文摘
基于智能物流园区布局规划项目,本文系统地研究智能物流园区的布局规划从各个方面相结合研究和分析与调查。本文讨论的位置和布局的原则和方法研究物流园区和物流园区的位置和布局的决定。基于功能设计的分析和区域布局的物流园区、物流园区的位置和布局建模。改进的GA添加到系统的布局设计方法,并建立了物流园区布局规划过程根据物流园区的特点设计和规划。的基础上确定目标函数时,原来的固定成本的物流园区建设、物流配送成本引入到规划和布局。此外,不同的设施布局规划,改善布局的目标也会增加运营成本。最后,基于改进的遗传算法,智能物流园区的布局规划,和一个令人满意的布局方案。实验表明,该算法的误差只有0.54,这是0.6低于传统的规划方法。它可以提供理论支持和决策依据智能物流园区的规划和布局。
1。介绍
全球经济的快速发展带来了机遇,物流产业的崛起,为物流行业的蓬勃发展提供了土壤。物流园区作为现代物流的新格式,已经成为物流领域的研究热点之一(1]。物流园区是一个大型公共福利的基础设施建设投资和广泛。这是一个相对集中的区域物流组织活动和新的物流活动的载体和大规模的各种服务功能。作为一个非常重要的物流基础设施的一部分,公园的物流基地和中心已成为建设和发展的重点在现代物流行业的发展2,3]。其操作的成功直接影响区域物流体系的形成和发展。然而,由于物流园区的建设需要占用大量的土地资源,资本投资很大,相对风险也是非常巨大的。因此,为了建立一个大规模的物流园区,我们应该结合当地的实际情况和实际的物流园区建设规划。物流园区将汇集各种物流功能和运行专业和大规模操作,所有这些都将有助于物流资源的总体效益最大化通过促进物流技术的进步和服务水平,分享相关设施,降低运营成本,提高规模经济(4]。许多城市,作为战略关键物流城市,必须尽快优化和升级物流公园为了降低物流成本,提高集群效应(5]。港口物流园区已建成的位置。目前的关键问题是如何开发和转换物流公园、集群经济效益最大化,并确保良好的经营和长期发展。每个功能区的布局是第一个问题有效解决,以实现物流园区功能。物流园区的规划和布局直接影响系统的物流和信息流,因此研究公园的布局是至关重要的。
目前,物流园区企业之间存在激烈的竞争,和物流资源不能有效地分配,限制了物流园区的健康发展。因此,物流园区的规划和建设,建设物流园区,满足市场需求,设计合理的内部公园规划和建设物流园区,满足地方经济发展的需要和发展的工业企业都成为解决紧急问题6]。物流园区规划建设的基础,以及进一步的前提下内部每个功能区域的布局设计,使用适当的方法来实现每个功能区域的最优布局。是十分关键的计划和设计实用、经济、和发展计划,以避免重复建设和未来发展限制;减少浪费环境资源;满足建设和经济、社会和技术的好处(7]。遗传算法(GA)是一种概率搜索方法,它是建立在自然选择和群体遗传学机理和适应性很强。遗传算法迭代优化人口和生产最优人口通过选择、复制、交叉和变异。它是有用的,高效,耐用。在GA,编码是描述一个问题的可行解的过程中,或将一个问题解决方案的可行解空间的搜索空间遗传算法可以处理。解决复杂优化问题时,遗传算法所无法比拟的。GA支持信息成分和交流在这些方向在执行一个多向搜索通过保持一组可能的解决方案。本文开发一个智能物流园区规划和布局模型,基于改进的遗传算法。以下是本文的创新:(1)的基础上总结智能物流园区的相关概念,本文建立的智能物流园区平面布局模型,梳理和总结相关文献研究。本文改进了传统的规划和布局问题,只考虑固定成本的物流园区建设。这篇文章的布局规划方法考虑了物流配送成本和操作成本的多目标优化问题在同一时间。根据GA的流动,健身功能,编码和解码方法,遗传算法操作符和相关参数的设计。(2)本文介绍遗传算法,阐述了其应用的合理性物流服务组合优化和改进遗传算法。模型的改进的遗传算法适用于解决问题的规划和布局,减少冗余编码,提高了计算效率。实验表明,智能物流园区的最优布局可以在短时间内获得客观、使用这种方法。
2。相关工作
物流产业的发展到一定阶段需要建立物流园区。物流园区规划和操作物流规划的一个重要组成部分。物流园区的建设不仅可以帮助物流行业发展,但它也可以受益的城市和地区。传统的物流园区的布局规划主要是基于经验,和公园的设施布局和平面设计完成后通过广泛布局的实际经验。后期出现了一些先进的设计方法,由于各种技术不断向前发展。
Elmaraghy等人使用系统的布局方法与神经网络算法相结合,把物流园区作为实证分析,计算相关的物流流程,校准的最佳地理位置适合物流园区的建设,建立了一个模型(8]。的基础上,分析物流节点配置的内涵,锅里提出了一个物流园区布局优化模型考虑到物流园区的规模经济和物流需求的不确定性9]。歌等人提出了一种混合遗传算法的基础上,扩展网络的最小费用流,并将结果应用到物流园区的规划和布局10]。歌等人之间的物流关系操作使用单位做一个相互关系图、修正和调整后,得到可行的布局计划,然后加权评价和其他方法被用于最优评价(11]。考虑到物流园区的聚集效率和规模效应,玉等人研究了物流园区和物流配送中心的优化配置在一个地区,建立了相应的数学模型,并提出了相应的解决算法(12]。哈提卜和Barco公司分析了功能、业务流程和宏观配置集装箱码头的物流中心和讨论一些物流节点计划的重要性,从物流战略规划和管理的角度13]。Igathinathane等人改善了系统的布局方法构建一个空间布局模型,设计了一个解决方法,并提出物流园区功能布局系统的过程设计方法(14]。陈等人提出了一种多目标优化决策方法对物流园区的位置选择基于模糊决策的数据(15]。温家宝等人提出,除了固定设施规模、一定范围的纵横比时可以根据实际情况考虑设施布局问题(16]。关使用离散模型设计一个圆形布局,最大限度地减少物流拥堵。然而,离散模型不能提供准确的设备坐标,也不能反映等问题处理入口点和出口点,设施定位等。17]。布鲁斯和Twiefel提议布局多目标优化模型与物流成本最小化和最大化的目标功能区域相关性(18]。Yaqiong等人关注的操作过程的分析物流配送中心和物流中心的布局和规划,具有重要的参考价值和实际意义的设计和规划的物流配送中心19]。张等人用动态规划的方法来解决动态布局问题具有相同的形状和大小的设备(20.]。
