基于遗传算法的跨境电商综试区示例园布局优化研究

2022-03-30台德艺邱嘉文

中国储运 2022年4期

文/台德艺邱嘉文

为解决我国跨境电商综合试验区内部布局优化问题，应用遗传算法对先导示例园区进行建模，MATLAB仿真显示遗传算法建模优化的园区布局求解效率更高，目标更优，结果受人为主观因素影响较小。基于遗传算法的综试区内部布局优化方法对于我国跨境电商综试区内部布局优化具有一定借鉴意义与参考价值。

1.引言：

科技进步与经济全球化促进跨境电商行业快速发展的同时，也令我国跨境物流业面临着巨大挑战[1]。跨境物流涉及不同国家的海关、检验检疫、物流、仓储、配送等多个环节，成为制约跨境电商发展的主要因素[2]。构建物流信息共享平台、推进海外仓建设、优化跨境通关政策，对于解决跨境物流协作、成本控制、通道建设、通关与运输时效有一定的促进作用[3]。跨境电子商务综合试验区（以下简称综试区）是国家在一些城市区域设立的具有跨境电子商务综合服务性质的先行先试区，通过制度创新、管理创新、服务创新以及协同发展，以期破解跨境电子商务发展中的体制性难题。有学者通过建立了评价指标体系，验证了跨境电商运营绩效与经济水平的相关性[4]，我跨境电商综试区对我国外贸转型升级有重要影响[5]，综试区信息化建设可以有效提升区内运行效率[6]，跨境电商综试区对于供应链企业的有效整合节约了企业成本、提升了跨境电商效率[7]。综试区内部功能区规划主要根据园区使用性质对其内部区域进行定位与设计，或是根据功能区的分类进行区域规划，协调多个单一服务功能区进行园区功能系统布局[8]。根据物流区与非物流区关系强度，灰色马尔科夫预测模型以相互关系密切的功能区就近布置为原则，加入实际制约条件，可有效改进布局，提高区域协同能力[9]。也有学者建立了考虑物流园区规模经济和物流需求不确定情况下的物流园区布局优化模型[10]，基于基本功能子区的图论法子区布局与渐推法整体布局优化方法[11]。相关研究主要针对跨境电商物流、综试区外部运行、传统跨境产业园区的不足展开，较少针对功能性物流园区内部布局的优化问题及示例园区内部优化问题。本文依据跨境电商行业的固有属性，对综试区内部布局优化进行讨论，采用遗传算法对综试区示例园进行内部布局优化，从优化布局角度为跨境电商综试区内部布局提供借鉴与参考。

2.基于遗传算法的跨境电商综试区示例园建模分析

2.1 建模

2.1.1 假设条件

①综试区内各个功能区在同一个二维平面上；

②规划的综试区面积确定，形状为矩形地块；

③综试区内部功能区数量为n。园区所在平面左下角为坐标原点，向右延展为X轴正方向，向上延展为Y轴正方向，形成座标系；

④功能区区块形状为矩形，位于综试区二维布局坐标系统中，且边与X轴和Y轴平行；

⑤（xi，yi）和（xj，yj）为功能区i和功能区j在综试区平面座标系上的中心点坐标；

⑥功能区的进、出口设置在各个功能区边缘中心的两端，且功能区不能随意穿越，如图1所示。

图1 功能区布局示意图

2.1.2 目标函数

约束条件:提高整体系统效率、降低系统成本，以园区总体运输费用最小，以及功能区邻接度关系最大为目标。建立式函数模型，公式（1）、公式（2）、公式（3）、公式（4）、。

式中：Z1为综式区内部各功能区物流成本的总和；Tij为功能区i和功能区j之间的单位物流成本；Pij为功能区i和功能区j之间的日平均物流量；Z2为各功能区相关关系总和；TRij为功能区i和功能区j之间的综合相互关系；m1为功能区间的物流关系；n1为功能区间的非物流关系；bij为功能区i和功能区j邻接度，其中Dij为功能区之间曼哈顿距离的计算公式。

为求解上述公式（1）-公式（4）的多目标函数模型，需要将多目标函数通过归一化赋权转为单目标函数，从而使本模型的多目标优化问题转化为求单目标函数的最小值问题。如公式（5）所示，期中ω1和ω2为权重，满足ω1+ω2=1。

3.编码求解

遗传算法是一种模拟自然界生物进化机制中适者生存法则的算法，通过保留适应度高的解，去除适应度低的解，在所有可能的解中找出最优解。遗传算法求解步骤如图2示。遗传算法在确定编码方式后，随机生成初始种群，计算初始种群适应度，选择优秀个体进行复制，对复制个体进行交叉和变异增加算法接近最优解能力，反复迭代最终输出最佳方案。

图2 遗传算法求解步骤

3.1 编码方式

功能区的布局采用自动换行策略，即坐标系中同一行内的功能区长度超过最大空间长度时，将本行最后一个位置的功能区自动换行到下一行。功能区编码方式为[{m1，m2，…，mn}，{Δ1，Δ2，…，Δn}]，其中mi代表功能区i，代表功能区Δi和功能区i-1之间的净间距。

3.2 初始种群

初始种群的分布状态直关系到遗传算法的在全局上的收敛性和其算法的效率性。本文采取随机生成50个初始种群，用实际排序替换掉随机生成的部分排列方式提升检索性。

3.3 适应度函数

为简化计算的时间复杂度，需要对遗传算法的设置适当的适应度函数，提高其收敛速度。本文对遗传算子采用自动换行策略，排布过程中在X方向不允许功能区超出总面积区域，对Y反向超出设置惩罚函数，设置与目标函数一致的适应度函数，提高求解效率。如公式（12），公式（13）所示：

3.4 选择算子

遗传算法采用经典轮盘对赌选择方法，种群按概率进行选择以得到新种群，适应度越高被选中的概率越大，个体被选中的概率与其适应度成正比。

3.5 交叉算子

用部分映射交叉方法处理染色体中功能区排列序列的交叉操作，用算术交叉方法处理染色体中功能区间净间距的交叉操作。

3.6 变异操作

只对功能区间的净间距{Δ1，Δ2，…，Δn}进行变异处理，其中取区间[0，0.03]是为设备净间距的范围。

4.MATLAB仿真

假设S市跨境综试区占地面积6.36平方公里，其优越的地理区位对外邻接非保税物流园区、集装箱内河转运区以及危险品仓储区等其他物流运作区域，其中内部主要规划开发和建设保税区、海关监管区、海关查验区、辅助作业区、仓储配送区、国际中转区、综合管理区等一些功能区域。各功能区块如表1所示：

表1 跨境电商综试区功能区块

在MATLAB R2019b版本中将当前算法初始种群设置为100，并将其变异概率为0.1，交叉概率设置为0.6，迭代次数设为500，其惩罚系数设为500，通过运用MATLAB求解遗传算法，运行结果的迭代如图3所示，其中横坐标表示的是遗传算法求解过程中迭代的次数，纵坐标代表求解过程中最优目标变化的函数值，最终得到的最优结果为{1 7 2 8 4 6 3 10 9 5}布局排列方式。