基于GIS和遗传算法的物流配送中心选址研究_图文

1、基于GIS 和遗传算法的物流配送中心选址研究林娜 , ,李志( 成都理工大学遥感与GIS 研究所,成都610059;重庆工商大学重庆市发展信息管理工程技术研究中心,重庆400067收稿日期:2009-09-11摘要:物流配送中心的选址是物流系统优化的一个具有战略意义的问题。在分析传统物流配送中心选址算法不足的基础上,建立了一个基于GIS 和遗传算法的物流配送中心选址模型。首先确定配送中心选址的目标及影响选址的因素,接着利用GIS 的空间分析技术,定量分析可在电子地图上表现的物流配送中心选址的影响因素,得出一系列候选地点,最后利用遗传算法,求解得出最佳选址地点,并通过实例研究表明该算法的可行性。

2、中图分类号:T P79 文献标识码:A 文章编号:1000-3177(2010111-0110-05Study on Location Selection of Logistics Distribution CenterBased on GIS and Genetic AlgorithmL IN N a , ,L I Zhi !( I nstitute of R S &GI S ,Chengdu Univ er sity of T echnolo gy ,Cheng du 610059;Chongqing Engineer ing T echnolog y R esearch Cent

3、er f or I nf or mation M anagement in D ev elop ment,Cho ngqing T echnolog y and Business Univers ity ,Chongqing 400067Abstract:T he lo cation selection of log istics distr ibut ion center is of str ategic sig nificance to log istics sy stem o pt imizing.Based o n analy sis of tr aditional location

4、select ion alg or ithms of log istics dist ributio n cent er,an algo rithm based o n GIS and ge netic algo rithm is established.First,the lo cation selection and its influence factor s are determined;then influence factor s o f loca t ion selection ar e analyzed by means o f G IS spatial analy sis t

5、echniques,a ser ial of candidate sites ar e obtained;at last the best lo catio n was obtained based o n g enet ic alg or ithm,and the case study show s that the algo rithm is feasible.Key words:log istics distributio n center;lo cat ion selectio n;GIS;spatial ana lysis;genetic algo rithm1 引 言物流配送中心是

6、物流配送过程中相互联系的组织与设施的集合,是转接节点,其位置的选择是物流系统优化的一个具有战略意义的问题。配送中心的建设投资大、周期长、回收缓慢,一经选定将长期运营。因此配送中心的合理选址,无论是新建、改扩建或者是租用就显得十分重要。较佳的配送中心选址方案可使商品通过配送中心的汇集、中转、分发、直至输送到需求点的全过程的效益最好。但如果选址不当,将会造成配送中心周围交通拥堵,影响配送中心正常运营,给城市的经济、社会环境带来巨大的负面效应。从某种程度上来说,配送中心选址的优劣,影响着配送中心经营的成败。物流配送中心选址模型可分为3类,即连续型模型、离散型模型、综合选址评定方法。连续型模型代表性的

7、是重心法1,它利用物理学上的对平面上的一个图形求重心的原理来确定物流配送中心的地110理位置。用重心法求得的理论重心有时是无法实现的,这些地点有可能落在江河、高山、及环境恶劣,运输条件极不畅通的地方。离散型模型认为物流配送中心的备选地点是在有限的几个场所选取。综合选址评定方法代表性的是德尔菲法(Delphi2,它依赖于专家的经验与知识来做决定,人的主观因素会左右决策过程,从而影响物流配送中心选址的客观性。GIS 以电子地图的形式表现数据,从图上可以剔除明显不适合建立物流配送中心的地点。它强大的空间分析能力可对影响物流配送中心选址的因素进行定量分析,从而减少人的主观因素影响。本文利用GIS 得出

