摘 要：物流园区的合理布局是降低物流园区成本和提高物流园区作业效率的有效途径之一。考虑园区内部物流总量最小、各功能区作业最为紧密以及土地利用率最大化，建立数学模型，然后构造混合算法求解。最后对国内某物流园区的实际计算，说明构造的模型和算法的有效性。
关键词：物流园区；布局；混合算法
中图分类号：F719 文献标识码：A
Abstract： The reasonable layout of logistics park is one of the effective ways to reduce cost of logistics park and to improve the working efficiency of the logistics park. Considering the minimum of the logistics quantity， the close connection of each each functional area and the maxmum of land use rate， a mathematical model is established. Then， to solve the model， a hybid genetic algorithm is constructed. Finally， the practical calculation of a domestic logistics park is given to illustrate the effectiveness of the structure of model and algorithm.
Key words： logistics park； layout； hybrid algorithm
0 引 言
现代物流园区不仅包含传统意义上的仓储、运输、包装、装卸搬运、配送、流通加工等功能外，还具有与之配套的信息、咨询、综合服务、物流金融等功能。园区为完成这些功能形成的不同功能区，为了实现物流园区的整体功能，离不开园区内各功能区间的合理布局。合理的物流园区布局对于减少占地面积，降低园区建设和运营成本，提高物流园区内的作业效率，为园区企业提供满意的服务，最终获得更好的经济效益具有相当重要的作用。
目前，我国正在建设或者计划建设物流园区的城市很多，但在物流园区建设过程中，发现了一些问题如缺乏准确的定位、不够规范的功能区布局、园区的建设规模一味的贪大求全等。根据调研发现，一方面，大量的资金投入用于建设物流园区或物流中心；而另一方面，大量的物流园区处于空闲状态，资源闲置，没有产生实际作用。因此在园区规划设计的前期工作中，就要对功能区进行合理布置，节约土地面积。
系统布置设计（SLP）法是由美国学者Muther于1961年提出来的，是一种基本的程序模式，广泛应用于物流园区功能区布局规划问题中。该方法条理清晰，以物料搬运费用最小为目标，将功能区间的物流分析（定量分析）与非物流关系（定性分析）相结合，求得合理的布局方案。但通常情况物流园区功能区的数量比较多，解的数目将呈指数倍扩大，用上面思想的算法将难以对可能解进行比较，所求的解往往与最优解有较大差距，所以本文将尝试构造混合算法对问题进行求解。
1 物流园区内部布局优化模型
1.1 问题假设
鉴于研究上的局限性，根据以往设施布置问题的相关文献所提供的方式，本文对物流园区功能布局模型作如下假设：
（1）假设进行布局规划的物流园区的范围是已知的，且形状为矩形；
（2）将场内道路所占面积按比例分摊到其它功能区，则模型中就不再考虑道路对布局的影响；
（3）各功能区的进、出口都设置在各个功能区的中心；
（4）假设进行布局规划的物流园区出入口的个数和位置确定。
另外，根据模型需求，还必须已知以下一些数据：
（1）功能区数目及面积；
（2）各功能区间的物流量及非物流关系关联度；
（3）功能区和园区出入口间的物流量及非物流关联度；
（4）各功能区长宽比例的上下限；
（5）园区出入口的位置；
（6）征地面积及其长宽。
尽可能提高物流园区的效率，减少物流园区的运营成本，使园区内的职工在更为便利、舒适、安全和环保的环境下工作是物流园区布局优化的主要目标。同时合理紧凑的布局，提高土地利用率，减少征地面积，能有效节约物流园区的成本。上述目标可拆为以下几个子目标。
（1）物料搬运费用最小化
主要考虑货物在物流园区内部流动时产生的搬运费用。由于物流园区与外部环境有着复杂的联系，出入口的位置设置对园区功能区的布局有一定程度上的影响，所以计算物流搬运费用时，不仅要考虑货物在各功能区块之间的流动，还需考虑货物进出物流园区时在进出口与各功能区之间的流动。
（2）邻接关联度最大化
