本文是一篇工程硕士论文，本文针对S企业总烘干能力趋近饱和、各烘干中心承担的烘干任务不均衡、取货超时现象频发的问题，制定了基于业务量预测的烘干中心选址-路径优化方案。
第1章绪论
1.1研究背景及意义
1.1.1研究背景
中草药作为我国独特的卫生资源、潜力巨大的经济资源、具有原创优势的科技资源、优秀的文化资源和重要的生态资源，在我国经济社会发展中发挥着重要作用[1]。2022年3月，国务院办公厅发布了《“十四五”中医药发展规划》，肯定了中草药在疫情防控救治工作中的重要贡献，明确了“推动中药产业高质量发展”等主要任务，整个中草药行业迎来了新一轮的发展良机[2]。烘干是影响中草药质量的重要环节，除少数需要鲜用的中草药外，大部分新采的中草药在除去泥沙、腐烂及非药用部位后，都必须经过烘干才能成为质量合格的药材商品[3]。2021年12月，《“十四五”全国农业机械化发展规划》发布，鼓励企业为社会提供优质的烘干服务[4-5]。
烘干药企作为中草药产业链的关键节点，为社会提供专业及时的中草药收购、运输、烘干、销售服务，能增强种植户的议价能力，有助于中草药提质进档。然而，中草药烘干业务量与中草药产量息息相关，受自然条件、生产技术水平、市场需求、有关政策等不确定因素的影响，波动较大。同时，我国气候类型复杂，地形地势多种多样，导致中草药的产、销地位置众多且布局分散。因此，烘干药企普遍面临烘干资源不足或闲置、运输车辆在途时间过长等共性问题，导致企业的物流成本居高不下、客户满意度不高，不利于企业业务的永续发展、全产业链的优化升级。
1.2国内外研究现状
1.2.1业务量预测方法
业务量预测数据可为企业的各项决策提供依据，但由于其影响因素众多，且具有很大的不确定性，所以对企业的业务量进行预测是一个十分复杂的过程。国内外学者针对预测对象特点与预测需求，设计业务量预测方法，并将方法应用于实际案例中。
(1)国外研究现状
Bouyahia（2023年）等提出了一种基于条件高斯观测马尔可夫模糊切换模型的预测算法，以实际客运业务量为实验数据，将所提出的方法与其他3种预测方法的预测精度进行了比较。对比结果表明，所提出的方法在长达60分钟的预测范围内，以15分钟的间隔收集数据，预测精度高于对比算法[6]。
Jampani（2020年）等针对机场意外客运量激增的问题，对机场客运业务量进行预测，从而提前部署安全检查站、车道等开放的数量。Jampani等人提出一种WD-WNN预测方法，将航班时刻表与历史业务量相结合，并使用美国机场的真实案例来证明所提出的模型及预测方法的有效性，并为机场运营提供了重要的决策支持[7]。
Juan（2020年）等提出了一种混合方法来预测海港业务量。该方法由三个步骤组成。首先，利用自组织映射将时间序列分解为更小的簇，便于预测；其次，在每个聚类中应用一个季节自回归积分移动平均模型，获得每个聚类的预测值和残差；最后，将每个聚类的预测值和残差与历史数据一起作为支持向量回归模型的输入。实验结果表明，提出的方法提供了准确的预测结果，并优于所测试的其他方法，可以作为海港管理的自动决策工具[8]。
第2章某企业问题分析及解决方案的制定
2.1理论基础与研究范围的界定
2.1.1中草药物流概述
中草药是指来源于药用植物资源，经规范化种植（含生态种植、野生抚育和仿野生栽培）、养殖、采收和初加工后，用于生产中药饮片、中药制剂、中药制品的药用原料。随着我国中医药事业的蓬勃发展，消费者对中草药认可度的不断提高、需求越来越旺盛。目前，我国有常用中草药600多种，其中300多种已实现人工种植，形成了关药、北药、怀药、浙药、川药、秦药等一批产品质量好、美誉度高的中草药产区，其种植成为了农民收入的重要来源和偏远山区的特色产业。
(1)中草药的特点
1)价值特点
经济价值高。以吉林省为例，2023年11月长白山人参的价格范围为每斤150元至280元；五味子的价格范围为每斤60元至70元。大部分中草药材的经济价值远高于一般的农副产品。
2)产品特点
需进行烘干等初加工处理后才能销售。刚采收的中草药含水量较高，易生霉变质，进而影响其使用价值和经济价值。因此，除了少数需要鲜用的中草药外，采收下来的中草药在进行拣选、清洗、去除非药用部位后，必须经过烘干才能成为符合销售标准的商品药材，销售给制药企业、医疗机构、连锁药店等中草药用户。
3)产量特点
产量波动较大。中草药的产量直接受到自然条件、生产技术水平的影响。种植地不适宜的自然条件或种植户不合理的生产方法都可能影响中草药的实际产量。同时，中草药的产量也与市场需求、有关政策等因素密切相关。例如，后疫情时代下莲花清瘟胶囊的需求量猛增，在国家政策的扶持之下，金银花、连翘等中草药种植规模不断扩大，产量激增。
2.2 S企业现状及问题分析
