有韧性的无人机货运供应链的长期战略规划提供了实用决策支持。
近年来，无人机（unmanned aerial vehicle，UAV）在物流系统中的集成日益增加，为灵活、高效和可持续的配送运营带来了新可能。然而，现有研究大多聚焦于小规模、短距离的最后一公里配送，这类运行可依托分散式部署结构，对专用机场基础设施要求较低，相关文献也主要集中在路径规划、调度、机队协调和资源管理等运营层面问题。相比之下，中远程货运无人机通常需要满足适航要求的机场基础设施完成起降，其飞行距离可达5000公里、载重约5吨，因此仓库选址必须与基础设施可用性、运输效率、运营可靠性和经济绩效紧密关联。现有设施选址与枢纽选址模型多面向地面物流，难以充分反映无人机运输的基础设施依赖；许多无人机物流研究又将仓库位置视为既定输入而非战略性设计变量。同时，可持续物流网络设计涉及多个相互冲突的绩效目标，而许多多目标研究仍以成本为导向，对运输距离、服务可靠性、延误和网络复杂性关注不足。因此，迫切需要一种能够将基础设施信息、需求信息和气候信息转化为战略网络设计决策，并显式表示经济、运营、可靠性和资源效率之间权衡的集成决策支持框架。
针对上述空白，研究人员提出了一种多目标决策支持框架，用于在需求和气候不确定性下进行可持续且有韧性的中远程无人机货运供应链战略规划。该框架通过混合整数规划（mixed-integer programming，MIP）模型同时优化四个目标：最小化仓库数量、总飞行距离、期望非适航天数以及总物流成本。研究采用优先化多目标优化算法，使决策者能够按战略偏好指定目标优先级，并依次优化而无需预设权重；同时结合ε-约束法生成帕累托前沿，以揭示冲突目标之间的权衡。需求和机场特定非适航天数使用截断正态分布建模，并通过50次独立随机运行评估框架的稳定性。研究案例基于土耳其境内25个候选仓库位置和现有机场基础设施，6个配送枢纽均位于土耳其境外。结果表明，不同优先级结构会产生不同网络配置；单目标优化无法同时满足所有战略目标；鲁棒性分析中八仓库配置占50次运行的76%，说明网络规模结构在不确定性下相对稳定。研究意义在于为高效、可持续且有韧性的中远程无人机货运供应链长期战略规划提供了系统化、可复现的决策支持工具。
主要关键技术方法：研究人员使用通用代数建模系统（General Algebraic Modeling System，GAMS）23.5.1实现MIP模型，并调用CPLEX 12.6.1.0求解器求解。采用优先序多目标优化算法，将上一优先级目标的最优值作为附加约束，依次优化后续目标；随后使用ε-约束法生成帕累托前沿。需求与年度非适航天数的不确定性采用截断正态分布表示，期望值用于优化模型，随机实现用于鲁棒性评估。鲁棒性分析包含50次独立优化运行，通过重复生成需求和气候参数后重新求解，比较仓库配置和目标值分布。
4.2 单目标优化求解：分别独立优化四个目标以建立基准解。结果表明，最小化仓库数量和最小化期望非适航天数在本案例中产生相同的最优仓库配置，而最小化总飞行距离和最小化总物流成本则产生不同配置。这证明不同目标的最优解并不一致，必须联合考虑各目标才能支持战略选址决策。
4.3 多目标优化求解：在多种优先级结构下运行优先化算法后，不同优先级产生不同仓库配置。优先基础设施效率时倾向选择更少仓库；重视运输效率或运营可靠性时可能形成更分散的仓库网络；成本优先级较高时得到经济性更优的方案。帕累托前沿显示，成本与期望非适航天数之间的权衡比距离与期望非适航天数之间的权衡更陡，原因是总成本目标同时包含固定仓库建立成本和运输成本。
4.4 权衡分析：多目标结果表明，基础设施利用与运输效率、运输效率与运营可靠性、经济绩效与其他目标之间存在内在冲突。帕累托有效解不会强加唯一最优方案，而是让决策者根据自身战略优先级、预算约束和运营需求，选择可接受的折中配置。这种灵活性对可持续和有韧性的供应链规划尤为重要。
4.5 鲁棒性分析：50次独立随机运行中，仓库数量的均值为8.04，标准差为0.49；八仓库配置出现38次，占比76%，七仓库配置出现5次，占比10%，九仓库配置出现7次，占比14%。总飞行距离、总非适航天数和总成本的目标值存在适度波动，但网络结构保持相对稳定；同时，足够大的需求与气候参数变化也可能改变最优网络规模。
讨论部分指出，战略性无人机货运网络设计本质上需要在多个冲突目标之间权衡，不能依赖单一优化准则；帕累托前沿为决策者提供了透明、可比较的战略替代方案，最终选择应由决策者结合组织优先事项确定。研究结论部分可翻译为：本研究提出了一种多目标决策支持框架，用于在需求和气候不确定性下进行可持续且有韧性的中远程无人机货运供应链战略仓库选址规划。通过将基础设施利用、运输效率、运营可靠性和经济绩效整合在一个统一优化框架中，解决了基础设施依赖型无人机货运供应链长期设计中的关键权衡问题。框架将优先化多目标优化与ε-约束法相结合，需求与机场特定非适航天数采用截断正态分布表示，其期望值以确定性方式纳入优化模型，随机变化通过重复再优化进行评估。计算结果表明，战略网络设计涉及目标间的显著权衡；50次鲁棒性分析显示网络结构相对稳定。从实用角度看，该框架支持配置新的中远程无人机货运网络；从研究角度看，它扩展了可持续物流与多目标优化在无人机运输中的应用。研究局限在于尚未使用大量真实需求与天气数据进行模型校准和验证，未来可纳入更多不确定性来源、环境和社会绩效指标，并探索鲁棒优化及分布鲁棒优化方法。
