突发事件下应急物资多目标优化调度模型与算法研究:以新冠肺炎疫情为例

突发事件下应急物资调度具有高度不确定性与动态性,应急物资跨区域调度计划能否科学合理制定对应急救援的有效开展具有重要影响。以武汉市新冠肺炎疫情为例,考虑应急物资跨区域调配的时效差异、地域分散以及资金消耗等要素,建立多周期下包含软硬需求时间窗约束的多物资品种、运输方式的跨区域三级动态物资调度网络模型,并设计一种带变异操作的动态变惯性权重自适应粒子群算法(VDCWPSO),利用疫情算例验证该算法的有效性和可行性。研究结果表明,在保障应急物资供应时效性、公平性、经济性原则下,物资跨区域调度可以缓解资源严重短缺状况、提高医用物资利用率,研究可为突发事件下应急物资调度计划的制定与动态调整提供决策支持。

基于NSGA-Ⅱ的车载光学测量设备任务调度方案优化

针对车载光学测量设备任务调度方案优化问题,提出了一种基于非支配排序的遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)的多目标遗传算法。首先,建立了包含约束、优化指标在内的观测任务调度问题的数学模型。其中,针对多优化指标进行巧妙处理,将某些不作为最优指标的优化指标作为指标约束进行处理。其次,基于NSGA-Ⅱ中的快速非优超排序方法计算多目标适应度函数与选择算子,多目标优化求解得到的Pareto最优解集即为任务调度方案集。最后,通过仿真算例对所提算法进行了求解验证。仿真结果表明,该算法能够有效解决任务调度方案优化问题,为车载光学测量设备的工程实践提供了一定的参考。

基于深度强化学习的医用设备应急调度优化技术研究

针对大型医用设备人工管理效率低、无法满足应急调度需求的问题,文中提出了基于深度强化学习算法的医用设备应急调度优化技术。使用物联网技术采集大型医用设备日常使用的各类参数,作为后续调度优化算法的样本数据。通过对医用设备调度问题的分析,采用马尔可夫决策过程作为调度优化算法的基础模型,并给出了状态空间、动作空间以及奖惩函数的定义。同时,以贪婪策略作为强化学习的动作探索策略,使用Tanh函数作为激活函数,从而提高了对非线性复杂数据的学习能力;使用DDPG算法在经验数据中获得价值估计和行为估计。经测试,文中所提出的医用设备应急调度优化算法可合理安排医用设备的使用,提高其综合利用率,与未使用应急调度算法的情况对比,检查耗时平均缩短了31.2%。

考虑三级调度网络的应急物资多资源动态调度问题研究

为解决重大公共卫生事件发生后的物资调度问题,运用SEIR模型预测需求点的各类受灾人群,构建需求预测模型;以综合物资分配满意度最大、综合运输时间满意度最大和综合救援成本最小为目标,采用多供应点、多配送中心、多需求点的三级调度网络,实现多周期、多资源的动态调度;引入混沌反向学习、非线性收敛因子、随机差分变异和贪婪选择策略改进灰狼优化算法,并对模型进行求解。结果表明,该模型可有效平衡物资调度的满意度与经济性,改进灰狼优化算法可得到更优越的调度方案,解决灾后多周期应急物资调度问题。

考虑目标偏好的应急物资调度方案优化方法

多需求点、多供应点以及多种物资需求的应急物资调度是一项复杂的优化问题,当前元启发式算法求解时存在早熟收敛现象且优化精度不高。为降低调度成本、缩短调度时间,文章构建一个多目标应急物资调度模型,设计一种调度方案实值映射编码,确保优化操作不破坏调度方案的有效性。基于此,模拟麦田理论的优化思想,提出了一种麦田竞赛元启发式算法。首先构造搜寻方向、搜寻速度和搜寻指令三个控制因子,建立具有目标偏好的成熟度函数,借此设计具有大范围搜索和精准搜索能力的麦穗搜寻算子以及优等麦穗和最优麦穗筛选算子。其次根据麦穗物理指标和成熟度变化趋势更新搜寻方向。最后通过实验表明,新建立的应急物资调度模型能够大幅缩减调度成本和调度时间,所提出的算法优化精度和搜索性能明显优于相比较的五个元启发式算法。

应急资源多目标优化调度模型与多蚁群优化算法研究

大规模自然灾害发生后,极易出现多地同时提出多类型资源需求的局面.基于灾后应急资源调度的特点,建立了考虑多需求点、多供应点、多资源类型、且多个资源供应点能为多个资源需求点协同配备资源的多目标优化调度模型.模型中对调度路线的可靠度进行了考虑,增强了实用性.设计了求解模型的多蚁群优化算法,在全局信息素更新规则中引入精英策略,指导多蚁群间相互交换与共享信息,加快全局非劣解搜索效率.多目标多蚁群优化算法将资源定位配置与路线安排问题进行了集成解决.算例分析表明该算法能够很好地处理大型复杂网络.

