張思奇，于登輝，張云鳳，劉 陽

（沈陽建筑大學，遼寧 沈陽 110168）

1 引言

物流園區(qū)是現(xiàn)代物流發(fā)展中的新生事物，也是中國區(qū)域物流系統(tǒng)規(guī)劃中的重中之重。簡單來講，物流園區(qū)就是由第三方企業(yè)集中管理，依托相關物流服務設施為眾多企業(yè)提供物流基礎服務的物流產(chǎn)業(yè)集聚區(qū)和經(jīng)濟功能區(qū)，具有降本增效，促進生產(chǎn)廠商和消費者溝通的功能。

當前，物流園區(qū)已成為物流領域的投資熱點，電商、快遞、冷鏈、汽車等專業(yè)園區(qū)大量出現(xiàn)，物流園區(qū)逐漸向空港、海港、公路港、鐵路港、陸港、無水港[1-6]細分，多式聯(lián)運成為現(xiàn)在主流趨勢。由于物流園區(qū)建設需要占用大量的土地和資金等，如果不對物流園區(qū)進行科學規(guī)劃布局，將會嚴重降低物資運輸效率，提高貨運成本，不能發(fā)揮帶動地區(qū)經(jīng)濟發(fā)展的作用，甚至造成周邊交通擁堵引發(fā)社會問題。

為促進中國物流園區(qū)的發(fā)展，在分析行業(yè)發(fā)展現(xiàn)狀和趨勢的基礎上，文章將從物流園區(qū)布局優(yōu)化入手，詳細論述物流領域的學術研究現(xiàn)狀及未來發(fā)展趨勢，以期為物流學科的學術研究與發(fā)展提供參考和借鑒。由于資料、水平有限，時間倉促，該綜述還不夠系統(tǒng)和完善，對一些問題分析的深度和廣度還不夠，敬請廣大讀者批評指正。

2 物流園區(qū)布局方法梳理

物流園區(qū)布局方法理論源于工廠布局設計，伴隨工廠布局設計研究的不斷深入，物流園區(qū)布局也參照性的選擇了一些方法，如：工程圖表發(fā)、流程圖法、現(xiàn)代數(shù)理上的優(yōu)化法、近似法等，還有定性定量分析的SLP法、CORELAO法、ALDEP法和Multiple法等。較為常用的設施布置方法見表1。

表1 設施布置方法匯總表

隨著社會的進步，信息產(chǎn)業(yè)的發(fā)展，物流園區(qū)布局方法也發(fā)生了相應的改變。最初的擺樣法、圖解法僅適用于簡單相關系統(tǒng)不復雜的物流園區(qū)布局，隨著物流園轉變?yōu)榫哂挟a(chǎn)業(yè)發(fā)展性質的經(jīng)濟功能區(qū)，最初的方法逐漸被淘汰，物流園區(qū)布局需要更加科學有效的布局方法，計算機與SLP相結合的新型布局方法逐漸成為主流方法。

系統(tǒng)化布置設計（SLP）是由理查德·繆瑟工程師于20 世紀60年代闡述的一種極具代表性的研究方法。這套理論方法在80年代時，通過Muther 來我國訪問和講學而傳入了中國，并在與中國具體實際相結合中發(fā)展和壯大，繼而被運用到各種園區(qū)布置以及物流規(guī)劃之中，它作為一種基礎的布局模式，廣泛的應用于各種園區(qū)的新建、重建以及對園區(qū)的布置優(yōu)化和調整中。具體流程如圖1所示，系統(tǒng)布置方法條理清晰，結合了物流分析與作業(yè)單位關系密切程度分析,進而定性定量分析出各功能區(qū)的密切程度，因此在布置設計領域獲得極其廣泛的運用。

近年來，將計算機與系統(tǒng)布局法相結合，利用計算機的強大功能使得運算更高效,節(jié)省了大量人力和財力, 幫助人們解決設施布置的復雜任務,為生產(chǎn)系統(tǒng)的設施新建和重新布置提供強有力的支持和幫助，利用啟發(fā)式算法可以解決布局中多目標函數(shù)的無確定解問題，為求解提供了另一種選擇。

