1 引言 选址问题主要包括两个方面，一是选址模型的构建；二是算法设计。在模型构建的研究中，国外学者进行大量研究，根据所考虑目标数量的不同，设施选址模型构建问题可分为单目标选址模型和多目标选址模型两类。从已有研究成果看，有关单目标选址模型研究成果相对较多，且大部分以成本最小化构建目标函数，如Pacheco和Casado[1]、Schutz等[2]、Yao Zhuishuang等[3]、Duarte A E等[4]等。也有一些学者以净利润最大化为目标函数构建设施选址模型，如Li Yihua等[5]等。另有一些学者基于斯坦伯格博弈理论，以设施选址所获得的市场份额最大化构建目标函数，如Marianov等[6]、Drezner等[7]等。还有一些学者以最小最大后悔值为目标函数进行研究，如Averbakh等[8]、Rosa等[9]，有少部分学者以设施最大覆盖范围作为目标函数进行研究，如Vatsa等[10]等。 一般情况下，设施选址目标函数的构建需要同时考虑到经济效益、环境效益和社会效益三个方面，因此依靠单目标选址模型难以满足现实要求，因此国外学者利用多目标方法对设施选址问题进行了大量研究，Neto等[11]等以成本最小化和服务最大化构建多目标模型。 国外学者有关多目标选址问题的研究成果较多，绝大部分学者将成本因素作为选址的首要目标，而近年来随着环保意识的加强，越来越多的学者将绿色目标作为设施选址和物流网络规划的重要目标，并展开较多的研究。 国内学者也对多目标选址问题进行了广泛研究，最初对设施选址问题的研究也多以单目标为主，但随着环境污染严重，业界迫切需要相关理论进行指导，因此国内学者也开启了对多目标，尤其是绿色选址问题的研究。国内最早对多目标设施选址进行的文献是顾基发于1984年将多目标思想应用于工厂设施选址，一些学者随后对多目标选址问题进行了尝试，如马良[12]等。进入21世纪以来，国内对多目标选址问题的研究得到更多的关注，出现大量的相关文献，不同学者在研究设施选址的过程中考虑了不同的目标[13-14]。国内学者在研究设施选址问题时主要考虑到选址方案的经济因素、社会因素和环境因素，同时针对特殊的选址问题，如地震应急设施选址、危险品应急设施选址和废弃物处理设施选址等，在选址过程中也考虑到上述三个方面以外的其他因素。一般情况下，设施选址问题的主要目标是成本最小化或利润最大化，其次考虑到设施服务水平的要求及设施覆盖范围的要求，但将环保因素考虑在设施选址的过程中的文献还不多。 2010年以来，协同选址问题得到学者的关注。国内外学者对设施协同选址问题均进行了一定的研究。国外学者的研究主要包括对竞争条件下的多设施协同选址问题进行的研究，如Nilsson[15]等。也有部分学者对存在多层级运输网络的区域配送中心协同选址问题的研究，如Tang Xin等[16]等。国内学者对协同选址的研究主要集中在产品或服务市场有协同效应的竞争设施选址问题，如朱华桂和乔联宝[17]等提出了协同效应的定义和三种不同类型的协同效应函数，并建立了有协同效应的最大俘获选址模型。 在选址模型的算法设计研究中，许多国外学者利用混合整数规划模型对选址问题开展了研究，Kratica等[18]利用混合整数线性规划模型对多级无容量限制的设施选址问题进行求解，并对模型的有效性进行验证。也有部分学者利用线性规划法对各类设施选址问题进行了研究，如Jones等[19]等。另有部分学者利用遗传算法对设施选址问题进行研究，如Abdelmegid等[20]、Ardjmand等[21]等。 目前，我国产业正处于转型升级阶段，为了适应产业结构调整和转型升级的发展趋势，需要加强区域产业的协同布局，促进产业园区和物流园区的协同选址，同时也要注重环境保护，保证产业的可持续发展。由上述文献综述可知，在现有物流园区选址研究成果中，存在的主要问题包括：一是单独考虑物流园区选址的成果较多，而把物流园区选址与产业园区选址协同考虑的成果较少；二是在物流园区的定量选址模型中，大多仅考虑经济因素，较少考虑环境因素，而许多考虑环境因素的成果主要采用定性分析方法，如层次分析法、模糊综合评价方法等；三是大多数成果只是解决物流园区选址问题，较少同时解决货物的分配问题。针对上述情况，本文采用定量分析方法，运用多目标选址理论，同时考虑经济因素和环境因素，通过建立多目标选址模型，解决物流园区与产业园区的协同选址问题，并解决货物的分配问题。 2 模型构建 本文在若干备选点已知的基础上，进一步构建物流园区和产业园区的多目标协同选址模型，同时确定物流园区和产业园区的选址方案，并且确定区域范围内货物的分配方案。 2.1 基本假设与符号设置 1)基本假设 由于物流园区和产业园区选址所涉及的影响因素较多，而同时考虑两类园区的协同选址使得选址的复杂程度增加，因此为了方便对产业园区和物流园区协同选址进行研究，本文对协同选址问题进行一些简化，作出如下一些假设：