该目标函数主要考虑物流园区中的非物流关系。非物流关系主要从程序关系、组织关系以及环境安全三方面衡量，主要包括：设施设备的共用，方便监督和管理，人员工作联系频繁程度，保障人员工作和生活安全等。为提供便利的工作环境，布局时需要使关系密切程度紧密的功能区在位置上尽可能相邻。为了便于计算，引入关联度和邻接度两个概念，分别表示功能区间的非物流关系的密切程度及功能区间的距离邻近度，具体数值如表1所示。
（3）土地利用率最大化
由于物流园区具有占地面积大的特点，需要较大的土地面积，而土地成本往往很高，因此在园区建设前进行有效的规划，作出合理紧凑的布局，能够节约土地资源，降低园区的成本。 多目标表达式：
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 算法设计
本文利用遗传算法的可扩展性这一优点，在遗传算法实现过程中加入爬山算法，实现对遗传算法的改进，加强其局部搜索能力，形成求解物流园区功能区布局模型的混合算法。该混合遗传算法的基本思想是：在遗传算法选择、交叉和变异操作前，利用爬山算子在其邻域进行搜索，找到一个相对满意的长宽比，再利用遗传算法的选择、交叉和变异操作，进行全局搜索，得到全局最优的搜索结果。
2.1 编码机制
本文采用浮点数编码方式作为染色体的编码机制。染色体直接用功能区序号和长宽比表示，一条完整的染色体有两行，第一行是功能区序列，第二行是功能区序列对应的长宽比序列。例如：对于8个功能区的物流园区，染色体A
=是一条合法的染色体。
2.2 初始化
本文采用随机方法产生popsize个染色体。初始化就是产生初始种群，初始种群里面的每一个个体有两行，第一行是功能区序列，第二行是功能区序列对应的长宽比序列。功能区序列就是用函数unused_data， index=sortrandin，1，n实现，index就是功能区序列，即n个1到n间的互不重复的自然数序列。函数randimax_mini，l，l产生功能区i对应的长宽比，其中max_mini表示功能区i的长宽比上限和下限。
2.3 适应度函数
本文物流园区功能区布局模型为多目标函数，采用权重系数法转化为单目标求解。目标函数分别是物流搬运费用最小化，邻接关联度最大化和土地利用率最大化，优化方向不同且具有不同的量纲，故对物料搬运费用最小化目标函数进行倒数处理，使其优化方向相同，同时每个目标乘以系数，使其具有相同的数量级。因此，有适应度函数Fitness=c/F+cF+cF，其中c，c，c为系数。
2.4 爬山算子
由于初始化时长宽比是长宽比上下限区间内随机产生的，后面的交叉、变异过程都没有改变长宽比，即长宽比随机产生后将不再改变，最后的目标值显然不会是最优的。因此，为了搜索到最优的长宽比组合，本文在交叉、变异前加入爬山算子是对每个功能区的长宽比进行邻域搜索，以使得目标值更优。
2.5 选择算子
选择算子采用排序选择，即对通过爬山算子输出的个体进行适应度值排序，并选择适应度值排在前popsize个个体作为最优个体。
2.6 交叉与变异
本文对染色体的功能区序列基因进行变异操作，即在功能区序列任选两个基因进行交换，以此获得变异的后代。
3 实例计算与结果分析
某物流园区规划用地形状可近似为矩形，有以下功能区：仓储区、中转区、配送区、流通加工区、办公事务区、展示交易区、综合服务区以及停车场区。
作者通过MATLAB编制了物流园区布局优化问题的混合算法计算机程序，通过运算求得，适应度函数收敛与一个最大值，可认为达到了最优解。此时对应的染色体为，功能区布局示意图如图1所示。
将混合算法的优化布局方案与原布局方案从物料搬运费用、邻接关联度以及土地利用率等方面进行比较，结果如表2所示。
4 结 论
本文在建立物流园区功能区布局优化问题的数学模型基础上，针对遗传算法因局部搜索能力不强导致寻优效果较差的弱点，将局部搜索能力较强的爬山算法与之结合，从而构造混合算法求解该问题。根据实验结果可直观地作出评价，加入遗传算法的功能区布局方法在降低物流搬运费用，增加功能区之间的关联度以及土地利用率方面均有较大优势，具有一定的可行性和先进性。
参考文献：
[1] Raja GKasilingam. Logistics and Transportation Design and Planning[M]. Kluwer Academic Publishers， USA， 1998.
[4] 郎茂祥，胡思继. 用混合遗传算法求解物流配送路径优化问题的研究[J]. 中国管理科学，2002，10（5）：51-55.
[5] 周明，孙树栋. 遗传算法原理及应用[M]. 北京：国防工业出版社，1999.
[6] M. Adel EI-Baz. A genetic algorithm for facility layout Problems of different manufacturing environments[J]. Computers & Industrial Engineering， 2004（2）：233-246.
