基于Voronoi理论的维修站点选址算法研究

选址问题涉及各行各业，在智能维修管理过程中，企业花费在产品售后维修的成本比例越来越高。对于大型的企业，需要在某城市建立维修站来更有效地进行售后维修。维修站点的科学选址有助于企业减少维修成本。Voronoi理论经常被应用于覆盖问题的研究。本文针对维修站点的地址选择问题，将Voronoi理论引入到站点选址问题研究中，提出一种基于Voronoi图的维修站点选址算法，以建立最少的维修站来获得预定的服务质量，从而在服务质量的约束下最小化维修站点个数，减少了维修成本。仿真证明了算法的有效性。

随着设备复杂程度的增加，现代化企业越来越重视智能维修管理在企业运营中的作用[1]。智能维修管理包含：维修成本模型定义与管理、维修任务的确定、维修策略评估、备件库存管理、售后服务模型建立与管理等[1]。现代化企业也越来越认识到高额的维修费用是影响企业效益增长的主要问题之一[2]， 从而需要智能化的维修管理策略来最小化维修消耗。智能维修策略已经在许多领域中得到深远地发展， 如医疗[3] [4] [5]、工业[6] [7] [8]、民航[9]、农业、交通等等。

选址问题研究涉及各行各业，为了最小化成本，取得最大的效益，科学的选址策略是必不可少的。

设施选址问题，即合理地布置设施，一方面建立尽可能少的设施以节约成本，另一方面充分利用设施实现期望的目标，提高任务完成效率。选址问题的研究涉及各个行业，如针对设施选址问题的研究：钟慧玲等[10]对危险品道路运输过程中，应急设施选址问题进行了研究。

利用场景方法， 提出一个目标分层的σ ——鲁棒的弧段覆盖模型，该算法需进行场景假设，具有不确定性。李彤等[11]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。针对不确定环境下的城市配送中心选址问题的研究：赵娜等[12]采用AHP 法和模糊算法相结合提出了一种配送中心选址算法，文中将层次分析法的定量性和客观性的优点与模糊综合评价法的包容性有机融合。

郭文昌等在文中[13]提出了一种改进的蚁群算法，首先通过遗传算法求得问题的较优解，然后再将此较优解转换为改进蚁群算法的初始信息进行优化求值而得到最优解。网络基站选址优化问题研究中，马宝罗等[14]和李道国等[15]提出了基于免疫算法的基站选址算法研究；韩江洪等[16]则提出一种动态规划方法进行基站选址问题的研究。

针对风电场选址问题研究中：仲炜等[17]针对由于地形对风速影响而造成的常用风电场选址设计软件评估结果的不准确性, 提出一种基于GIS 空间分析的风电场选址算法。

许昌等在专利[18]公开了一种基于CFD 和改进PSO 的复