0 引言 我国果蔬采后损耗率高达15%～25%，相当于浪费1.2亿亩耕地产出，而发达国家普遍低于5%[1]。不同于美、日、西欧等零售环节损耗突出，我国损耗主要发生在供应链早期，尤其是采后处理阶段[2]。果蔬采收后需在数小时内完成快速冷却（预冷），以去除田间热、抑制呼吸，减少品质损失。大量研究表明，预冷能有效延长果蔬贮藏和货架期[3，4]。然而，我国果蔬种植以小农经营为主，土地流转率低，农户难以自行购置预冷设备，一方面因成本高难以承担，另一方面设备过度分散购置又易造成闲置浪费。因此，依托农业社会化服务成为小农现代化的重要途径[5-7]。但传统模式下，小农户分散、零碎的需求难以汇集。随着互联网技术的发展，平台化服务逐渐成为现代服务业的主流[8]，并在农业中快速兴起，如农田管家的“滴滴打药”、中化Modern Agriculture Platform战略、丰农控股模式等。农服平台通过汇聚农户需求与服务资源并进行匹配，为破解小农预冷困境提供了新机遇。 然而，农服平台具有的需求时效性、供需双方目标冲突、服务资源异质性等特点大大增加了运营管理的复杂性。以预冷服务为例，为保证果蔬品质，需在采后第一时间完成预冷，但在有限资源条件下，时效性目标与服务商的经济性目标常存在矛盾。同时，我国小农经营主体规模差异大，导致需求高度异质化，相应服务资源也呈现多样化。目前常用的预冷库可集中处理大批量果蔬，但需卡车运输至冷库，预冷延迟较大。为满足田间地头的即时预冷需求，移动式预冷车逐渐兴起，可直接开赴农田缩短延迟[9，10]，但其空间与效率有限，难以应对大规模需求。在兼顾预冷服务经济性与时效性的同时，如何结合服务资源的异质性特点，开展预冷服务平台资源调度（resource scheduling of precooling service platform，RSPSP），成为一个重要的研究问题。 近些年，国内外学者对服务平台运作优化问题开展了大量研究，包括即时配送平台订单调度[11，12]、货运O2O平台集货匹配[13]、共享交通平台运力资源调度[14，15]、家庭医疗服务平台供需匹配[16]等，这些成果丰富了服务平台运作优化领域的研究，也为本研究的开展奠定了重要基础。然而，目前关于服务平台运作的多目标优化研究仍不充分，现有文献多以运作成本最低或服务时间最短为单一目标，较少兼顾不同主体的目标。同时，融合服务资源异质性开展的优化研究较少，针对农业社会化服务平台的研究也有限，预冷服务平台资源调度方面更是缺乏。在多目标优化算法方面，Epsilon-约束法是工程优化领域应用最广泛的一种[17]。本研究选取该方法作为RSPSP问题的基本框架。然而，Epsilon-约束法与精确算法结合时才能获得精确Pareto非劣解；若与启发式算法结合，其解的质量取决于启发式算法的搜索能力与多目标优化框架的有效性。在复杂的实际问题中，往往需依赖高效的启发式算法快速求解。因此，如何基于Epsilon-约束法构建合理框架，并结合问题特性设计有效启发式算法以提升Pareto非劣解的精确性，成为多目标优化的重要研究方向。 本研究同时考虑固定式预冷库与移动式预冷车两类服务资源，对农户预冷订单进行履约。RSPSP问题可表述为：平台调度卡车和预冷车两类车辆，通过合理安排行驶路线与服务时刻表，在限定时间内为一组需求量已知的农户提供预冷服务。该问题可抽象为带时间窗和异质车型的车辆路径规划问题（heterogeneous fleet vehicle routing problems with time windows，HFVRPTW）。由于两类车辆具有不同的服务过程与服务效率，且本研究考虑多预冷库的情景，因而RSPSP问题可以看作是带有异质服务效率和时间窗的多车场车辆路径规划问题。与既有研究不同，本研究强调两个特征：一是服务资源的异质性；二是多主体目标的冲突性，这使问题求解更为复杂。一方面，多类型资源协调优化虽能提升调度柔性，却扩大了搜索空间；在时间窗约束下，异质效率又导致复杂的时空耦合关系，因此亟需高效算法；另一方面，多目标优化需结合服务特点，刻画不同主体的目标函数，构建合理优化框架，以探索高质量的Pareto非劣解。 1 文献综述 现有关于服务平台资源调度的研究多将问题抽象为经典车辆路径规划问题的变体[12-15]。本研究中的预冷服务平台资源调度问题可归类为HFVRPTW的变体。在该问题的基本模型中，不同固定成本和载重约束的车辆需在时间窗内为客户提供服务，目标是通过优化车队构成、行驶路线和时间安排以最小化总运作成本。通过引入多仓库[18]、回程[19]、多行程[18]，碳排放[20]、充电站[21]、阶跃成本函数[22]、选址决策[23]、不兼容负载[24]、服务一致性[25]和外包决策[26]等约束，HFVRPTW衍生出一系列变体，为RSPSP问题提供了参考①。然而，现有关于服务平台资源调度问题的研究多以平台成本最低或时间最短为单一优化目标，较少兼顾服务需求方目标开展多目标优化研究，且果蔬采后预冷领域涉及甚少。此外，现有HFVRPTW研究中车辆异质性多体现为成本与装载能力差异，鲜有涉及服务过程的差异性。 HFVRPTW问题的求解方法主要分为精确算法和启发式算法。由于问题复杂，精确算法效率较低[18，27]，启发式逐渐成为主流，包括多起点启发式[19]、基于插入的构造启发式[22]、禁忌搜索[25]、蚁群算法[26]、进化算法[28]和粒子群算法[29]等。其中，自适应大邻域搜索（adaptive large neighborhood search，ALNS）算法已被证明在车辆路径问题中效果显著[9，10，30]。本研究据此采用ALNS框架求解RSPSP问题，并针对异质服务和车辆效率差异设计特定改进，以提升求解性能。在多目标优化方面，本研究采用工程优化中广泛使用的Epsilon-约束法，其核心是将一个目标转化为约束，进而求解单目标问题。该方法的ε值选择策略直接影响搜索方向和效率，是有限计算资源下高效探索解空间的关键。由于Epsilon-约束法结合非精确算法时缺乏严格最优性，本研究旨在设计有效的Pareto非劣解更新机制以提升求解精度。