圖1 系統(tǒng)布置設計的一般流程

3 物流園區(qū)布局算法研究現(xiàn)狀

回顧物流行業(yè)的發(fā)展歷程，經(jīng)歷了半個多世紀的發(fā)展，物流園區(qū)布局相關理論逐漸系統(tǒng)化。通過對國內(nèi)外相關文獻的閱讀，對于物流園區(qū)布局算法相關研究基本分為三類：一類通過構建數(shù)學模型增加約束條件來優(yōu)化布局方案；另一類通過改善算法優(yōu)化結果使結果更加接近最優(yōu)解；此外，大部分布局都是基于理想化模型建立的，對于一些無法忽略的因素也必須得到討論，第三類文獻主要研究如何將布局成果更好的應用于實際情況。

3.1 目標函數(shù)優(yōu)化

傳統(tǒng)的系統(tǒng)布局法主觀性較強，特別是當問題較為復雜時，決策者難以客觀調整布局方案來貼合實際，因此通過增加約束條件，建立目標函數(shù)來構建最優(yōu)方案。因此楊華龍[7]在生鮮農(nóng)產(chǎn)品物流園區(qū)布局優(yōu)化中，以從產(chǎn)地、預冷站、配送中心到各個需求點總物流費用最小為目標函數(shù)，建立了物流網(wǎng)絡布局非線性規(guī)劃模型來求解布局方案。但是單目標優(yōu)化問題僅適用于目標單一簡單的問題，對于布局中較復雜的問題就需要構建多目標函數(shù)，來得到更優(yōu)的布局方案，下面將列舉數(shù)例具有代表性的研究成果，米婷露[8]建立了基于功能區(qū)間物料搬運成本最小和鄰接關聯(lián)度最大的多目標數(shù)學模型，同時將園區(qū)的功能區(qū)劃分為實體功能區(qū)和虛擬功能區(qū)，在多目標中間進行協(xié)調折中處理，使各個子目標盡可能地達到最優(yōu)化，進而得到最優(yōu)布局方案。李京文等[9]以總運輸成本最小化為目標，引入固定運輸成本、變動運輸成本與運距的關系，構建鋼鐵物流園多目標函數(shù)約束模型來求解最終方案。郭飛宇[10]建立以綜合關系最大、搬運成本最低和土地改造成本最低為目標的多目標設施布局模型，來改進設施布局法。綜合來看，多目標函數(shù)模型更加復雜也更加符合日益復雜的物流園區(qū)布局，長期來看，物流園區(qū)專業(yè)細分的趨勢不可避免，未來的園區(qū)布局應針對不同物流園區(qū)的不同布局問題建立不同的約束條件。

3.2 改進算法優(yōu)化

建立了多目標模型接下來就是求解了，求解多目標規(guī)劃的方法大體上有以下兩種：一種是化多為少的方法，即把多目標化為比較容易求解的單目標或雙目標，如主要目標法、線性加權法、理想點法等；另一種是分層序列法，即把目標按其重要性給出一個序列，每次都在前一目標最優(yōu)解集內(nèi)求下一個目標最優(yōu)解，直到求出共同的最優(yōu)解。在這些理論指導下，算法求解方法層出不窮，也在不斷發(fā)展，新類型的算法應用極大的改進了數(shù)據(jù)求解結果，同時新的方法不斷被引入來解決布局中遇到的問題。Linda K[11]較早的將遺傳算法應用于解決工廠布局問題中。由于遺傳算法具備全局最優(yōu)搜索性，可以有效地避免陷入局部極小點，所以在接下來時間里得到廣泛應用。但是遺傳算法不能直接處理約束條件，因此郝紅艷[12]在解決多目標函數(shù)問題時，引入懲罰函數(shù)將約束問題轉化為無約束問題以方便求解。受到函數(shù)算法之間轉化的啟發(fā)，馬馳等[13]將模塊長寬比范圍作為罰函數(shù)的方法轉化為考慮路網(wǎng)最短路距離的Dijkstra算法，采用分割樹作為中間媒介，將遺傳算法的染色體和配置布局的結果對應轉化，保持染色體的合法性，使模型更符合實際情況，解空間更自由。除此之外，引入新算法往往會獲得更好的方案，胡芳朋[14]在功能分區(qū)物流關系和非物流關系分析時添加了采用了帶約束條件的Tompkins 算法，較傳統(tǒng)方法更快的得出了HC鋼材物流園區(qū)布局方案。

