1．目的及意义

随着国际贸易盛行，传统的铁路、公路运输无法满足国际贸易对大宗货运的需求；而海运一贯有货运量大、单位成本低的优点，更符合现代贸易的发展趋势。21世纪海上丝绸之路作为一带一路的重要组成部分，是当代中国与外国贸易合作的基础之一。为了发挥其在国际贸易中的作用，海上丝路网络从构建开始就应瞄准充足容量、低成本和高效率的目标。为此，常用的方法是构建一个枢纽网络。

枢纽网络的常见形式有轴辐式、线型及环型网络，本文研究的是轴辐式网络。以枢纽为核心的轴辐式物流网络是整合物流资源、提高物流资源利用效率、降低物流成本的有效网络结构^[1]。枢纽节点间的连接为干线、非枢纽节点通过支线连接在枢纽节点上，货物在枢纽节点集散，再发往连接的非枢纽节点。干线上的大规模运输不但可以节约重复路径、提高运输效率，还可以利用规模经济效应降低成本。

针对海上丝路构建轴辐式网络是有必要的。海上丝路运输有货运量大、辐射范围广的特点，从航线包含的港口中正确地选择枢纽节点、分配非枢纽节点并规划航线，才能构成一个高效率的海上丝绸之路网络。另外，货物到达港口后将通过铁路、公路等陆上运输中转出去，这些中转城市即是网络中的陆港。本文将把对陆港的选址和优化一同纳入考虑范围，即研究一个轴辐式多式联运网络构建与优化的问题。

1.2 国内外研究现状

轴辐式多式联运网络构建与优化已经是一个较为成熟的问题，学者们的研究可以分为针对需求不确定、港口条件不确定、优化方法三个方向。

需求不确定方面，胡晶晶^[1]等考虑不同等级的枢纽能力选择和利用率约束，通过枢纽建设成本表示不同规模的枢纽点，得到与容量等级相关的轴辐式网络整体设计；胡志华^[2]等在枢纽重配置问题中，对于枢纽数量和需求量变化的情况，通过设置参数得出基准分配方案和重配置分配方案，总结出辐节点增加时可以不增加枢纽，而是重配置物流网络以降低总成本；李淑霞^[3]等构造了一个基于两阶段随机规划的中转点选址以及路径选择和运输量配置的序贯决策，根据货运需求变化选择不同的铁路、公路线路；管峰^[4]基于区间集合建立不确定的优化模型，再将不确定目标函数转化为确定性目标函数，利用遗传算法和蚁群算法的混合算法求解。

港口条件不确定方面，丁一^[5]等研究沿海运输权对航线方向、枢纽港个数、选址和非枢纽港分配方案的影响，形成轴辐式集装箱航线网络；姚婉莹^[6]等通过改变规模系数，研究不同数量的枢纽点时规模效应对单分配轴辐式网络、线型及环型枢纽网络的总成本的影响；朱小林^[7]等以物流绩效指数调节枢纽点的转运成本，通过比较总成本研究规模系数对节点枢纽性的影响，提出一个改进的线型枢纽网络模型；彭勇^[8]等综合考虑货物的运输成本、时间和风险，建立有班期限制的货物多式联运路径的多目标优化模型，考虑货物在港等待货轮发班的时间而选用不同枢纽节点和运输方式；Dongxu Chen^[9]等考虑了运力约束，提出了确定轴辐式网络模型港口供应链均衡供给和制造规模的方法，确定了枢纽港。

优化方法方面，梁承姬^[10]等考虑运输成本、无水港的建立成本以及换装成本，基于两阶段模型，先给出候选城市评价体系选出候选城市、后根据候选城市进行选址优化，得出较直接选址优化更优的无水港选址模型；陈晓欣^[11]通过预处理将每个OD流经过所有潜在枢纽对的中转成本储存起来，并设计了一个哈希函数、建立哈希索引，实现对中转成本的快速查找，节约运算时间；陈翔^[12]提出了纯整数非线性规划模型用来求解网络设计中的枢纽选址及通道配置问题，以最小化所有节点的总加权运输时间，并用一种混合精英遗传算法求解；赵晏林^[13]等考虑运输成本、换装成本以及时间惩罚成本模型，并引入移民算子，用改进的遗传算法求解。Jianfeng Zheng^[14]等考虑多型集装箱运输和中转时间约束，利用一种嵌入多阶段分解方法的高效遗传算法求解网络设计问题；Dong Yang^[15]等建立了双层规划模型，使上层班轮公司的总利润最大化，同时使下层货主的总成本最小化，分别得到不同情况下的最优网络。
{title}

2. 研究的基本内容与方案

{title}

2.1 基本内容与目标

基于已有的研究成果，本次毕业设计主要以海上丝路轴辐式多式联运网络为研究对象，结合实例从以下三个方面展开：

1) 1）建立海上丝路轴辐式多式联运网络模型，同时考虑陆港和一般港口，建立线型轴辐式单分配网络。目标函数将统一时间和成本的量纲并加权计算，以实现目标函数值最小化。成本包括枢纽港建设成本、港口中转成本和运输成本；时间包括港口中转时间、运输时间和拥堵时间。

2）应用遗传算法在matlab上求解。首先学习遗传算法基本理论和matlab软件的使用，适应度函数选用目标函数值的倒数、选择算子采用轮盘赌法、单点交叉作为交叉算子、基因互换作为变异算子、引入移民算子，依照模型完成编程。

3）求解并分析算例，检验模型的有效性。包括收集目标城市的货运量、单位运输成本、运输距离等基本信息，引入程序中求解，并分析求解结果。