模拟植物生长算法在设施选址问题中的应用
2008年12月系统工程理论与实践第12期
文章编号:100026788(2008)1220107209
模拟植物生长算法在设施选址问题中的应用
李彤1,2,王众托1
(11大连理工大学系统工程研究所,大连116024;21杭州电子科技大学管理学院,杭州310018)
摘要:以模拟植物生长算法为工具,提出了一种解决设施选址问题的智能优化算法.结合配送中心选
址的实际案例,将模拟植物生长算法与遗传算法的计算结果进行比较,结果表明该算法比遗传算法在精
度上有所提高;在此基础上,以50个随机选取的用户为背景,解决了韦伯型多设施选址问题.不同于其
它启发式算法,模拟植物生长算法在得到全局最优解的同时,还可以根据设施数量的不同,将全局最优
解与局部最优解进行组合,可以建立整体最优的设施布局.本算法在应用中显示了精确性、稳定性和通
用性特点,是模拟植物生长算法在解决选址问题上的具体应用.
关键词:模拟植物生长算法;智能优化算法;设施选址;韦伯型多设施选址
中图分类号:C934文献标志码:A
Application of plant growth simulation algorithm on solving
facility location proble m
LI Tong1,2,WA NG Zhong2tuo1
(11Institute o f Sy stems Engineering,D alian University of Technology,Dalian116024,China;21Management College,Hangzhou Dianzi Universi ty,Hangzho u310018,China)
Abstr act:Based on Plant G ro wth Simulati on A lgorithm(PG SA),we pro pose a intelligence optimizatio n algori th m
fo r solving facility location problems.We compare the calculating results of PG SA with G enetic Algori th m(G A)for
distributio n center locatio n problem,and the result approves PGSA is better than G A on accuracy.Further more,
selecting50customers rando mly,w e solve Weber multi2facility location pro blem.Differed from other heur i stic
algorithms,PGSA can find global opti mal solutio ns.Meanw hile,acco rding to the different facility numbers,we
combine global and local optimal solutio ns,set up opti mal facili ty location arrangement as a whole.The algori th m
herein sho ws its accuracy,astringency and generalization.It is an actual application of PG SA on solving location
problems.
Key wor ds:plan t grow th si mulation algo rithm(PGSA);in telligence optimization alg orithm;facility location
problems;Weber location problem with different facility numbers
1引言
在现代物流系统中,设施选址问题是一个具有战略意义的问题,其核心思想是在已有用户、资源、目的地等条件已知的情况下,确定一个或多个新设施位置的问题[1].所谓设施,其内容非常广泛,机场、人类居住区、销售网点以及仓库、配送中心、消防局、工厂、污水处理中心等都属于它的范畴.科学、合理的设施选址可以有效地节约资源、降低物流成本、优化物流网络结构和空间布局,是建立资源节约型物流至关重要的一步.
设施选址问题是一个十分古老而又经典的问题,古代的选址决策往往以经验、制度甚至迷信思想为依据,而作为现代意义上的设施选址问题,其理论原型最早可以追溯到1634年法国数学家费马(P.de Fermat)所提出的/费马问题0:对平面上任意给定的三个点,如何找出另外一点将它与这三个点相连,使得连线总长度最小?对于这个优化问题,费马并没有给出解答;1640年,对于已给三个点所构成的三角形三
收稿日期:2007208215
资助项目:国家自然科学基金(70431001,70371051);中国博士后科学基金项目(2005038588)
作者简介:李彤(1967-),男,博士后,E2mail:litong67@to https://www.wendangku.net/doc/3e16913621.html,;王众托(1928-),男,教授,中国工程院院士.
内角皆小于120度的情形,被伽利略的学生托里拆利(Torricelli)解决,这个点被称为Fermat 点(简称F 2点,亦称为Torricelli 点);1750年,辛普森(T.Simpson)提出了一种加权情形:若A 1,A 2,A 3为平面上给定的三个
点,又w i >0(i =1,2,3),求平面上一点A 0使
E 3
i =1
w
i
|A 0A i |最小;19世纪初,瑞士数学家斯坦纳(J.
Steiner)将问题进一步推广为:求平面上一点至已给n 个点的距离之和最小,此问题称为斯坦纳问题[2]
.对于斯坦纳问题,历史上不断有人给出它的解法和讨论,例如1909年德国经济学家韦伯(Alf red Weber)在5工厂选址理论6中,以斯坦纳问题为理论模型提出了第一个工厂选址问题,主要研究如何使单个仓库到不同客户总距离最短
[3]
(20世纪50年代斯坦纳问题在我国也曾作为麦场选址问题被提出来过);另一位早期设
施选址问题研究学者Hotelling 在其1929年发表的论文中考虑两个竞争供应商在一条直线上的区位选择并构建选址模型,随后Smithies 、Stevens 对此问题进行了更深入的研究.区域经济学家Isard 还从土地利用、投入产出等角度入手对工业区位的选择进行分析.20世纪五六十年代,研究者偏重于设施选址的实际应用,包括产品销售网点的分布与设计(L osch 、M oses)、消防设施选址(Valinsky)、垃圾处理厂选址(Wersan)、电话网络程控交换设备选址(Rapp)等.Hakimi 于1964年发表的关于网络多设施选址的论文是设施选址问题
发展为一个系统、科学理论的里程碑[4]
.到了七八十年代,选址问题被引入一个更宽广的领域,包括生产中心选址(Eilon)、发电厂的位置确定(D obson)[5]
、变电站选址(Hochbaum)、交通枢纽选址(Wirasinghe 、Waters)
等等,研究方法更集中于运筹学、拓扑学,经济学方法的应用越来越少[6]
.从20世纪90年代以后,更多的优化方法和技术应用到设施选址问题当中,M arks 等人根据成本效益原理来确定潜在的医院位置[7]
;Jack Brimberg 、Charles ReVelle 研究了简单线性工厂选址问题,提出使用特殊算法中的L P 代码来解决选址模型[8]
;Noon,Hankins 运用空间数据挖掘和知识发现方法,对卫生服务设施的区位决策进行分析[9]
;Ribeiro 、Antunes 建立了基于GI S 的公共设施规划的决策支持系统,对葡萄牙北部一重要自治区进行公共设施规划
[10];Kuo 等人将神经网络方法和模糊层次分析法结合起来,构建一个便利店(Convenience Store)的选址决
策支持系统[11]
.
近年来,智能算法在解决离散设施选址问题方面取得了很大的成绩,Harry Venables 和Alfredo M oscardini 提出了一种解决固定收费选址问题(CFC LP)的适应性搜索启发性算法,采用蚁群优化(ACO)进行设备随机选择,得到CFC LP 问题的近似最优解[12]
.Lyamine Bouhafs 等人采用模拟退火算法和蚁群算法解决选址2行程问题(LRP),通过模仿几种生命状况解决了设备选址问题,该算法是以模拟退火算法和蚁群算法为基础的,试验结果表明该算法是有效的
[13]
.Blas Pelegr n 等人设计了一个改进的遗传算法,在位置集合
m 中选择一系列的厂址,以满足假定条件情况下的最优.对于算法的有效性和效率性进行了业绩评价[14]
.
在以上众多的仿生模型中,以遗传算法、蚁群算法和模拟退火算法为主,将模拟植物生长算法用于设施选址问题是对物流优化理论和应用的一次探索和尝试.
2 模拟植物生长算法(PGSA)
模拟植物生长算法(PG SA)是本文第一作者在2005年提出的一种源于植物向光性机理的智能优化算
法,最初是以解决非线性整数规划问题为出发点的[15]
.由于PGS A 对参数的确定极为简单和宽松,因而具有良好的应用和推广前景,目前在工程技术领域已逐步开始被许多学者应用.
PG S A 目前的重要应用领域主要包括:
文献[16]中运用PG SA 与其他优化算法进行了比较研究,结果表明PGS A 给出的最优网络是现有文献当中最好的方案,明显优于遗传算法和粒子群算法.
文献[17]的计算结果表明PG SA 优于遗传算法和协同进化算法.文献[18]中的分析计算表明PGS A 与遗传算法、Tabu 搜索等算法相比,具有更高的精度和更加快速的全局寻优能力.
文献[19]中建立了动态无功优化的模拟植物生长算法,算法对负荷按实际形状而不是按设备动作次数限制进行分段,更加准确地描述了负荷的实际状况,所得到的无功补偿优化投切方案能更好地满足电网实际运行的需要.
108
系统工程理论与实践2008年12月
文献[17]中对PGS A 做过一个总结:/理论分析及算例结果表明,与遗传算法为代表的现代启发式算法相比,模拟植物生长算法具有以下优点:1模拟植物生长算法将目标函数和约束条件分开处理,且无需编码和解码,避免了构造新的计算用目标函数,也不存在惩罚系数、交叉率、变异率选取等问题,解的稳定性好;o模拟植物生长算法具有一个由形态素浓度决定的方向性和随机性平衡比较理想的搜索机制,能以较快的速度寻找到全局最优解.0
文献[20]中,通过观察植物生长过程中的特征,对模拟植物生长算法进行了一些改进,该算法采用植物顶点变速度生长特点来减少搜索时间,利用植物生长期前期纵向型生长特性来减少搜索空间,因此能够在更少的时间内得到更优解.通过对不同类型的算例求解,表明了该算法是很有效的.
文献[21]中,通过对IEEE 30节点系统采用模拟植物生长算法、标准遗传算法和粒子群优化算法比较,模拟植物生长算法得到的优化方案网损最小,同时有更强的收敛稳定性.
PG S A 目前的研究领域还包括:我国著名水处理专家,哈尔滨工业大学李圭白院士等将PG SA 推广应用于双级决策的排污收费模型,改进了传统的最优Pigovian 定价法的诸多问题;西南石油大学的张伟等人针对三维地震勘探的采集、处理等的优化问题;本文作者利用PG SA 解决了有约束和无约束两类非线性整数规划问题,求解结果优于罚函数法[15]
.
