张思奇，于登辉，张云凤，刘 阳

（沈阳建筑大学，辽宁 沈阳 110168）

1 引言

物流园区是现代物流发展中的新生事物，也是中国区域物流系统规划中的重中之重。简单来讲，物流园区就是由第三方企业集中管理，依托相关物流服务设施为众多企业提供物流基础服务的物流产业集聚区和经济功能区，具有降本增效，促进生产厂商和消费者沟通的功能。

当前，物流园区已成为物流领域的投资热点，电商、快递、冷链、汽车等专业园区大量出现，物流园区逐渐向空港、海港、公路港、铁路港、陆港、无水港[1-6]细分，多式联运成为现在主流趋势。由于物流园区建设需要占用大量的土地和资金等，如果不对物流园区进行科学规划布局，将会严重降低物资运输效率，提高货运成本，不能发挥带动地区经济发展的作用，甚至造成周边交通拥堵引发社会问题。

为促进中国物流园区的发展，在分析行业发展现状和趋势的基础上，文章将从物流园区布局优化入手，详细论述物流领域的学术研究现状及未来发展趋势，以期为物流学科的学术研究与发展提供参考和借鉴。由于资料、水平有限，时间仓促，该综述还不够系统和完善，对一些问题分析的深度和广度还不够，敬请广大读者批评指正。

2 物流园区布局方法梳理

物流园区布局方法理论源于工厂布局设计，伴随工厂布局设计研究的不断深入，物流园区布局也参照性的选择了一些方法，如：工程图表发、流程图法、现代数理上的优化法、近似法等，还有定性定量分析的SLP法、CORELAO法、ALDEP法和Multiple法等。较为常用的设施布置方法见表1。

表1 设施布置方法汇总表

随着社会的进步，信息产业的发展，物流园区布局方法也发生了相应的改变。最初的摆样法、图解法仅适用于简单相关系统不复杂的物流园区布局，随着物流园转变为具有产业发展性质的经济功能区，最初的方法逐渐被淘汰，物流园区布局需要更加科学有效的布局方法，计算机与SLP相结合的新型布局方法逐渐成为主流方法。

系统化布置设计（SLP）是由理查德·缪瑟工程师于20 世纪60年代阐述的一种极具代表性的研究方法。这套理论方法在80年代时，通过Muther 来我国访问和讲学而传入了中国，并在与中国具体实际相结合中发展和壮大，继而被运用到各种园区布置以及物流规划之中，它作为一种基础的布局模式，广泛的应用于各种园区的新建、重建以及对园区的布置优化和调整中。具体流程如图1所示，系统布置方法条理清晰，结合了物流分析与作业单位关系密切程度分析,进而定性定量分析出各功能区的密切程度，因此在布置设计领域获得极其广泛的运用。

近年来，将计算机与系统布局法相结合，利用计算机的强大功能使得运算更高效,节省了大量人力和财力, 帮助人们解决设施布置的复杂任务,为生产系统的设施新建和重新布置提供强有力的支持和帮助，利用启发式算法可以解决布局中多目标函数的无确定解问题，为求解提供了另一种选择。

图1 系统布置设计的一般流程

3 物流园区布局算法研究现状

回顾物流行业的发展历程，经历了半个多世纪的发展，物流园区布局相关理论逐渐系统化。通过对国内外相关文献的阅读，对于物流园区布局算法相关研究基本分为三类：一类通过构建数学模型增加约束条件来优化布局方案；另一类通过改善算法优化结果使结果更加接近最优解；此外，大部分布局都是基于理想化模型建立的，对于一些无法忽略的因素也必须得到讨论，第三类文献主要研究如何将布局成果更好的应用于实际情况。

