物流中心功能布局方法建模比较分析分析Word文档下载推荐.docx

物流中心功能布局方法建模比较分析分析Word文档下载推荐.docx

《物流中心功能布局方法建模比较分析分析Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《物流中心功能布局方法建模比较分析分析Word文档下载推荐.docx（13页珍藏版）》请在冰豆网上搜索。

运输、仓储、装卸搬运、理货、中转衔接、信息功能。

辅助服务功能包括生活配套服务、后勤配套服务和储备用地。

一般增值功能有流通加工、配送功能、停车配载、结算功能、口岸功能。

基于以上的铁路物流园区功能划分，在进行功能区布局的过程中应遵守的原则有充分利用现有资源原则、柔性化原则、最小化原则、系统化原则、易于管理原则、实事求是原则。

然后，利用一系列建模方法对物流园区功能布局进行最优化设计。

1.2保税物流中心

根据保税物流中心的特性，这类区域是联结国内、国外两个市场的物流集合区域。

通常保税物流中心由海关查验区、基础设施区、物流作业区组成。

一般来说，根据保税物流中心政策及功能的分析，保税物流中心具有五种基本的业务模式：

进口、出口、转口贸易、结转、与其它区域间的流转。

物流中心功能区布局的目标有以下五个方面：

1）有效利用空间，发挥土地利用的最大价值，方便与外部的交通基础设施相

衔接；

2）运输成本最小，使货物的运输线路尽量做到最短，尽量避免货物运输的交

叉；

3）符合保税物流中心核心业务的要求，尽量使货物顺畅地流动；

4）最大程度的方便各单位间业务上的联系；

5）重视人性化因素，为职工提供安全、舒适、方便、卫生的工作环境；

6）为提高工作效率保证员工身体健康创造条件。

人们对布局问题进行大量研究，遗传算法的出现对于解决复杂函数全局优化问题提供新的思路。

遗传算法用解空间的点模拟自然界生物体。

目标函数评价生物体对环境的适应能力，用交叉、变异、选择等操作模拟生物遗传变异的进化过程。

遗传算法搜索过程是非确定性的。

对目标函数及约束函数没有限制，应用范围较宽。

遗传算法的宗旨是避免陷入局部最优点的局面，逐渐收敛于全局最优解。

保税物流中心布局设计优化问题属于二维规则复杂布局问题，是给定一个布局空间和相应的待布局物体，在满足必要的约束条件下，将待布局物体合理地摆放在空间中，并达到某种最优指标的活动。

