一、引言 多式联运是一种先进的交通运输组织形式，能够有机地集成多种运输方式的综合优势，形成高效、便捷和安全的运输服务网络，为货主提供“门到门”的物流服务。特别是以集装箱为载体的多式联运不仅大幅降低了国际物流成本、提高了运输效率，更重要的是它能够通过物流系统各环节无缝衔接，使国际产业链高效运行，更好地满足物流需求向快速化、准时化趋势发展的要求。 快速增长的国际集装箱量和国际物流服务品质要求的提高，给多式联运的运营提出了一系列新的挑战，如何按照现代物流的发展要求，为货主寻找最佳的运输线路，设计符合其需求的联运方案，提供低成本、高效率的方式组合，以更好地提高顾客满意度，已成为多式联运发展中面临的核心问题。而与其他优化问题相比，多式联运的最优路线选择面临变量较多和网络高复杂性的困扰，以往研究采用的层次分析法[1]、区间权重法[2]、组合优化法[3]等大多仅适用于小范围网络的求解，近年来也出现了一些采用智能算法如遗传算法的研究[4-6]，但大多是基于算法的概念性应用，与现实运作存在一定差距，亟需开发相关的优化方法为多式联运的规划和设计提供支撑。 蚁群算法(Ant System algorithm)是由M.Dorigo等(1991)首先提出的一种模拟蚂蚁群体觅食行为的新型仿生类随机型搜索算法[7]。该方法能够将一些离散系统优化中的困难问题用蚁群在搜索食物源的过程中所体现出来的寻优能力进行有效解决。较之以往的启发式算法，在搜索效率和算法的时间复杂性上都取得了令人满意的效果。因此蚁群算法诞生仅20多年就在TSP问题[8]、网络中的负载平衡问题[9]、车辆路径问题[10]等领域得到广泛应用。本文对传统蚁群算法进行改进，通过权系数、信息素残留和挥发系数的动态化，建立了适用于国际多式联运这一特殊复杂系统的路径优化动态蚁群算法模型，有效改善了模型的寻优过程，并采用天津港—墨西哥城的集装箱运输实际数据进行实证分析和验证。 二、集装箱国际多式联运的网络系统构成 目前的集装箱国际多式联运主要是以大型集装箱枢纽港为中心，通过铁路、公路、内河水路等多种运输方式，将集装箱货流的吸引范围延伸到港口的内陆腹地，在取得规模运输效益的同时，实现“门到门”的物流服务。其实际流程是首先把分散的货主处的小批量货流汇集到若干内陆集装箱中转站，组成大批量货源后，通过铁路或汽车运送到各起运港的集装箱码头堆场，再通过大型集装箱船舶以海运的形式运到各个目的港集装箱码头，在目的港卸下后通过各种方式将集装箱运到沿海的支线港或内陆的集装箱中转站，经过若干次转运后，最后配送到收货人手中。 国际多式联运网络是一个庞大且复杂的系统，不仅涉及到由多种方式构成的运输过程，同时涉及到在港口、码头/堆场、中转站等各种节点的方式转换过程，此外还受到不同国别通关、检验检疫、贸易壁垒等多重因素的影响。因此，多式联运网络相较于一般运输网络具有更高的复杂性。具体可以归纳为： 1.运输网络都是由点与弧构成的，节点之间通过有向弧相关联，弧长一般由路线上的距离、运费或时间来表示。以往的运输网络分析通常仅考虑一种运输方式，弧长为单一固定值。但在多式联运网络中，由于多种运输方式的存在，节点之间通过多重有向弧相关联，弧长也由于不同方式费用和时间的差别而不等。 2.以往关于运输网络的研究中，节点处的费用或忽略不计、或为某一固定的中转费用，而在多式联运网络中，由于涉及到不同方式转换，并考虑到在不同国别之间单证手续等诸多因素影响，不同的方式、不同的路线之间的转换费用也各不相同。 因此，本文将国际多式联运网络看作由多种运输方式组合交叉所共同构建的复杂网络结构。其抽象结构如图1所示。
图1 多式联运运输网络模型示意图 假设在某区域中，一批货物从起始点O运送至目的地D，途中共有n个多式联运节点可供选择，这些节点用a[,i](i＝1，2…，n)表示，每两个节点之间都有l种运输方式，加上两个起讫点就形成了图中所示的(n＋2)×l层结构的运输网络。每个节点均能够实现货物在不同方式之间的转换。转换的过程中会发生相应的转换费用，如果涉及到跨国运输，还包括相关的通关、检验检疫等费用。这一费用既可以理解为消耗的运输、仓储、单证等费用，也可以是所花费的时间，或是二者的叠加。因此，为了实现全程费用最小，承运人就需要从诸多的运输节点和各种运输方式中组合优化自己的流程。 三、动态蚁群算法的模型设计 (一)基本蚁群算法 意大利学者M.Dorigo等通过观察蚂蚁群体觅食的生态行为发现，蚂蚁之间是通过外激素——信息素(Pheromone)进行间接交流而达到合作目的的。蚂蚁可以在一定范围内察觉到这些信息素并由此影响它们以后的行为。它们会根据信息素的浓度在行进的途中选择路径，即信息素浓度越大的路径，被蚂蚁们选择的概率就越高，这条路径上被留下的信息素也越来越多，因此该路径的信息素强度将逐渐增大；另一方面，随着时间的推移，信息素会逐渐挥发，被蚂蚁很少选择的路径的信息素浓度将会越来越低。因此当大量蚂蚁进行这种觅食行为时，就会表现出一种信息正反馈的现象，并指导蚂蚁最终搜索到一条从蚁穴到食物源的最短路径。