3.1 目标函数优化

传统的系统布局法主观性较强，特别是当问题较为复杂时，决策者难以客观调整布局方案来贴合实际，因此通过增加约束条件，建立目标函数来构建最优方案。因此杨华龙[7]在生鲜农产品物流园区布局优化中，以从产地、预冷站、配送中心到各个需求点总物流费用最小为目标函数，建立了物流网络布局非线性规划模型来求解布局方案。但是单目标优化问题仅适用于目标单一简单的问题，对于布局中较复杂的问题就需要构建多目标函数，来得到更优的布局方案，下面将列举数例具有代表性的研究成果，米婷露[8]建立了基于功能区间物料搬运成本最小和邻接关联度最大的多目标数学模型，同时将园区的功能区划分为实体功能区和虚拟功能区，在多目标中间进行协调折中处理，使各个子目标尽可能地达到最优化，进而得到最优布局方案。李京文等[9]以总运输成本最小化为目标，引入固定运输成本、变动运输成本与运距的关系，构建钢铁物流园多目标函数约束模型来求解最终方案。郭飞宇[10]建立以综合关系最大、搬运成本最低和土地改造成本最低为目标的多目标设施布局模型，来改进设施布局法。综合来看，多目标函数模型更加复杂也更加符合日益复杂的物流园区布局，长期来看，物流园区专业细分的趋势不可避免，未来的园区布局应针对不同物流园区的不同布局问题建立不同的约束条件。

3.2 改进算法优化

建立了多目标模型接下来就是求解了，求解多目标规划的方法大体上有以下两种：一种是化多为少的方法，即把多目标化为比较容易求解的单目标或双目标，如主要目标法、线性加权法、理想点法等；另一种是分层序列法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。在这些理论指导下，算法求解方法层出不穷，也在不断发展，新类型的算法应用极大的改进了数据求解结果，同时新的方法不断被引入来解决布局中遇到的问题。Linda K[11]较早的将遗传算法应用于解决工厂布局问题中。由于遗传算法具备全局最优搜索性，可以有效地避免陷入局部极小点，所以在接下来时间里得到广泛应用。但是遗传算法不能直接处理约束条件，因此郝红艳[12]在解决多目标函数问题时，引入惩罚函数将约束问题转化为无约束问题以方便求解。受到函数算法之间转化的启发，马驰等[13]将模块长宽比范围作为罚函数的方法转化为考虑路网最短路距离的Dijkstra算法，采用分割树作为中间媒介，将遗传算法的染色体和配置布局的结果对应转化，保持染色体的合法性，使模型更符合实际情况，解空间更自由。除此之外，引入新算法往往会获得更好的方案，胡芳朋[14]在功能分区物流关系和非物流关系分析时添加了采用了带约束条件的Tompkins 算法，较传统方法更快的得出了HC钢材物流园区布局方案。

随着算法自身的不断发展，虽然专家学者一直都在不断改进，但是算法本身还是存在不足，因此算法间取长补短相互结合成为发展趋势。遗传算法（GA）对于初始种群的选择比较挑剔，容易产生过早收敛现象，同时后期搜索效率低。为了优化算法，高健等[15]在遗传算法的基础上，加入了爬山算法，优化了求解过程，其最终结果优于仅利用遗传算法得到的方案，具有一定的优越性和可行性。除了在算法基础上改进，研究高效并行或分布式算法也是提高效率精确度的发展方向，相对于遗传算法，粒子群算法（Particle Swarm Optimization，PSO）作为一种依据鸟群捕食开发的一种新算法，对初始种群要求没有那么高，且在不同阶段收敛速度都不一样。因此根据两者的优缺点，周略略等[16]在遗传算法的基础上，将遗传算法与粒子群算法相结合，设计出了遗传-粒子群算法对目标函数进行求解。王玖河[17]也获得启发设计了粒子群算法和模拟退火算法相结合的SAPSO 法对多目标模型进行求解，模拟退火算法（Simulated Annealing Algorithm，SA）最早是由Metropolis 提出的，该方法的思想源于固体退火原理，SAPSO法既汲取了PSO 法收敛速度快的特点，又可利用SA 法来抑制过早收敛，可以获得较好的布局方案。谷乐阳[18]获得微进化机理的启发，将传统的遗传算法与微进化机理进行结合，与传统的遗传算法相比，微进化算法进化时保留的是最优的基因结构，而遗传算法则是保留的最优染色体。微进化算法通过将优势基因进行保留，缩小了保留的范围，可以更快的找到最终方案。刘姣姣[19]将传统的遗传算法与模拟退火算法结合，发挥遗传算法泛化搜索和模拟退火算法局部精细化搜索的优点，为避免Hamming悬崖问题，采用格雷码进行算法设计。综上，在物流园区布局中多采用启发式智能算法[20-24]来解决NP-hard 问题，目前还没有一种通用的传统优化方法，能够有效的处理这类型问题，因此，随机搜索算法，在未来将会成为人们解决布局问题的主要方法。启发式算法的研究,在理论方面还处于不断发展中,新思想和新方法仍不断出现。就目前而言，其发展方向有如下几个方面：