铁路突发事件应急救援设备调度优化研究

铁路突发事件具有不确定性、灾难性及救援时效性等特点,其应急救援资源的调度优化关系到救援工作的顺利开展。基于对铁路突发事件种类及其应急救援资源需求的分析,提出静态应急救援能力需求条件下的设备调度问题,建立最小化应急救援结束时间和调度费用的双目标优化模型,出于对应急救援工作时效性的考虑,设计以应急救援结束时间优先的两阶段启发式算法。算例表明:采用该启发式算法制定的应急救援设备调度方案优于先到先参与的调度策略,能够在不影响救援工作结束时间的前提下,有效地节省设备调度费用。

利用遗传算法求解应急物资调度优化问题

目的求解大规模自然灾害下的多供应点对多需求点提供应急救援物资的多目标优化调度方案.方法以开始时间最早和出救点数目最少为优化目标,构建了多对多应急物资调度数学模型;设计了遗传算法对最优调度方案进行求解,算法采用符号编码,采用融合问题特点的特殊交叉算子和变异算子,以确保解的合法性;基于应急调度问题规模和算法求解过程,对算法进行了复杂度分析.结果以文献经典案例为实验数据的仿真实验结果验证了算法的有效性;随机生成数据的仿真实验结果显示,所设计遗传算法对随机生成的数据能够产生最优解,并且求得最优解的迭代次数平均为10.6次.结论算法可用于多对多应急物资调度问题的多目标优化,能够以较少迭代次数求解最优解.

改进人工蜂群算法及其在应急调度优化问题中的应用

针对大规模灾难发生时首批生命物资的应急调度建模及优化求解问题进行了研究。将受灾点缺失损失评价函数由线性扩充到非线性,对一次性消耗类和连续性消耗类物资建立了多对多约束多目标调度模型。基于Pareto支配和拥挤距离的概念将人工蜂群基本算法应用到此问题的求解,并对算法进行了改进:基于反向食物源的定义提出融合反向学习的食物源初始化,以提高初始解的质量;将反向学习策略和广泛学习策略融合到蜜蜂搜索过程,以反向食物源和其他较好食物源信息来引导搜索方向。对三种规模下随机生成的调度问题数据的仿真实验表明,改进算法所求出的非支配前沿解集更具多样性,分布更加广泛和均匀,能够为首批应急物资调度决策进行支持。

基于融合免疫优化和遗传算法的多应急物资中心选址与调度

面对突发灾害事件时的物资调配是运输调度系统中的一个重要部分,为了更好地解决受灾点的救援问题,本文将免疫优化算法用于物流配送中心选址问题中,建立了应急物资中心选址-调度配送一体化的解决方案。在考虑该问题的约束条件和优化目标的基础上,建立了物流配送中心选址问题和多目标物资调度问题的数学模型,并综合考虑了运输过程中的距离和运输成本,建立了基于综合代价的成本评估模式,采用免疫优化算法获得最优的应急物资中心选址方案。根据选址结果和运输综合代价值,基于遗传算法结合多目标-多目标的调度问题改进了编码方式,采用多层编码的遗传算法制定了全局最优的物资中心-需求点的物资调度配送方案。结合湖北省新型冠状病毒的疫情,基于2种方法融合实现了一套合理且高效的应急物资中心选址-调度方案,论证了方法的合理性和高效性。本文结果对灾害场景下的应急物资处置具有指导意义。

基于粒子群优化算法的应急资源调度研究

科学合理地开展应急资源调度,最大限度地发挥有限的应急资源的价值,是应急管理中的一项重要工作。文章构建了多种应急资源需求约束、应急时间约束、应急救援成本约束等多约束条件下的突发事件应急资源调度模型,并运用粒子群优化算法对模型进行求解,从而实现应急救援资源的高效利用与合理调度。

溢油应急决策中的设备优化调度方法研究

针对溢油应急,溢油应急设备库及其设备配置的特点,以溢油处理开始时间最早和调度的设备库数量最少为目标,在满足第一个目标的设备库集合中,分别采用穷举方法和贪心方法求取满足第二个目标的最优解。穷举方法保证能够获得最优解,但是计算复杂;贪心方法计算简单,适用于溢油应急设备的配置特点。用算例验证了该方法的有效性和高效性。

多受灾点应急救援车辆调度的优化遗传算法

在多个地区发生灾害后,迫切需要及时救援和物资的快速运输,从仓库调拨物资到受灾点,交通网络规模较大,运输货物类型多样,并且要满足各个受灾点的资源需求、实时路况、运抵时限要求等多个目标约束条件,车辆调度具有较大难度.为解决多重约束带来的困难,根据遗传算法的生物进化理论和群体遗传学机制,建立了车辆应急运输的多目标优化问题模型,设计合适的序列编码方式表示车辆行进路线及运输货物类型;建立了新的优化遗传算法,从编码方式的设计、适应度函数、选择、交叉和变异操作机制的设计三个方面做了创新改进,主动保持优良基因,根据阶段进展调节交叉和变异概率,有效提高好的新模式的产生几率,较好地克服了已有方法的早熟局部收敛所导致的结果偏差较大的不足.多个仿真实验结果表明,优化遗传算法比已有算法在满足送达时限以及送达时间的总长度等方面均有较大提高,对于复杂的调度任务,在保证运抵时限的前提下,可占用更少的车辆,花费更少的行进时间完成物资运输,从而满足多受灾点对物资的实时性需求.

