探析基於混合演算法的物流園區的佈局最佳化研究
摘 要：物流園區的合理佈局是降低物流園區成本和提高物流園區作業效率的有效途徑之一。考慮園區內部物流總量最小、各功能區作業最為緊密以及土地利用率最大化，建立數學模型，然後構造混合演算法求解。最後對國內某物流園區的實際計算，說明構造的模型和演算法的有效性。
關鍵詞：物流園區；佈局；混合演算法
引 言
現代物流園區不僅包含傳統意義上的倉儲、運輸、包裝、裝卸搬運、配送、流通加工等功能外，還具有與之配套的資訊、諮詢、綜合服務、物流金融等功能。園區為完成這些功能形成的不同功能區，為了實現物流園區的整體功能，離不開園區內各功能區間的合理佈局。合理的物流園區佈局對於減少佔地面積，降低園區建設和運營成本，提高物流園區內的作業效率，為園區企業提供滿意的服務，最終獲得更好的經濟效益具有相當重要的作用。
目前，我國正在建設或者計劃建設物流園區的城市很多，但在物流園區建設過程中，發現了一些問題如缺乏準確的定位、不夠規範的功能區佈局、園區的建設規模一味的貪大求全等。根據調研發現，一方面，大量的資金投入用於建設物流園區或物流中心；而另一方面，大量的物流園區處於空閒狀態，資源閒置，沒有產生實際作用。因此在園區規劃設計的前期工作中，就要對功能區進行合理佈置，節約土地面積。
系統佈置設計（SLP）法是由美國學者Muther於1961年提出來的，是一種基本的程式模式，廣泛應用於物流園區功能區佈局規劃問題中。該方法條理清晰，以物料搬運費用最小為目標，將功能區間的物流分析（定量分析）與非物流關係（定性分析）相結合，求得合理的佈局方案。但通常情況物流園區功能區的數量比較多，解的'數目將呈指數倍擴大，用上面思想的演算法將難以對可能解進行比較，所求的解往往與最優解有較大差距，所以本文將嘗試構造混合演算法對問題進行求解。
1 物流園區內部佈局最佳化模型
1.1 問題假設
鑑於研究上的侷限性，根據以往設施佈置問題的相關文獻所提供的方式，本文對物流園區功能佈局模型作如下假設：
（1）假設進行佈局規劃的物流園區的範圍是已知的，且形狀為矩形；
（2）將場內道路所佔面積按比例分攤到其它功能區，則模型中就不再考慮道路對佈局的影響；
（3）各功能區的進、出口都設定在各個功能區的中心；
（4）假設進行佈局規劃的物流園區出入口的個數和位置確定。
另外，根據模型需求，還必須已知以下一些資料：
（1）功能區數目及面積；
（2）各功能區間的物流量及非物流關係關聯度；
（3）功能區和園區出入口間的物流量及非物流關聯度；
（4）各功能區長寬比例的上下限；
（5）園區出入口的位置；
（6）徵地面積及其長寬。
儘可能提高物流園區的效率，減少物流園區的運營成本，使園區內的職工在更為便利、舒適、安全和環保的環境下工作是物流園區佈局最佳化的主要目標。同時合理緊湊的佈局，提高土地利用率，減少徵地面積，能有效節約物流園區的成本。上述目標可拆為以下幾個子目標。
（1）物料搬運費用最小化
主要考慮貨物在物流園區內部流動時產生的搬運費用。由於物流園區與外部環境有著複雜的聯絡，出入口的位置設定對園區功能區的佈局有一定程度上的影響，所以計算物流搬運費用時，不僅要考慮貨物在各功能區塊之間的流動，還需考慮貨物進出物流園區時在進出口與各功能區之間的流動。
（2）鄰接關聯度最大化
該目標函式主要考慮物流園區中的非物流關係。非物流關係主要從程式關係、組織關係以及環境安全三方面衡量，主要包括：設施裝置的共用，方便監督和管理，人員工作聯絡頻繁程度，保障人員工作和生活安全等。為提供便利的工作環境，佈局時需要使關係密切程度緊密的功能區在位置上儘可能相鄰。為了便於計算，引入關聯度和鄰接度兩個概念，分別表示功能區間的非物流關係的密切程度及功能區間的距離鄰近度，具體數值如表1所示。
（3）土地利用率最大化
由於物流園區具有佔地面積大的特點，需要較大的土地面積，而土地成本往往很高，因此在園區建設前進行有效的規劃，作出合理緊湊的佈局，能夠節約土地資源，降低園區的成本。 多目標表達式：
minF=cfx-x+y-y+cfx-x+y-y
maxF=vb+vb
maxF=smaxx+l×maxy+l
S.T.
