基于最短路多种群遗传算法的物流园区内部布局研究.pdfVIP

基于最短路多种群遗传算法的物流园区内部布局研究 (3)已知以下数据 ：功能模块的数 目；功能模块之间的关联度；功能模块之间的货物 流动量；单位货物搬运成本；布局地块的总面积；各功能模块的面积。 1．2 模型建立 根据功能模块间货物搬运成本最小和邻接关联度最大模型的目标要求，构建如下的数 学模型： min= ∑ c I IJ 1 图1 模型不考虑的布局情形 maxF2=∑∑6 s．t． k= l 式中： ——功能模块之间搬运的总成本函数；F2——功能模块之间邻接关联度函数； ——功能模块 i到功能模块 的货 物流动数；c——功能模块 到功能模块 的单位货物单位距离搬运成本； ——功能模块 i到功能模块 中心的路网最短距 J 离，将在 1-3中详细介绍；6——功能模块 i与功能模块J的邻近度 ，将邻近度值分成六个等级 ，具体见表 1；范围由 L来确 Um虹 定，dm表示最大距离，等于总地块的长宽之和。 — — 功能模块 i与功能模块 的关联度 ，表示功能模块之间关系的密切程度，类似系统布局设计的作业单位间关系密切 程度，并分成六个等级，具体见表2。 表 1 功能模块间邻近度 表2 功能模块间关联度 功能模块间距离范围 功能模块 问邻近度 b 功能模块之间关系 字母表示 [O．1／6 】 1．0 绝对重要 A 1．0 [1／6，113] 0．8 非常重要 B O．8 [1／3，1／2] 0．6 重要 C 0．6 【1／2．1，3] O．4 一 般 D OI4 【2／3，5／6] 0．2 不重要 E O．2 【5／6．1】 0．O 无关 系 F 0．0 — — 功能模块 的面积；A——布局地块的总面积。 1．3 最短路引入 传统的计算模块 i到功能模块 的距离 以的方法包括欧式距离方法和曼哈顿距离。即： r————— i—————————T 欧式距离： =、／(g；i-xj)+‘( )‘ 曼哈顿距离：叱= -xjI+l I 这两种距离的算法会影响配置布局的方案 ，甚至导致配置布局方案的错误 ，与实际不符。 如图2中所示 ，模块 2到模块6的距离，不管是用欧式距离还是曼哈顿距离 ，算得结果即是图 中蓝色线所示，而实际距离却是图中红色线表示的；正是蓝色线代表的两种计算方法导致布局 图出现[2，3，5，6】累计长条形布局情况。 为了避免长条形布局的出现，张智文等121提出采用长宽比范围作为罚函数的方法。但这存在两点问题 ：首先合适的长宽比 值的范围难以确定，其次长宽比值的限定会导致解空间的缩小，甚至达不到最优解。