8、一系列候选地点,再利用遗传算法求最优的物流配送中心选址地点,在求解过程中,将最短距离利用GIS 来计算,并将结果显示在电子地图上。2 基于GIS 和遗传算法的物流配送中心选址本文设计的基于GIS 和遗传算法的物流配送中心选址流程见图1。具体步骤描述见下文。 图1 基于GIS 和遗传算法的物流配送中心选址流程2.1 确定选址问题的目标选址决策的目标是本着长期规划的原则,考虑选址的基本要求,同时力求物流配送中心长期运营成本最低3。完整的配送中心运营成本包括管理成本、库存成本和运输配送成本等。管理成本、库存成本与选址地点关系不大,而运输成本与选址地点有密切关系,且占总物流成本的比重很大,故问题的目标

9、可转化为运输成本最小。运输成本主要包括从物品供应地到配送中心所需的运输费用和从配送中心到需求地所需的费用。2.2 准备数据物流配送中心的选址需要从多方面采集数据,本文的选址主要是基于GIS,因此数据主要应包括基础地理空间信息、物流专题信息等。采集到的数据可能是图纸,表格,电子数据等等,有些直接就可以运用,但是有些还要经过转化,变成GIS 所支持的格式。2.3 影响选址的主要因素运用现代物流学原理,在城市现代物流体系规划过程中,配送中心的选址主要应考虑自然环境因素、基础设施状况、经营环境因素、以及其他因素4。表1列出了上述4个大的因素中可再细分的内容,并给出了定量的评价标准。在实际应用中,细分内

10、容可能有所不同,需根据实际情况增减。在表1列出的影响因素中风力、风向、水文、地形、交通、企业密度等都可以在电子地图上表示。政策、可持续发展因素与地理空间关系不大,难于在地图上表示,可实地调查分析。本文主要利用GIS 分析与地理空间关系较大的因素。表1 影响物流配送中心选址的主要因素影响因素评价标准自然环境气象条件:温度、风力、风向、降水等适中地质条件:符合建筑承载力要求水文条件:远离泛滥的河流地形状况:地形坡度平缓,适宜建筑基础设施交通便利,水电气供应符合标准等经营环境政府政策:政策允许周边企业状况:企业密度适中其它因素环境保护:保护自然及人文环境可持续发展:有利于可持续发展 2.4 利用GI

11、S 平台,对影响因素进行空间分析,得出一系列候选地址点空间分析是GIS 的核心,主要的空间分析方法有空间查询、缓冲区分析、叠加分析、空间量算等。目前成熟的GIS 平台如ArcGIS 、M apInfo 等都具有较完善的空间分析功能。如本文可用空间查询查找出区域内所有的企业,了解其密度;用缓冲区分析居民点周围的情况;用叠加分析对各个缓冲区进行叠111加;用空间量算测量候选地点的面积等。利用GIS 空间分析功能,建立适宜配送中心选址的图层和不适宜配送中心选址的图层,两个图层叠加,得出的结果有3种: 没有候选地点。就需考虑是否条件太苛刻,可以放宽要求,以求得适宜的候选地点; 唯一选址地点。此时可实地

12、考察,看其是否具备建立物流配送中心的条件。若具备,则可确定为最佳选址地点。!一系列离散的候选地点,此时可利用遗传算法求解最佳选址地点。2.5利用遗传算法从候选点中求解最佳选址地点确定了若干候选地点,则求解最佳选址地点的问题可描述为:有l个供应基地,m个配送中心候选地点和n个用户,供应基地到配送中心、配送中心到用户的运费均为运输量和运输距离的线性函数5,如何选择最佳的配送中心位置,使运输成本最小。该问题的数学模型可表示为:min U=#l k=1#m i=1(C ki W k i+D lm+#m i=1#nj=1(H ij X ij+D mn其中U表示总的运输费用,C ki表示从供应基地到配送中