λ≤λ≤λ （1）
x-x≥ （2）
y-y≥ （3）
≤x≤L- （4）
≤y≤B- （5）
2 演算法設計
本文利用遺傳演算法的可擴充套件性這一優點，在遺傳演算法實現過程中加入爬山演算法，實現對遺傳演算法的改進，加強其區域性搜尋能力，形成求解物流園區功能區佈局模型的混合演算法。該混合遺傳演算法的基本思想是：在遺傳演算法選擇、交叉和變異操作前，利用爬山運算元在其鄰域進行搜尋，找到一個相對滿意的長寬比，再利用遺傳演算法的選擇、交叉和變異操作，進行全域性搜尋，得到全域性最優的搜尋結果。
2.1 編碼機制
本文采用浮點數編碼方式作為染色體的編碼機制。染色體直接用功能區序號和長寬比表示，一條完整的染色體有兩行，第一行是功能區序列，第二行是功能區序列對應的長寬比序列。例如：對於8個功能區的物流園區，染色體A
=是一條合法的染色體。
2.2 初始化
本文采用隨機方法產生popsize個染色體。初始化就是產生初始種群，初始種群裡面的每一個個體有兩行，第一行是功能區序列，第二行是功能區序列對應的長寬比序列。功能區序列就是用函式unused_data， index=sortrandin，1，n實現，index就是功能區序列，即n個1到n間的互不重複的自然數序列。函式randimax_mini，l，l產生功能區i對應的長寬比，其中max_mini表示功能區i的長寬比上限和下限。
2.3 適應度函式
本文物流園區功能區佈局模型為多目標函式，採用權重係數法轉化為單目標求解。目標函式分別是物流搬運費用最小化，鄰接關聯度最大化和土地利用率最大化，最佳化方向不同且具有不同的量綱，故對物料搬運費用最小化目標函式進行倒數處理，使其最佳化方向相同，同時每個目標乘以係數，使其具有相同的數量級。因此，有適應度函式Fitness=c/F+cF+cF，其中c，c，c為係數。
2.4 爬山運算元
由於初始化時長寬比是長寬比上下限區間內隨機產生的，後面的交叉、變異過程都沒有改變長寬比，即長寬比隨機產生後將不再改變，最後的目標值顯然不會是最優的。因此，為了搜尋到最優的長寬比組合，本文在交叉、變異前加入爬山運算元是對每個功能區的長寬比進行鄰域搜尋，以使得目標值更優。
2.5 選擇運算元
選擇運算元採用排序選擇，即對透過爬山運算元輸出的個體進行適應度值排序，並選擇適應度值排在前popsize個個體作為最優個體。
2.6 交叉與變異
本文對染色體的功能區序列基因進行變異操作，即在功能區序列任選兩個基因進行交換，以此獲得變異的後代。
3 例項計算與結果分析
某物流園區規劃用地形狀可近似為矩形，有以下功能區：倉儲區、中轉區、配送區、流通加工區、辦公事務區、展示交易區、綜合服務區以及停車場區。
作者透過MATLAB編制了物流園區佈局最佳化問題的混合演算法計算機程式，透過運算求得，適應度函式收斂與一個最大值，可認為達到了最優解。此時對應的染色體為，功能區佈局示意圖如圖1所示。
將混合演算法的最佳化佈局方案與原佈局方案從物料搬運費用、鄰接關聯度以及土地利用率等方面進行比較，結果如表2所示。
4 結 論
本文在建立物流園區功能區佈局最佳化問題的數學模型基礎上，針對遺傳演算法因區域性搜尋能力不強導致尋優效果較差的弱點，將區域性搜尋能力較強的爬山演算法與之結合，從而構造混合演算法求解該問題。根據實驗結果可直觀地作出評價，加入遺傳演算法的功能區佈局方法在降低物流搬運費用，增加功能區之間的關聯度以及土地利用率方面均有較大優勢，具有一定的可行性和先進性。