211 模拟植物生长算法的理论描述
近年来智能优化算法取得了令人瞩目的成绩,其成功之处在于,算法模仿大自然中不同生物群体对环境的自适应优化模式,建立随机性、正反馈性、协同性等能够跳出局部最优解的动力模型.在众多典型模式中,基本以遗传变异、蚂蚁觅食、鸟群捕食、固体退火等为启发式准则,而对于植物的一些自然优化模式,比如植物的向光性模式,还没有给予充分的重视.国外大量的植物建模研究工作,如拉什夫斯基和图林等人的植物生长形态发生模型以及林登迈耶和普鲁森科维奇等人的植物生长分枝模型,主要是针对计算机图形学以及分形学领域的问题,将植物生长动力学模式应用于求解优化问题,国内外尚未见有相关研究.
文献[15]所提出的模拟植物生长算法,就是将优化问题的可行域当作植物的生长环境,将最优解当作光源,模拟真实植物的向光性机理(形态素浓度理论),建立枝叶在不同光线强度环境下的快速生长的生长演绎方式(L 2系统).PGS A 的研究重点是建立以生长规则为基础的植物系统演绎方式和以植物向光性理论为基础的概率生长模型,两者结合所形成的优化模式,就是实现人工植物在优化问题可行域中从初始状态到完整形式的终态(没有新的树枝生长)的过程.212 模拟植物的生长演绎方式
图1 L 2系统生长过程
植物可看作由大量枝、节组成的系统,模拟植物的生长演绎方式是A.Lindenmayer 在20世纪60年代末把乔姆斯基的生成转换语法引入生物学,以简单的重写规则和分枝规则为基础,建立了关于植物的描述、分析和发育模拟的形式语法,称为L 2系统.对植物生长作形式化描述,可以根据以下几点进行[27]
:1)破土而出的茎杆在一些叫做节的部位长出新枝;2)大多数新枝上又长出更新的枝,这种分枝行为反复进行;3)不
同的枝彼此有相似性,整个植物有自相似结构.其简要情形为:设分枝发生在2维平面上,每次分枝长出的均为单位长1,或者旋转一定的角度A (如取45b ),从/种子0a 开始,采取重写+分枝的植物生长规则,在2
维平面上,这个系统生长过程的前三步如图1所示.
20世纪80年代中,P.Prusinkie wicz 等人把L 2系统与计算机图形学、分形学结合起来,完善了植物生长的分枝模型.在所规定的生长规则的反复重写下,可作出如图2所示的分形生长树图(取自普鲁森科维奇专著).
PG S A 以L 2系统作为人工植物的生长演绎方式,生长点即植物生长细胞,是模拟植物系统每一次生长的位置点.植物生长过程是在生长点按2n (n 为变量的维数)个方向生长并产生新枝,分枝长度在整数规划情况下设定为1(或大于1的整数,非整数规划情况下可根据精度要求选取).按照离散设施选址问题的特点,将人工植物生长结构定义为:在生长点按东、西、南、北四个方向生长并产生新枝,新枝之间旋转角度A 设定为90度.
109
第12期模拟植物生长算法在设施选址问题中的应用
图2 分形生长树
按照L 2系统完成的人工植物结构,仅仅解决了模拟植物生长的形式化问题,其关键问题还没有解决,即在众多生长点中,每一次到底确定其中的哪一个进行新的生长,怎么保证树枝向最优解方向蔓延,其核心问题就是植物向光性特点的算法实现问题.213 模拟植物向光性的概率生长模型(叶序模型
)
图3 拉什夫斯基叶序模型植物的向光性问题涉及生物学理论中的形态发生模型,该模型是用复杂动力系统为生物生长建模的著名例子.模式的形成被理解为复杂过程,其中一个细胞发生分化,产生出新的明确定义的空间结构.形态发生的最初的动力学模型是拉什夫斯基、图林等人提出来的.他们关于植物生长形态发生(/叶序0)模型如图3所示,葡萄茎梗发出一个枝芽的某一时刻,它出现在对于3个枝芽
对称旋转的方向(本文建立的系统将旋转方向确定为90度).在生长中的茎梗
的顶部,生长出来一个芽,包含着未分化的细胞.叶序问题涉及作为叶芽细胞、图4 单细胞形态素浓度及状态空间
分枝细胞和其他导致叶芽和分枝的分化细胞的生长模式的形成.一个细胞被看作是一个流体袋,其中有均匀的化学组分,其中的一种化学组分是生长激素,叫做形态素.这种形态素的浓度x 是此模型的观察参量,随着参量在0和1之间变动,模型的状态空间是一条线段(图4).这种形态素的浓度决定细胞的生长函数是否开始起作
用,即细胞分裂,枝芽开始出现[22]
.
新的生长点(细胞)产生后,形态素浓度将根据新系统所在环境的改变,重新进行分配.在多细胞系统中,如果把任意一个细胞形态素浓度记为p i (i =1,2,,,k ),则多细胞封闭系统形态素状态空间用见图5,且浓度和是恒定的(设定为1).生物学实验已经证明,决定植物细胞分裂和枝芽生长的生长素信息(形态素浓度)并非是预先一个个赋予给细胞的,而是细胞系统从其环境中接受到了它的位置信息,依据这种信息,植物表现出明显的向光性特点.我们模拟这一过程,结合本具体问题,设在有界闭箱内有k 个生长点a 1,a 2,,,a k ,其形态素浓度为p i (i =1,2,,,k ),各生长点形态素浓度值为:
p i =
1P f (a i )
E k
i =1
1P f (a i
)
, k =1,2,,,k
其中f (a i )为目标函数值,根据不同问题将具有不同的表达方式(由于形态素浓度主要集中在植物背光一面,因此我们取目标函数的倒数).以一般韦伯问题为例,各生长点形态素浓度值为:
P i =
E n j =1(1P |
a i A j |)
E k
i =1E n
j =1
(1P |
a i A j |)
, i =1,2,,,k 各生长点形态素浓度是由各点位置的环境信息(与各个所与点的距离之和)所确定,这与真实植物细
110
系统工程理论与实践2008年12月
胞的形态素浓度生成机理相一致.因此,k 个生长点均对应k 个形态素浓度值,每次产生新的生长点,该浓度值都将发生变化.
显然,
E
k
i =1
P i =
1.
图5 形态素浓度状态空间
在确定了形态素浓度之后,就可以建立植物的向光性机制,即形态素浓度较高的生长点(细胞),将具有较大的优先生长机会,其算法可描述为:设有k 个生长点(a 1,a 2,,,a k ),其形态素浓度值为(p 1,p 2,,,p k ),由于p 1+p 2+,+p k =1,因此其状态空间(或概率空间)如图5所示.
系统不断产生随机数,这些随机数就象不断向区间[0,1]上投掷的小球,小球落在p 1,p 2,,,p k 的某一个状态空间内,所对应的生长点(细胞)就得到优先生长的权利.这个过程反复进行,其迭代过程见算法的迭代部分.在以上植物生长的动力机制作用下,模拟植物的树枝按照L 2系统生长模型在可行域内向最优解快速蔓延,直至没有新枝的产生为止[15]
,这就是PG SA.
214
算法步骤
图6 PGSA 流程
文献[15]已经从数学角度分析了植物的生长机制,建立了模拟植物向光性的概率生长模型.对于设施选址问题,有其特有的寻优机理,其PG SA 的迭代步骤为:
Step 1 系统随机产生k 个生长点a i I X (i =1,2,,,k ),X 为R n
中包含需点凸包的有界闭箱;
Step 2 求解各生长点形态素浓度(生长概率):
p i =
1P f (a i )
E k i =11P f (a i
)
, i =1,2,,,k
Step 3 根据Step2计算结果建立各生长点在021之间的概率空间,以随机数选择本次迭代生长点a i ;
Step 4 确定树枝长K (一般为l P 1000,l 为包含需点凸包的有界闭箱长度),生长点a i 按照A =90b 的L 2系统进行生长,用新的生长点中最优点替换a i ;
Step 5 若不再产生新的生长点且达到设定迭代次数,得到全局最优解和局部最优解,停机.否则转回Step2.
以上算法流程图如图6所示.
3 应用研究
对模拟植物生长算法的有效性,我们求解以下实际案例予以证明.
311 易腐物品配送中心选址问题
文献[26]结合实际研究课题,在一矩形区域,范围为(0,0)到(100,100),其中随机散布有40个连锁超市,坐标见表1.要求在矩形区域内确定6个地址作为易腐物品物流配送中心.已知各配送中心的不受容量限制,易腐物品单位价值c 为5,配送中心到需点的运输速度的倒数A 为01025,运费率h 为3,运输途中的腐败速率系数H 为0101,文献[26]用遗传算法最后得6个优化配送中心地址分别负责以下各需点:
配送中心1(1619948,7919955)负责:7,9,19,(31),38.各点需求量为:1,4,3,(9),2.其中(31)为原文打印遗漏的一个需点,(9)为需求量.
111
第12期模拟植物生长算法在设施选址问题中的应用
配送中心2(4413207,5917498)负责:15,16,17,20,25,29.各点需求量为:3,2,1,2,3,5.
配送中心3(5611941,3316015)负责:4,21,22,24,27,28,30,33.各点需求量为:1,7,2,2,3,2,3,2.配送中心4(7715429,9017094)负责:5,10,11,13,14,35.各点需求量为:4,3,4,2,2,1.
配送中心5(2219943,41.5686)负责:6,12,18,23,32,36,39,40.各点需求量为:3,3,2,1,5,4,3,5.配送中心6(4019880,510208)负责:1,2,3,8,26,34,37.各点需求量为:1,1,4,2,3,4,2.
