英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
遗传算法在铁路物流园功能区规划的应用
摘要
作为一类新型的物流网络节点，物流园区是物流系统中重要的一部分。科学地规划和建设物流园区不仅有助于现代物流环境的建设，也有助于园区功能的实现，同时提升整个物流系统的效益。
用适当的方法实现功能区域优化布局是物流园区规划和建设的基础。因此，每个功能的内部布局区域可以进一步设计。本文采用遗传算法来解决铁路物流园区问题中的功能区布局优化问题。得到不同职能领域的综合关系图后，论文用数学方法解决了布局问题，而不是传统的手动调整方法。结合相关约束条件下，采用综合最大算术乘积构造模型关系和邻接程度作为目标函数。然后基于遗传算法用Matlab编码。该模型通过一个实际的例子证明了它的可行性和合理性。在本文中，功能区域布局物流园区问题被认为是一个数学优化问题，使得布局受到主观因素影响的不确定性在定性分析和定量分析相结合的基础上有所降低。遗传算法的应用在布局优化模型中大大提高了量化精度，由此提供了铁路物流园区功能区布局问题的新思路。
- 综述
物流园区布局规划是一种新型的物流网络节点，是物流系统规划的重要组成部分。 作为物流园区的一种特殊形式，铁路物流园区的高效性取决于其合理的规划和设计。 用合适的方法实现功能区的优化布局是物流园区规划和建设的基础。 因此，可以进一步设计每个功能区的内部布局。
流园区最早出现在日本东京，又称物流团地。日本从1965年起在规划城市发展的时候，政府从城市整体利益出发，为解决城市功能紊乱，缓解城市交通拥挤，减轻产业对环境压力，保持产业凝聚力，顺应物流业发展趋势，实现货畅其流，在郊区或城乡边缘带主要交通干道附近专辟用地，确定了若干集约运输、仓储、市场、信息、管理功能的物流团地，通过逐步配套完善各项基础设施、服务设施，提供各种优惠政策，吸引大型物流（配送） 中心在此聚集，使其获得规模效益，对于整合市场、实现降低物流成本经营起到了重大作用，同时，减轻大型配送中心在市中心分布所带来的种种不利影响，成为支撑日本现代经济的基础产业。
在欧洲，物流园区被称之为货运村（a freight village）。货运村是指在一定区域范围内，所有有关商品运输、物流和配送的活动，包括国际和国内运输，通过各种经营者（OPERATOR）实现。这些经营者可能是建在那里的建筑和设施（仓库、拆货中心，存货区，办公场所、停车场，等等）的拥有者或租赁者。同时，为了遵守自由竞争的规则，一个货运村必须允许所有与上面陈述的业务活动关系密切的企业进入。一个货运村也必须具备所有公共设施以实现上面提及的所有运作。如果可能，它也应当包括对员工和使用者的设备的公共服务。为了鼓励商品搬运的多式联运，必须通过更适宜的多样性的运输模式 （陆路，铁路，深海/深水港，内河，空运服务于一个货运村）。最后，一个货运村必须通过一个单一的主体经营（RUN），或者公共的或者私有的，这一点是必须的。
在国内，第一个物流园区是深圳平湖物流基地，始建于1998年12月1日，第一次提出物流基地这个概念，叫做“建设物流事业基础的一个特定区域”，它的特征有三：一是综合集约性；二是独立专业性；三是公共公益性。物流基地即从事专业物流产业、具有公共公益特性的相对集中的独立区域。（在物流术语国标2001中，对“物流产业”、“物流行业”、“物流园区”等概念没有作出定义。）
解决布局规划问题有很多种方法，如数学模型，系统布局规划（SLP），计算机模拟等。系统布局规划（SLP）方法具有很广的实际应用，包含规范的系统设计程序和严密的系统分析技术。 然而SLP方法存在量化精度差，精度差等问题（受到布局规划人员主观因素的影响）导致不同规划人员得出的结果不同。 一些繁琐的手动调整将用于满足实际需求，特别是当分区数量很大时。 由于遗传算法在优化问题上表现出良好的性能，本文试图改进SLP方法来量化功能区布局问题，而不是传统的手动调整方法。
- 文献评论
有学者研究了物流园区的规划问题。 一些具体内容如下所示：
