文摘

本文解决问题的物流节点空间关系无法表达基于计算机视觉技术,提出了内部物流节点的布局优化数学模型的基础上,综合考虑区域几何形状函数,最优面积利用率,和最小物料搬运成本,然后设计一个高度混合遗传模拟退火算法基于可替换主体布局方案。通过对比,结果表明,本文提出的模型和算法可以实现大规模的内部物流节点的布局优化条件下复杂的地形和多个约束。

1。介绍

布局问题可以广泛发现于城市规划、交通、建筑设计、机械制造、等领域,高度的复杂性。内部物流节点布局问题可分为不连续布局和连续布局;当函数带数大于15岁的时候,已经证明,这两种物流节点布局优化属于np难(1]。早在1970年代,出现了一些计算机算法和程序应用于布局规划的影响(2,3]。

但总的来说,仍有一些缺点在研究物流节点布局规划,影响其理论和应用价值。物流节点的布局优化应考虑各个方面和详细的技术要求;目前的研究通常认为大量数据如下(4]: 在哪里表达了产品,表达量,表示流程路线,表示服务和支持表达时间。对布局问题的研究大多是在矩形函数区,和不规则的功能区域可以通过各种方式转化为矩形的。对于传统的布局方法,选定的区域作为一个“白皮书”,没有考虑到内部地理障碍和干道上活动的区域分割,也要求周围的地区和内陆地区之间的关系。此外,大多数发表的研究布局问题建立目标函数最小化物流成本如下: 时忽略功能区域的几何形状、面积利用率,和其他因素。一般来说,深入研究物流节点的内部布局优化条件下复杂的地形和各种约束条件是迫切需要,因为内部物流节点的布局优化问题的特征是复杂的地形,受制于各种因素和多个约束条件以及空间形式和位置无法表达之间的关系。基于计算机图形学和模式识别的方法,介绍了计算机视觉技术来表达空间关系难以表达,本文以功能区域几何形状,最优面积利用率,和最小物料搬运成本考虑,以实现物流节点的综合设施布局优化。本文得到初始解的构造算法生成初始解的优势,进行方案优化相结合的思想改进算法和进化算法(5,6]。

2。制定内部物流节点的布局优化模型

2.1。数学模型的基础

物流节点的内部布局规划必须的基础上选择的位置和地形、地貌决定了每个部分的平面或空间位置组合节点。不过,据内部操作程序,确定内部业务流程,在这基础上,计划每个功能单元的位置和布局。

为了进一步阐述这个问题的数学模型,首先假设规划区域划分为网格单元行和列(在此假设每个函数的间距要求区被认为是每个函数的要求地区区),即土地使用单位的总量。意味着功能区域之间的直线距离和。类型的函数属性类型应该安排。表示函数属性类型的细胞,是一个二次变量。如果函数属性类型的细胞是,那么它的值是1;否则它是0。表示函数类型的规模。显示了相邻细胞数量的总和和细胞。功能区域的形状,尺寸,和其他因素通过引入罚函数处理的不规则程度,面积比等参数后的应用模式识别。

可能有许多编程目标应遵循物流节点的布局规划。本文采用的目标函数最小的物流成本制定以下优化模型:

其中,物流成本的单位和单位之间的距离函数区好吗和;意味着功能区域之间的物流能力和;捐赠的直线距离函数之间的材料处理区和;物流成本的单位和单位之间的距离函数区好吗和关键控制点;代表功能区域之间的物流能力和关键控制点;代表材料处理函数之间的直线距离和关键控制点;物流成本的单位和单位之间的距离函数区好吗和关键控制线路;展示了函数之间的物流能力和关键控制线路;意味着材料处理函数之间的直线距离和关键控制线路;代表曼哈顿距离的两个细胞和与函数属性;表示欧几里得距离的细胞与函数属性和细胞与函数属性;显示了一个网格单元的细胞组禁止布局区域;意味着细胞之间的距离和细胞;代表图形区;是一种衡量紧凑的形状;是功能区域的数量;关键控制点的数量;键控制线路的数量;是物流节点图的最小矩形外壳长度;的最低封闭矩形宽度是物流节点图。

在模型中,公式(2。1)意味着为了考虑各功能区域之间的物流成本和关键控制线路以及每个函数之间的最小成本区域和关键控制点,约束条件(2。2)- (2。8规模分别),功能区域,网格占用,邻接,距离,方向,和形状紧凑的约束(7]。除此之外,可能还有其他约束条件的具体问题和实际问题,例如,在横向和纵向之间的距离构建和高压走廊,形状约束的功能区域,平行约束函数之间的区域形状和主要道路,等等。

