基于遺傳算法的跨境電商綜試區示例園布局優化研究

文/臺德藝 邱嘉文

為解決我國跨境電商綜合試驗區內部布局優化問題，應用遺傳算法對先導示例園區進行建模，MATLAB仿真顯示遺傳算法建模優化的園區布局求解效率更高，目標更優，結果受人為主觀因素影響較小?；谶z傳算法的綜試區內部布局優化方法對于我國跨境電商綜試區內部布局優化具有一定借鑒意義與參考價值。

1.引言：

科技進步與經濟全球化促進跨境電商行業快速發展的同時，也令我國跨境物流業面臨著巨大挑戰[1]?？缇澄锪魃婕安煌瑖业暮ｊP、檢驗檢疫、物流、倉儲、配送等多個環節，成為制約跨境電商發展的主要因素[2]。構建物流信息共享平臺、推進海外倉建設、優化跨境通關政策，對于解決跨境物流協作、成本控制、通道建設、通關與運輸時效有一定的促進作用[3]?？缇畴娮由虅站C合試驗區（以下簡稱綜試區）是國家在一些城市區域設立的具有跨境電子商務綜合服務性質的先行先試區，通過制度創新、管理創新、服務創新以及協同發展，以期破解跨境電子商務發展中的體制性難題。有學者通過建立了評價指標體系，驗證了跨境電商運營績效與經濟水平的相關性[4]，我跨境電商綜試區對我國外貿轉型升級有重要影響[5]，綜試區信息化建設可以有效提升區內運行效率[6]，跨境電商綜試區對于供應鏈企業的有效整合節約了企業成本、提升了跨境電商效率[7]。綜試區內部功能區規劃主要根據園區使用性質對其內部區域進行定位與設計，或是根據功能區的分類進行區域規劃，協調多個單一服務功能區進行園區功能系統布局[8]。根據物流區與非物流區關系強度，灰色馬爾科夫預測模型以相互關系密切的功能區就近布置為原則，加入實際制約條件，可有效改進布局，提高區域協同能力[9]。也有學者建立了考慮物流園區規模經濟和物流需求不確定情況下的物流園區布局優化模型[10]，基于基本功能子區的圖論法子區布局與漸推法整體布局優化方法[11]。相關研究主要針對跨境電商物流、綜試區外部運行、傳統跨境產業園區的不足展開，較少針對功能性物流園區內部布局的優化問題及示例園區內部優化問題。本文依據跨境電商行業的固有屬性，對綜試區內部布局優化進行討論，采用遺傳算法對綜試區示例園進行內部布局優化，從優化布局角度為跨境電商綜試區內部布局提供借鑒與參考。

2.基于遺傳算法的跨境電商綜試區示例園建模分析

2.1 建模

2.1.1 假設條件

①綜試區內各個功能區在同一個二維平面上；

②規劃的綜試區面積確定，形狀為矩形地塊；

③綜試區內部功能區數量為n。園區所在平面左下角為坐標原點，向右延展為X軸正方向，向上延展為Y軸正方向，形成座標系；

④功能區區塊形狀為矩形，位于綜試區二維布局坐標系統中，且邊與X軸和Y軸平行；

⑤（xi，yi）和（xj，yj）為功能區i和功能區j在綜試區平面座標系上的中心點坐標；

⑥功能區的進、出口設置在各個功能區邊緣中心的兩端，且功能區不能隨意穿越，如圖1所示。

圖1 功能區布局示意圖

2.1.2 目標函數

約束條件:提高整體系統效率、降低系統成本，以園區總體運輸費用最小，以及功能區鄰接度關系最大為目標。建立式函數模型，公式（1）、公式（2）、公式（3）、公式（4）、。

式中：Z1為綜式區內部各功能區物流成本的總和；Tij為功能區i和功能區j之間的單位物流成本；Pij為功能區i和功能區j之間的日平均物流量；Z2為各功能區相關關系總和；TRij為功能區i和功能區j之間的綜合相互關系；m1為功能區間的物流關系；n1為功能區間的非物流關系；bij為功能區i和功能區j鄰接度，其中Dij為功能區之間曼哈頓距離的計算公式。

