物流園區布局算法研究綜述

張思奇，于登輝，張云鳳，劉 陽

（沈陽建筑大學，遼寧 沈陽 110168）

1 引言

物流園區是現代物流發展中的新生事物，也是中國區域物流系統規劃中的重中之重。簡單來講，物流園區就是由第三方企業集中管理，依托相關物流服務設施為眾多企業提供物流基礎服務的物流產業集聚區和經濟功能區，具有降本增效，促進生產廠商和消費者溝通的功能。

當前，物流園區已成為物流領域的投資熱點，電商、快遞、冷鏈、汽車等專業園區大量出現，物流園區逐漸向空港、海港、公路港、鐵路港、陸港、無水港[1-6]細分，多式聯運成為現在主流趨勢。由于物流園區建設需要占用大量的土地和資金等，如果不對物流園區進行科學規劃布局，將會嚴重降低物資運輸效率，提高貨運成本，不能發揮帶動地區經濟發展的作用，甚至造成周邊交通擁堵引發社會問題。

為促進中國物流園區的發展，在分析行業發展現狀和趨勢的基礎上，文章將從物流園區布局優化入手，詳細論述物流領域的學術研究現狀及未來發展趨勢，以期為物流學科的學術研究與發展提供參考和借鑒。由于資料、水平有限，時間倉促，該綜述還不夠系統和完善，對一些問題分析的深度和廣度還不夠，敬請廣大讀者批評指正。

2 物流園區布局方法梳理

物流園區布局方法理論源于工廠布局設計，伴隨工廠布局設計研究的不斷深入，物流園區布局也參照性的選擇了一些方法，如：工程圖表發、流程圖法、現代數理上的優化法、近似法等，還有定性定量分析的SLP法、CORELAO法、ALDEP法和Multiple法等。較為常用的設施布置方法見表1。

表1 設施布置方法匯總表

隨著社會的進步，信息產業的發展，物流園區布局方法也發生了相應的改變。最初的擺樣法、圖解法僅適用于簡單相關系統不復雜的物流園區布局，隨著物流園轉變為具有產業發展性質的經濟功能區，最初的方法逐漸被淘汰，物流園區布局需要更加科學有效的布局方法，計算機與SLP相結合的新型布局方法逐漸成為主流方法。

系統化布置設計（SLP）是由理查德·繆瑟工程師于20 世紀60年代闡述的一種極具代表性的研究方法。這套理論方法在80年代時，通過Muther 來我國訪問和講學而傳入了中國，并在與中國具體實際相結合中發展和壯大，繼而被運用到各種園區布置以及物流規劃之中，它作為一種基礎的布局模式，廣泛的應用于各種園區的新建、重建以及對園區的布置優化和調整中。具體流程如圖1所示，系統布置方法條理清晰，結合了物流分析與作業單位關系密切程度分析,進而定性定量分析出各功能區的密切程度，因此在布置設計領域獲得極其廣泛的運用。

近年來，將計算機與系統布局法相結合，利用計算機的強大功能使得運算更高效,節省了大量人力和財力, 幫助人們解決設施布置的復雜任務,為生產系統的設施新建和重新布置提供強有力的支持和幫助，利用啟發式算法可以解決布局中多目標函數的無確定解問題，為求解提供了另一種選擇。

圖1 系統布置設計的一般流程

3 物流園區布局算法研究現狀

回顧物流行業的發展歷程，經歷了半個多世紀的發展，物流園區布局相關理論逐漸系統化。通過對國內外相關文獻的閱讀，對于物流園區布局算法相關研究基本分為三類：一類通過構建數學模型增加約束條件來優化布局方案；另一類通過改善算法優化結果使結果更加接近最優解；此外，大部分布局都是基于理想化模型建立的，對于一些無法忽略的因素也必須得到討論，第三類文獻主要研究如何將布局成果更好的應用于實際情況。