在全球物流与分销计划论文中，德国的IML（1999）总结了基于需求，竞争和最佳实践的MSFLB（市场研究，战略定位，功能设计，布局设计，商业计划）方法，以研究规划物流园区的过程。 苏尔根（2006）运用竞争分析，SWOT分析和市场研究来研究物流园区的规划，并提出了利用整个物流链的运输，物流和配送特点制定规划策略的新方法。 鉴于世界物流园区的发展经验，段和张（2006）从功能定位和内部功能组织的角度阐述了物流园区规划和建设的重点，并讨论了规划内容和设计 综合物流园区的过程。
在20世纪60年代，Richard Muther在文章系统布局设计中提出了着名的SLP方法。 他将物流关系分析与非物流关系分析相结合，解决布局问题，并以最小物流成本为目标。 后来，SLP方法已被广泛应用于生产系统和服务系统。 其应用使设施规划方法由定性分析转为定量分析。
SLP在物流园区布局规划中的应用也在不断发展。以钢铁物流园区为研究对象，Chen（2009）分析了SLP在物流园区布局规划中的应用，评估了替代方案，并提出了物流园区布局规划的过程和方法。
结合青岛港的实际情况，王和宋（2012）提出了建设和实施港口铁矿石物流体系的建议。他们使用SLP进行系统布局的基本设计。通过规划和建设物流园区，青岛港将更有效地提高整个铁矿石供应链的物流服务能力。 Dan（2011）总结了钢铁物流园区功能区布局和规模的计算方法，对功能布局的类型进行了分类，并分析了SLP在钢铁物流园区布局中的应用过程。他进一步将SLP与遗传算法相结合，构建了物流园区布局模型。他成功地将物流，程序和环境的最优配置作为目标函数，并用遗传算法求出最优解。 Wu（2012）将SLP布局方法与Flexism动态模拟软件相结合，对连云港港木材物流园区进行布局规划和优化，并取得了初步布局方案，优化结果和最终布局方案。
在铁路物流园区功能区布局方面，Feng（2012）将数学方法与SLP方法相结合，以最大综合关系和最小物流成本为目标函数构建了模型，并得到了最优的遗传布局规划算法。
- 功能区布局问题的数学模型
物流园区功能区布局规划主要是通过各个功能区的协调完成物流作业。 基于这一目标，本文基于高密度综合关系功能区紧密排列的原则，构建了布局优化模型。 然后用遗传算法求解模型。
在构建模型之前，我们对铁路物流园进行如下假设：
- 物流园的形状是矩形的，范围是已知的;
- 各个功能区域的布局在同一个平面上。 功能区域是正方形或长方形。 和
他们可以分成多行;
- 物流园区的道路区域将不予考虑;
- 不同的功能区域不重叠;
- 每个功能区的长宽比 lambda;i不超过4。
功能区布局的坐标原理图如图1所示。
基于这些假设，本文以综合关系和邻接关联度的最大算术乘积为目标函数， 目标函数由下式给出：
其中，i和j是功能区符号并且ine;j，n是功能区的数量，由dij，bij的转换表示i和j之间的领接程度（功能区域之间的领近度）。Dij 表示i和j之间的曼哈顿距离。。bij的值在表1中表示。
参照图1和模型假设的示意图，模型约束被提出为：
等式（2）和等式（3）确保功能区域之间不存在重叠。 等式（4）和等式（5）确保功能区域不得超过矩形布局区域。 等式（6）定义了长宽比的范围。
- 功能区域布局的遗传算法设计
在用遗传算法求解模型时，需要设计算法元素，包括代码设计，适应度函数和遗传算子。 根据上面给出的布局模型，具体设计过程如下。
4.1 解决方案的编码表示
本文采用序列编码方法，根据编号顺序排列功能区域。使用这种编码方法，将根据功能区的编号和层号获得与布局方案相对应的每个解决方案。首先，根据层数，将整个功能区域分成若干层。然后功能区根据其编码顺序从左到右排列。直到上面的区域达到最大值，才能生成新的图层（从上到下）。以此类推，当最后一个功能区放入最后一层时，其余区域将被用作其他开发的保留区。每个功能区的长度和宽度都是在搜索过程中获得的，功能区的多层布局对应于该解决方案。染色体解码的优化结果由功能区的数量和数字“0”和“-1”组成。 “0”表示它将生成一个新图层，而“-1”表示增加布局优化的多样性。 “-1”两端的功能区并置。例如，对应于结果（7 5 1 0 8 3 -1 4 0 6 2）的布局图如图2所示。
