实验要求
面向对象：物流管理、物流工程及相关专业本科生，具体开课年级与专业由学校确认。
先修要求：具备物流管理、物流信息技术、基础运筹学与基本数据分析知识，了解图中的节点、边和权重，以及目标函数和约束的含义。
实验前：阅读任务和设备参数，复习加权中值、最短路径与启发式优化，完成课前知识检查。
实验中：按任务顺序操作；每次调整记录设备数量、算法、参数、路径代价及成本；对不可行方案记录原因和修正结果。不得编造运行数据。
实验后：提交初始可行方案、至少两组同口径对照结果、最终方案及实验报告；没有可验证最优基准时，不将启发式结果表述为全局最优解。
运行环境：使用平台实际支持的终端与浏览器；操作系统、浏览器版本及网络要求待平台联调后确认。
教学成果
实验背景
无人机与无人车在通行方式、运载能力、运行成本和服务时效方面存在差异，单一运输方式难以同时适应不同重量、体积和交付时限的货物需求。地空协同运输需要统筹物流节点布局、地面路径、设备组合与货物分配，在满足任务约束的前提下降低运输成本。传统课堂难以在有限课时内组织多设备协同、反复调整参数及对照试验，因此本实验将相关业务过程转化为可操作、可重复的虚拟任务，使学生观察“需求变化—方案调整—约束反馈—成本变化”的关系。实验结果仅适用于题设条件，不能直接替代真实运输运行方案。
设计原则
1.任务驱动。以货物从需求点汇集至中转站并开展地空协同运输为主线，将设备认知、选址、路径规划、配载和优化连成完整任务。
2.理实结合。学生先识别模型输入、目标与约束，再配置参数和运行仿真，用结果解释方法原理。
3.先可行后优化。先检查货物需求、载重、容积和时效是否满足，再比较成本，不以不可行方案的低成本作为优化成果。
4.可重复与可比较。保留初始方案及关键试验记录，在相同需求、地图和成本口径下比较算法、参数和设备组合。
5.反馈促进纠错。依据约束校验与运行结果，提示超载、超容、超时或遗漏，要求学生自主修改并说明原因。
6.评价有据。评价结合操作过程、最终方案和报告分析；拟引入的AI辅导仅用于知识解释与反馈，计算和约束判定以模型、规则及仿真数据为依据。
实验目标
1.知识目标：说明无人机与无人车的能力差异，理解需求属性与权重、交叉中值法、最短路径算法、运输约束及运输成本的关系。
2.操作目标：独立完成需求点选择、属性相关性设置、选址、路径算法配置、设备数量设置与货物分配。
3.建模目标：依据货物需求确定优化目标，识别需求满足、设备载重、设备容积和运达时间约束。
4.分析目标：运用控制变量方式比较路径与运输方案，解释参数变化对约束满足情况及成本的影响，区分可行解、当前较优解和可验证最优解。
5.素养目标：如实记录试验数据，核查算法或智能反馈，说明结论成立的条件，形成可追溯、可复核的实验报告。
成绩评定
操作过程与方案结果80分：需求点与属性权重设置10分；交叉中值法选址10分；无人车路径规划与对照分析20分；初始配载及约束修正15分；调度模型、算法配置及运行15分；多方案比较与最终方案10分。
实验报告20分：数据记录完整5分；参数与结果因果分析8分；方案选择依据与适用条件5分；规范表达与反思2分。
评分规则：先校验方案是否满足需求、载重、容积和时效，再评价优化效果。结果比较须采用相同任务和成本口径；基准方案来源、差距计算方式及扣分规则由教师确认后配置。不得把未知最优值作为评分基准。