2016，52（12）1引言物流节点的选址问题是物流和供应链管理领域的热点问题，物流节点的合理规划建设，不仅可以节约投资建设费用，而且有利于提高物流规模效益、优化城市结构、提高城市竞争力。在已有的许多研究中，对物流节点的选址往往只考虑了物流系统的运营费用最小，但是在“顾客就是上帝”的现代社会，企业之间的竞争不仅体现在盈利方面，更体现在服务水平和时间效率上[1-3]。因此，本文对物流节点的选址研究从多目标的角度出发，不仅考虑物流系统的运营费用，同时考虑顾客的时间满意度。对于多目标的物流节点选址模型的求解方法，目前的研究主要集中在两个方面：一是使用线性规划的方法求解，但该方法只适用于小规模选址问题[4]；二是通过适当调整启发式算法[5]来求解多目标的物流节点选址模型。
在众多启发式算法中，多目标粒子群算法（MOPSO ）[6]有易实现、机制简单、参数少、并行搜索等优点，因此受到了国内外研究学者的关注。文献[7-8]在研究选址问题时虽然引入了PSO 算法，但是将需要优化的多目标问题用权重系数转化为单目标问题，权重系数的设定具有盲目性，且无法产生多个可行解，决策者没有可选择的余地；文献[9-10]在研究多目标选址问题时采用罚函数对约束进行处理，而罚因子的选取也是一个难题；文献[11]利用多目标粒子群算法求解选址问题，但对非支配解集的多样性考虑不足，优化解的质量有待提高。因此，本
文在已有研究的基础上，针对多目标粒子群算法在选址问题中的不足，分别从外部存档的更新、粒子学习样本的选择以及粒子的变异三个方面对多目标粒子群算法改进MOPSO 在物流节点选址模型中的应用
赵海茹，陈玲
ZHAO Hairu,CHEN Ling
重庆大学自动化学院，重庆400030
College of Automation,Chongqing University,Chongqing 400030,China
ZHAO Hairu,CHEN Ling.Application of improved MOPSO in logistics node location https://www.doczj.com/doc/a59111462.html,puter Engineering and Applications,2016,52（12）：239-245.
Abstract ：In order to reduce the operating costs of logistics system,and improve the operational efficiency of logistics system,this paper establishes the logistics node location models with the aim to minimize logistics system operation costs and maximize customer time satisfaction.In the process of research,aiming at the shortcomings of multiple objective par-ticle swarm optimization,it improves the algorithm from three aspects including external archive update,the choice of learning samples and particle variation.Finally the improved multiple objective particle swarm optimization is used to solve the logistics node location models.The result shows the improved algorithm has better distribution and convergence compared with other optimization algorithms.
Key words ：multiple-objective optimization;particle swarm optimization;logistics node location;time satisfaction
摘要：为了降低物流系统的运营成本，提高物流系统的运作效率，构建了物流系统运营成本最小以及顾客时间满意度最大的多目标物流节点选址模型，并在模型求解过程中针对多目标粒子群算法的不足，从外部存档的更新、粒子学习样本的选择以及粒子的变异三个方面进行改进，将改进的多目标粒子群算法用于物流节点选址模型的求解。仿真结果表明，改进的算法相较于其他优化算法，具有较好的分布性和收敛性。
关键词：多目标优化；粒子群算法；物流节点选址；时间满意度
文献标志码：A 中图分类号：TP29doi ：10.3778/j.issn.1002-8331.1407-0612
基金项目：中央高校基本科研业务费资助项目（No.CDJZR12170014）；重庆市基础与前沿研究计划项目（No.cstc2013jcyjA70006）。作者简介：赵海茹（1989—），女，硕士研究生，研究领域为控制与决策；陈玲（1980—），女，博士，讲师，E-mail ：cchenlingg@https://www.doczj.com/doc/a59111462.html, 。收稿日期：2014-08-11修回日期：2014-09-26文章编号：1002-8331（2016）12-0239-07
CNKI 网络优先出版：2015-06-08,https://www.doczj.com/doc/a59111462.html,/kcms/detail/11.2127.tp.20150608.1653.001.html Computer Engineering and Applications 计算机工程与应用
239