By tecdatAI人工智能辅导, Python辅导, 人工智能, 农业, 地理，运输，旅行和物流, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术Chain, Code, Cold, Data, Distribution, Ensemble, Fresh, Integer, Learning, LightGBM, Linear, MILP, mixed, Optimization, Programming, python, Stacking, Warehouse, xgboost, 仓网, 代码, 优化, 冷链, 学习, 数据, 整数, 混合, 生鲜, 线性, 规划, 配送, 集成
本文针对生鲜冷链物流强时效、高波动、数据稀缺的三重挑战，提出“预测-优化-协调”一体化决策框架。构建MILP精确优化模型求解全局最优仓网布局，通过ε-constraint方法生成时效-成本Pareto前沿，采用LightGBM-XGBoost Stacking集成模型预测需求，最终实现滚动时域动态调度。结果表明，9仓布局总成本1615.04万元，预测RMSE达8.54吨，动态调度较静态方案降本10.1%。