本文分析了物流产业的现状,深入一个智能物流园区的必要性,并进行深入调查一个智能物流园区的规划和布局使用相关文献。在这篇文章中,改进的遗传算法用于创建一个智能物流园区布局模型在优化布局阶段。它有效地描述了总体布局区域限制等约束和道路问题的访问通过物流的优化配置,过程,和环境功能块中物流园区的总体布局作为目标设计目标函数。改进的遗传算法用于优化和选择为了提高服务组合的选择评价的准确性和客观性。最后,使用一种智能物流园区作为一个例子,一个公园布局规划进行仿真实验,证明合理性和适用性的智能物流园区布局规划方法系统在本文中开发的。
3所示。方法
3.1。物流园区规划和布局和遗传算法理论
物流园区是现代物流发展的新形式,它是一个相互关联的物流的功能要素组成的有机整体。这是一个物理大会的地方有一定的规模的物流设施和物流运营商。物流园区的建设不仅是物流发展的需要,也是城市建设和发展的要求。目前存在一些问题在物流园区的规划和建设方案,比如混乱的规划步骤和原则,含糊不清的对物流园区的功能的理解,盲目圈地,等等21]。学习的基本概念、特点、分类和功能,物流园区是深入的基础研究和分析的许多问题,包括物流园区的布局规划理论。物流园区的布局是否科学与否直接决定了公园的功能是否可以有效地实现和直接影响公园的生产管理和经营效率。在物流园区,有各种各样的服务模式,可以分为四类基于服务范围:城市物流、区域物流、国家物流和国际物流。不同的物流服务模式有不同的特点和作用。物流园区建设经常需要物流业务、运输组织、信息组织、产业整合、资源整合、发展和调整城市功能,和其他广泛的方面,作为一个有价值的参考点确定物流园区的位置也是必要条件确定物流园区的规模。货运量和货运成分指标反映物流园区需求的主要指标,而仓库容量,商品库存,其它指标反映库存需求。
设计物流园区的布局,首先需要定义的功能服务的物流园区,以物流功能服务的内容为设计目标,并依赖于功能的目标来衡量是否公园的设计是否合理。在规划过程中应遵循的原则的物流局如下:(1)短距离的原则;(2)布局优化原则;(3)系统优化原则;(4)灵活性原则;和(5)原理会议的过程中,生产和管理的要求。存储功能的物流园区在规划过程中应该充分考虑,和公园应该配备高效的存储设备。物流园区应该装载和卸载的功能,这是一个必要的物流园区的功能(22),为了加速商品的流通。在公园里,提高资源的利用率,使物流业务的各功能区域的面积达到一个合理的比例,合理布局的功能区域应该分成内部土地资源,交通资源和配套设施和设备。我们也应该考虑公园的外部性和创建一个方便、安全、舒适的工作环境。总体设计的目标是有效地分配物流设备、运输系统、人员、物流、业务流程、资本流动和信息流动在公园,以减少未来的运营成本和效益最大化。物流需求很重要,不仅对于确定物流园区建设的可行性,也为确定公园的总体规模。物流园区的候选位置是有限的,由于总规模限制。候选人的位置是否有足够的空间适合物流园区建设必须确定当场结合当前当地情况。遗传算法流程如图1。
在乔治亚州,人口在生物进化的过程中代表的多个问题的解决方案。每个染色体代表一个可行的解决一个问题,和基因在染色体描述可行解的特点。为生存斗争和生物界适者生存代表筛选可行解决方案的过程不同团体通过给定的评价方法的问题。解决遗传算法模型的具体过程如下:随机产生初始种群,这是由随机的染色体编码,和健身价值计算判断初始种群的适应性。人口的个人选择,复制,交叉,变异,适者生存的操作,和一个新的人口不断生成,最后最强的适应性进化的后代,和最优的解决方案。函数优化是遗传算法的经典应用领域,也是一种常见的遗传算法性能评估的例子。特别是对于非线性、多模型、多目标函数优化问题,其他的优化方法很难解决,但遗传算法可以获得更好的结果。选择是由适应度函数组根据问题。在选择操作中,种群中每个个体的适应度函数计算。适应度函数的遗传算法主要分为两类:基于比例和适应度函数的适应度函数基于排名。
尽管直接使用和随机搜索方法,遗传算法和随机算法是不一样的。使用遗传算法时,要解决的主要问题是编码,遗传算法设计(也是一个至关重要的一步23]。基因进化的效率在很大程度上取决于遗传算子的操作方法如交叉和变异算子。基因交叉和染色体变异使用GA繁殖。将重复上述步骤新个体通过交叉和变异,直到某些条件得到满足,此时GA将终止。近似最优解问题是人群中最优个体。许多试验遗传算法的实际应用中经常需要来确定适当的值或范围的参数大小。优化可以做在一个不确定的空间利用GA的概率转换规则。一般的随机优化方法相比,遗传算法不搜索沿着一条线从一个点,而是同时搜索整个解空间。因此,全局最优搜索特性,可以有效地避免陷入局部最小值点。
3.2。提高智能物流园区的规划和布局模型,基于遗传算法