2.2。图形表示的模型

2.2.1。几何图表达复杂的土地情节

前功能区域和设施布局,利用计算机工具,首先需要规划区域转移到数据格式。三种常用的多边形顶点序列表示方法方法,等距扫描方法,和网格拟合方法。本文着眼于功能区域形式的多样性,采用等距扫描方法来表示复杂的土地情节的物流节点。同时,为了简化分析,顶点链码序列(Freeman链码)是用来进行形式分析功能区域配置。至于固定(存在)功能区域,算法优化的过程中,相应的功能区域面板的功能属性设置为nonchangeable,即实现保留固定(存在)的函数。例如,规划区域划分为网格图窗格;红色区域是规划范围,而灰色区域是该地区规划和建设道路,如图1。

2.2.2。表达功能区域的形状和约束条件

借计算机视觉和模式识别方法,本文识别和限制功能区域的形状和大小。在计算机视觉和模式识别,形状是二进制的表示图像的目标范围内,可被视为目标轮廓。物流节点空间规划问题的两种空间单位可以作为决策变量:“自然”情节分段的道路和定期常规网格,网格单元分割的基础上双方的优点和缺点,不同的学者把多样的空间细胞作为决策变量8- - - - - -11]。在两者的结合,本文选择定期的网格单元空间决策变量,采用Freeman链码描述各功能区域的形状和空间信息。和区域形状和约束函数通过引入不规则程度和最小边界矩形。

描述功能区域和网格顶点链编码
至于功能区域的形状,本文借鉴的想法Bribiesca提出的方法标记图像边界像素顶点(12]。循环码是一种边界点的编码表示方法,它的特点是一系列连接切线与指定路径长度和方向是用来表示目标的边界。每一个切向路径都有固定长度和数量有限,只有边界的起点应该显示的坐标(13]。本文采用Freeman链码与八个方向的话每个函数的形状区域。边界链码的功能区域可以表示为,在那里意味着开始网格坐标函数的边界区域,和eight-orientation链代码的功能区域。函数的边界链码区域可以说明 其中,区域边界的长度(即是。周长)。
收购的Freeman链码的详细信息,请参阅文献[14),和边界直线度检测的功能区域,请参见文献[15]。

规律的区域边界
基于上面eight-orientation链代码,功能区域可以表示为 的公式,区域边界的长度(即是。周长)。规律可以用来表示程度的程度边界规律: 的公式,意味着分割的边界地区,的运营商是规律的程度。
得到规律性的地区是获取区域的边界。是已知的边界链码,它可以用于二维的区域转换为一维函数,设置 的时候,让。
这样,规律程度可以表示为 设置一维函数,首先定义 的均衡价值函数是 因此,规律性可以表示程度 然后综合规律程度可以说明 在哪里,显示的重量和。

的最小边界矩形,面积比、长轴和短轴的功能区域
考虑面积比条件下的约束,这是极端重要的为提高土地利用率,如果把自己的功能区域和形状不规则的形状特征充分考虑和选择的最小边界矩形布局。不存在最小边界矩形凹顶点。所以当一个顶点确定凹顶点,它应该被淘汰的方式连接它的相邻点然后reconducting顶点编号。和重复操作直到所有顶点都是凹顶点。详细的解决步骤的最小边界矩形,请参考文献[16]。
定义函数的面积比区是最小边界矩形面积除以实际面积。它表示为下面的公式: 的公式,意味着面积比的函数,表示实际的功能区域,表示函数的最小边界矩形区域。
与此同时,定义的最小边界矩形的长边的功能区域长轴,边长的状态;定义函数的最小边界矩形的短边缘区短轴,边长的状态。

表示形状的功能和约束功能区域
每个函数的形状区域内物流节点通常满足一定的几何形态,如常见的矩形和圆。在生产实践中,除了造成投资浪费,不当,超大号的,和低效率使用面积函数区也带来了管理浪费和不便。因此,它是必要的采用并介绍不规则程度提高的形状不规则的研讨会,增加建筑的面积利用率。为了使功能区域形状满足约束,我们借鉴的区域特征的形状,这可能同样有效地描述形状特征(17,18]。本文采用以下典型特征值。

(一)区域
功能区域面积功能区域的百分比吗占总面积的物流节点,反映函数的规模特征区

(B)的离散程度
形状的离散程度类似于功能区域的边界框吗,反映出这个函数的离散程度区域网格相对于功能的中心地带。由于其统计特性,它比矩形边界框显然更健壮 在哪里表达功能区域,是功能区域的规模。