13、心的单位运输费用,W ki表示从供应基地到配送中心的运输量,D lm表示从供应基地到配送中心最短运输距离,H ij表示从配送中心到用户的单位运输费用,X ij表示从配送中心到用户的运输量,D mn表示从配送中心到用户的最短运输距离。遗传算法是一种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,它的基本思想来源于遗传进化,主要是借助于生物进化机制与遗传学原理,按照自然选择和适者生存的原则,利用简单的编码技术和繁殖机制,模拟自然界生物群体优胜劣汰的进化过程,实现对复杂问题的求解6。利用遗传算法求解最佳配送中心选址问题的步骤是:确定目标函数,Objfun=m in U选择

14、编码策略。遗传算法的可行解由个体来表示,主要在个体之间中进行交叉、变异的操作生成新的个体,直到得到合乎条件的个体为止。该问题的编码由以下几个部分组成,(选中的配送中心,供应地到配送中心的运输量,供应地到配送中心运输距离,配送中心到用户的运输量,配送中心到用户的运输距离,采用浮点数编码,这样编码串不会过长,且解码方便。!初始群体:若干个染色体或个体组成的一组向量称为一个群体,本文随机生成初始群体。适应度函数:适应度函数是由目标函数转换而得的表示个体适应生存能力的函数。本文直接采用目标函数作为个体的适应度函数Fitness=Obj fun。适应度高的个体保存到下一代。%遗传操作:遗传操作主要包括选

15、择、交叉、变异。需确定交叉、变异的概率。2.6实地考察实地考察阶段可重点对政府政策、可持续发展等与地理空间关系不大的因素加以考虑,排除模型中不可预见因素造成的影响。3实例研究3.1项目概况本项目是为某个地区农产品物流配送中心寻找最佳选址地点。该地区面积大约10km2,四周有几个较大规模的农场,提供了丰富的农产品,该地区交通条件较好,有2条东西向和1条南北向主干道,目前该地区尚无较大规模的农产品物流配送中心,对于物流配送中心的建设,政府给予了许多优惠政策。3.2数据准备经多方面采集,该地区地图数据如图2所示,主要包括道路、居民地、农场、公园、 商服等。图2研究区数据3.3确定选址问题的目标及要求

16、选址问题的目标是运输成本最小,根据该问题的实际情况,具体要求表现在以下几个方面:地形情况:尽可能建在可开发的平坦荒地上,空地面积较大。112 交通:交通方便,根据该地区道路的实际情况,为了便于利用GIS 进行空间分析,量化为距离主干道路200m 以内,减少运输费用。政策环境:所选地区可以用于城市建设。环境影响:距居民区100m 以外,使其对居民的影响最小;距公园100m 以外,使其不对公园环境造成影响。原材料需求:距离该地区农场尽量近,满足原材料供给需求,量化为距离农场2km 以内。3.4 GIS 空间分析主要利用GIS 对地形情况、交通、环境影响、原材料需求进行分析,对于政策环境采用调研的方

17、式分析。利用GIS 平台M apInfo 软件的空间分析能力建立不适宜配送中心选址的地区图层。本项目不适宜选址图层是位于居民区和公园100m 以内的区域,利用GIS 的缓冲区分析和叠加分析,具体操作流程见图3,结果如图4所示。 同样建立适宜配送中心选址的地区图层。本项目允许建配送中心的条件是:距离主干道路200m 以内和距离农场2km 以内的区域。适建区域减去不适建区域即得候选地点,结果如图5所示。图5 候选地点图利用GIS 的面积统计功能计算候选地块的面积分别为:地块1为198364m 2,地块2为362322m 2,地块3为354155m 2。从图上可以看出这3个候选地块的地形坡度都较平坦

18、。3.5 遗传算法求解最佳选址地点本例中供应基地是3个农场,故l=3;候选配送中心数量是3,故m =3;用户是居民点的居民,本例中居民点共11个,为了便于计算在图5中均匀的选址居民点4、5、6为代表,故n =3.农场1、2、3农场品的供应量分别为:40,30,50,居民点4、5、6的需求量分别为10,5,4,农场到候选配送中心的单位运费及最短距离见表2。候选配送中心到居民点的单位运费及最短距离见表3,其中最短距离利用GIS 的网络分析来计算,将地块的中心位置作为计算距离的点。表2 农场到候选配送中心的单位运费/最短距离 农场配送中心农场1农场2农场317/3.16/0.810/1.624/3.

