郝芃斐，池 瑞，屈志坚，涂宏斌，池学鑫，张地友

（华东交通大学电气与自动化工程学院，南昌 330013）

0 引言

近年来，市场各种类型的物流形式都在不断地扩大着其服务的范围，争取实现物流中心的最大辐射范围和最佳利用率。铁路物流配送中心作为物流体系的重要基础设施，它具有速度快、费用低、运量大、连续性好的优点，在交通和物流业中发挥重要作用。铁路物流中心的建设对提升铁路货物运输服务品质、提供铁路物流可持续发展的基础设施具有重要意义［1］。

国内学者对于物流选址的问题进行了大量的研究分析。传统的求解方法主要有三种，分别是分支定界法、重心法与拉格朗日松弛法［2］，其中，分支定界法常用来解决小规模选址问题；重心法主要用于求解单一物流配送中心选址问题；拉格朗日松弛法则是可以求取中等规模问题的次优解。由于铁路物流配送中心选址模型是带有复杂约束的非线性模型，属于典型的NP-hard 问题［3］，而传统的群智能算法，像基本灰狼优化算法（Grey Wolf Optimizer，GWO）在迭代后期易陷于局部最优并且收敛精度不高［4］，无法很好地解决铁路物流中心选址的问题。目前，很多研究者通过运用一些智能算法与实际选址问题相结合来研究这个问题，如：袁群等［5］通过遗传算法（Genetic Algorithm，GA）和禁忌搜索算法相结合，并用贪婪算法改进基本遗传算法来有效避免早熟及局部最优现象，提高了求解物流选址最优解的效率；李茂林［6］为了解决传统猴群算法全局收敛度低的问题，通过非线性调节因子和lateral 变异策略对算法进行改进，最后将改进后的猴群优化算法用于物流配送中心选址的实际问题中；……