2功能区布局模型

2.1常见的布局形式和模型

复杂的布局规划问题通常包含有多个目标函数与多个约束条件组合而成，这种模式的布局问题用简单的数值模型来表达是基本无法实现的，所以此种模式属于复杂优化问题。

目前，功能区布局形态大致有平行式、等面积分离式、不等面积分离式三种。

下面将分别介绍不同布局形式的描述和对应的数学模型。

1）平行式和单行布局模型

这种布局形式下，各个功能区和保税物流中心内部主干道需与交通枢纽成平行状态，使中心与相邻的各交通枢纽最大化的接近，使交通基础设施可以充分为物流中心服务。

当规模小、功能区少、土地限制较小，常用此种形式布局,因形状成直线型，容易造成道路建设过大，投资较大，更对土地资源造成不必要的浪费。

模型基于的假设是功能区块是已知的矩形，为在布局过程中操作方便需统一将功能区块看作矩形，功能区并排布局。

2）等面积二次分配模型

应用二次分配模型的条件是功能区面积大小相近，功能区被中心内主干道路分开，中心内的主轴路线被充分的利用,这样的布局使道路的占地面积较小，便于日后的管理和维修。

这种布局常服务于物流量小，货物轻小的中心。

在实际的布局规划中，功能区之间的差异是很大的，无法做到面积相似，所以这种方法的实用性较差。

模型假设：

n个功能区安放到n个待规划位置上，看每个功能区与所在位置适不适合。

3）不等面积多行布局模型

此布局形式中功能区之间被道路及绿地隔开。

这种模式常被用于功能区的面积不等的情况下，是规划物流量大，功能区之间差别较大的物流中心的最佳选择。

功能区是长方形或正方形。

总之，在对具体的物流园区功能布局进行设计时，我们应该根据各类型园区的特点进行区分，以选择最优的布局模型得到最合理的布局方案。

2.2现代铁路物流中心功能区布局模型

对于运输型物流中心的布局分析我们以现代铁路物流中心为例进行阐述。

首先，在对现代铁路物流中心布局设计之前，我们需要做出如下假设：

1）物流中心的功能区布局为共平面；

2）物流中心的规划区域及各功能区的形状均为矩形，且功能区的边分别与物

流中心总布局坐标图的X轴和Y轴平行。

3）物流中心的既有交通设施作为布局模型中的固定约束，其在布局区域中的

位置不变；

4）

和

分别为功能区i和j的中心点坐标。

通过分析，以现代铁路物流中心功能区布局方案最优为目的，分别建立物流中心货物搬运成本（Z1）最低和功能区之间总的综合相互关系（Z2）最大的目标函数，即

（1）

（2）

其中，i和j为功能区的编号，且i=j。

将上述多目标转化为单目标，考虑到Z1和Z2的量纲不同，故加入归一化因子、对其统一量纲，同时，由于具体建设项目不同，两个目标函数所占的比重也会有所差别，因而分别给赋以权值，由此可得到单目标函数表达式：

（3）

（4）

其中，

为货物搬运成本项的权值，

为综合相关度项的权值，且

，权值

均通过专家打分法获得。

为了增加功能区布局旳灵活性，假定在物流中心规划区域内对呈矩形的功能区进行布局时有横倒和竖立2种放置形式，本文设置一个表示功能区定向方式的0-1变量

，表示第i功能区的放置方式：

（5）

功能区横倒放置时其长与宽不变，竖立放置时功能区的长宽互换。

另外，根据物流园区的限制性因素，设置约束条件如下：

1）不重叠约束。

为防止功能区在水平方向和垂直方向相互重叠，应满足：

（6）

2）功能区边界约束。

保证物流中心各功能区不超出总布局规划区域范围。

即

功能区i的中心点坐标必须满足：

（7）

3）固定约束。

保证在既有设施所在的固定区域内不考虑布置其他功能区。

用

表示功能区布局的固定区域，即：

（8）

4）出入口约束。

物流中心的出入口只能设置在物流中心规划区域的边界上，

即出入口的中心坐标需满足约束：

（9）

另外，若铁路装卸线紧邻物流中心规划区域的某条边界时，不考虑在该边界上设置出入口。

其中，式中：

N——功能区的总数；

n——非固定功能区的数目；

cij——功能区i到j的单位距离的搬运成本；

fij——功能区i和j之间的日均物流量；

dij——表示功能区i和j之间的曼哈顿距离；

Tij——功能区i与j之间的综合相互关系值，它是综合考虑了功能区i与j之间物流关系和非物流关系的密切程度后确定的；

bij——功能区i，j之间的邻接度（功能区之间的接近程度），由转化得到；

xi——功能区i的中心线和垂直参考线之间的水平距离；

yj——功能区i的中心线和水平参考线之间的垂直距离；

mi——功能区i与其邻近的规划区域边界的最小距离；

hi——功能区i的水平边长度；

wi——功能区i的垂直边长度；

H——建筑物地平面的横向尺寸；

W——建筑物地平面的纵向尺寸；

Pij——功能区之间最小间距；

dmax——物流中心总规划区域的长边与宽边的长度之和。

将数值区间[0，dmax]划分为6个子区间，根据所处的子区间判断各功能区之间的邻接度。

各子区间对应的邻接度量化表见下表：

表1各子区间对应的邻接度

设施间距离

关联度取值

（

）

1

0.8

0.6

0.4

0.2

2.3保税物流中心功能区布局模型

对保税物流中心物流量、功能区面积大小进行分析，可知，中心物流量大，各功能区面积差异明显，所以对其进行布局优化采用不等而积分离式与多行布局模型。

保税物流中心所建立的模型，其假设条件是将功能区的形状大致看成方形或矩形。

但是在模型解决布局问题过程中，需要知晓的数据有：

功能区的数目、单位距离货物搬运成本、功能区之间货物流动量、功能区之间相关联的程度、每个功能区的面积、每个功能区的长宽比例以及规划用地总面积。

通过分析构建模型的条件，分别以追求各功能区之间物料搬运成本最小和追求各功能区之间非物流关系的邻接关联度最大为目的，建立目标函数：

（10）

目标函数中，邻接度

是用布局块间的距离转化而来的，表示布局块之间的距离大小；

关联度

，表示布局块间功能关系紧密程度，该参数是由系统布局设计的作业单位间关系密切度概念演化而来的。

根据保税物流中心的特点，所建立目标函数的约束条件有：

（11）

（12）

（13）

（14）

其中，式中的各个符号表示的含义如下：

通过所建立的目标函数和自身的约束条件分析，我们不难总结出两者的异同点。

虽然对于这两种物流中心的功能布局方法类似，但是在具体功能布局设计时也应该考虑到各物流中心的作业流程以及相关的行业限制等，例如在铁路物流中心功能布局的设计时，若铁路装卸线紧邻物流中心规划区域的某条边界时，不考虑在该边界上设置出入口。

