【最佳设施布局设计Matlab代码】在matlab中使用粒子群算法实现最佳设施布局设计～
直接上干货！今天咱们聊聊怎么用Matlab的粒子群算法（PSO）搞设施布局优化。这种问题在工厂规划、物流仓储里太常见了——既要让设备之间物流成本最低，又要满足安全距离，还得考虑空间利用率，想想就头大对吧？
先看核心代码长啥样。咱把设施抽象成二维坐标点，目标函数直接计算所有设施间的运输成本总和。这里用欧氏距离模拟运输路径，单位距离成本设为固定值：
function cost = fitness(position) % 把一维数组转二维坐标矩阵 facilities = reshape(position, [], 2); total_cost = 0; for i = 1:size(facilities,1)-1 for j = i+1:size(facilities,1) distance = norm(facilities(i,:) - facilities(j,:)); % 假设每单位距离成本为100，权重可调 total_cost = total_cost + distance * 100; end end cost = total_cost; end这段代码有个坑——没有处理设施重叠的情况。实际场景中咱们得加约束条件，比如在目标函数里增加惩罚项。简单粗暴的改法就是在循环里加个判断：
if distance < min_distance total_cost = total_cost + 1e6; % 给个大惩罚值 end接下来是PSO主算法部分。参数设置直接影响收敛速度，我习惯把惯性权重设为动态衰减的。粒子数别太多，20-50个足够，毕竟设施布局维度不会太高：
n_particles = 30; max_iter = 100; dim = num_facilities * 2; % 每个设施有x,y坐标 % 初始化粒子位置（假设场地尺寸10x10） pos = rand(n_particles, dim) * 10; vel = zeros(n_particles, dim); % 动态惯性权重参数 w_start = 0.9; w_end = 0.4;迭代过程才是精髓。注意更新速度时要把位置限制在场馆范围内，不然粒子会跑到地图外面去。这里用了个小技巧：超限坐标直接取边界值，比用if判断更简洁：
for iter = 1:max_iter w = w_start - (w_start - w_end)*(iter/max_iter); % 计算适应度 current_cost = arrayfun(@(i) fitness(pos(i,:)), 1:n_particles); % 更新个体和全局最优 [global_best_cost, idx] = min(current_cost); % 速度更新公式 vel = w*vel + c1*rand*(pbest_pos - pos) + c2*rand*(gbest_pos - pos); % 限制移动范围 pos = pos + vel; pos = max(min(pos, 10), 0); % 场地边界约束 end跑完算法记得可视化结果。画个散点图，用不同颜色区分设施类型，连线表示高频物流路径：
scatter(facilities(:,1), facilities(:,2), 'filled'); text(facilities(:,1), facilities(:,2), cellstr(num2str((1:num_facilities)'))); % 画出重点物流线路 hold on; for k = 1:size(important_pairs,1) plot(facilities(important_pairs(k,:),1), facilities(important_pairs(k,:),2), 'r--'); end参数调优有个小窍门：当算法陷入局部最优时，试着调大c2（社会学习因子），或者给粒子位置加随机扰动。有时候把迭代次数减少但增加粒子数反而收敛更快，这个得具体问题具体分析。
最后说个实战经验——布局优化后一定要做灵敏度分析。把某个设施的位置微调5%，看看总成本变化幅度。如果波动太大，说明当前布局鲁棒性不足，可能需要增加约束条件重新计算。