3.1 目標函數優化

傳統的系統布局法主觀性較強，特別是當問題較為復雜時，決策者難以客觀調整布局方案來貼合實際，因此通過增加約束條件，建立目標函數來構建最優方案。因此楊華龍[7]在生鮮農產品物流園區布局優化中，以從產地、預冷站、配送中心到各個需求點總物流費用最小為目標函數，建立了物流網絡布局非線性規劃模型來求解布局方案。但是單目標優化問題僅適用于目標單一簡單的問題，對于布局中較復雜的問題就需要構建多目標函數，來得到更優的布局方案，下面將列舉數例具有代表性的研究成果，米婷露[8]建立了基于功能區間物料搬運成本最小和鄰接關聯度最大的多目標數學模型，同時將園區的功能區劃分為實體功能區和虛擬功能區，在多目標中間進行協調折中處理，使各個子目標盡可能地達到最優化，進而得到最優布局方案。李京文等[9]以總運輸成本最小化為目標，引入固定運輸成本、變動運輸成本與運距的關系，構建鋼鐵物流園多目標函數約束模型來求解最終方案。郭飛宇[10]建立以綜合關系最大、搬運成本最低和土地改造成本最低為目標的多目標設施布局模型，來改進設施布局法。綜合來看，多目標函數模型更加復雜也更加符合日益復雜的物流園區布局，長期來看，物流園區專業細分的趨勢不可避免，未來的園區布局應針對不同物流園區的不同布局問題建立不同的約束條件。

3.2 改進算法優化

建立了多目標模型接下來就是求解了，求解多目標規劃的方法大體上有以下兩種：一種是化多為少的方法，即把多目標化為比較容易求解的單目標或雙目標，如主要目標法、線性加權法、理想點法等；另一種是分層序列法，即把目標按其重要性給出一個序列，每次都在前一目標最優解集內求下一個目標最優解，直到求出共同的最優解。在這些理論指導下，算法求解方法層出不窮，也在不斷發展，新類型的算法應用極大的改進了數據求解結果，同時新的方法不斷被引入來解決布局中遇到的問題。Linda K[11]較早的將遺傳算法應用于解決工廠布局問題中。由于遺傳算法具備全局最優搜索性，可以有效地避免陷入局部極小點，所以在接下來時間里得到廣泛應用。但是遺傳算法不能直接處理約束條件，因此郝紅艷[12]在解決多目標函數問題時，引入懲罰函數將約束問題轉化為無約束問題以方便求解。受到函數算法之間轉化的啟發，馬馳等[13]將模塊長寬比范圍作為罰函數的方法轉化為考慮路網最短路距離的Dijkstra算法，采用分割樹作為中間媒介，將遺傳算法的染色體和配置布局的結果對應轉化，保持染色體的合法性，使模型更符合實際情況，解空間更自由。除此之外，引入新算法往往會獲得更好的方案，胡芳朋[14]在功能分區物流關系和非物流關系分析時添加了采用了帶約束條件的Tompkins 算法，較傳統方法更快的得出了HC鋼材物流園區布局方案。

隨著算法自身的不斷發展，雖然專家學者一直都在不斷改進，但是算法本身還是存在不足，因此算法間取長補短相互結合成為發展趨勢。遺傳算法（GA）對于初始種群的選擇比較挑剔，容易產生過早收斂現象，同時后期搜索效率低。為了優化算法，高健等[15]在遺傳算法的基礎上，加入了爬山算法，優化了求解過程，其最終結果優于僅利用遺傳算法得到的方案，具有一定的優越性和可行性。除了在算法基礎上改進，研究高效并行或分布式算法也是提高效率精確度的發展方向，相對于遺傳算法，粒子群算法（Particle Swarm Optimization，PSO）作為一種依據鳥群捕食開發的一種新算法，對初始種群要求沒有那么高，且在不同階段收斂速度都不一樣。因此根據兩者的優缺點，周略略等[16]在遺傳算法的基礎上，將遺傳算法與粒子群算法相結合，設計出了遺傳-粒子群算法對目標函數進行求解。王玖河[17]也獲得啟發設計了粒子群算法和模擬退火算法相結合的SAPSO 法對多目標模型進行求解，模擬退火算法（Simulated Annealing Algorithm，SA）最早是由Metropolis 提出的，該方法的思想源于固體退火原理，SAPSO法既汲取了PSO 法收斂速度快的特點，又可利用SA 法來抑制過早收斂，可以獲得較好的布局方案。谷樂陽[18]獲得微進化機理的啟發，將傳統的遺傳算法與微進化機理進行結合，與傳統的遺傳算法相比，微進化算法進化時保留的是最優的基因結構，而遺傳算法則是保留的最優染色體。微進化算法通過將優勢基因進行保留，縮小了保留的范圍，可以更快的找到最終方案。劉姣姣[19]將傳統的遺傳算法與模擬退火算法結合，發揮遺傳算法泛化搜索和模擬退火算法局部精細化搜索的優點，為避免Hamming懸崖問題，采用格雷碼進行算法設計。綜上，在物流園區布局中多采用啟發式智能算法[20-24]來解決NP-hard 問題，目前還沒有一種通用的傳統優化方法，能夠有效的處理這類型問題，因此，隨機搜索算法，在未來將會成為人們解決布局問題的主要方法。啟發式算法的研究,在理論方面還處于不斷發展中,新思想和新方法仍不斷出現。就目前而言，其發展方向有如下幾個方面：

