遗传编码策略对应急物流设施选址的重要性

遗传编码策略直接关系着算法的搜索效率和模型求解的精确性。目前，一些类型的遗传编码方法已被用于解决各种空间优化问题，如土地利用规划等［6，12，13］。在这些研究工作中，多采用传统的二进制编码或实数编码方式。然而，这些编码方式仅适用于虚拟或小尺度空间数据的情况，对于具有海量空间数据和巨大解搜索空间的大尺度空间优化问题，如城市应急物流设施选址问题，这些编码方式则无能为力［14，15］。

基于上述网格形式的空间表征方法，本章设计了一种新颖的遗传编码方式用于模型求解，如图2-2所示。具体地，全部网格集合被视为决策空间，即所有候选设施位置都来自上述网格集合。根据进化算法的基本原理，染色体（chromosome）由基因（genes）构成，基因包含具体的数值，且种群中的某个体（individual，即优化问题的一个潜在解）需要基于特定的编码结构将相应的决策矢量编码组成染色体［16］。在本章中，每一个候选应急设施的坐标Pp（Xp，Yp）被定义为基因，随后多个候选应急设施的坐标值被依序编码组成染色体G，具体形式如下：

其中，p为研究区域中要建立的应急设施的个数，同选址模型中的决策变量p。(www.xing528.com)

通过上述空间表征和遗传编码策略，可以实现应急设施空间优化决策模型与多目标进化算法的耦合，为模型的高效求解提供了基础。在此基础上，模型求解的终极目标相当于获得同时满足3个目标函数最小化的最优解集合，即Pareto最优解集。