第15章 选址问题 物流运输与配送相关管理课件.ppt

第15章 选址问题 （ Location Problem）;第15章 选址问题（ Location Problem） 15.1 概述（Introduction） 15.2 三维选址问题（Three-Dimension Location Problem） 15.2.1 遗传算法实现（Genetic Algorithm） 15.2.2 算例（Par example） 15.2.3 小结（Summary） 15.3 集装箱船配载优化方法研究 （Research on the Optimal Methods for Container Aboard Loaded） 15.3.1 集装箱重量分布的优化模型（The Optimal Model of Container Weight） 15.3.2 的确定（Confirm ） 15.3.3 最少压载量的确定（The Minimum Ballast） 15.3.4 计算实例（Par example）;15.4 点选址问题（Dot Location Problem） 15.4.1 连续点选址问题（Continuous Location Problem） 15.4.2 离散点选址问题（Discrete Location Problem） 15.5 无能力约束设施选址问题 （Uncapacitied Facilites Location Problem（UFL）） 15.5.1 问题描述（Introduction） 15.5.2 UFL问题的线性规划模型（Liner Model of UFL） 15.5.3 对偶问题（Dual problem） 15.5.4 UFL的启发式算法（Heuristic Methods for UFL）;15.1 概述 ;15.1 概述 ;15.1 概述 ;15.1 概述 ;15.1 概述 ;15.1 概述 ;15.1 概述 ;15.1 概述 ;15.1 概述 ;15.2 三维选址问题 ;15.2 三维选址问题;以上求解都建立在简化模型的基础上，而现实生活中存在着大量多目标、多约束的布局，人们在研究集装箱布局时，往往采用简化模型，以回避这一问题。许多实际约束，如装载稳定性、重心平衡使得集装箱布局问题更加复杂(本文定义这种问题为复杂集装箱装载问题)。通常需要将这些约束考虑到启发式规则中，而不能只是先考虑空间利用率，待布局完成后再检查约束，因为有些复杂的布局很难凭经验捡查出是否满足约束。 ;因此，开发实用的综合考虑多种约束，多种目标的集装箱空间规划算法有待于进一步加以研究。由于存在多目标、多约束的空间规划问题的计算复杂性，利用数学规划法和图论法不太有效；启发式方法虽然较为有效，但大多只能解一类问题，局限性较大。因此，本文采用遗传算法作为工具，通过权重系数变化法处理多目标问题，通过罚函数法处理约束，在采用遗传算法处理复杂集装箱装载问题方面做了一些尝试。求解问题的目标包括：①空间利用率最大；②货物总重量最大；③货物总体重心尽量低，以使稳定性最大，搬运??便。其约束包括：①总重量不允许超过集装箱最大承重量；②物体间不允许出现空间干涉。 ;遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。遗传算法在空间规划领域中的应用刚刚开始，集装箱空间规划问题为NP完全问题，而遗传算法本身的鲁棒性、并行性以及在NP完全问题求解中的广泛应用表明，遗传算法是解决复杂集装箱空间规划问题的有效途径。如何将遗传算法应用于集装箱空间规划是值得深入研究的，这对于推广遗传算法在实际空间规划设计中的应用，具有重要的实际意义。 ;1. 问题解的数字串表示——编码 平面布局一般采用待布物体在平面上的坐标组成解串，但是，坐标值的调整变化仅描述了待布物本身位置的改变，可能会使待布物之间出现干涉，为此需要进行判断，以避免出现干涉，亦即坐标值的变化是受限制的，这不适合于用遗传算法求解。而且，在三维空间布局中，干涉的计算量要大得多。因此，需要构造一种新的、更适合的表示方式。 把待布物的编号按排放顾序排列成串，即;15.2.1 遗传算法实现 ;2. 空间分解算法——译码 布局空间分解过程采用三叉树数据结构表示。先对原始布局空间求解，此时，原始布局空间为当前布局空间，对应于三叉树的根结点。按照第15.1节中数字串 的先后顺序，从可选布局物体中选择一个相对于当前布局空间为最优的布局物体，其摆放方式通过可行域的形状确定，将其定位于当前布局空间后部的左下角。如图15-1位置所示，并将布入的物体编号从 中删除。这样，原布局空间的剩余空间可分为 ， ， 这3个子空间，分别对应于三叉树根结点的左、中、右3个子结点。剩余的布局空间就变成3个独立