物流园区的规划和设计使用一个多通道的布局,使交通网络的形成和运输变得更加容易。功能区域的物流和non-logistics关系关系图所代表的都是在加入GA之前,当功能区域的布局完成。创建一个功能区域规划,其中包括物流和non-logistics关系图。开始,建立了物流园区建设方案,和流分布问题物流园区和配送中心使用最初的物流园区解决方案,产生一个最初的流程解决方案。然后把物流园区,重新分配流量,重复迭代解过程。遗传算法结合随机迭代过程寻找最佳的解决方案。在每一代遗传算法,选择最合适的人根据他们的健康问题域,并表示新的解决方案集的人口使用等自然遗传算子组合,生成交叉和变异。这个过程将模拟自然进化种群中。后代人口比上一代对环境适应性强,和最好的个人在前面的人口可以解码问题的近似最优解。单位序列编码和单位间隔编码的两个主要组件是单行布局染色体编码。 The workshop is recorded using the work unit sequence code, which records the arrangement order of each work unit from left to right, and the work unit spacing code, which records the distance between work units. Work unit sequence coding and work unit spacing coding are the two main components of multirow layout chromosome coding. A schematic diagram of logistics park planning and layout based on improved GA is shown in Figure2。
本文中选择的突变位置突变在染色体基因座的基因值的方法。也就是说,随机选择染色体上的位置,然后交换。目标包括三个部分:物流配送中心之间的运输成本和物流园区;物流园区建设的固定成本;和物流园区的运营成本。适应度函数用于判断个人的优点。新的个人人口越好,越健康。适应度函数直接影响算法的时间和效果。一般来说,目标函数转化为适应度函数,设计应该满足连续性的原则,non-negativity和最大化。目标函数的设计后,所有个人的健身算法必须积极或零,不是消极的,由于基因的要求。 Therefore, it is necessary to transform the objective function into a fitness function. Under the condition that both the logistics distribution center and the logistics park are determined, the original problem is transformed into an extended network minimum cost flow problem with capacity constraints at the edges and nodes in the network. With the improved GA solution, the flow distribution of the whole distribution network can be obtained, and the objective function value can be calculated and taken as the fitness value of the chromosome. The main goal of logistics park layout is to minimize the cost of material handling among functional areas, to maximize the degree of adjacency among functional areas, or to combine these two goals in a certain proportion. In this model, the coordinates of the center point of the operation block are also the starting point and the end point for measuring the flow of goods. Therefore, the first problem to be solved is to use mathematical formula to determine the coordinates of the center point of the block. In this article, it is assumed that the general layout block is a regular rectangle, and the layout form of the operation block in the general layout is a straight-line multichannel layout. Because the centerline of each row is consistent, the determination of the ordinate depends on the number of rows arranged in the operation block in the general plane.