(C)偏心
偏心的比例是最合适的椭圆的短轴和长轴功能区域,大致反映功能区域的形状,具有旋转不变性 其中=。

最后,函数的形状特征区域可以表示为。形状特征向量包含物流节点功能区域可以说明,形状相似的组合可以被描述为三人。形状相似度是通过计算来衡量满意度的约束条件函数区域物流节点。假设有功能区域、面积加权、离散度权重和离心率权重,然后物流节点相似度如下:

的公式,,,分别,区域的最优值,离散度和偏心率的功能区域;表达了重量和。

定义物流节点的形状相似性的加权平均功能区域物流节点的相似性:

其中,的权重th功能区域网格的数量吗功能区域。值越高,说明它更符合形状约束条件。

(D)表示的形状约束的功能区域
对每个函数的形状和尺寸约束区,主要分为形状约束和尺寸约束。本文以不规则程度,面积比等指标作为罚函数进行约束每个函数的形状区域。
只包括形状约束条件主要指的是矩形,而这里,形状约束添加到适应度函数:
至于包含形状和尺寸约束的条件,设置区和约束长度的函数宽度约束。这里,形状约束添加到适应度函数:

表示功能区域之间的距离
对于内部物流节点的布局优化问题,本文使用三种距离距离计算,包括距离,距离、欧氏距离。距离是主要应用于物流处理之间的距离函数的计算区域,和距离是用于形状的校正策略集中度和规律性的功能区域,而欧氏距离适用于网格吸引子的计算这个函数(反射极)的区域。三种距离计算公式如下: 在那里,和表达功能的重力中心区域和。

引入动态吸引子(反射极)
进行量化处理的分配空间功能区域。通过映射的作用,它被转化成了一个可比价值,以确定当前位置定位的可行性及其优势和劣势(19,20.]。它位于一些吸引人的点,迷人的线条(引资)或拒绝点,拒绝行(反射极)在布局空间中进行功能区域的方法或远离有吸引力的点由于吸引或排斥当进行布局。因此,布局优化是实现的效果21]: 是整体定位函数,是定位函数关于每个吸引子(反射极)。是吸引子的数量(反射极),是功能区域的数量等的布局。方向是水平方向,方向是垂直方向。
意味着函数的基础点的坐标区域等待布局。
代表的坐标布局吸引子(反射极),可作为某些关键控制点和关键控制线路的布局空间。如果关键控制点,它通常选择物流节点退出和入口,交通枢纽,所以fotrh。布局的空间;如果键控制,它可以选择重要运输通道根据实际需求。
权重因子,。权重因子可以选择根据约束条件的重要性与不同方向的布局。
意味着权重因子,。是由它的角色在每个吸引子的布局(反射极)。它表明吸引子如果权重因子是一个积极的价值,相反,它是反射极。
位于评价函数如下:
上述评价函数,提出了布局问题的特性和基于启发式方法。摘要位于评价函数是函数之间的最小距离区和固定在布局空间吸引子或功能区域之间的最大距离和固定在布局空间中反射极。在布局过程中,功能区域不能互相干扰,他们也应该位于编程空间。吸引子(反射极)位置可分为静态和动态模式的类别。位置的静态模式吸引子(反射极)意味着吸引子的位置的值(反射极)中每个权重因子不变的布局,而动态吸引子(反射极)随布局的变化情况。

本文解决了基于启发式算法和动态位置规则布局的动态吸引子。和相应的布局策略的组合的应用吸引子(反射极)将简化算法,降低复杂性,便于推广和应用,使功能区域位置更合理(20.]。

平移、缩放和旋转功能区域
因为功能区域的布局问题很复杂,有必要使大规模移动,旋转,干涉检查和其他操作,以获得更好的布局结果。本文通过借鉴图像分析和图像识别方法,采用下列公式扩展,翻译,和旋转功能区域: 其中,旋转角度需要三个条件,,。

3所示。求解算法和计算机实现

本文采用CORELAP,工艺,ALDEP,多和其他经典的设施布局规划方法得到初始解。当生成初始解,只是粗略的图形化描述,分为小于100地块的网格,和一个简单的描述他们的关系。生成初始解后,转换成更复杂的网络表示的基础上,进一步优化的解决方案。

由于土地条件复杂、难度高的物流节点内部布局,和多个约束条件,它需要花费很长的时间去布局方案。对于这类问题,启发式方法是解决问题的合适的方法。高度混合遗传模拟退火算法的基础上,基于可替换主体(GA-SA),技术相结合,遗传算法,模拟退火算法,并且进化操作是由三层代理操作的算法,本文方案优化初始解决方案(3]。和实数编码应用于内部布局问题,即个体基因型,代表的总功能区域数量,1代表第一个功能区域,其余部分可以增加了类比。进化操作是由三层代理操作算法的改进算法如下。