表1 配送区域内连锁超市坐标
N o 需点坐标x y No 需点坐标x y No 需点坐标x y 1 1.000.001545.0060.002937.0058.00233.00 3.001666.0059.003060.0027.00335.0021.001754.0072.003117.0080.00453.0019.001811.0040.003229.0033.00570.0094.001912.0067.003340.0024.00627.0044.002047.0049.003441.00 5.00710.0069.002156.0034.003549.0098.00856.00 4.002286.0026.00360.0040.00916.0081.002317.0042.0037 6.007.001068.0076.002469.0016.003825.0097.001182.0095.002553.0064.003935.0040.001221.0042.002662.000.0040
19.00
19.00
1395.0083.002778.0026.0014
92.00
81.00
28
46.00
38.00
以上选址方案是一个非常接近全局最优解的方案,我们运用PG SA 所得到的结果与该方案很相似,但在某些配送中心的选址上仍有了一些改进,根据如下选址数学模型的目标函数,二者比较情况见表2所示.
minimize
E n
j =1
E
m i =1
[d i hs ij e
H A s
ij
+cd i (e
H A s
ij
-1)]A ij
其中
A ij =
1用户i 的需求由配送中心j 负责0否则
s ij 为配送中心j 到用户i 的距离d i 为用户i 的需求量
从表2中可以看出,与遗传算法相比,PG SA 除配送中心1和配送中心6得到的最优解在配送费用上与G A 一致,其他4个配送中心在求解精度上均不同程度得到了提高.
表2 PG SA 与G A 的最优解比较
配送中心地址
配送费用减少
配送中心地址配送费用减少
1
2
3
GA 16.9948,79.9955PG SA
1710022,79199780%GA 4413207,5917498PG SA14419987,59199561164%PG SA21111111,151********%GA 5611941,3316015PG SA
5717756,3110622
0148%456
G A 7715429,9017094PGSA 7717689,901897801016%G A 2219943,4115686PGSA 2216933,37115334135%G A 4019880,510208PGSA
4019956,510111
0%PG S A 除了在精度上的优势外,在得到全局最优解的同时还能够得到其它局部最优解,这一性质恰恰
112
系统工程理论与实践2008年12月
是解决另一种典型的选址问题,即韦伯型离散设施选址问题的关键所在,下面阐述这一论断.312 韦伯型离散设施选址问题
韦伯型离散设施选址问题是在一个欧几里德空间上,目标需求点位置已知的情况下,确定若干服务源点的区位问题,该模型的数学形式如下:
min T c =
E n
j =1E m
i =1
w
ij
+x j -a i +, x i I R 2
;w ij \0,P i ,j
式中,a i (i =1,2,,,m )是第i 个用户的位置,X =(x 1,x 2,,,x n )是有界闭凸区域,x j 为第j 个设施的待定位置,w ij 是第j 个设施到第i 个用户的权重,+x j -a i +是x j 到a i 的范数距离,本问题采用欧式距离.解决以上问题的方法可以从D rez ner [22]
、Love [23]
等论文查阅,包括Cooper 算法、D rezner 算法、Cooper 2NB 算法等等.然而,在解决实际问题当中,这些算法均存在不同的问题,以Cooper 算法和Cooper 2NB 算法为例,如果某次迭代结果与一个用户的位置恰好重合时,通过Weiszfeld 程序和NB 方法产生的下一步迭代没
有意义,这种特殊情形使得C ooper 算法和Cooper 2NB 算法在解决实际问题时是不安全的[25]
.以遗传算法为代表的现代启发式算法尽管在本领域取得了较大的成绩,但这些算法需要给出诸如惩罚系数、初始染色体群、交叉率、变异率、初始粒子群等直接影响计算速度和收敛性的参数,在大多数情况下,这些参数选择的本身就是一个难题
[18]
.
对于问题:
min T c =
E n
j =1E m
i =1
w
ij
+x j -a i +
目前主要处理方法是首先将用户群进行划分,然后定位一个单一设施来服务这个用户群,算法实现上常采用动态聚类技术嵌套迭代算法+某种启发式算法.这种处理技术的本质是将m 个用户划分成n 个用户群,从而转化为n 个韦伯(W P)问题来进行求解.如果n 个设施提供的是同样的服务,比如上例中所选择的6个设施均为同样物品的配送中心,则该方法比较有效,但如果n 个设施提供的不是同样的服务,每一个设施均需要向所有m 个用户进行不同的服务,此时不能将用户进行划分,其表达形式为:
min T c =
E m
i =1
w
i 1
+x 1-a i ++
E m
i =1
w
i 2
+x 2-a i ++,+
E m
i =1
w
in
+x n -a i +
表3 50个用户位置坐标及权重
用户位置权重用户位置权重用户位置权重a 1 3.8,16.40.0373a 18162.6,78.30.0360a 35280.3,292.40.0183a 286.2,22.70.0091a 19126.6,48.20.0161a 36287.5,196.70.0164a 316.6,43.90.0238a 20218.5,25.70.0351a 3776.3,126.20.0332a 4287.3,55.20.0191a 21151.3,142.70.0023a 38175.9,23.80.0206a 5127.5,64.30.0350a 22103.5,162.40.0138a 39207.9,167.40.0080a 686.3,4.60.0299a 23215.9,183.60.0319a 40189.3,235.80.0264a 797.3,238.50.0179a 24178.1,158.30.0004a 4165.4,103.20.0329a 836.4,85.30.0007a 25264.3,231.80.0055a 42198.4,124.60.0008a 952.7,1.60.0322a 26172.6,235.70.0080a 43288.7,214.20.0267a 1025.7,78.90.0175a 2768.2,137.30.0078a 44142.2,185.90.0149a 11 2.5,186.30.0242a 28248.1,169.60.0237a 45265.2,38.40.0326a 12126.3,92.20.0311a 29126.2,166.10.0107a 4686.2,76.30.0197a 13157.8,85.30.0362a 30205.9,187.30.0078a 47165.7,132.90.0278a 14282.1,25.30.0290a 3198.4,255.70.0006a 48243.3,274.60.0168a 15147.8,16.20.0069a 32158.3,147.20.0293a 49115.3,237.20.0120a 1625.1,264.90.0159a 33220.3,187.50.0175a 50
58.9,192.6
0.0074
a 17
52.8,282.7
0.0367
a 34
48.6,214.1
0.0366
单纯从数学角度看,该式的最优解应为:x 1=x 2=,=x j ,=x n =x *
,其中x *
为该区域韦伯问题的全局最优解,这意味着所有n 个设施均集中于一个位置,这在现实中是有局限性的,因此必须根据设施的
113
第12期模拟植物生长算法在设施选址问题中的应用
重要程度,把最重要设施安排到全局最优解,把次重要的设施安排到最好的局部最优解,以此类推.这一过程对算法能否得到所有的局部最优解要求很高,而目前算法较难达到这一要求.结合算例,本文运用PG SA 解决了在设施数量变化情况下的韦伯型离散设施选址问题.
算例 在表3随机产生的50个具有不同权重用户的情况下,设施量n 从1变化到8时,求
min T c =
E n
j =1
E 50
i =1
w
ij
+x j -a i +
PG S A 得到1个全局最优解和18个局部最优解,表4列出部分结果.
表4 全局最优解和部分局部最优解
设施位置坐标
最优值设施位置坐标最优值全局最优解x *143.53,126.92115.71局部最优解x 473.53,58.83118.12局部最优解x 1134.38,116.13116.21局部最优解x 5133.33,153.83118.32局部最优解x 2155.57,105.93117.48局部最优解x 6166.85,153.80119.81局部最优解x 3
123.70,146.15
118.12
局部最优解x 7
116.02,97.27
120.02
当n =1时,为单一设施选址问题,该设施位置即为全局最优解x *
,最优值为115171;当n =2时,分别选择x *
与x 1
为此2个设施的位置,最优值为:115171+116121=231192,,,,当n =8时,分别选择x *
、x 1
、x 2
、,、x 7
为此8个设施的位置,最优值为:115171+116121+,+120102=943179.
需要进一步说明的是,在实际应用过程中,以上优化结果对于空间条件限制情况下的选址问题同样具有重要作用,由于受到环境和其它因素的制约,作为最优解选定的地址往往不适合设施的建设和使用(如选定设施的地址恰巧在河道、湖面等地点),而拥有了与最优解接近的备选地址(局部最优解),则使得规划人员在方案决策时具有更大的灵活性,可以根据具体情况从一种优化布局形式(初始决策),转换到另一种优化布局形式,从而在环境出现限制时实现设施布局再次优化的动态要求.
4 结束语
模拟植物生长算法(PG SA)作为一种仿生类智能优化算法,是以植物向光性的概率生长动力机制为其寻优机理的,在解决各类优化问题当中,该算法表现出了很强的全局搜索能力.由于算法对初始点的选择要求宽松,同时没有其他算法需要的一些难以确定的参数,因此解的稳定性好.本文通过对设施选址问题的具体应用,显示出PGS A 具有计算精度高,稳定性好和应用性强的特点.
参考文献:
[1] Drezner Z,Wesolo wsky G O.The w eber p roblem on the plane w ith so me negative weig hts[J].Info r Journal,1991,29:87-99.[2] 越民义.最小网络2斯坦纳树问题[M].上海:上海科学技术出版社,2006.
Yue M Y.Minmum Netwo rk 2Steiner Tree Problem[M].Shanghai:Shanghai Science and Technology Press,2006.
[3] O wen S H,Daskin M S.Strategic facili ty locatio n:A review[J].European Jo urnal o f Operational Research,1998,111:423-447.
[4] Hakimi.Op timum locations o f s witchi ng centers and the abso lute centers and medians o f a graph[J].Operatio ns Research,1964,
(12):450-459.
[5] Do bso n J.A regional screening procedure for land use sui tability analysis[J].The Geo graphical Review,1979,69:224-234.[6] 王非,徐渝,李毅学.离散设施选址问题研究综述[J].运筹与管理,2006,15(5):64-69.
Wang F,Xu Y,Li Y X.Review on facili ty locatio n models[J].O perations Research and Management Science,2006,15(5):64-69.
