1. 课程导入与选址布局问题概览

选址与布局，是运筹学与工业工程中一对紧密相连、又各有侧重的经典决策问题。简单说，选址回答的是"把设施放在哪里"，布局回答的是"设施内部如何安排"。前者决定一个仓库、门店、工厂或急救站落在城市、园区或路网的哪个节点上；后者决定这个设施内部的生产线、货架、工位、设备如何排布。两者共同决定了系统的物流成本、服务响应速度、空间利用率和长期运营效率。

本课程的目标不是让大家记住若干公式，而是建立一套"从现实问题到数学模型，再到可执行决策"的完整能力。具体而言，学完本课程应当能够：识别一个实际场景属于哪类选址或布局问题；把业务语言翻译成变量、目标函数与约束条件；选择合适的模型与求解方法；对结果做敏感性分析与合理性检验；最终把数学结论转化为可落地的方案。这五个能力环环相扣，缺一不可。

问题的定义与分类

从数学角度看，选址问题通常可以写成：在候选设施集合中决定"建哪些、建在哪"，使得建设成本与运输/服务成本之和最小，同时满足需求覆盖、容量、预算等约束。布局问题则是在给定空间内决定各作业单元的相对位置，使物料搬运量、行走距离或交叉干扰最小。二者共享"离散决策 + 距离/流量度量 + 约束优化"的数学骨架。

按决策空间划分，选址可分为连续选址（设施可落在平面任意点，如重心法）与离散选址（只能从有限候选点中选，如集合覆盖、p-中值）。按目标划分，常见有成本最小化（p-中值、设施选址问题）、覆盖最大化（集合覆盖、最大覆盖）、服务公平性（p-中心，最小化最大距离）。按时间维度，又可分为静态选址与动态多期选址。布局问题则常分为工艺原则布局（同类设备集中）、产品原则布局（按产品流水线排列）和成组布局（按零件族组织单元）。

典型应用场景

不同行业的选址布局，关注点差异很大，这直接决定了模型的目标与约束如何设定。

• 物流与供应链：配送中心、前置仓选址，核心是运输成本与时效的平衡，常用p-中值或容量约束选址模型，约束包括需求点的服务半径与仓库吞吐能力。
• 零售连锁：门店选址关注客流覆盖与竞争分流，常用最大覆盖模型与重力模型（Huff模型）估计市场份额，约束是商圈半径与投资预算。
• 制造业：新厂选址考虑原料、市场、劳动力与政策成本；厂内布局则用系统布置设计（SLP）或二次分配模型（QAP）优化车间物流。
• 应急设施：消防站、急救中心、避难所强调"最坏情况下的响应时间"，典型模型是p-中心与集合覆盖，约束是覆盖时限（如急救8分钟到达）。

可以看到，同样是"选址"，物流追求总成本最低，应急追求最大距离最短，零售追求覆盖客流最大——目标函数的选择本身就是业务价值的数学表达，这是建模中最需要判断力的一步。

建模与决策的整体流程

一个完整的选址布局决策，通常遵循如下闭环：问题界定 → 数据准备 → 模型构建 → 求解 → 结果检验与敏感性分析 → 方案落地与反馈。下面这张图把这条主线与各环节的关键输入输出、以及四类典型场景的差异并列呈现，便于建立全局认知。

从流程到实践：一个可操作的建模起点

流程图中"问题界定"看似简单，却最容易出错。实践中建议用一张建模任务卡把关键判断固定下来，避免后期返工。下面给出一个可直接填写的示例（以某城市新建配送中心为例，数据为教学假设）：

这张卡片的价值在于：它把模糊的"帮我选个仓库"转化为可计算、可验证的数学问题。当后续模型给出结果时，我们也能清楚知道该结果在什么假设下成立、哪些参数最值得做敏感性分析。

最后需要强调，选址布局是战略级决策，一旦落地往往锁定数年甚至数十年的成本结构，纠错代价极高。因此数学模型的角色不是"替人拍板"，而是把不同方案的代价与权衡显性化，让决策者在数据支撑下做出可解释、可复盘的选择。这正是本课程贯穿始终的立场。