為求解上述公式（1）-公式（4）的多目標函數模型，需要將多目標函數通過歸一化賦權轉為單目標函數，從而使本模型的多目標優化問題轉化為求單目標函數的最小值問題。如公式（5）所示，期中ω1和ω2為權重，滿足ω1+ω2=1。

3.編 碼求解

遺傳算法是一種模擬自然界生物進化機制中適者生存法則的算法，通過保留適應度高的解，去除適應度低的解，在所有可能的解中找出最優解。遺傳算法求解步驟如圖2示。遺傳算法在確定編碼方式后，隨機生成初始種群，計算初始種群適應度，選擇優秀個體進行復制，對復制個體進行交叉和變異增加算法接近最優解能力，反復迭代最終輸出最佳方案。

圖2 遺傳算法求解步驟

3.1 編碼方式

功能區的布局采用自動換行策略，即坐標系中同一行內的功能區長度超過最大空間長度時，將本行最后一個位置的功能區自動換行到下一行。功能區編碼方式為[{m1，m2，…，mn}，{Δ1，Δ2，…，Δn}]，其中mi代表功能區i，代表功能區Δi和功能區i-1之間的凈間距。

3.2 初始種群

初始種群的分布狀態直關系到遺傳算法的在全局上的收斂性和其算法的效率性。本文采取隨機生成50個初始種群，用實際排序替換掉隨機生成的部分排列方式提升檢索性。

3.3 適應度函數

為簡化計算的時間復雜度，需要對遺傳算法的設置適當的適應度函數，提高其收斂速度。本文對遺傳算子采用自動換行策略，排布過程中在X方向不允許功能區超出總面積區域，對Y反向超出設置懲罰函數，設置與目標函數一致的適應度函數，提高求解效率。如公式（12），公式（13）所示：

3.4 選擇算子

遺傳算法采用經典輪盤對賭選擇方法，種群按概率進行選擇以得到新種群，適應度越高被選中的概率越大，個體被選中的概率與其適應度成正比。

3.5 交叉算子

用部分映射交叉方法處理染色體中功能區排列序列的交叉操作，用算術交叉方法處理染色體中功能區間凈間距的交叉操作。

3.6 變異操作

只對功能區間的凈間距{Δ1，Δ2，…，Δn}進行變異處理，其中取區間[0，0.03]是為設備凈間距的范圍。

4.MATLAB仿真

假設S市跨境綜試區占地面積6.36平方公里，其優越的地理區位對外鄰接非保稅物流園區、集裝箱內河轉運區以及危險品倉儲區等其他物流運作區域，其中內部主要規劃開發和建設保稅區、海關監管區、海關查驗區、輔助作業區、倉儲配送區、國際中轉區、綜合管理區等一些功能區域。各功能區塊如表1所示：

表1 跨境電商綜試區功能區塊

在MATLAB R2019b版本中將當前算法初始種群設置為100，并將其變異概率為0.1，交叉概率設置為0.6，迭代次數設為500，其懲罰系數設為500，通過運用MATLAB求解遺傳算法，運行結果的迭代如圖3所示，其中橫坐標表示的是遺傳算法求解過程中迭代的次數，縱坐標代表求解過程中最優目標變化的函數值，最終得到的最優結果為{1 7 2 8 4 6 3 10 9 5}布局排列方式。

表2 物流強度從至表（單位：萬/標箱）

圖3 遺傳算法迭代圖

5.結論

通過對比圖4和圖5可以看出，海關檢驗區、輔助作業區與保稅區與倉儲物流區關系密切度密切度較大，國際中轉區與外界關系密切，布置在邊緣區域，商貿服務區靠近邊緣位置，不含園內物流關系，綜合管理區位于多個功能區中間，符合實際情況要求，總體布局體達到預期效果。

圖4 跨境電商綜試區示例園原布局圖

圖5 改進后的園區布局圖

（1）新布局與原布局相比，在各個方面都有著不同程度的優化?；谕恋丶s原則，新布局在面積利用率上有很大的提升；并且運輸成本降低32.4%左右。

（2）與傳統方法相比，基于遺傳算法得到的布置結果更優合理。

（3）與傳統方法相比，運用遺傳算法求解效率更高，通過算法求解的曼哈頓距離結果受人為主觀因素影響也較小。C