[7] Marks A P,Thrall G I,A rno M.Siting hospital to provide cost 2effective health care[J].Geo Info Systems,1992,2:58-66.[8] Brimberg J,ReVelle C.Solving the plant location pro blem o n a line by linear programming[J].TOP,1998,6(2):277-286.[9] No on C E,Hankins C.Spatial data visualizatio n in healthcare:Suppo rtin g a facility location decision via GIS 2based market analy sis
[J].34th Annual Haw aii International Conference o n Sy stem Sciences,2001.
[10] Ribeiro A,A ntunes P A.A G IS 2based decision 2support tool for public facility planning[J].Environment and Planning B:Planning
114
系统工程理论与实践2008年12月
and Desig n,2002,29:553-569.
[11] Kuo R J,Chi S C,Kao S S.A decisio n support system fo r selecti ng co nvenience store location through integration o f fuzzy A HP and
artificial neural netw ork[J].Co mputers in Industry,2002,47:199-214.
[12] Harry Venables,Alfredo Mo scardini.A nt Colony Opti mization and S warm Intelligence[M].2006.
[13] Lyami ne Bo uhafs,A mir Hajjam,A bder K oukam.Kno wledge 2Based Intellig ent Info rmation and Engineering Systems[M].2006.[14] Peleg r n B,Redondo J L,Fern ndez P,et al.G A SUB:finding global optima to discrete locatio n pro blems by a genetic 2like
algori thm[J].Jo urnal of Global Op timizati on,2007,38(2):249-264.
[15] 李彤,王春峰,等.求解整数规划的一种仿生类全局优化算法)))模拟植物生长算法[J].系统工程理论与实践,
2005,25(1):76-85.
Li T,Wang C F,et al.A global optimizatio n bio nics algori thm for solving integer pro gramming 2plant gro wth si mulation al gorithm[J].Sy stems Engineering -Theory &Practice,2005,25(1):76-85.
[16] 王淳,程浩忠.模拟植物生长算法及其在输电网规划中的应用[J].电力系统自动化,2007,31(7):24-28.
Wang C,Cheng H Z .A plant gro w th simulatio n algorithm and its applicati on i n po wer trans mission net work planning[J].Automation o f Electric Po wer Systems,2007,31(7):24-28.
[17] 王淳,程浩忠.基于模拟植物生长算法的电力系统无功优化[J].电网技术,2006,30(21):37-41.
Wang C,Cheng H Z.Reactive pow er opti mization based on plant g ro wth simulatio n algo rith m[J].Po wer System Technology,2006,30(21):37-41.
[18] 王淳,程浩忠.基于模拟植物生长算法的配电网重构[J].中国电机工程学报,2007,27(19):50-55.
Wang C,Cheng H Z.Reconfiguratio n o f distribution network based o n plan t gro w th simulatio n algorithm[J].Proceedi ngs o f the C SEE,2007,27(19):50-55.
[19] 王淳,程浩忠,陈恳.配电网动态无功补偿的整体优化算法[J].电工技术学报,2008,23(2):109-114.
Wang C,Cheng H Z,Chen K.Integ rated op timizati on algori thm o f dy namic reactive po wer for distributio n sy stem[J].Transactions o f China Electrotechnical Society,2008,23(2):109-114.
[20] 罗伟强,于建涛,黄家栋.一种求非线性整数规划最优解的仿生算法[J].计算机工程与应用,2008,44(7):57-68.
Luo W Q,Yu J T,Huang J D.Bi onic algori thm for solving no nlinear integer programming [J].Co mpu ter Engineering and Applications,2008,44(7):57-68.
[21] 杨丽徙,王锴,黄训诚,等.应用模拟树木生长算法求解无功优化问题[J].郑州大学学报(工学版),2008,29(2):69-72.
Yang L X,Wang K,Huang X C,et al.A pplicatio n o f trees gro w th si mulation alg orithm to solv e reactive po wer o ptimization problem [J].Journal o f Z hengzhou University(Engineering Science),2008,29(2):69-72.
[22] 张颖,等.韦伯型设施区位的可计算模型及其应用[J].地理学报,2006,61(10):1057-1064.
Z hang Y,et al.Research and application of Weber facility location[J].Acta G eo graphica Sinica,2006,61(10):1057-1064.
[23] Bri mberg J,Hansen P,Mladeno vi N,et al.Improvements and co mparison of heuristics for solving multisource Weber pro blem[J].
Operations Research,2000,48(3):444-460.
[24] Levin Y,Ben 2Israel A.Directio nal New ton methods in n variables[J].Mathematics o f Co mputation,2002,71:251-262.[25] 吴业军,蒋建林.解决约束多设备韦伯问题的一种启发式算法[J].安徽大学学报(自然版),2005,29(5):24-28.
Wu Y J,Jiang J L.A heuristic alg orithm fo r constrained multi 2source Weber pro blem [J].Journal o f A nhui University(Natural Sciences),2005,29(5):24-28.
[26] 姜大立,杨西龙.易腐物品配送中心连续选址模型及其遗传算法[J].系统工程理论与实践,2003,23(2):62-67.
Jiang D L,Yang X L.Genetic algo rith m for conti nuo us location problem of physical distributio n cen ter for decaying products[J].Sy stems Engineering -Theory &Practice,2003,23(2):62-67.[27] 苗东升.系统科学精要[M].北京:中国人民大学出版社,1998.
Miao D S.The So ul o f System Science[M].Beijing:Publishi ng Company o f Renmin University o f China,1998.[28] 王东生,曹磊.混沌、分形及其应用[M].北京:中国科学技术大学出版社,1995.
Wang D S,Cao L.Chaos,Fractals and Their Applicatio ns[M].Beijing:Publishing Co mpany o f Univ ersity of Science and Technolo gy o f China,1995.
[29] 克劳斯.迈因策尔.复杂性中的思维[M].北京:中央编译出版社,1997.
Mainzer K.Thi nking in Complexity:The Co mplex Dynamics of Matter,Mind and Mankind[M].3rd enlarged ed,Springer,1997.
115
第12期
模拟植物生长算法在设施选址问题中的应用
情景模拟题目的答题思路和技巧
情景模拟题目的答题思路和技巧 情景模拟题，主要的考试形式就是说服对方或者工作汇报。说服，是求得对方理解的谈话活动，汇报是表达自己的观点、思想。因此，明确模拟要达到的目的或要求，是情景模拟的第一步。 (一)看分类明目标 (1)安抚劝说型。 安抚劝说类题目，即考生需以题中人的身份劝说谈话对象，以达到使对方改变初衷，遵从正确做法的结果。其目的是增进了解，消除彼此间之间的分歧，从而达成一致意见。另外，可能会以公职人员的身份来应对前来反映问题的群众。例如， 你要组织一个活动，有老同志认为，你的活动有些形式主义，不支持，请你把主考官当做是这个同志，你怎么和老同志沟通，争取老同志对你的支持，请现场模拟。 (2)工作汇报型。 工作汇报是向上级领导反映情况，求得指导和帮助的重要方法，也是展示本单位成绩、工作能力和水平的重要机会。这种形式的题目往往要求考生以某一指定身份进行即兴讲话，有条理地把思想和材料组织起来，其目的是汇报目前的工作状况、完成进度或存在的困难，解决困难的思路，或者是请求领导给予支持和帮助的内容。例如，
下周单位将举办挂职干部交流会，到时单位的主要领导都会参加。筹备会议的任务已经交给你，现在我是领导，你现在向我汇报一下会议的筹备情况，以及下周会议的安排。你怎么汇报，现场模拟下? (二)看定位搭框架 既然是模拟沟通，就必然涉及到沟通中的角色定位。考生在答题时最容易出现的问题就是身份不清，尺度不明，结果导致说了不该说、不能说的话。因此，考生对角色的把握，是否能搞清自己所在的位置，是否能正确对待自己沟通对象之间的关系，在此基础上，再确定说哪些内容。 第一，明确自身定位。 无论是哪种，考生必须先要明确自身身份才知这个角色下有哪些权利和义务，才能够准确而合理的模拟。比如，题目中如果让考生模拟乡长在村民面前发表一段讲话，那么在演讲和谈话开始的时候可以说我是赈灾办的小王。假如让考生以记者的身份模拟做现场报道，那开头就可以说我是中央电视台记者张华等。 第二，明确对方的身份。 对于不同对象的听众群体我们要善于运用不同的称呼、口吻和语言才能达到事半功倍的结果。比如在校庆上需要对师生做一段演讲，我们那么可以这样称呼：敬爱的老师，亲爱的同学们;而如果你面对是农村的农民朋友，我们便可以这样称呼：父老乡亲们，这样的称呼会拉近说话者与对方的距离，也让模拟更加逼真。 第三，明确“说什么”。
植物生长室的功能特点及技术参数
