1.一种基于计算机视觉的物流节点设施布局优化方法，其特征在于，包括如下步骤： 步骤(1)，基于计算机视觉技术，采用多智能体Multi-Agent技术与元胞自动机CA模拟技术，构建地理模拟系统，采用计算机图形学来表征物流设施地块地形及其约束条件，构建物流节点设施布局优化的三层Agent优化模型；所述三层Agent优化模型采用多级递阶的层次结构，从上至下依次包括：全局优化主体LSA、功能区主体FA和网格主体NA，每一级由功能、结构类似的智能体Agent组成；其中：
全局优化主体LSA作为功能区主体FA的协调单元，从物流节点全局角度进行物流节点系统的方案优化，并引入协同机制实现与功能区主体FA之间的协同优化，确定协调对策和协调参量；
功能区主体FA负责物流节点各功能区的方案优化，向全局优化主体LSA传输关于其局部系统环境和系统优化性能的反馈信息，作为全局优化主体(LSA)的决策依据，同时作为网格主体NA的协调单元；
网格主体NA负责网格的功能选择行为，与功能区主体FA相互协调，在协调不了时向上一层Agent寻求全局优化协调；在接到其它功能区主体FA和网格主体NA的协调请求时，就进入协调工作状态，并通过上一层Agent优化协调的决策达到全局最优，实现物流节点系统结构和布局方案的优化；
步骤(2)，进行物流节点设施布局设计数据的收集和初步处理，建立物流节点、物流服务系统的历史数据库和预测数据库；
步骤(3)，采用自动布置设计程序ALDEP和多层仓库定量布置程序MULTIPLE两种构建型算法产生物流节点设施布局的初始方案，在初始方案的基础上生成初始解，制定物流节点系统结构和布局方案的评估结果；所述初始方案的建立步骤如下：
(1a)数学模型的表示：
首先假设规划区域被分割为W行、L列的格网单元，即共有W·L个用地单元； 定义Dij表示功能区i与功能区j之间的直线距离，需要安排K种功能属性类型，Xijk代表单元(ij)的功能属性类型，Xijk是一个二元变量，如果单元(ij)的功能属性类型是k，其值为1；否则为0；Xk表示是第k种功能类型的规模， 表示单元(ij)和单元(i′j′)邻接次数的总和；
采用考虑物流成本最低的目标函数，构建如下优化模型：
and
其中，Cij为功能区i与功能区j之间每单位货物单位距离的物流成本；
fij表示功能区i与功能区j之间的物流量；
dij表示功能区i与功能区j之间物料搬运的直线距离；
C′ij为功能区i与关键控制点j'之间每单位货物单位距离的物流成本； f′ij表示功能区i与关键控制点j'之间的物流量；
d′ij表示功能区i与关键控制点j'之间物料搬运的直线距离；
C″ij为功能区i与关键控制线j″之间每单位货物单位距离的物流成本； f″ij表示功能区i与关键控制线j″之间的物流量；
d″ij表示功能区i与关键控制线j″之间物料搬运的直线距离；
表示功能属性为k的两个单元(i1j1)和(i2j2)的Manhattan距离；
表示功能属性为k1的单元(i1j1)与功能属性为k2的单元(i2j2)之间的欧氏距离；
Bij表示某网格单元(ij)禁止布置区域的单元集合；
表示单元(i1j1)和单元(i2j2)之间的距离；
a表示地块的面积；
λ是一种紧凑形状的测度；
K表示功能区类型的数量；
M表示关键控制点数量；
N表示关键控制线数量；
L表示规划区域的最小包络矩形长度；
W表示规划区域的最小包络矩形宽度；
(1b)复杂地块的几何图形表示：
将规划区域转为数据格式；用等距扫描法来表示物流节点的复杂地块形状，对功能区形态的分析采用项点序列链码Freeman链码来进行；对于已有功能区，在算法优化的过程中将功能区对应的方格的功能属性设定为不可更改；
(1c)功能区形状及其约束条件的表达：
选择规则格网单元作为空间决策变量，采用Freeman码来描述各功能区的形状与空间信息，对于功能区形状的约束通过引入不规则度以及最小包络矩形来描述；具体如下：
1)功能区的的描述与网格顶点链码表示：
对于功能区形状用边界像素的顶点来标记图像的方法，采用八方向的Freeman链码来表示各功能区形状，功能区边界Freeman链编码可以表示为{(x0,y0)1/a0a1a2…an-1}，其中(x0,y0)为功能区边界上起始网格坐标，αi∈{0,1,2,3,4,5,6,7}是功能区的八方向链码； 一个功能区的边界链码表示为：
L=x0,y0,d1,d2,….dP-2；其中P为区域边界长度；
2)区域边界规则度：
用规则度来表示功能区的边界规则程度；
σ=R(L)
L表示分割区域的边界，R为规则度算子；
求区域的规则度，就是求区域边界的规则度，已知边界的链码表示L，通过链码把二维的区域边界转换为一个维函数，设