考虑到物流园区的规模效益和集聚效应,处理成本的物流园区、物流园区之间的运输成本,成本函数是凹函数与边际运输成本降低物流体积的增加,及其一阶导数大于零,和它的二阶导数小于零,这是表达的数学表达式如下: 在哪里和是待定常数。一般来说,越小 ,集聚效应就越大。和 。让:
然后下面的不平等是适用的:
物流园区规划的目标函数的计算如下:
目标函数如下:
如果得分是最高的,布局是最好的。然后物流强度关系的目标函数如下: 在哪里和代表重要性的重量, ; 是货物流动的亲缘程度;和存储容量的程度。业务流程的目标函数如下:
环境保护的目标函数如下: 在哪里是环境影响的程度。
常见的GA编码方法包括二进制编码、格雷编码、浮点编码、和符号编码。通过比较各种方法的适用性,本文采用符号编码和二进制编码染色体编码机制。工程决策和设计优化在实践中主要是多目标优化问题。帕累托最优解的优化问题,使用遗传算法可以解决多个目标和约束。当每个节点的流量分布,原问题转化为一个扩展的最小费用流,虚构的来源和目的地必须解决的问题。满足收敛速度和多样性的要求,自适应遗传算法动态改变交叉和变异概率根据该州的人口和个人。当人口多样性较低,自适应遗传算法可以提高交叉和变异率,防止人口解决局部最优。当种群收敛速度缓慢,自适应遗传算法降低了交叉和变异的可能性,提高收敛速度。物流园区,根据计划,应该包括核心功能,如仓储、配送,流通加工,多通道运输。此外,它应该包括电子商务、信息处理、商业、和其他办公有关的功能。 A multichannel equidistant layout is used in the logistics park’s planning and design, which means that the general plane and each partition block are regular rectangles, and the channels are arranged equidistantly, which is convenient for traffic network [23形成和交通便利。选择操作的目的是选择个体人的适应性很强,将它们传递给下一代。较低的个体适应性不太可能遗传给下一代,逐渐淘汰。后选择操作、交叉操作。本文使用不同的交叉方法基于的原则随机配对匹配符号编码和二进制编码的染色体编码机制。对于一个染色体是谁的健身价值 ,它的选择概率计算如下:
然后,所有染色体的适应度值的总和的数量如下:
对于每一个染色体,选择概率是计算
对于每一个染色体,累积概率是计算
考虑到每一个物流配送中心的需求是一个三角模糊数,每个物流园区物流体积流入也必须是一个三角模糊数,我们可以看到通过添加和模糊数相乘。扩展为每个染色体分别是解决交通问题。每个染色体的适应度值决定使用归一化校正方法的基础上,获得的目标函数值。订单信息的功能块与染色体必须表现在三个方面:行所在的街区,相邻块之间的距离,块的大小。以上信息必须多编码表达的基因片段,这样整个染色体不仅满足物流园区布局的要求,也促进了下列遗传算子的搜索操作。本文模型的物流园区布局问题是一个多目标函数最小的物料搬运成本和邻接关联度最高的功能区间,根据应用程序范围的分析,现有的布局模型的优点和缺点。约束的非线性数学模型可以减少总建筑,操作,和分销成本,同时也为工作人员提供一个方便、舒适、安全、卫生的工作环境。
4所示。结果分析和讨论
在最后一章,目标和原则的基础上,阐述物流园区规划和布局,一个智能物流园区规划和布局模型,提出基于改进遗传算法。为了验证模型的有效性,本文计算方法,仿真实验在本章进行。假设有20个物流配送中心在一个特定的区域,和每个物流中心的要求,为了充分利用物流园区的规模效应和集聚效应降低配送成本的整个地区的分销网络,五个物流园区规划中10个候选人20配送中心的物流园区来满足需求。GA参数如表所示1。
根据重量和价值的竞争力评价指标的主要物流节点,每个主要物流节点的货运量份额计算。根据每个操作单元模块的关联度综合对比表,确定它们之间的距离,和每个操作的具体位置模块相应的安排。通过实验,召回率的算法如图3。
根据图中的数据3,这个算法高,召回率和召回率一直处于高水平。通过MATLAB运行计算,最好的平滑参数为0.89,目标函数的迭代过程是通过操作。不同的算法的迭代运行结果如图所示4。
