本文探讨了遗传算法与系统布局规划（SLP）结合的矿井工业广场设施规划与布局方法。SLP是一种系统化、层次化的布局规划方法，它通过对作业单位间相互关系的分析，以及综合考虑物流与非物流因素，得到作业单位间综合关系表。遗传算法（GA）是一种模拟生物进化过程的搜索优化算法，它在解决非确定性多项式完全问题（NPC问题）方面具有独特优势。
SLP方法被用于矿井工业广场内各作业单位之间的综合相互关系的分析，这包括对物流因素（如物料搬运路径、频率等）和非物流因素（如安全、环境影响等）的考量。通过这种方法，可以得到作业单位间综合关系表，它是后续布局规划的基础。
接着，遗传算法被用于根据SLP分析得到的综合关系表，寻找合理的布局方案。由于矿井工业广场的设施规划与布局问题属于NPC问题，需要找到作业系统中物流关系与非物流关系的最佳配置。遗传算法以其快速搜索、效果好、稳定性强的特点，在这一阶段发挥关键作用。文章中提到了利用MATLAB的遗传算法工具箱进行模型求解，这一工具箱提供了方便的遗传算法实现方式，能够有效地解决优化问题。
在实际应用中，遗传算法会考虑各种约束条件，如作业单位间的实际距离，以及其他可能的限制因素，并随机产生一系列合法的布局方案。在此基础上，算法会尝试优化方案，以最小化作业单位间实际布局关系与理想布局关系之间的方差，找到最佳的或满意的初步布局方案。
文章中还描述了一个具体的矿井工业广场规划案例。这个案例展示了如何将SLP和遗传算法相结合，以达到高效运行生产系统的目标，获得最佳的经济效益和社会效益。案例中提到的矿井生产能力为100万吨/年，采用了一对立井布置方式，并详细列出了工业广场内不同功能区域的组成，以及各自的主要单位和它们的面积大小。
在利用遗传算法进行布局规划的过程中，除了考虑物流因素和非物流因素之外，还必须考虑到矿井工业广场本身受到的复杂地理地质条件的影响，这增加了规划的难度，但也突出了遗传算法在处理此类复杂问题中的价值。
通过这一研究，作者郑龙提供了一种结合传统SLP方法和现代遗传算法来解决工业广场设施规划与布局问题的新思路。这种方法不仅提高了规划效率，而且能够提供更为科学合理的规划方案。对于矿井工业广场而言，这种高效的规划布局方法可以减少生产过程中的物料搬运成本，提高作业安全性，同时也有助于节省土地资源，减少对环境的影响，从而实现可持续发展。