隨著算法自身的不斷發(fā)展，雖然專家學者一直都在不斷改進，但是算法本身還是存在不足，因此算法間取長補短相互結合成為發(fā)展趨勢。遺傳算法（GA）對于初始種群的選擇比較挑剔，容易產(chǎn)生過早收斂現(xiàn)象，同時后期搜索效率低。為了優(yōu)化算法，高健等[15]在遺傳算法的基礎上，加入了爬山算法，優(yōu)化了求解過程，其最終結果優(yōu)于僅利用遺傳算法得到的方案，具有一定的優(yōu)越性和可行性。除了在算法基礎上改進，研究高效并行或分布式算法也是提高效率精確度的發(fā)展方向，相對于遺傳算法，粒子群算法（Particle Swarm Optimization，PSO）作為一種依據(jù)鳥群捕食開發(fā)的一種新算法，對初始種群要求沒有那么高，且在不同階段收斂速度都不一樣。因此根據(jù)兩者的優(yōu)缺點，周略略等[16]在遺傳算法的基礎上，將遺傳算法與粒子群算法相結合，設計出了遺傳-粒子群算法對目標函數(shù)進行求解。王玖河[17]也獲得啟發(fā)設計了粒子群算法和模擬退火算法相結合的SAPSO 法對多目標模型進行求解，模擬退火算法（Simulated Annealing Algorithm，SA）最早是由Metropolis 提出的，該方法的思想源于固體退火原理，SAPSO法既汲取了PSO 法收斂速度快的特點，又可利用SA 法來抑制過早收斂，可以獲得較好的布局方案。谷樂陽[18]獲得微進化機理的啟發(fā)，將傳統(tǒng)的遺傳算法與微進化機理進行結合，與傳統(tǒng)的遺傳算法相比，微進化算法進化時保留的是最優(yōu)的基因結構，而遺傳算法則是保留的最優(yōu)染色體。微進化算法通過將優(yōu)勢基因進行保留，縮小了保留的范圍，可以更快的找到最終方案。劉姣姣[19]將傳統(tǒng)的遺傳算法與模擬退火算法結合，發(fā)揮遺傳算法泛化搜索和模擬退火算法局部精細化搜索的優(yōu)點，為避免Hamming懸崖問題，采用格雷碼進行算法設計。綜上，在物流園區(qū)布局中多采用啟發(fā)式智能算法[20-24]來解決NP-hard 問題，目前還沒有一種通用的傳統(tǒng)優(yōu)化方法，能夠有效的處理這類型問題，因此，隨機搜索算法，在未來將會成為人們解決布局問題的主要方法。啟發(fā)式算法的研究,在理論方面還處于不斷發(fā)展中,新思想和新方法仍不斷出現(xiàn)。就目前而言，其發(fā)展方向有如下幾個方面：

（1）整理歸納分散的研究成果,建立統(tǒng)一的算法體系結構。

（2）在現(xiàn)有的數(shù)學方法（模式定理、編碼策略、馬爾可夫鏈理論、維數(shù)分析理論、復制遺傳算法理論、二次動力系統(tǒng)理論、傅立葉分析理論、分離函數(shù)理論、Walsh函數(shù)分析理論）的基礎上尋求新的數(shù)學工具。