算法计算过程中的相关因素,如工人的数量,设施和设备,物流渠道,和辅助设备应考虑相应的每个操作单元,最后理论面积计算应当符合计划可用区域。在本文中,考虑到物流园区布局对周围的外部环境的影响,介绍了环境距离的概念,和一个物流园区布局模型,考虑环境构造距离。获得的最优布局方案设计和改进遗传算法来解决模型。算法的误差曲线的变化趋势如图5。
从趋势图的分析5该算法的误差很小,这是低于其他两种算法。这个结果表明,本文的算法具有一定的精度。根据功能设置和定位,每个功能区分为存储和分销功能区域,冷链物流功能区域,长和重型货物功能区域,电子商务物流功能区、综合办公区域,和其他领域。特定区域和货运量分布如表所示2。
在本文中,不同的编码设计根据不同的布局形式的特点,这减少了冗余代码,提高了计算效率。然后,在适应度函数的设计,减少人口的多样性避免过度引起的染色体差异。图6显示了运行时间模型的比较。
实验表明,功能区域布局方法和改进的遗传算法有很大的优势在降低物流的总成本,增加功能区域之间的相关性,节省操作时间和土地利用率,及其加权总分比通过使用关系图的方法,具有一定的优越性和可行性。本文结合实际情况,分析了实现技术和运营成本等因素,使得比较评估每个候选人的计划,选择最佳的设计方案,然后获得最终的布局方案。规划布局的合理性比较不同模型图所示7。
从图可以看出7,这个模型的规划和布局的合理性是高于其他两个模型,所以它是合理的将这个模型应用到智能物流园区的规划和布局。为了验证模型和算法的有效性在这篇文章中,数值模拟实验是在Visual c++环境中进行。结果表明,该算法的误差只有0.54,0.6低于传统的规划方法。这种方法有一定的效率和准确性,可以在很短的时间内得到满意的布局方案。因此,该算法是一种有效的算法来解决最优物流园区的布局模型,考虑规模效应和不确定的需求。该模型可以有效地利用空间、设备、人员和能源。模型具有良好的功能,强大的存储和生产能力,可以为多式联运提供后勤支持。
5。结论
有效实现物流园区的功能和规模效益的充分发挥是深受智能物流园区的布局规划。传统的物流园区规划设计方法有很多局限性,因此开展智能物流园区的布局规划,一组方法指导下的战略发展目标,基于科学的规划和设计是必需的。物流园区布局规划的总体框架提出了在本文中,采用定性和定量的方法和利用的有益经验国内外物流园区发展规划。智能物流园区布局模型,考虑环境距离,建立物流配送成本和运营成本的基础上,分析每个功能区的相关使用改进的系统的物流园区布局规划方法。人口多样性的丧失引起的过度染色体差异是避免了适应度函数的设计。智能物流园区的最优布局方案是使用遗传算法来解决模型获得的。实验表明,该算法的误差只有0.54,0.6小于传统的规划方法。这种方法有一定的效率和准确性,可以在很短的时间内得到满意的布局方案。根据本文的分析和研究,它可以扮演一定的角色在区域物流资源的优化配置,供应能力的现代物流系统,提高操作效率。它提供了一个探索性的研究方向物流园区规划。 However, due to the limited time and my academic knowledge, the model constructed in this article still needs further improvement. For example, a more detailed system dynamics model of logistics park operation and management can be established, and the expansion of park business can be fully considered—when the layout changes, how to change the position of the entry and exit points of each work unit to adapt to the new layout, etc. These problems will be further studied.
数据可用性
使用的数据来支持本研究的发现可以从作者要求。
的利益冲突
作者没有任何可能的利益冲突。
确认
这项研究是由“博士。科学研究发起和资助项目,“中国(批准号2021 xjlxbsjj03)。