植物生长室的功能特点及技术参数 植物生长室|智能人工气候生长室|种子发芽室简介概述： 植物生长室又称为种子发芽室、光照室等，它采用智能微电脑控制,因此也被称为智能种子发芽室。植物生长室具有程控、控光、控温、及灭菌等多种功能，人机界面采用工业彩色手触摸液晶屏，并具有历史数据记录功能，可通过U盘或计算机将历史数据导出。 植物生长室专用设备的组成为库体、库门、压缩及制冷（制热）系统（分为室外机和室内机）、辅助电加热器、加湿器、除湿机、灭菌紫外灯、照明灯和电脑控制系统（含各种传感器）等。库体由100mm白色彩钢板高密度聚苯乙烯库板构筑，配有标准库门（可选不锈钢门），为确保安全，具有漏电保护、缺相保护和超温保护等多种功能。气候室外形尺寸可根据用户需求定制。 植物生长室有什么作用？要想了解植物生长室的作用，就必须先要知道植物生长室是什么，植物生长室是采用现代最新科技按照生物生长特性，能够实现综合调节控制光、温、水、气、肥等综合环境变量因素功能，以摆脱自然环境和传统条件束缚的密闭设备。植物生长室的结构也是非常复杂的，它包括的设施有围护系统、培养架、光照及营养液的供给系统、气候施肥系统、自动监测控制系统、空调通风系统等等。 托普云农研发的植物生长室能够模拟自然界的各种气象条件，按照实验要求精确控制室内的温度、湿度、光照、风向、风速及二氧化碳气体浓度等多种指标，能够再现气候环境，在性能上优于同类产品，它的性价比极高。系统在设计中采
用计算机模糊控制算法，采用先进的智能传感测量和控制技术，能够完全满足实验的需求，同时还能够使系统运行于最佳节能状态，并对被控参数和设备运行过程进行在线记录。 目前来讲，托普云农的人工气候室能够根据用户要求，按照不同的实验对象，进行优化设计，能够满足用户科研需要，在技术方面也打破了传统技术，它的性价高，性能稳定，是国内植物生长室行业中的高端产品。 植物生长室|智能人工气候生长室|种子发芽室特点： 1.人工气候室具有程控、控光、控温、及灭菌等多种功能，人机界面采用工业彩色手触摸液晶屏，并具有历史数据记录功能，可通过U盘或计算机将历史数数据导出。 2.人工气候室专用设备的组成为库体、库门、压缩及制冷（制热）系统（分为室外机和室内机）、辅助电加热器、加湿器、除湿机、灭菌紫外灯、照明灯和电脑控制系统（含各种传感器）等 3.库体由100mm白色彩钢板高密度聚苯乙烯库板构筑，配有标准库门（可选不锈钢门） 4.为确保安全，具有漏电保护、缺相保护和超温保护等多种功能。 5.气候室外形尺寸可根据用户需求定制。 植物生长室|智能人工气候生长室|种子发芽室技术参数： 程序控制：0-99段 控温范围：5~40℃ 温度波动度：±1.0℃1.5（强光时为）±℃ 控温范围：50~95%RH 温湿度波动度：±7RH 光照强度：0-3000LX 电源：380V 50Hz 光照度调节方法：有无光照有电脑控制，而有光照时的亮度强弱则由手动开关控制 加热功率：3KW(按不同面积选择不同的功率的压缩机和加热器) 面积：8~100平方（定制） 其他种子检验仪器：智能种子计数系统、玉米考种分析系统、高精度数粒仪、种子净度工作台、风选精度仪
90后大学生抱团创业 卖仿真植物墙一年产值200万
90后大学生抱团创业卖仿真植物墙一年产值200万 作为行业的缔造者，浙江明筑新材料有限公司现今年销量可以达到2个亿，产品也销往欧洲、美洲、东亚等地区的发达国家，同时进驻家乐福、百安居等一些大型的卖场，但在这些成绩的背后是企业领头人顺应时代潮流的正确态度、一个强大而完善的工作团队和一家企业10几年的积淀为支撑。 8名非园林专业的90后大学生，在一无资金二无技术的情况下，进入植物墙这一新兴市场掘金。团队作战激发了每个成员的最大潜能，公司成立第一年就实现产值近200万元，昨日，公司创始人李俊对记者称，“我们最大的优势是团队靠谱，分工明确，配合默契，每个人很快在自己的领域做到精通。” 拜访上百行家“学艺” 李俊的团队是由大学生创业团队发展过来的。很多人在大学都有过勤工俭学经历，但李俊跟别人不一样，他早就意识到“靠单打独斗一天就是几十元钱，要赚更多的钱必须靠团队”。于是，他将在各个高校结识的志同道合的学生组织起来，一起干过多个项目。譬如，他们把学长淘汰的自行车低价收来，经清洗、翻新后卖给学弟学妹，一个毕业季人均赚2万元。“我带的团队，成员多时有几十人，去年毕业后，我和几名想创业的伙伴留下来组建了公司。”李俊称，之所以进军植物墙行业，是他看好这个新兴市场，竞争相对较小。公司成立后，他更注重团队分工协作，让同伴们在最适合的岗位发挥潜能。“大家志同道合，彼此欣赏，而且都相信植物墙市场很广阔，半年之内他们凭着创业激情在干，一分钱没拿，这令我很感动。”李俊说。 在技术方面，起初他们一窍不通，对植物习性也几乎一无所知，但工程部的两名小伙很用心去学，他们先后拜访、请教了近百位搞园艺的行家，加之敢于创新，很快掌握了一种用植物袋、链模盆组等环保建材作种植载体的新兴技术，大大节约了成本，价格也降了下来，一个平方米比市场价少700到900元。同时，在业
情景模拟题十二
情景模拟题十二：我校有明文规定，上学期间要统一着装，但就是有一部分同学不能完全遵守。你是如何看待这样的现象的？如果你的班级存在这样的现象，你会如何处理？ 答题要点： 理论支撑：这既是养成教育出了问题导致学生缺乏规矩；也是学生不能正确认识个人与集体、社会关系所导致的结果。毫无疑问，这部分学生是有个性的，有个性本身不是坏事，但当一个人在彰显自己个性的时候不断地与集体、社会发生冲突时，教师就有必要帮助他们正确认识自己与社会的关系了。这就恰恰是对孩子进行人生教育的最好契机。 方法措施： 1.就个人与社会关系召开主题班会，帮助学生增进对个性、规矩的辩证认识，树立正确的人生观； 2.强化养成教育，培养良好的习惯；发挥示范作用，注意自己平时的言行； 3.个别谈心，让学生感受到爱和关注。 专家提问： 在中学阶段，逆反心理是普遍存在的一种现象，你如何看待这样的现象的？ 答题要点： 1.正常，这是中学生走向成熟的一个标志。 2.需要进行社会化教育，让他们在珍惜自己的观点时尊重他人的意见，学生与人和谐相处。 3.逆反心理强的学生往往自我中心意识较强或者现实中缺乏价值认同与尊重有关。 专家提问：我们所处的教育环境正是一个由应试教育向素质教育转变的过渡期。很多教师一方面由于深感素质教育缺失而痛恨应试教育；另一个方面又不得不听从各类考试指挥棒的命令，忙着忙着竟也不亦乐乎起来。你是如何看待这样的矛盾的？ 答题要点： 要辩证看待这样的矛盾。 1.应试教育中何尝不包含着素质教育。我们要学生的成绩，自然包含着对学生的激励和要求，如持之以恒的意志品质、乐观的心情、正确对待成败的心态、良好的生活、学习习惯等等，这些何尝不是人生应具备的素质？ 2.应试教育中的“唯成绩论”危害巨大。 3. 要制定一个科学、全面的对教师、学生的评价体系。班主任要坚定信念、善于思考，在班级管理中建立起对学生科学的评价体系，不以成绩为唯一的评价指标，而要关注学生各方面表现，尤其是学生的精神状态、行为习惯。并把这些内容用为自己日常教育管理的重要内容。 这样，我们就不会在探索素质教育的过程中，完全走向应试教育的反而。唯成绩论是错误的，但完全置成绩于不顾的做法也是错误的。 评委张云燕提问：如果学生和你当场顶撞起来，你会怎么处理？ 选手宫伟伟回答：我认为，应该一分为二的来看待。教育家魏书生先生在《班主任工作漫谈》一书中写到：“教育需要管理，管理需要方法。教师要理解学生，顺应学生，最后要有能力改变学生。”采取什么样的方法，要因地制宜，因时制宜。 如果当众发生冲突，和你顶撞起来，你可以抓住这个契机，杀鸡给猴看，这当然需要教师的智慧，要让所有学生对你服气。 最好采取冷处理的方法。因为当时都比较情绪化，容易言辞失控。如果处理问题上仍然运用
模拟植物生长算法在设施选址问题中的应用
2008年12月系统工程理论与实践第12期 文章编号:100026788(2008)1220107209 模拟植物生长算法在设施选址问题中的应用 李彤1,2,王众托1 (11大连理工大学系统工程研究所,大连116024;21杭州电子科技大学管理学院,杭州310018) 摘要:以模拟植物生长算法为工具,提出了一种解决设施选址问题的智能优化算法.结合配送中心选 址的实际案例,将模拟植物生长算法与遗传算法的计算结果进行比较,结果表明该算法比遗传算法在精 度上有所提高;在此基础上,以50个随机选取的用户为背景,解决了韦伯型多设施选址问题.不同于其 它启发式算法,模拟植物生长算法在得到全局最优解的同时,还可以根据设施数量的不同,将全局最优 解与局部最优解进行组合,可以建立整体最优的设施布局.本算法在应用中显示了精确性、稳定性和通 用性特点,是模拟植物生长算法在解决选址问题上的具体应用. 关键词:模拟植物生长算法;智能优化算法;设施选址;韦伯型多设施选址 中图分类号:C934文献标志码:A Application of plant growth simulation algorithm on solving facility location proble m LI Tong1,2,WA NG Zhong2tuo1 (11Institute o f Sy stems Engineering,D alian University of Technology,Dalian116024,China;21Management College,Hangzhou Dianzi Universi ty,Hangzho u310018,China) Abstr act:Based on Plant G ro wth Simulati on A lgorithm(PG SA),we pro pose a intelligence optimizatio n algori th m fo r solving facility location problems.We compare the calculating results of PG SA with G enetic Algori th m(G A)for distributio n center locatio n problem,and the result approves PGSA is better than G A on accuracy.Further more, selecting50customers rando mly,w e solve Weber multi2facility location pro blem.Differed from other heur i stic algorithms,PGSA can find global opti mal solutio ns.Meanw hile,acco rding to the different facility numbers,we combine global and local optimal solutio ns,set up opti mal facili ty location arrangement as a whole.The algori th m herein sho ws its accuracy,astringency and generalization.It is an actual application of PG SA on solving location problems. Key wor ds:plan t grow th si mulation algo rithm(PGSA);in telligence optimization alg orithm;facility location problems;Weber location problem with different facility numbers 1引言 在现代物流系统中,设施选址问题是一个具有战略意义的问题,其核心思想是在已有用户、资源、目的地等条件已知的情况下,确定一个或多个新设施位置的问题[1].所谓设施,其内容非常广泛,机场、人类居住区、销售网点以及仓库、配送中心、消防局、工厂、污水处理中心等都属于它的范畴.科学、合理的设施选址可以有效地节约资源、降低物流成本、优化物流网络结构和空间布局,是建立资源节约型物流至关重要的一步. 设施选址问题是一个十分古老而又经典的问题,古代的选址决策往往以经验、制度甚至迷信思想为依据,而作为现代意义上的设施选址问题,其理论原型最早可以追溯到1634年法国数学家费马(P.de Fermat)所提出的/费马问题0:对平面上任意给定的三个点,如何找出另外一点将它与这三个点相连,使得连线总长度最小?对于这个优化问题,费马并没有给出解答;1640年,对于已给三个点所构成的三角形三 收稿日期:2007208215 资助项目:国家自然科学基金(70431001,70371051);中国博士后科学基金项目(2005038588) 作者简介:李彤(1967-),男,博士后,E2mail:litong67@to https://www.wendangku.net/doc/3e16913621.html,;王众托(1928-),男,教授,中国工程院院士.