但是一般的普通的保税物流园区则无此限制。

在针对具体的物流中心功能设计时，我们要考虑的约束条件异同点还有很多，在此，不做较多赘述。

3模型求解

求解布局问题已经被证明是非线性的NP难问题，当问题达到一定的规模，计算量会随着问题规模的增加呈指数爆炸性增长。

目前用于求解布局问题的算法主要有经典启发式算法、智能算法（遗传算法、模拟退火算法、蚁群算法等）、计算机仿真等。

其中的智能算法由于在求解复杂问题时显现出良好的求解特性，因此在求解布局问题时被广泛采用。

对于上面介绍的两种物流园区功能布局模型，都可以利用遗传算法进行求解，而遗传算法不依赖于问题的具体领域，为求解复杂系统优化问题提供了一种通用框架，它从概率的意义上以随机的方式寻求到问题的最优解，能够在解空间中从多出发点搜索问题的最优解，其在求解过程中表现出的固有的并行性，通用性，鲁棒性以及良好的全局优化性能，使其广泛应用于多类学科，众多领域。

本文即采用遗传算法对布局模型进行求解，算法设计如下：

（1）编码方案

本文采用符号编码和二进制编码相结合的编码方式来表示布局问题的解空间。

即釆用连续自然数{1，2，…，N}来表示功能区的对应编号，釆用{0，1}二进制编码来表示功能区的定向方式。

每条染色体表示一种设施布置方案，染色体可表示为

，其中表示第N个功能区的编号，表示第N个功能区的定向方式。

功能区布局采用顺放策略，即从布局区域的左下角起，将功能区沿布局区域的某一边开始摆放，按照从左至右，从下层到上层的顺序。

例如染色体：

={2，1，4，5，8，6，9，7，3，11，10，12|1，0，1，1，0，0，0，1，0，01，1}

表示在功能区内在满足约束条件的前提下按照由左及右，从下层至上层的顺序依次布置功能区2，1，4，5，…，11，10，12。

其中2号功能区第一位布置，且定向方式为横倒；

1号功能区第二位布置，且定向方式为竖立，以此类推。

（2）适应度函数

一般而言，适应度函数是由目标函数转化而来，本文中是求解问题的最小值，因此定义适应度函数为：

（15）

其中f（x）为目标函数，即

，Cmax是f（x）的最大估计值。

评价个体适应度包括以下过程：

1个体的编码串进行解码处理，从而得到个体的表现型；

2个体的表现型计算出对应个体的目标函数值，其中对于不满足约束条件

的个体，对其赋一个足够大的目标函数值，从而淘汰掉这些个体；

3按照目标函数转化为适应度函数的规则求出个体的适应度。

（3）选择

（4）交叉

本文中符号编码釆用部分匹配交叉：

首先以交叉概率对个体编码进行常规的双点交叉，然后按照交叉区域内各基因值间的映射关系来修改交叉区之外的各个基因座的基因值。

按照交叉概率随机从群体中随机选两个个体。

（5）变异

常用的变异方法有基本位变异、逆转变异、交换变异以及插入变异，本文对符号编码采用逆转变异，将两个逆转点之间的基因值逆向排序。

具体遗传算法的计算步骤如下：

步骤一：

参数设置。

设置进化环境种群大小pop_size（—般取100~1000代）、交叉概率Pc（0.4~0.99）、变异概率Pm（0.0001~0.1）、最大世代数max_gen等；

步骤二：

输入用户信息。

输入功能区总数N、非固定功能区数目n、功能区i和j之间的日均物流量fij、功能区i到j的单位距离的搬运成本cij、功能区i与j之间的综合相互关系值Tij、功能区i的水平边长度hi、功能区i的垂直边长度wi、功能区之间最小间距pij、功能区i与其邻近的规划区域边界的最小距离mi=1.5m、固定功能区的坐标C_fix、建筑物地平面的横向尺寸H、建筑物地平面的纵向尺寸W、货物搬运成本项的权值wi、综合相关度项的权值w2以及终止条件，本文将进化代数和停滞代数同时作为终止条件；