4.2 适应度函数的设计
作为遗传算法演化的驱动力，适应度是区分群体中个体的标准。适应度函数的质量在很大程度上决定了遗传算法的性能。因此适合的适应度函数对于算法是至关重要的。
在约束条件下解决目标函数是不同的，特别是对于大型模型。 约束条件不能直接在遗传算法中处理，因此引入惩罚函数将约束问题转化为无约束问题。
惩罚函数由惩罚系数和惩罚项组成，用Mtimes;Publish表示。 其中，“M”表示惩罚系数较大，M = 10000。 “发布”表示不能满足要求的功能区域的数量（长宽比）。
在惩罚项下，在适应度函数必须大于零的条件下，具有极大乘积的目标函数将转化为最小乘积的目标函数。 为了改善进化竞争，应适当扩大个体的适应度，扩大个体最佳体能与其他体能之间的差异。 所以引入一个大系数“P”。 本文取P = 100。 所以目标函数转换为：
用倒数法校准适应度函数：
4.3 选择策略
在本文中，选择策略是称为轮盘选择的比例选择策略。 轮盘选择是一种随机抽样方法。 在这里，本文定义了一些参数：NP是样本大小。Xik表示个体i和代数k。Eik是Xik的适应度。个人入选下一代的可能性可以通过计算。
假设p0=0，比例选举的运作过程如下。 首先，它产生theta;这是一个随机数从0到1的均匀分布。如果，个体Xik将被选中作为下一代k 1带的父母代。重复上述步骤，直到父母代NP被选中。
4.4 交叉运算符
交叉算子的设计与解的编码方法密切相关。 一般来说，在不同的编码方式下，交叉算子的设计是不一样的。 基于序列编码方法的交叉算子有很多种，其中常用的是阶交叉（OX）。 本文改进了有序交叉算子，如果两个父亲个体不同，则用一般有序交叉处理; 否则，如果它们完全相同，则从父母中选择的交叉基因将被置于第一位以产生新的个体; 而另一个家长的选定基因将被放置在底部并获得另一个新的个体。 因此，改进的有序交叉算子也可以生成具有相同父亲的新个体。 该方法提高了算法的优化能力和群体的多样性。 它可以避免遗传算法的“早熟”现象。
4.5 突变算子
与交叉算子一样，变异算子的设计也不同于不同的编码方法。基于序列编码方法的变种算子有很多种。 本文采用随机选择个体编码串中的两点并交换其值以获得新个体的交换变异。
- 功能区域布局的案例研究
5.1 功能区域的确定和综合关系评分
政府计划建设规划面积279公顷的大型矩形铁路物流园区。 公园南北长1417米，东西长143米，长宽比符合上述范围。 根据园区的功能，确定功能区的数量和类型。 主要包括8个功能区：多式联运区，仓储配送区，配送加工区，展示交易区，保税区，综合服务区，商务办公区和休闲景观带。 每个功能区的面积如表2所示。
根据园区的货运类型和工作流程，通过分析物流与非物流关系的不同，根据园区货运类型和工作流程，量化物流关系水平与SLP方法之间的非物流关系，通过加权法得出功能区域之间的综合关系。 功能区域。 本文选择3：1作为物流与非物流关系的权重。 然后，功能区Ai和Aj之间的综合关系得分可以通过下式计算。综合关系得分如表3所示。
表3中，A〜H分别代表多式联运区，仓储配送区，配送加工区，展示交易区，保税区，综合服务区，商务办公区和休闲景观绿地。
5.2 遗传算法的计算结果分析
本文利用数学软件Matlab解决了该模型。 表4列出了与遗传算法参数对应的数值。
在本文中，已经做了10次随机操作来解决实际情况。 计算结果在表5中给出。
根据表5，除了例外情况外，计算结果稳定，波动很小。 惩罚术语“发布”的所有值都是0，这意味着所有功能区域都满足长宽比。 所以计算结果是可行的。 我们选择最大目标函数值（23.45）的计算序列，最终优化结果如图3所示。
如图3所示，objmax是目标函数的最大值，objmax = 23.45。 xv是功能区域的解码结果，xv =（5 3 8 0 2 4 6 7 0 1）。 fv表
全文共5623字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15960]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