其中，当i=0时，令di-1＝0；
这样，规则度可以表示为
设一维函数为y=f(x)，首先定义x0=0,y0=0；
yi=f(xi)=di
函数y=f(x)的均值为
这样，规则度亦可以表示为
则综合规则度σ可表示为
σ=w1σ1+w2σ2；
3)功能区最小包络矩形、面积率、长轴、短轴：
选用最小包络矩形来布局，当一个顶点判断为凹顶点时，将其进行消除，消除的办法就是将其前后相邻的点进行连接，然后重新进行顶点编号，重复此操作，直到所有的顶点均为凸项点为止；
定义功能区i的面积率为功能区i的实际面积除以其最小包络矩形面积，用下式表示：
其中：mi表示功能区i的面积率，Si表示功能区i的实际面积，Sji表示功能区i的最小包络矩形面积；
同时，将功能区i的最小包络矩形的长边定义为长轴，用lji表示其边长，功能区i的最小包络矩形的短边定义为短轴，用wji表示其边长；
4)功能区形状特征及形状约束的表示：
采用引入不规则度来改善不规则的车间形状与提高建筑的面积利用率，采用形状的区域特征同样能有效的描述形状的特性，采用以下典型特征值：
①面积
功能区面积ρ是功能区面积占物流节点总面积的百分比，反映了功能区的尺度特征： ②离散度
形状的离散度v类似于功能区的包围盒，反映了该功能区网格相对于功能区中心的离散程度：
③离心率
离心率e是功能区最适椭圆的短、长轴之比，反映了功能区的大致形状并且具有旋转不变性：
其中
最终，一个功能区的形状特征表示为Fi=(vi,ei)，含有m个功能区的物流节点的形状特征矢量表示成为{F1,F2,…,Fm}，形状相似度描述为三者的结合，计算得到形状相似度来衡量物流节点的功能区约束条件的满足程度；
假设有功能区i，大小的权重为wρ，离散度的权重为wv，离心率的权重为we，则物流节点的相似度为：
2 2 2
oi=exp[-wρ(ρi-ρ)+wv(vi-v)+we(ei-e)]
其中ρ、v、e为功能区面积、离散度、离心率的理想最优值，wρ+wv+we=1； 定义物流节点的形状相似度为物流节点内所有功能区相似度的加权平均值： 其中，ωi是第i个功能区的权重，ni是第i个功能区的网格数量；
④功能区形状约束的表示：
采用不规则度与面积率等指标作为惩罚函数对各功能区的形状进行约束，只含形状约束的情况指的是矩形，这里在适应度函数里增加形状约束：
对于既含形状又含尺寸约束的情况，设对功能区的长约束为l，短约束为w，这里在适应度函数里增加形状约束条件：
5)功能区之间距离的表达：
对于距离的计算采用三种距离计算，包括M距离、L距离和欧式距离；M距离用于计算功能区之间的物流搬运距离，L距离用于对功能区形状集中度以及规则度的校正策略中，欧式距离用于计算功能区对于该功能区网格的吸引或排斥子的计算，三种距离的计算公式如下：
Mij=|Xi-Xj|+|Yi-Yj|，Mij表示功能区i与功能区j之间的M距离；
Lij=max(|Xi-Xj|,|Yi-Yj|)，Lij表示功能区i与功能区j之间的L距离； Dij表示功能区i与功能区j之间的欧式距离；
6)动态吸引或排斥子的引入：
在布局空间设置一些吸引点、吸引线、吸引子或者排斥点、排斥线、排斥子，使布局时功能区因受到其吸引或者排斥而靠近或者远离吸引点，从而达到布局优化的效果： 其中，
f(xi,yi)为总的定位函数，ft(xi,yi)为关于各个吸引子或排斥子的定位函数，m为吸引子或排斥子的个数，n为待布局功能区的数量；x方向为水平方向，y方向为垂直方向；
(xi,yi)表示待布局功能区基点的坐标；(x0i，y0i)表示布局吸引子或排斥子的坐标，可取为布局空间的某些关键控制点或者关键控制线；若取关键控制点时，选取布局空间的物流节点出入口、交通枢纽；若取关键控制线时，根据实际需要选取重要交通通道； αtk表示权重因子， 权重因子αtk根据不同方向的约束条件在布局中的重要程度来选择；
ωt表示权重因子， ωt根据各个吸引子或排斥子在布局中起作用大小的程度来确定；如权重因子为正值，则表示吸引子，反之，则为排斥子；
定位的评价函数可描述为：
minf(xi,yi)
定位的评价函数是令功能区与布局空间中设定的吸引子之间的距离最小或令功能区与布局空间中设定的排斥子之间的距离最大；
采用基于动态吸引子的启发式布局求解算法及动态定位规则；
7）功能区的平移、缩放、旋转：
对功能区的缩放、平移、旋转采用如下的公式：
X′＝X/ZoomX·cos(r)-Y/ZoomY·sin(r)-MovX
Y′＝X/ZoomX·sin(r)+Y/ZoomY·cos(r)-MovY
其中，旋转角度r取90°、180°、270°三种情况；
