研究背景

工厂选址作为企业制定经营战略及目标的重要依据，其对企业的影响是巨大的，甚至是决定性的。在现实情况中，除了由目标市场和原材料供应地点产生的限制条件，企业工厂选址往往因建厂资金与预期产能的限制而导致其生产能力受限。基于现实需求，带有产能约束的工厂选址也就成为了国内外学者开始聚焦的一个新热点。

带有产能限制的选址问题，归根结底也是优化问题的一种。其目的是在特定的产能限制和其他现实条件的约束下确定一个或者多个设施的地址, 使一些判断标准获得优化的同时, 及时向社会提供其所需的产品和服务.工厂选址不仅影响到工厂的利润和市场竞争力, 甚至决定了工厂的生死存亡.所以, 工厂选址的研究具有重要的意义。

这一类问题目前已经形成了多种求解方法，总得来说大致可分为定量和定性两类。定量的常用方法则是松弛算法和启发式算法以及两者的结合应用。以往在涉及到定量的“优化问题”的时候，尤其是比较特殊的诸如动态规划、整数规划等问题时，经常由于其计算量大、过程复杂而影响到初始建模求解的可行性以及求解效率。但在计算机科学发展的今天，LINGO/LINDO等软件的应用都将“运算”这一步骤变得高速化、精确化，“计算量”不再成为定量方法的桎梏。与定量相对应的定性的方法主要是结合层次分析法和模糊综合法对各方案进行指标评价，找出最优选址，在其选址参考的因素当中普遍涉及政治因素、自然地理条件、原材料供应地、运输条件、协作厂家相对位置几个条件^[1]。目前，国内外关于“定性”的分析方法多种多样，在定性问题的分析上有着成熟又普适的方法体系，应用较为广泛。

然而目前，虽然国内外对于工厂选址问题的评估及选择决策上有着非常成熟的理论支持和方法支撑，但在初始方案的给定以及优化方案上仍面临着认识不足、方法不完全等问题。同时由于“定性”和“定量”两种方法在选址应用当中的失衡导致了分析不够深入、考察不够全面、无法给出新方案等等问题。

因此基于上述背景，为了现实生活的发展需求，本文以运筹学作为数学基础，以LINGO与Python为工具，结合整体分析与具体分析，给出在产能限制的选址问题中把“定性”和“定量”结合起来综合思考的方法。

研究意义

不同于一般的工厂选址问题，带有产能约束的工厂选址问题更加细化地专注于具体的一类方法。主要在于后者更为具体地关系到工厂的生产条件，并将生产条件更为直接地作为可量化的限制因素用于选址及优化，首先，区别于先前分离的各类评估方法，在初始制定方案就将产能体现在规划条件之中；其次，利用建模与相应执行运算与优化过程，削减因主观因素而产生的影响。课题研究本身不仅在于直接提出考虑产能限制的选址方法，同时也从主观到客观、从定性到定量地拓宽了选址方案的评估思路，从而显示出重要的现实意义。