仿真植物景观 明筑超高仿真工艺让植物“以假乱真”
仿真植物景观明筑超高仿真工艺让植物“以假乱真” 双十一黄金期间，各大商家都争先恐后的推出了旗下最先产品和最大的优惠力度，其中以建材市场的新型产品为最多，优惠力度也为对打。记者在节日期间中发现，在建材市场中出现了一种定义为新型建材的“仿真植物墙”的品类吸引了大众的眼球，据了解，市面上的仿真植物墙是属于一种新型的建材材料，也是目前城市绿化的最重要的一个部分。 植物产品披上仿真“外衣” 在日前的一场仿真植物墙发布会上，记者看到众多此前一直被业界热捧的“仿真植物墙”。根据仿真植物墙品牌相关负责人介绍，在植物墙中，仿真植物墙相比真植物墙有着众多无法比拟的优势，仿真植物墙从安装，样式，环保，护理，价格上都更胜一筹。由于仿真植物以
技术取胜，其采用仿真技术研发出来的产品都是具有专利证书的，非常的逼真，所以在使用过程中可以很好的达到自然衔接，可以实现真植物墙较难实现的大面积铺贴，极易形成统一和完整的风格，同时又可以根据个人喜好随意搭配。 此外，记者还发现，目前市场上出现的仿真植物墙完全可以达到以假乱真的效果，就以明筑品牌的仿真植物墙为例，其采用的是PVC/PE环保高分子材料合成产品，可塑性强，材质环保。明筑的相关负责人指出“由于我们采用是高科技技术，都是有经过多年的研发的，而且每项产品都具有专利证书，仿真度极高，因此若非行家，一般难以分辨，这也是为何明筑仿真植物墙备受追捧的原因。” "仿真品"价格比真品要低很多
浙江省内几家大型仿真植物墙品牌的销售人员介绍，由于目前的真植物墙所需要的东西繁多，其安装也非常的繁复，而且后续的打理过程和维护过程也相当的麻烦，一般都需要专业的人员护理养护。而仿真植物墙的出世，恰恰弥补了这一缺点，其安装过程非常的简单，更具教材可以自行安装，而且它适合与任何的墙面安装，没有墙面要求，适用范围更广；同时，仿真植物墙几乎没有后续护理问题，而且可以保持近10年的时间，不会褪色。因此，跟真植物墙相比，仿真植物墙的的价格要相对低很多。销售人士介绍，产品质量和工艺不同，其价格自然会所差别，仿真度越高，使用寿命越长，产品环保性能越好，其价格自然也就越高。 就这类新型建材仿真植物墙的市场前景，记者特意咨询了明筑仿真植物墙对此的相关看法。明筑的负责人表示“目前大型别墅，大户型单位，主题餐厅，连锁品牌服装实体店，都会将仿真植物墙融入整体的空间设计中，相比真植物墙，我认为仿真植物墙所带来便利，始
园林植物造景
园林植物造景 Document number：WTWYT-WYWY-BTGTT-YTTYU-2018GT
1园林植物造景的概念：园林植物造景是按照园林植物的生态习性和园林艺术布局的要求，应用乔、灌、草来创造各种优美景观的过程，充分发挥植物生物学生态以及美学等功能，配置成一幅幅优美的画面，供人们欣赏。 2植物的生物特性美 （一）视觉设计要素：①线条②树形③叶色 （二）叶的形状：单叶、复叶 3精神属性美 最早的对树木的原始崇拜，现在的树神或风水树。园林中的植物承担着一种承载中国民族文化精神或心里载体的作用。 ①松，广泛被视为吉祥树种，也代表长寿 ②柏，有道德、品德高尚 ③桂，吉祥富贵视为祥瑞植物，芳香袭人（科举高中称“月中折桂”“折月桂”“贵”荣华富贵） ④槐，吉祥之树，国槐“门前一直槐，不是招宝，就是进财”被认为有公断讼，讼之能，槐树益人，绿化常用，风水布置。” 4植物的功能属性美 一．改善生态环境植物素材是重要的自然资源，它们获取太阳能，并使之能为食物链所用，植物制造氧气，净化水质，通过蒸发作用使之进入大气。1.提高空气质量①碳氧平衡②吸收有害气体③吸收放射性物质④滞尘二．杀菌：某些植物分泌物具有杀菌作用三．通风防风：1.防风（由植物构成的防风林带可以有效的阻挡冬季寒风或海风的侵袭。经测定，防风林的防风效果与林带的结构以及防护距离有着直接的关系，疏适度为50%左右的林带防风效果
最佳，并非林带越密越好。）2.通风（风带，以便将清新凉爽的空气引入其中，提高环境的舒适度、园林绿地与道路，水系结合是构成风道的主要形式。进气通道的设置一般与城市主导风向成一定夹角，并以草坪，低矮植物为主，避免阻挡气流通过，而城市排气通道则应尽量与城市主导风向一致。）四．净化水体五．治理土壤污染六．防火七．水土保持八．改善小气候九减弱噪音十环境监测和指示植物 5植物空间构筑功能（重中之重） 创造空间是园林设计的根本目的。一空间可以理解为：人从一个视点横扫四周，视线被景物所阻挡构成一定的视觉界面，这些视觉界面所限定的范围，及时人所感受到的空间。二空间感受：主要通过视觉与在空间行动而获，因此空间感受影响对空间形式的分类。空间的存在及其特性来自形成形式和组成因素，空间在某种程度上会带有组成因素的某些特征，如果各刺激互相联系，并支持一个共同主题，空间就会含义明确，整体感强。各要素互相联系起来，这样空间就有高度地狱感。三空间的形式：因感觉角度不同，有不用类型1.空间重心不同：容积空间、立体空间、混合空间。2.尺度不同3.空间类型与围合程度①封闭空间：利用植物浓密树冠封闭空间，利用乔灌木封闭四周，具有强烈隐秘性，隔离感。②半封闭空间植物：未完全封闭，组成空间六个面中某一个或几个面封闭，或其封闭面较多但由于植物稀疏导致封闭性差。③开放空间：利用低于人视平线矮灌木或仅用地被植物限定空间或暗示空间边缘，形成视线完全通透，外向性，无隐秘性，气派及恢弘。4.空间方向不同分为：水平空间、垂直空间。四空间设计 1.墙的设计 2.基层平面 3.头顶的层面 4.空间内的要素 5.空间深度 6.连续空间 7.调节感官刺激物 6植物配置艺术手法
城市地铁选址方法研究.doc
城市地铁选址方法研究- 1 城市地铁站点的概念 城市轨道交通是一种现代化的城市公交客运系统，这种快速大运量的城市轨道模式，通常以电力来牵引，其线路常敷设在地下隧道内。 2 城市地铁站点分类 3 城市地铁站选址定义及分类 该文对地铁站选址的定义是在地铁站对线路规划的影响上订立的，故将线路站点定义为：对线路规划有影像的站点的总称，通常指“锚定”站点，选址的宗旨是协调、完善线路的规划。按线路规划受到的影响分类，站点选址可分为“锚定”站点选址与“游离”站点选址，其中“锚定”站点是线路规划的关键节点，“游离”站点的选址是以站位规划为基准，再考虑站点两端“锚定”站点位置，结合实际情况而进行设置。 4 城市地铁站选址的基本原则和影响因素 4.1 基本原则 从城市整体交通状况出发，依据城市地铁建设要求将“按需设置、经济合理、技术可实现性、协调发展”作为基本原则。 4.2 影响因素 4.2.1 与沿线发展规划是否协调 客流量大小和集散强度与城市人口的分布以及商业区的密集程度紧密关联，且后者对前者有一定引导作用。因此，地铁站设置时要考虑周边不同土地的远期规划和利用结构。 城市空间布局受地铁站间距影响。地铁站间距较大时，生产、商业等多功能项目更愿意到地铁周边发展，因此很容易形成
区域式发展趋势和功能齐全的土地开发区。地铁建设时要考虑人口规模和客流量，人口和客流量太小的话，地铁修建的可行性就会大大降低。地地铁建设的目的是缓解客流压力，如果布局和承载能力设置不合理，反而会对居民出行产生影响。 4.2.2 地铁站的选址与地铁线路是否协调 地铁站是线路规划的节点，是属于线路规划的一部分，站点依附于地铁线存在，地铁站同时也优化了地铁线的功能。地铁站选址时要体现地铁线路的规划要求，并且要适应施工要求。 4.2.3 地铁站的交通功能 城市地铁站是乘客享受地铁服务的起点，如果选址恰当，能够对客流产生积极的导向和聚集的作用，使地铁线的交通功能得到最大程度的发挥。因此，地铁站的选择也要充分考虑到客流量、客流分布走势、出行结构以及各人口密集区的客流集散强度。 （1）客流分布特征对地铁站选址的影响。地铁站的选择要为未来客流动变化留有余地，城市客流的分布与形成是一个相互制约最终平衡的过程，随着时间和外部条件的改变，城市化进程的加快，城市地铁客流不可能一成不变。因此，建设地铁站时，要统筹兼顾，既要考虑城市交通的未来分布，充分考虑客流的动态变化趋势。 （2）地铁站受客流的影响。从客流数量出发，以我国运营为参考对象，乘客到达地铁站的出行方式及其所占比例为：步行地面公交乘出租车自行车出行其他。站间距小的站点可以增加地铁对客流的吸引力，将更大部分其他客流转化为地铁客流，因此，站间距的大小与客流量多少有紧密的关系，此外地铁站的展位也会对客流量产生一定程度的影响。 4.2.4 经济效益
礼仪情景模拟题
礼仪情景模拟题