步骤三：

初始化。

按照顺放策略随机生成n个非固定功能区的基因，判断是否满足约束条件，满足则保留，并与固定区域的基因一同构成一组染色体，不满足则剔除，并对目标函数赋予以个足够大的值，如此反复，直到产生pop_size个可行染色体，形成初始种群；

步骤四：

计算种群上每个个体的适应度值fitness_F，并对解码后将不满足约束条件的解采用对目标函数赋一个足够大的值得方式剔除；

步骤五：

进行选择操作，采用轮盘赌法，辅以最优个体保存策略；

步骤六：

以交叉概率进行交叉操作，生成新的个体；

步骤七：

以变异概率进行变异操作，生成新的个体；

步骤八：

判断是否满足终止条件，不满足，则转入第五步，否则进入第九步；

步骤九：

输出种群中适应度最优的染色体作为问题的满意解或最优解。

4简单案例分析

本小节，我们将以某现代铁路物流中心为例，首先建立物流功能布局模型，再利用之前阐述的遗传算法进行模型求解，详细分析如下：

1）算例描述

某地区拟建设一个综合型现代铁路物流中心，主要为企业生产、产品分销、城市居民生活物资供应等提供综合物流服务。

规划用地北临高速，南靠铁路线，与城市交通衔接顺畅。

规划用地面积340000m2，规划用地呈矩形，H=850m，W=400m；

铁路装卸线与规划用地长度方向平行且紧靠规划用地边界内侧。

2）功能分区

据调查，进入该铁路物流中心的主要货物形式为成件货物、散堆装货物以及集装箱货物，主要种类有化肥、粮食类、食品、鲜活货物、日用品、水泥、煤炭、烟草、纺织品、电子器材、服装、金属构件、装饰材料、木材、钢材等。

根据货物的种类、特性及客户的物流需求，该物流中心主要具备的物流功能及功能分区如下：

（1）实体功能区

理货区、流通加工区、仓储区、集装箱区、散装货物堆场、卡车停车场、交易展示区、办公服务区、综合服务区

（2）虚拟功能区

铁路装卸线、货物出入口、人员（客车）出入口

3）算例求解

假设功能区间的综合相互关系已求解出来：

（1）按照以园区综合相关关系密切度（TPD）最大和搬运成本最小为目标函数，满足前文给出的4个约束条件进行建模。

因为现代铁路物流中心功能区布局的原则之一就是优先整合现有资源，对于一些利用既有铁路线、或者由铁路货场拓展为铁路物流中心的建设项目，往往其仓库、铁路线等设施的位置已定，仅需对其根据需要进行改扩建。

所以在布局模型中将其看作是既有设施，既有设施作为固定约束，此区域内不考虑布置其他功能区。

（2）对布局模型进行求解：

通过专家打分得到货物搬运成本项的权值w1=0.6，综合相关度项的权值w2=0.4。

通过查阅相关文献以及大量的实验结果，本文的遗传算法参数设计如下：

设种群容量pop_size=500，交叉概率Pc=0.9，变异概率Pm=0.01，遗传代数为max_gen=500。

通过用MATLAB2010a编程对算例进行优化计算，得到最好的染色体为：

{10，9，3，4，5，12，8，7，2，1，6，11丨l，0，0，l，0，0，0，l，l，l，l，l}，与其相对应的各个功能区的坐标依次为：

{（450.0000，10.0000），（75.3000，128.1000），（291.0000，122.0000），（592.0000，163.0000），（797.0000，124.0000），（2.1471，324.5000），（53.0000，322.0000），（150.0000，355.0000），（348.0000，345.0000），（557.0000，355.0000），（723.0000，356.0000），（650.8674，399.0000）}，布局结果如图1所示：

图1铁路物流中心功能区布局优化结果

由图可以看出，仓储区、集装箱区以及散堆场这些与铁路装卸线有较大货物流量的功能区布局十分紧密，加工作业区、理货区与这些作业区也较为接近。

办公管理区与人员及客车出入口十分接近，布局结果总体较为满意。

在实际规划中还可以具体结合物流中心内部的道路规划、物流走向等，采用手工调整的方法对布局方案进行调整，使其更加符合实际使用的要求。

本案例建立的数学模型充分结合铁路物流中心建设的特点，将既有设施（如仓库、堆场、铁路装卸线等）作为布局模型中的固定约束。