基于城市扩张的动态选址模型--以深圳垃圾转运站选址为例

现有的许多选址模型研究,主要集中在对选址算法的改进,而忽略了城市作为复杂地理系统所具备的不确定性和动态发展性对选址结果的影响。这往往导致最终的选址结果在设施投入使用后,无法满足新的需求甚至出现不适应新环境的情况。本文将基于GeoCA(地理元胞自动机)的城市扩张模型引入到传统的Location-allo-cation选址模型中,构建一个动态的选址模型框架,探索如何将选址结果建立在动态的、科学的城市形态预测基础上,促使选址结果更具有客观性、先见性和更符合可持续发展观,这也正是本研究的重要意义所在。同时,框架中的许多子模型都能够单独被优化,具有高度的可伸缩性,能够自适应于特定区域的选址要求。

考虑库存成本的配送中心动态选址模型及算法

为了解决传统配送中心选址没有同时考虑库存持有成本和决策环境的动态变化的问题,建立了一种新的模型。首先,利用两步骤近似方法获得(Q,R)库存策略下每一个周期配送中心的库存成本计算公式;然后,针对传统设施动态选址模型对选址成本的不恰当表示进行了修正,并与库存成本计算方法相结合,从而建立考虑库存成本的配送中心动态选址模型。最后,分别用遗传算法、克隆选择算法、粒子群优化算法求解所建立的模型,并从算法的精确度、稳定性、运算速度和收敛性比较了三种算法的性能。算例测试结果表明:所建立的模型是有效的;从总体上看,遗传算法的适应性要强于克隆选择算法和粒子群算法。