礼仪情景模拟题 预览： 一、情景模拟概述 礼仪文明是人类树立起的追求真善美的旗帜，是人类高扬起的道德力量的旗帜，是人类在规范自我、高尚自我、发展自我的自我修炼进程中高扬起的“大我”的形象之旗，营造一种和谐文明的生存环境。在生活和工作中，处处有礼仪，处处需礼仪。情景模拟主要是考察选手的随机应变能力，表现大学生在日常生活中的行为素质，展示生活场景中的知礼、用礼、行礼。 模拟题由考前抽签决定，以团队形式进行表演。老师宣读现场模拟题，选手有五分钟的表演时间。选手对场景进行模拟，表演完毕后，选手可进行适当解说，老师按照评分标准进行打分。 二、情景模拟要求 （1）入场表现大方，走路体态优美，姿势得体，整体印象好。 （2）对模拟场景表演到位，把握模拟要点，语言组织逻辑性紧密，语音清晰，表达流利，模拟时间恰当，团队有五分钟的表演时间。 （3）场景中的礼仪表现：较好地处理模拟场景，在模拟场景的社交场合或者公共场合中，行为举止表现得体，尽显大学生礼仪文化的风采。 三、情景模拟题 1、图书馆礼仪 场景：你去图书馆看书，看到只有一个位置空着。空位旁边的一位同学把自己的包放在了空位的桌子上，包口向着她敞开着。你要去坐这个位置。当你坐下来后，把书拿出来看，不久你的手机响了。你接完电话，看了书，就离开了图书馆。 模拟要点： （1）进入图书馆，要衣着整齐，轻轻走路。 （2）有礼貌地询问“请问这里有人吗？”或者“我可以坐这里吗？”等别人回应后，才可以入座。 （3）把书拿出来看的时候，要轻拿轻放。手机响了，要出去走廊接，不可大声说话，应尽快结束通话。（4）看完书后，离开时，把椅子轻轻抬起，移到桌子底下。 2、寝室礼仪 场景：刚开学，发新书了。你在宿舍边喝水，边看书，不小心把杯子弄倒了，把小李的书弄湿了，水撒得满地都是。这时，小李刚好回到宿舍，看到了这一情形，她很生气地说：“你弄湿了我的书，太过分了，你要赔我，把我的桌子都弄湿了。”你该怎么办，才能解决问题？模拟要点： （1）首先要承认错误，自己不小心把小李的书弄湿了。 （2）诚心道歉，用毛巾小心把书擦干。如果更为恰当的话，可以把自己的新书跟小李换，态度要诚恳、乐观。 （3）用毛巾把桌子擦干，并把地拖干净。 预览： 3、上课礼仪 场景：上课迟到了，一位同学出现在教室门口。此时老师正在讲课。你得到老师允许后，进入教室入座，拿出课本，认真听讲。下课了，你走上讲台。 模拟要点： （1）等老师讲到停顿处时，先轻轻敲门，老师转头看你后，说声“报告老师，我迟到了！”。 （2）在看到老师点头允许后，点头说谢谢！然后轻手轻脚入座。 （3）坐下来之后，拿出课本，请放在桌子上，坐姿端正，抬头挺胸，认真听讲。 （4）下课后，到讲台处有礼貌地向老师打招呼，简单说明一下迟到的原因，最后跟老师道谢。 4、校园接待礼仪 场景：有嘉宾要来学校，学院领导让你去办公楼楼底接待。你给嘉宾带路，把他引领到领导办公室。
受环境影响的虚拟树木生长预测与仿真
受环境影响的虚拟树木生长预测与仿真 宋全记 （四川建筑职业技术学院信息工程系，四川 德阳 618000） 摘 要：虚拟树木建模并对其生长过程进行模拟是个难题。本文提出一种不需要设定特殊规则，而且不需要迭代运算的基于树型结构的建模方式，并通过循环神经网络RNN(Recurrent Neural Network)生成仿真序列。由于循环神经网络处理长时间依赖效果并不理想，本文采用GRU(Gated Recurrent Unit)单元模型来弥补循环神经网络的不足。实验表明，本文提出的方法可以模拟树木受到外界环境影响后的生长过程，并且对于复杂模型能通过并行处理进一步提高仿真速度，达到了预期效果。 关键词：虚拟树木；L-系统；循环神经网络 中图分类号：TP399 文献标识码：A Prediction and Simulation of Virtual Tree Growth Influenced by the Environment SONG Quanji (Department of Information Engineering ,Sichuan College of Architectural Technology ,Deyang 618000,China ) Abstract:Modeling and simulating the growth process of virtual trees is a difficult problem.This paper proposes a modeling method based on the tree structure with no requirements of special rules or iterative computation,which can generate the simulation sequence through RNN (Recurrent Neural Network).As RNN is not efficient enough to handle the long-time dependence,this paper adopts GRU (Gated Recurrent Unit) unit model to make up for the deficiency of RNN.The experiment results show that the proposed method can simulate the growth process of trees under the influence of the external environment,and further improve the simulation speed of complicated models through parallel processing. Keywords:virtual trees;L-System;recurrent neural network 文章编号：2096-1472(2017)-01-33-04 软件工程 SOFTWARE ENGINEERING 第20卷第1期2017年1月 V ol.20 No.1Jan. 2017 1 引言(Introduction) 近些年，虚拟树木仿真研究已逐渐发展成为生物学、物理学、应用几何和计算机图形学等领域的交叉学科[1]。其研究在农林业研究、绿化景观设计、游戏影视动画等领域中占有重要的地位,有着广阔的应用前景[2]。 目前大量文献对虚拟树木的研究都是在L-System基础上进行的，比如文献[3]采用L-System作为分枝结构，给出了基于物理学的开花过程；文献[4]提出从树木图片中提取树木的L-System规则的算法,并将其应用于三维树木建模。 循环神经网络在序列预测序列领域有比较成熟的应用[5,6]，但是L-System是迭代生成序列，难以通过RNN等神经网络预测；本文提出的树型结构不存在迭代过程，因此可以通过RNN预测不同环境影响下树木的生成序列。同时，树型结构可以按结构拆分、用遗传算法优化[7]，方便并行处理加快建模和仿真速度并提高预测仿真的准确性。 2 建立模型(Modeling) 自然界的树木形态万千，每种树木的内部结构各不相同，影响树木生长的环境也复杂多变。本文以树木建模为例说明我们提出的树型结构建模过程，并通过循环神经网络预 测阳光、降水对树木的影响。 2.1 L-System 模型 L-System可以对树木建模[8],设定如下规则：(1)b(branch)：树干(2)l(leaf)：树叶(3)s(size)：大小 (4)rx(rotation_x)：x轴方向旋转(5)ry(rotation_y)：y轴方向旋转(6)rz(rotation_z)：z轴方向旋转 图1 简单树木建模 Fig.1 Simple tree modeling 则图1的树木可以表示为： b(t)[rx(-70)b(t)[rx(70)b(t)]b(t)rx(60)s(0.8)b(t)rz(90)
立体绿化植物墙常见10个问题答疑
立体绿化植物墙常见10个问题答疑 问题一： 什么是立体绿化 立体绿化是指以修建物和构筑物为载体，以植物资料为主体营建的各种绿化方式的总称，首要包含房顶绿化、垂直绿化、沿口绿化和棚架绿化等。其间，房顶绿化可分为花园式、组合式和草坪式，垂直绿化可分为墙面绿化（即植物墙绿化）、桥柱绿化、围栏（围网）绿化，沿口绿化可分为窗阳台绿化、修建沿口绿化和人行天桥沿口绿化，棚架绿化可分为园林花架和棚架式绿荫停车场。
问题二： 立体绿化有哪些效果 立体绿化占天不占地，能有效使用城市空间，添加城市绿量。生态效益表如今净化空气、滞尘降污，隔热降温、化解热岛效应，调理湿度、改进小环境等方面。环境效益体如今蓄积过滤雨水、减轻城市排水压力，减轻光污染、有利身心健康，改进屋面热工性能、延长修建物使用寿命等方面。社会效益表现为改进空间景象相貌、提高现代服务业的投资环境，培养新型产业、推进社会经济发展等方面。 问题三： 房顶绿化是不是会导致房子渗漏 房顶绿化构造层由下而上依次为：普通防水层、耐根穿刺防水层、排（蓄）水层、阻隔过滤层、栽培土层、植物资料层。在对既有修建物房顶绿化规划前应对原屋面做大于24小时的蓄水实验，并在平时维护中留意雨水井口不被树叶等废物堵塞。因而，只要防水层、阻根层铺设到位，严厉按规程操作，房顶绿化通常不会导致房子渗漏。
问题四： 房顶绿化会否影响房子构造安全 新建修建房顶绿化规划应与屋面构造荷载规划同步进行。既有修建房顶绿化规划前应进行屋面承重检查，依据屋面所能承载的荷载值进行规划。只要房顶绿化施行充分考虑房子承载请求，因地制宜挑选绿化方式,通常不会对房子构造安全产生影响。 问题五： 房顶绿化植物资料怎么挑选和配置
选址方法汇总