（1）整理归纳分散的研究成果,建立统一的算法体系结构。

（2）在现有的数学方法（模式定理、编码策略、马尔可夫链理论、维数分析理论、复制遗传算法理论、二次动力系统理论、傅立叶分析理论、分离函数理论、Walsh函数分析理论）的基础上寻求新的数学工具。

（3）开发新的混合式算法及开展现有算法改进方面的研究。

（4）研究高效并行或分布式优化算法。

3.3 布局方案实际化

在实际物流园区布局中，各功能区建设区域往往是不规则的需要依据规划区域合理调控，同时物流园区布局还要考虑对周围居民以及环境的影响，随着相关理论的发展，这些问题逐渐被考虑在物流园区规划布局中。

传统的SLP 方法将待布局的物流园区看作没有任何约束的“白纸”，实际上待布置园区往往有内部或周边道路、地理障碍等约束条件。物流园区是相对宏观的空间，必须考虑内外部交通条件、地理障碍等因素。因此，物流园区在平面布局时应视为一个有约束条件的布置问题，即在平面布局时将内外部交通、地理障碍等因素也考虑在内。陈敏[25]详细的研究了相关问题，对道路的布置，以及出入口进行了优化建模求解；樊旭睿[26]考虑功能区布局对周边外部环境的影响，引入环境间隔距离的概念，并构建了考虑环境间隔距离的综合服务型物流园区功能区布局模型。除了以上考虑因素，如果物流园区内在规划时己有不适合拆除的铁路线、道路主干道或园区内有河流等自然障碍时，可以在分析功能分区之间综合关系时将约束条件视为“功能区”，一并进行物流、非物流关系分析，从而得到各功能区及约束条件之间的密切程度。

此外，功能区边界一般被理想化为矩形，实际情况中并非如此，常常是不规则的形状，对于这样的情况M.I.M.Wahab[27]针对不规则形状功能区，提出了一种结合改进的自适应遗传算法和散点搜索的启发式方法。孙焰等[28]以栅格数据结构为基础，构建了不规则物流园区功能区块布局的多维集合划分模型，突破了只能描述矩形布局的限制，结合图像处理技术，将布局后的栅格图像矢量化以提取出图像拓扑结构，并且基于割树设计了变邻域搜索算法对模型进行求解，为物流园区功能区块布局提供了普遍适用的方法。

另外，考虑到SLP 方法缺乏动态柔性，基于工厂设施布置动态模型的启发，黄梦婷[29]引入模糊聚类的分析方法来优化布局，通过建立涉及交通、环境、储存、货物的四类十个指标，采用传递闭包法构建模糊等价矩阵进行功能聚类分析，得出聚类功能区，再结合由SLP得出的初步优化布局图，得出最终优化布局图，使设计方案具有一定的动态柔性。

4 结语

通过对国内外相关研究文献的分析，可以看出物流园区布局规划的方法日趋完善，针对设施布局方法的各种改进优化使设施布局理论更加完善，基本形成了一整套完整的理论，布局理论优化基本从三方面入手：

（1）增加约束条件来建立更加符合实际情况的目标函数。

（2）启发式算法的逐步发展。

（3）具体物流园实际提供具体方案以适应地区发展。

当前的布局理论科学高效，但仍然存在针对具体类型物流园区布局规划适用性不高的现象，仍然有很大的改动优化空间，在物流园区交通组织方面以及物流园区对周边交通环境的影响方面相关研究较少，对于物流园的布局优化改进中，很少考虑将环境能耗等约束条件加入目标函数中，很少考虑布局方案的动态柔性问题。未来的发展仍有很大的改进空间。