19、28/1.23/1.3312/2.55/2.511/3.1表3 候选配送中心到居民点的单位运费/最短距离 居民点配送中心45619/1.55/0.510/2.228/2.54/1.13/1.837/2.412/1.45/1.7采用浮点数编码,初始种群20,最大迭代次数500,交叉概率0.8,变异概率0.05,得出最小运输费用270.6,此时对应的配送中心在地块2。3.6 实地考察上述步骤确定地块2为最佳选址地点,实地考察该地区地质条件良好,适宜建筑,且政府政策允113许。在实际确定地块界限时,可充分利用该处地形,将图右侧3条主干道及1条次干道围成的空地作为配送中心选址的范围。4结束语本文分析了

20、物流配送中心选址的影响因素,利用GIS平台对这些影响因素进行空间分析,得出一系列候选地点,建立以运输成本最小为目标的选址模型,并利用遗传算法求解得出最佳选址地点。通过实例分析表明利用GIS和遗传算法来对物流配送中心进行选址,能够使物流配送中心选址过程更加直观,结果更加科学化。参考文献1胡刚,王淑琴,等.针对第三方物流企业的物流中心选址模型研究J.公路交通科技,2002(6:172-176.2刘磊,郑国华,刘菁,等.基于粗糙集理论与德尔菲法相结合的物流园区选址研究J.物流技术,2008,27(1:37-40.3李怡,谢红兵.基于GIS的启发式物流配送中心选址方法的研究J.物流科技,2006,29

21、(128:53-56.4徐杰,郑凯,田源.物流中心选址的影响因素分析及案例J.北方交通大学学报,2001,25(5:80-82.5吴兵,罗荣桂,彭伟华.基于遗传算法的物流配送中心选址研究J.武汉理工大学学报&信息与管理工程版,2006,28(2:89-91.6L in N a,L i Z hi.Emerg ency relief go ods multi mode transport ation based on g enetic a lg or ithmC/T he Seco nd International Conference o n Intelligent Computat i

22、on T echno log y and Auto mation,2009.(上接第66页参考文献1G B/T20481-2006,气象干旱等级Z.2Peters A J,Wa lter Shea E A,L ei J,et al.Dr ought monito ring w ith NDV I based standardized vegetat ion indexJ.Pho tog rammetr ic Eng ineering and Remote Sensing,2002(65:71-75.3G ao B C.N DWIA No rmalized Difference Water In

23、dex for r emo te sensing o f veg etatio n liquid water fr om spaceJ.R emote Sensing of Envir onment,1996(58:257-266.4Liu W T,Ko gan F N.M onito ring reg ional dro ug ht using t he veg etatio n conditio n indexJ.Internatio nal Jo ur na l of Remo te Sensing,1996(17:2761-2782.5K o gan F N.A pplicat ion

24、 o f v egetation index and brig htness t em perat ur e fo r dr ought detectio nJ.A dvances in Space Research,1995b(15:91-100.6K o gan F N.G lo bal dr ought and flo od watch fro m N O A A polar o rbiting satellitesJ.A dvances in Space Resear ch,1998(21:477-480.7Wang P,L i X,Gong J,et al.V egetaion te

25、mperature condition index and it s applicatio n for dr ought monito ringC/P roc.2001I nter nat ional G eoscience and Remo te Sensing Sy mpo sium.,2001:141-143.8Sandho lt I,Rasmussen K,Andersen J.A sim ple int erpretatio n of the sur face temper atur e/v eg etatio n index space fo r assessment of surface moist ur e stat usJ.Remot e Sensing Envir onment,2002(79:2