物流选址方法综述 摘要：物流的选址决策在物流运作中有着重要的地位。文章分析了物流选址的常用方法，并进行了分类举例说明，为实际选址提供参考。 关键词：物流；选址问题； 一、定量分析方法 定量方法一般用可量化的描述成本的数学公式为目标函数进行优化选址，常以物流过程总费用最小为目标，通过设定一些参数、变量，并对问题作一定的假设，建立一个比实际情况简单的模型，通过求解模型得出方案。比较典型的定量方法包括重心法、物流作业量法、启发式算法、线性整数规划等。 （1）重心法 设有一系列点分别代表生产地和需求地，各自有一定量货物需要以一定的运输费率运向一个位置待定的仓库，或从仓库运出，那么仓库该位于何处呢？我们以该点的运量乘以到该点的运费费率，再乘以到达该点的距离，求出上述乘积之和（即总运输成本）最小的点。即， i i i i MinTC V R d =∑ 式中 TC —总运输成本 V i —i 点的运输量 R i —到i 点的运输费率 d i —从位置待定的仓库到i 点的距离 解两个方程，可以得到工厂位置的坐标值。其精确重心的坐标值为 //i i i i i i i i i V R X d X V R d = ∑∑ 和 //i i i i i i i i i V RY d Y V R d =∑∑ 式中 ,X Y —位置待定的仓库的坐标 X i ,Y i —产地和需求地的坐标 距离d i 可以由下式估计得到
i d = 式中，K 代表一个度量因子，将坐标轴上的一单位指标转换为更通用的距离度量 单位。 （2）物流作业量法 该方法计算各地址的物流周转量，选择其中最小者为最优地址，其步骤为： i. 设定坐标系。设a 是拟选新址，b 、c 、d 是新址的关联方，即新址物料供应点或产品投放点，各点坐标值标在点的旁边。 ii. 计算新址与关联方之间的距离。a 与b 之间的直线距离为： ab D = iii. 统计一定时期内发生在新址与关联方之间的物流作业量Q 。 iv. 计算新址的物流作业量L 。 1 n i i i L Q D ==∑ 其中，Q i ：新址与第i 个关联方之间的物流作业量； D i ：新址与第 个关联方之间运输距离； n ：关联方数目。 v. 依次计算不同新址的物流作业量，物流作业量最小的新址就是最佳 新址。 （3）启发式方法 如果服务系统要在一定区域建立几个销售点，从费用或总距离最小的角度选择建立销售点的地址，可用启发式方法。 例：某连锁总公司拟在某市建立两家超市，该市有A 、B 、C 、D 四个区，各区可能到超市购物的人数权重已知(见表2)，求：拟建的两个超市应建立在哪两个区? 表1 各区距离和人数权重
情景模拟题说课材料
情景模拟题 1 天地公司的钟苗是一个新员工，她在前台负责接待来访的客人和转接电话，还有一个同事小石和她一起工作。每天上班后一到两个小时之间是她们最忙的时候，电话不断，客人络绎不绝。一天，有一位与人力资源部何部长预约好的客人提前20分钟到达，钟苗马上通知人力资源部。部长说正在接待一位重要的客人，请对方稍等。 秘书钟苗应该如何处理？ 2 钟苗正在前台接电话，忽然看见两位客人直接往办公区走。钟苗赶快叫住她们。客人有些不耐烦地说：“我们昨天刚来过，是找销售部的钱经理的，昨天有点事没办完。” 钟苗说：“对不起，请你们稍等一下。我马上通知钱经理。”电话接通后，钱经理说：“我不想见那两个人，请你帮我挡一下。” 秘书钟苗应该如何挡驾？ 3 某市政府办公室的詹秘书，在接受徐市长的一份材料写作的紧急任务之后，正急匆匆地往自己办公室走时，在走廊被分管经济工作的杨副市长叫了过去。杨副市长要詹秘书赶紧为他找全有关市场经济的重要资料。詹秘书此时此刻一心只想到完成徐市长布置的任务，对杨副市长说的什么似乎一无所知。杨副市长见他有些走神，又重述了自
己的话。 詹秘书此时应如何办? 4 某商业公司赵副总经理因一项对外业务工作，与焦总经理争执起来。后来，赵经理在与王秘书外出乘车中，埋怨焦总经理主观、武断、不尊重他的意见，导致决策失误，给公司经营造成了损失。王秘书知道总经理与副总经理因工作意见不同，有些分歧。总经理是一位有能力、有魄力、办事雷厉风行的人，但不太注意方法，工作中得罪了不少人，职员中对他这一点也颇有意见。副总经理考虑问题周到，群众关系好，也关心别人，但决断能力差些。从心底讲，王秘书个人感情上更倾向副总经理。今天，副总经理谈起他与焦总的分歧，明明是想争得秘书对他的支持和同情。 问秘书应该如何做？ 5 某公司办公室主任让小张将一堆没有整理的资料进行整理。 小张应该如何整理？ 6 假定你是副总的秘书，工资比总经理的秘书低一个档次，工作能力却比之强，态度也比之好，所以总经理经常把一些重要的工作交给
植物生长室配置及功能介绍
植物生长室配置及功能介绍 很多人不知道植物生长室是什么？简单来说，植物生长室就是一个可以人为控制的小型的环境室，它可以满足各种实验的需要。那么，植物生长室的配置以及功能有哪些呢？本文给大家综合这两点给大家做以简单的介绍。 植物生长室也称植物生长人工气候室，主要是由库体、库门、压缩及制冷（制热）系统（分为室外机和室内机）、辅助电加热器、加湿器、除湿机、灭菌紫外灯、照明灯和电脑控制系统（含各种传感器）等组成的。其中库体由100mm白色彩钢板高密度聚苯乙烯库板构筑，配有标准库门（可选不锈钢门），为确保安全，具有漏电保护、缺相保护和超温保护等多种功能。而气候室外形尺寸可根据用户需求ding制。 据了解，托普云农RTOP系列植物生长室采用≥5.7寸彩色触摸屏，所有的参数显示和设定均可在触摸屏上进行，可根据不同的需求选择最佳制冷的运行模式，可在触摸屏上直接设置温度、湿度、时间、模式等参数，具有实时温湿度，历史温湿度数据曲线，设备运行状态显示，故障图形代码显示等专用功能。并且该植物生长室能够模拟自然界的各种气象条件，按照实验要求精确控制室内的温度、湿度、光照、风向、风速及二氧化碳气体浓度等多种指标，能够再现气候环境，在性能上优于同类产品，它的性价比极高。系统在设计中采用计算机模糊控制算法，采用先进的智能传感测量和控制技术，能够完全满足实验的需求，同时还能够使系统运行于最佳节能状态，并对被控参数和设备运行过程进行在线记录。 我们都知道，在育种领域，种子发芽实验是非常重要的实验项目，同时也是种子检验中四项质量指标中较为重要的指标之一，除此之外，对于植物生理研究等方面，也具有非常重要的意义。而RTOP系列植物生长室的研发和应用，能很好的模拟种子发芽所需要的外部自然环境，能够通过人为的调节和控制大大的提高种子的发芽率，为现代育种提供一定的支持。
物流设施选址方法综述剖析
2.3 配送中心选址方法综述 本文在建立配送中心选址模型、设计模型求解方法时，需要借鉴大量前人的研究成果。为了更直观地了解这些理论，本节对配送中心选址的方法进行了归纳，并对几种常用选址模型进行介绍。 从配送中心各备选点属性的可量化的程度分析，这些方法可分为定性方法和定量方法两种，每种方法中又包含了复杂程度以及所用数学算法不同的多种方法，现归纳如图2-3所示。 图2-3 物流设施选址方法归纳
2.3.1 定性方法 定性分析法是指凭借集体或个人的经验做出决策的过程。其一般执行步骤包括： 1）根据以往经验结果进行确定备选点； 2）利用指标对各备选点进行优劣性检验； 3）根据检验结果做出决策。 较常用的定性方法有头脑风暴法、专家选择法、PERT法等，这类方法的中心思想是将专家凭借经验做出的判断以量化的数值形式表示，对各个数值进行综合分析后作出决策。由于基于定量分析的选址方法很难将影响决策的所有因素考虑周全，如环境、地理、交通、城市用地、城市发展、劳动力等，并且即便想周全考虑这些因素，也很难量化所建模型中的各约束条件。因此，根据实际情况建立一套完整的选址评价指标体系，采用模糊评价(Fuzzy Judge)、层次分析(Analytic Hierarchy Process，简称AHP)等数学方法进行综合评价，进而确定配送中心的最优选址区位就显得十分有效。在这类方法中，专家的主观判断占主导地位，决策结果往往受到专家的知识结构、经验以及他们所处的时代、社会地位和社会环境等诸多因素的制约和影响。对于有限的备选地点，该类方法较为有效，但是如果以整个城市大系统甚至更大规模的选址问题为研究对象来研究配送中心的选址问题，则必须具备足够的基础资料，辅助以定量分析方法，否则决策结果缺乏足够的说服力。[29] 2.3.2 定量方法 定量分析法应用非常普遍，从建模方法的角度分类，可归纳为三大类：解析法、模拟法和启发式方法。 1）解析法 解析法主要是通过建立并求解数学模型，以求得最优选址方案。一般来说可分为基于成本的模型和基于效益的模型。基于成本的模型主要考虑成本的最小化，而基于效益的模型考虑的则是总收益的最大化。虽然这两类模型所考虑的因素不同，但其数学处理方法在本质上是一致的。现实中，多数情况以研究成本为主。采用解析法时，首先应根据问题的特征、外部条件以及内在的联系建立适当的数学模型，然后对模型进行求解，获得最优选址方案。这种方法的优点是能获得精确的最优解。但是，在解决某些复杂问题是，用该方法难以建立起恰当的模型，或者由于模型太复杂，使得求解过程困难或付出相当高的代价。因此，解析法在实际运用中受到一定的限制。[30] 采用解析法建立的模型包括微积分模型、数学规划模型、重心法模型等。数学规划模型又包括线性规划模型、非线性规划模型、整数规划模型、混合规划模