王浩炜贾舒媛2 王超2 蔡起健2
1山西大学商务学院 山西 太原 030000;
2攀枝花学院智能制造学院 四川 攀枝花 617000
摘要：选取P市火车站为研究对象。阐述其布局现状，运用SLP（系统布置设计）方法，分析其物流和非物流关系，得到车站站内各作业单位的综合相互关系表，进行分析得到两种优化布局排布方式，并将该两种布局方式作为遗传算法（GA）的初始种群部分个体，建立客流最低移动成本和作业单位之间相互关系密切程度最高的多目标问题，将多目标问题通过赋予不同权重值转换为单目标函数，并建立目标函数的约束条件，结合带精英策略的遗传算法，使用Matlab软件求解，最终求得布局满意解。通过对比发现，SLP-GA结合所求得的布局满意解，更加满足多目标规划要求，为火车站的布局规划提供更为合理科学的布局方案。
关键词：设施布局，系统布置设计（SLP），遗传算法（GA）
0 绪论
火车站是城际交往的起点，是城市的中心与枢纽，预计到2020年末，我国旅客发送量达40亿人次。在如此庞大的流量需求下，火车站的布局与规划设计显得尤为重要。在解决设施布局优化问题时，系统布置设计（Systematic Layout Planning，简称SLP）方法，由于掺杂较多人为主观意见，造成优化布局准确性和有效性不高。但如果同时引入智能算法，利用其全局搜索的广度和深度，可以大幅提升布局优化效果。本文将SLP方法结合遗传算法（Genetic Algorithm，简称GA）应用到P市火车站布局，以求得布局优化满意解。
1 火车站布局现状
本文研究对象为旧式火车站，随着社会的发展，旅客折返路线长等布局弊端逐渐暴露。本火车站分为两层。因二楼候车厅布局简单、候车人数少，暂且不考虑对其改造，故只对人流集中的一楼进行研究改造。目前该火车站站内各个区域的布局分布如图1所示。
图1 火车站布局图
2 运用SLP法布局规划
2.1 物流关系分析
本文通过对日均客流量大小进行综合估算，采用“从—至表法”对站内客流路线进行物流分析。按照往来的物流量（人流量）来划分各作业单位之间的物流强度等级，分为A（超高物流强度）、E（特高）、I（较高）、O（一般）、U（可忽略搬运）级。
2.2 非物流关系分析
火车站作业单位之间除了客流进出物流关系外，还存在影响各单位之间设施规划的非物流，根据不同站点的实际情况对各单位之间非物流关系的影响因素（考虑流程的连续性和选择性等因素）进行评估，来划分各作业单位对之间非物流强度表。
2.3 车站站内综合相互关系分析
考虑到物流因素在火车站设施布局中起着关键作用，非物流因素仅起一定的辅助作用，综合判断本案例中物流与非物流关系的相对比例取值3：1。通过对这些关系进行量化，量化取值A=4，E=3，I=2，O=1，U=0，再评级、赋权重，最终获取作业单位综合相互关系计算，并对密切关系的等级进行分类。
2.4 火车站站内作业单位位置相关图
由于站前广场面积太大，只起到客流聚集、车辆协调调度的作用，且本文主要研究对象是对火车站客流路径有影响的站房内设施布局，因此站前广场不作考虑纳入具体设施区域的设计。根据上述综合判断，得到相应的两个布局较优方案。
3 遗传算法模型的建立及运用
接下来采用带精英策略的遗传算法来提高布局优化设计的科学性，将上述两种布局方案作为遗传算法中的初始化个体参与到接下来的操作中，通过各作业单元之间的组合优化，以挑选更优布局方案。
3.1 建立模型
依据上述内容继续将火车站划分为7个作业单位。为了学术研究方便，对车站布局模型作如下设定：（1）车站各作业单位共平面；（2）车站各作业单位的形状均为矩形，且作业单位的边分别与车站总布局坐标轴平行；（3）设置作业单位的中心坐标。
基于对火车站布局问题的描述，站内设施规划追求两个基本目标：
（1）考虑物流关系下的目标函数，客流在站内的移动成本最小化。
（2）接下来考虑非物流关系下的目标函数，各作业单位关系密切程度总和最大化。
约束条件考虑：保障各作业单元在布局区域内，且布局区域总面积大于各个作业单元的面积之和；保障各个作业单元不重叠。
3.2 模型参数设计
本案例的适应度函数表示为目标函数的倒数。通过参阅专家文献，权衡各个论文中的权值比重，并依照火车站内的物流因素和非物流因素的重要程度分析，评估得出客流站内移动成本项的权值为0.6，密切程度项的权值0.4，本文设置进化环境种群量大小50，设置最大遗传代数200，同时设定本文的交叉概率为0.8，变异概率为0.05。
3.3 运行结果
运行Matlab软件运行代码之后，得到迭代曲线图，从迭代图中可以看出。在第32代趋于收敛，同时也得到优化布局图2。
图2 布局优化图
3.4 布局改进及结论
通过前文对火车站各作业单位的研究与分析，结合实际客流量，将求解得出的布局与实际情况相结合，在一楼候车厅内左下角处新增一个厕所，同时对候车厅的安检处进行面积扩充，减少其只有一个安检通道在人流量密集时所带来的拥挤和排队等候等浪费时间问题。对比发现，SLP-GA的结合与运用求解后所得出的布局结果，使得顾客的站内移动成本随之减少，车站的站内空间和设备利用率更加合理，更能符合火车站布局规划的目标和要求。
参考文献
[1]戢守峰.现代设施规划与物流分析[M]. 北京:机械工业出版社,2017.
[2]李碧轩.基于SLP方法和遗传算法的仓库设施规划[D].广西:广西大学,2016.
[3]西曼.基于SLP和遗传算法的工厂布局仿真及应用[J].企业技术开发,2015,(7):65-66.
[4]颜雪松,伍庆华,胡成玉.遗传算法及其应用[M].武汉:中国地质大学出版社,2018.