步骤(4)，方案优化：将遗传算法与模拟退火算法结合形成高度混合的遗传模拟退火算法，并在其中引入三层Agent优化模型对遗传模拟退火算法进行优化改进，对于功能区布局问题采用实数编码，形成物流节点设施布局优化算法；具体按如下步骤进行： 采用基于Agent的遗传模拟退火算法的优化方法对初始方案进行优化，对于功能区布局问题采用实数编码，即个体的基因型为[1,2,3,…,N]，N为总功能区数量，1代表第一个功能区，其余类推，该算法的具体步骤如下：
(4a)：程序初始化生成P个进程，每个进程ID号分别为0，1，…，P-1； (4b)：产生物流节点地基布置的外廓形状，将规划区域划分为单位网格，产生功能区布置的外廓形状，规划区域长和宽均是最小单位长度的整数倍；
(4c)：进程0随机生成P个初始解群体并运用遗传算法GA优化到指定的最大代数Gmax；对于初始群体的产生，采用计算机化关系布置规划CORELAP、定量布置程序CRAFT、自动布置设计程序ALDEP、多层仓库定量布置程序MULTIPLE设施布局规划方法来得到初始解群体，将规划区域按照比较粗糙的划分方式进行网格划分，在得到初始方案后，将其转化为更为精细的网络划分条件下的初始解；
(4d)：进程0将P个个体分发给每一个进程，使每个进程得到一个个体作为模拟退火算法SA的初始解；
(4e)：每个进程开始运用模拟退火算法SA优化它所得到的解，每当降温前，将当前温度下获得的最优解通知进程0，然后等待进程0的消息；
(4f)：进程0一旦获得P个进程的最优解，重新构成一个含有P个个体的群体，并运用遗传算法GA优化到指定的最大生成代数；
(4g)：进程0将遗传算法GA优化后生成的P个个体中最优个体以广播方式通知每一个进 程；
(4h)：如果连续两次降温，并用遗传算法GA优化后获得最优解之间差小于预先设定的极小值，算法终止；否则，重复(4e)到(4h)所描述操作；
其中步骤(4f)中各进程遗传算法GA优化具体步骤如下：
1)计算函数适应度值，采用目标函数来计算函数的适应度，对于功能区形状的约束采用惩罚函数的形式来体现；
2)全局Agent操作：
①选择操作：采用常用的轮盘赌方法来选择适应度高的染色体；
②全局协调操作：全局Agent根据整个物流节点的布局情况，对各个功能区之间的位置关系进行协调，并将协调信息传达到功能区Agent，包括进行物流节点内部各功能区Agent之间的位置关系的协调与调整，如进行两个甚至多个功能区Agent之间的位置互换，参照CRAFT和多层仓库定量布置程序MULTIPLE算法来确定功能区Agent之间的位置调整操作；
3)功能区Agent操作：
①交叉操作：采用单点交叉，将功能区Agent的位置属性进行交叉；
②功能区Agent调整操作：每个染色体的各功能区Agent在对其位置、空间形态以及与其它功能区Agent之间的关系进行评估的基础上，对自身功能区进行整体优化策略的选择，并将操作传达给网格Agent，功能区Agent根据其与其它功能区之间的位置关系以及作业关系进行移动操作，当功能区网格Agent过于分散或者无序时，放大该功能区Agent的吸引子来进行集中操作，使各功能区满足形状紧凑性约束；
4)网格Agent操作：
①变异操作：采取网格Agent互换变异，即先随机选择一个网格，将其与相邻的网格进行互换，变异时要注意相邻功能区是否是相连；应用前面的吸引或排斥子来进行校正；
5)遗传终止条件：采用遗传代数作为遗传计算的终止条件。
2.根据权利要求1所述的基于计算机视觉的物流节点设施布局优化方法，其特征在于：步骤(2)所述具体步骤如下：
(2a)数据的收集和初步处理：
确定产品P、产量Q、工艺路线R、服务支持S、时间T，场址的各项属性以及各功能区对场址的要求以及对面积、对公用工程建设的各种需求，还有关于项目各功能区的投资和造价，将基础数据存储在数据库系统以备调用；
(2b)建立物流节点物流服务系统的历史数据库和预测数据库：
逐年累计建立各类物流服务系统的历史数据库，来粗略估算所设计系统的各种参数，这些参数包括物流市场需求的历史资料与物流供给的预测、物流节点经营的发展战略与策略、产品产量、物流生产规模、面积、人员、投资需求、投资回报率； 应用类似项目的历史数据来确定新建项目的各项需求，采用回归、曲线拟合数学方法来类比，估计新建系统的各项要求以及将来发展需求的预测；
将已有的物流节点系统的主要指标用计算机归类分开建立知识库和数据库以备使用，建立物流系统的历史数据库和预测数据库。
3.根据权利要求1所述的基于计算机视觉的物流节点设施布局优化方法，其特征在于：步骤(3)在生成初始解时，将地块分为100个以内的网格，简单描述它们之间的关系，生成初始方案后再转化为更为精细的网络表示形式。