【多式联运】基于AFO算法、GA和PSO算法求解不确定多式联运路径优化问题，同时和MATLAB自带的全局优化搜索器进行对比附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

一、问题界定与不确定性分析

多式联运路径优化的核心是在 “公路 - 铁路 - 航空 - 水路” 等多运输方式协同网络中，寻找满足货物运输需求（时间、成本、可靠性）的最优路径。而不确定性是实际运输场景的核心挑战，需先明确问题边界与关键不确定因素，为算法设计奠定基础。

1.1 问题核心要素

• 运输网络结构：包含节点（货运站、港口、机场）与边（运输线路），边的属性随运输方式变化（如公路边的单位运费、铁路边的运输时长）；

• 决策变量：路径选择（从起点到终点的节点序列）、运输方式选择（每段边对应的运输方式）、运力分配（若考虑多批货物协同）；

• 优化目标：多目标协同优化，通常包括：

1. 最小化总运输成本（含运费、中转费、装卸费）；

1. 最小化总运输时间（含行驶时间、中转等待时间）；

1. 最大化运输可靠性（如准时到达概率、货物完好率）。

二、核心优化算法设计（AFO、GA、PSO）

针对不确定多式联运路径优化的 “多目标、多约束、不确定性” 特性，分别设计人工鱼群算法（AFO）、遗传算法（GA）、粒子群优化（PSO）的适配方案，重点解决不确定性处理与多目标融合问题。

2.1 人工鱼群算法（AFO）设计

AFO 算法模拟鱼群觅食、聚群、追尾行为，具有全局搜索能力强、对初始值不敏感的优势，适合处理复杂网络优化问题。

2.1.4 算法参数设置

• 人工鱼数量：50-80（平衡搜索范围与计算效率）；

• 最大迭代次数：100-200（根据网络复杂度调整）；

• 步长：0.2-0.5（控制每次位置更新的幅度）；

• 视野范围：5-10（邻居搜索的半径，即每次探索的节点数范围）。

⛳️ 运行结果

🔗 参考文献

[1] 张顺顺.低碳背景下需求不确定的集装箱多式联运路径优化研究[D].东南大学[2025-10-27].

[2] 康凯,牛海姣,朱越杰,等.基于粒子群蚁群算法求解多式联运中运输方式与运输路径集成优化问题[J].物流工程与管理, 2009(10):5.DOI:10.3969/j.issn.1674-4993.2009.10.026.

[3] 任建伟,孟祥冬,陈春花,等.多式联运网络中的托盘共用调度方法[J].西南交通大学学报, 2020, 55(3):8.DOI:10.3969/j.issn.0258-2724.20190340.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