（3）開發(fā)新的混合式算法及開展現(xiàn)有算法改進方面的研究。

（4）研究高效并行或分布式優(yōu)化算法。

3.3 布局方案實際化

在實際物流園區(qū)布局中，各功能區(qū)建設區(qū)域往往是不規(guī)則的需要依據(jù)規(guī)劃區(qū)域合理調控，同時物流園區(qū)布局還要考慮對周圍居民以及環(huán)境的影響，隨著相關理論的發(fā)展，這些問題逐漸被考慮在物流園區(qū)規(guī)劃布局中。

傳統(tǒng)的SLP 方法將待布局的物流園區(qū)看作沒有任何約束的“白紙”，實際上待布置園區(qū)往往有內(nèi)部或周邊道路、地理障礙等約束條件。物流園區(qū)是相對宏觀的空間，必須考慮內(nèi)外部交通條件、地理障礙等因素。因此，物流園區(qū)在平面布局時應視為一個有約束條件的布置問題，即在平面布局時將內(nèi)外部交通、地理障礙等因素也考慮在內(nèi)。陳敏[25]詳細的研究了相關問題，對道路的布置，以及出入口進行了優(yōu)化建模求解；樊旭睿[26]考慮功能區(qū)布局對周邊外部環(huán)境的影響，引入環(huán)境間隔距離的概念，并構建了考慮環(huán)境間隔距離的綜合服務型物流園區(qū)功能區(qū)布局模型。除了以上考慮因素，如果物流園區(qū)內(nèi)在規(guī)劃時己有不適合拆除的鐵路線、道路主干道或園區(qū)內(nèi)有河流等自然障礙時，可以在分析功能分區(qū)之間綜合關系時將約束條件視為“功能區(qū)”，一并進行物流、非物流關系分析，從而得到各功能區(qū)及約束條件之間的密切程度。

此外，功能區(qū)邊界一般被理想化為矩形，實際情況中并非如此，常常是不規(guī)則的形狀，對于這樣的情況M.I.M.Wahab[27]針對不規(guī)則形狀功能區(qū)，提出了一種結合改進的自適應遺傳算法和散點搜索的啟發(fā)式方法。孫焰等[28]以柵格數(shù)據(jù)結構為基礎，構建了不規(guī)則物流園區(qū)功能區(qū)塊布局的多維集合劃分模型，突破了只能描述矩形布局的限制，結合圖像處理技術，將布局后的柵格圖像矢量化以提取出圖像拓撲結構，并且基于割樹設計了變鄰域搜索算法對模型進行求解，為物流園區(qū)功能區(qū)塊布局提供了普遍適用的方法。

另外，考慮到SLP 方法缺乏動態(tài)柔性，基于工廠設施布置動態(tài)模型的啟發(fā)，黃夢婷[29]引入模糊聚類的分析方法來優(yōu)化布局，通過建立涉及交通、環(huán)境、儲存、貨物的四類十個指標，采用傳遞閉包法構建模糊等價矩陣進行功能聚類分析，得出聚類功能區(qū)，再結合由SLP得出的初步優(yōu)化布局圖，得出最終優(yōu)化布局圖，使設計方案具有一定的動態(tài)柔性。

4 結語

通過對國內(nèi)外相關研究文獻的分析，可以看出物流園區(qū)布局規(guī)劃的方法日趨完善，針對設施布局方法的各種改進優(yōu)化使設施布局理論更加完善，基本形成了一整套完整的理論，布局理論優(yōu)化基本從三方面入手：

（1）增加約束條件來建立更加符合實際情況的目標函數(shù)。

（2）啟發(fā)式算法的逐步發(fā)展。

（3）具體物流園實際提供具體方案以適應地區(qū)發(fā)展。

當前的布局理論科學高效，但仍然存在針對具體類型物流園區(qū)布局規(guī)劃適用性不高的現(xiàn)象，仍然有很大的改動優(yōu)化空間，在物流園區(qū)交通組織方面以及物流園區(qū)對周邊交通環(huán)境的影響方面相關研究較少，對于物流園的布局優(yōu)化改進中，很少考慮將環(huán)境能耗等約束條件加入目標函數(shù)中，很少考慮布局方案的動態(tài)柔性問題。未來的發(fā)展仍有很大的改進空間。