全球代理操作
(一)选择操作
本文采用常见的轮盘赌方法选择高适应性染色体。

(B)全球协调行动
根据整个物流节点的布局情况,全球代理协调各功能区域之间的位置关系和协调信息传送功能区域代理,包括协调和调整内部的各功能区域之间位置关系物流节点,如进行位置交换两个甚至更多的功能区域代理。更详细的信息,可以参考工艺和多个确定的位置调整操作功能区域代理。

功能区域代理操作
(A)交错运行功能区域代理
常用的隔行扫描包含单点交错,两端交错,多点交错,均匀交错,等等。根据实际情况的内部布局物流节点,采用单点交错,交织进行功能区域的位置属性代理。

(B)调整操作的功能区域代理
每一条染色体的每个功能区域代理可以选择整个优化策略的功能区域,例如,整个运动,旋转,集中,和其他操作,这将向网格代理。功能区域代理进行运动操作基于其位置和操作与其他功能区域代理的关系。当网格代理功能区域过于分散或无序,这个函数的吸引子区域代理可以放大进行集中操作,使每个功能区域代理满足形状紧凑的约束。

网格代理
(一)变异操作
变异操作所需网格代理交换变异,也就是说,它随机选择一个网格和交流社区网格。并要注意是否邻区连接在变异函数。与此同时,考虑到它可能会产生非理性的个人变异或其他操作,在上述吸引子(反射极)将用于修正。

4所示。案例研究

本文案例分析是由内部布局优化物流节点的一个维度。相关函数带表所示1。从表中显示了功能区域之间表2,关键控制点和关键控制线路的属性相关的每个功能区域物流节点以及其物流各功能区域所示的链接表3,4,5,6。ALDEP和应用多种方法来生成初始解决方案,其中,生成的最优解决方案,分别如图2和3。遗传模拟退火算法仿真参数设置如下:区域长度和区域宽度都是50岁的人口规模是50,最大模拟代数的模拟退火算法(SA)和遗传算法(GA)都是100。代理操作参数的遗传模拟退火算法如下:全球协调操作系统代理物流节点的概率是0.05,交叉概率和形状调整(焦点)操作功能区域代理的概率是0.6和0.5,分别和移动交换概率和变异概率网格代理都是0.05。优化过程和目标函数的变化曲线显示在图4如图,优化解决方案5。与传统的设施布局规划方法相比,优化的目标函数变化的解决方案是升级,它也可以解决布局问题的条件下复杂的地形和多个约束条件,而传统的设施布局规划方法不能。基于上述例子分析和优化解决方案的结果,可以看到如下。

生成内部物流节点的布局方案的过程是非常复杂和费时。随着问题规模的增加,规划师的工作将会成倍增加。在此条件下,自动计算机辅助生成布局方案的优势将更加明显。内部物流节点布局规划问题是一个非线性、高维大规模优化问题。在现有的计算资源的条件,传统的优化算法不能在有限的时间内获得最优解。它是适当的采用GA-SA基于多重代理。和最初的应用结果表明,GA-SA生成内部物流节点的布局方案满足编程需求。然而,除非所有的规划目标,实际的约束条件,以及其他因素的考虑,本文建立的方法只能作为一种快速、简单的优化方法在早期阶段的决策过程。和生成的编程解决方案只能为管理者和规划者提供参考。

布局优化的研究思想和框架提出了不能只适用于内部物流节点的布局优化问题,而且其他布局优化问题在很多领域如城市规划、机械制造等领域。这些问题仍然总是非线性和高维度。这是很大的困难和复杂性来对付他们的传统的优化方法。只要实际编程的目标和约束条件是合理的考虑,这将是一个好方法这一思想和框架应用于其他领域的布局优化。

5。结论

当然,本研究只是初步的,还需要进一步深入的研究。更优化的约束条件和目标应该考虑,以便更好地满足实际规划的要求。在未来,我们的工作将进一步关注改进算法或者探索新的优化算法结合来提高计算效率的其他优化方法和算法。与此同时,有必要开发一个物流节点的内部布局优化辅助决策软件平台整合各种优化策略。当然,本文建立的研究思想和方法也适用于其他领域的布局优化。

确认

纸是由中国国家自然科学基金项目51009060和51009060号公路工程的重点实验室开放基金(长沙科技大学),教育部项目KFJ090101号和优先级的学术程序开发江苏沿海开发水利高等教育机构。