（1）整理歸納分散的研究成果,建立統一的算法體系結構。

（2）在現有的數學方法（模式定理、編碼策略、馬爾可夫鏈理論、維數分析理論、復制遺傳算法理論、二次動力系統理論、傅立葉分析理論、分離函數理論、Walsh函數分析理論）的基礎上尋求新的數學工具。

（3）開發新的混合式算法及開展現有算法改進方面的研究。

（4）研究高效并行或分布式優化算法。

3.3 布局方案實際化

在實際物流園區布局中，各功能區建設區域往往是不規則的需要依據規劃區域合理調控，同時物流園區布局還要考慮對周圍居民以及環境的影響，隨著相關理論的發展，這些問題逐漸被考慮在物流園區規劃布局中。

傳統的SLP 方法將待布局的物流園區看作沒有任何約束的“白紙”，實際上待布置園區往往有內部或周邊道路、地理障礙等約束條件。物流園區是相對宏觀的空間，必須考慮內外部交通條件、地理障礙等因素。因此，物流園區在平面布局時應視為一個有約束條件的布置問題，即在平面布局時將內外部交通、地理障礙等因素也考慮在內。陳敏[25]詳細的研究了相關問題，對道路的布置，以及出入口進行了優化建模求解；樊旭睿[26]考慮功能區布局對周邊外部環境的影響，引入環境間隔距離的概念，并構建了考慮環境間隔距離的綜合服務型物流園區功能區布局模型。除了以上考慮因素，如果物流園區內在規劃時己有不適合拆除的鐵路線、道路主干道或園區內有河流等自然障礙時，可以在分析功能分區之間綜合關系時將約束條件視為“功能區”，一并進行物流、非物流關系分析，從而得到各功能區及約束條件之間的密切程度。

此外，功能區邊界一般被理想化為矩形，實際情況中并非如此，常常是不規則的形狀，對于這樣的情況M.I.M.Wahab[27]針對不規則形狀功能區，提出了一種結合改進的自適應遺傳算法和散點搜索的啟發式方法。孫焰等[28]以柵格數據結構為基礎，構建了不規則物流園區功能區塊布局的多維集合劃分模型，突破了只能描述矩形布局的限制，結合圖像處理技術，將布局后的柵格圖像矢量化以提取出圖像拓撲結構，并且基于割樹設計了變鄰域搜索算法對模型進行求解，為物流園區功能區塊布局提供了普遍適用的方法。

另外，考慮到SLP 方法缺乏動態柔性，基于工廠設施布置動態模型的啟發，黃夢婷[29]引入模糊聚類的分析方法來優化布局，通過建立涉及交通、環境、儲存、貨物的四類十個指標，采用傳遞閉包法構建模糊等價矩陣進行功能聚類分析，得出聚類功能區，再結合由SLP得出的初步優化布局圖，得出最終優化布局圖，使設計方案具有一定的動態柔性。

4 結語

通過對國內外相關研究文獻的分析，可以看出物流園區布局規劃的方法日趨完善，針對設施布局方法的各種改進優化使設施布局理論更加完善，基本形成了一整套完整的理論，布局理論優化基本從三方面入手：

（1）增加約束條件來建立更加符合實際情況的目標函數。

（2）啟發式算法的逐步發展。

（3）具體物流園實際提供具體方案以適應地區發展。

當前的布局理論科學高效，但仍然存在針對具體類型物流園區布局規劃適用性不高的現象，仍然有很大的改動優化空間，在物流園區交通組織方面以及物流園區對周邊交通環境的影響方面相關研究較少，對于物流園的布局優化改進中，很少考慮將環境能耗等約束條件加入目標函數中，很少考慮布局方案的動態柔性問題。未來的發展仍有很大的改進空間。