2.2.1 S企业现状
本文的研究对象S企业是一家以中草药收购、烘干和销售为主营业务的烘干药企，成立于2014年，位于中药产业优势尤为突出的吉林省延边朝鲜族自治州。传统的中草药晒干法由于对环境要求高、耗时长而被淘汰，中草药的机械化烘干技术日益成熟，并逐渐被当地的种植户接受。S企业抓住机遇，在国家及地方政策的扶持之下逐步扩大企业规模。截至2022年，S企业拥有稳定合作的中草药种植户近400家，员工200余人；拥有规模化、自动化、专业化中草药烘干中心4处；拥有自营连锁药店18家，同时与多家制药企业、医疗机构等达成长期战略合作。目前，S企业与其所在地区的政府部门、中草药材规模化种植地以及中草药用户之间形成了完善的产业集群机制。以S企业为关键节点的中草药产业链如图2.2所示。
第3章面向非平稳序列的业务量预测方法研究....................19
3.1预测方法的设计思路.............................19
3.1.1预测对象分析.....................................19
3.1.2预测方法的选择................................20
第4章多目标烘干中心选址-路径模型的构建.............................35
4.1问题分析............................................35
4.1.1问题描述..........................................35
4.1.2模型基本假设.................................35
第5章改进的MOBFO-NMOPSO算法设计.....................42
5.1算法的设计思路...................................42
5.2细菌觅食算法简介..................................43
第6章案例研究
6.1 S企业基础数据分析及参数确定
6.1.1物流节点位置的确定
(1)备选烘干中心位置的确定
S企业为节约烘干中心的建设成本，采用旧烘干厂改造的方式建设中草药烘干中心。根据实际走访调查，在比较各备选烘干中心建设成本的基础上，充分考虑非成本因素，如表6.1所示，最终确定14个备选烘干中心。S企业烘干中心的建设成本主要包括道路、地坪、罩棚、汽车衡、烘前烘后仓等改造升级的土建费用；输送、清理、除尘、烘干、检化验、供配电设备及运输车辆的购置费用等，扣除政府补贴部分，可得到各备选烘干中心的实际建设成本。将备选烘干中心的建设成本按照15年折旧进行计算，得到14个备选烘干中心基本情况如表6.2所示。
第7章结论与展望
7.1结论
本文针对S企业总烘干能力趋近饱和、各烘干中心承担的烘干任务不均衡、取货超时现象频发的问题，制定了基于业务量预测的烘干中心选址-路径优化方案。构建改进的CEEMD-无偏GM(1,1)预测方法，在考虑未来3年烘干业务量变化趋势的基础上，以物流成本最小、客户满意度最大为目标函数，建立模型；设计改进的MOBFO-NMOPSO算法对模型进行求解；结合S企业实际运营情况，运用本文构建的模型及算法得到符合企业实际发展需要的选址-路径优化方案，对模型中重要参数进行敏感性分析，帮助企业制定取货策略、确定货损率控制范围。本文的研究结论如下：
(1)针对业务量历史数据较少、波动较大的特点，结合中长期预测的需求，设计了一种改进的CEEMD-无偏GM(1,1)预测方法。利用CEEMD方法对历史数据进行预处理，能使历史数据更平稳，改进的无偏GM(1,1)预测方法则保留了无偏GM(1,1)预测对所需原始数据量小、操作简便、消除了固有偏差的优势，打破了其只适用于非负历史数据的局限性。经对比，改进的CEEMD-无偏GM(1,1)预测方法的预测精度更高，为S企业确定中长期发展所需的总烘干能力提供了技术支持。
(2)基于企业中长期业务量预测值，构建多目标烘干中心选址-路径模型；考虑到单一多目标优化算法无法兼顾收敛性和多样性的问题，设计混合的多目标优化算法进行求解。构建以烘干中心烘干能力、车载容量等为约束条件，最小物流成本和最大客户满意度为目标函数的多目标烘干中心选址-路径模型。引入基于小生境的多目标粒子群算法、差分进化思想和种群进化因子对原始的细菌觅食算法进行改进，提出了一种改进的MOBFO-NMOPSO算法。使用田口方法，弱化算法中众多参数对算法性能的影响。利用最优折衷解的概念，辅助企业管理人员进行决策。对比实验表明，该算法求得的近似Pareto前沿的收敛性、多样性优于其他对比算法。
参考文献（略）