基于改进回溯搜索优化算法的应急资源调度

以连续性消耗应急系统为背景,建立以时间成本和运输成本最小化为目标的多资源多供应点调度模型。针对该模型的特点,对一种具有强全局搜索性的新智能算法——回溯搜索优化算法进行改进,设计变异操作中的变异尺度系数和交叉操作中的交叉概率策略,提高算法的收敛速度和求解精度。运用改进回溯搜索算法进行模型求解,仿真实例表明,改进回溯搜索优化算法在解决应急资源调度问题时拥有良好的性能,全局收敛性与求解精度均优于比较的回溯搜索优化算法、差分进化算法和粒子群算法,能够有效且合理地进行应急资源调度。

考虑道路约束的应急物资调度优化模型与算法

为充分利用应急物资和提高应急响应能力,考虑灾害初期道路通行受约束和运输能力受限等因素,建立最小化受灾点平均等待救援时间和最小化应急物资调度成本的多目标优化模型。采用基于自适应机制的NSGA-II算法,引入种群熵和高斯函数,动态调整变异、交叉概率,将变异、交叉过程与进化的横向和纵向信息相结合,以引导种群的进化,提高进化速度;为充分探索解空间,设计了基于贪婪思想的随机变邻域搜索算子,并使用替换策略,消除Pareto前沿中相同解对进化带来的负面影响。通过算例对所提算法进行验证,结果表明:所提改进算法优于传统NSGA-II算法和已知文献算法,能在保持较好收敛性的同时获得更好的多样性。

铁水联运港口车船直取模式下作业设备调度优化

随着集装箱多式联运在我国集装箱运输中的飞速发展,客户对集装箱货物运输的时效性要求不断提高。在集装箱铁水联运港口作业中,使用车船直取模式可有效提高集装箱运转效率。将铁水联运港口车船直取模式下的出口集装箱作业流程为对象,构建了以最小化设备总作业时间和碳排放量为目标的数学模型。为实现构建模型的有效求解,引入偏向度差值策略确定最优个体,改进果蝇优化算法寻优能力。算例分析一方面验证了构建模型的有效性,另一方面表明与典型的遗传算法相比,改进后的果蝇优化算法具有更好的寻优性能。

免疫算法在应急物流配送车辆优化调度中的应用

应急物流是处理各类突发事件对物资、人员的需求进行紧急保障的一种特殊物流活动。文章根据应急物流的特点,将免疫算法用于应急物流车辆调度研究中,同时通过算例,证明用免疫算法优化车辆行驶路径的有效性和可行性。

应急物流车辆调度优化中免疫算法的应用

应急物流的特性决定了车辆调度优化的重要性,它是保证应急物流质量和效益的关键因素。在对应急物流车辆调度优化进行问题描述和条件设定的基础上,构建了应急物流车辆调度的多约束模型,同时对免疫算法及其相关问题进行了介绍,最后重点使用算例对免疫算法的应用进行了实证研究,研究结果显示免疫算法在应急物流车辆调度优化中具有一定的应用价值。

基于改进遗传算法的血液保障车辆应急调度优化研究

目的:研究灾害医学救援应急血液保障中运血车的调度优化问题。方法:考虑灾后道路路况对配送时间的影响和多种类血液需求,设置单边硬时间窗和运血车载容量限制等约束条件,构建以最小化总配送时间为目标的运血车调度模型,并在经典遗传算法的基础上引入高效的染色体编码方式,选择指数排序选择算子、顺序交叉算子和倒位变异算子设计改进遗传算法,对运血车最优配送方案进行求解。结果:改进遗传算法具备较好的运算效率和全局搜索能力,最优解寻优精度高、收敛速度快,能够高效地求解多约束车辆调度问题。结论:提出的算法具有有效性与合理性,能够为突发事件发生后血液资源快速机动靠前保障提供科学的辅助决策支持。

双目标突发事件应急救援前摄性调度优化

本文以救援时间最短化与计划鲁棒性最大化为目标,研究突发事件应急救援前摄性调度优化问题。作者首先对所研究问题进行界定,其中计划鲁棒性定义为各活动开始时间可调整时差的总和,任务是在应急预算和救援期限的约束下,确定活动执行模式与开始时间以实现上述两个目标。随后,构建问题的0-1规划优化模型,鉴于其强NP-hard属性,设计禁忌搜索启发式算法。最后用一个算例对研究进行说明,得到如下结论:救援时间随应急预算的增加而缩短,随救援期限的放宽而延长;计划鲁棒性随应急预算的增加或救援期限的放宽而提高;当权重分配系数增大时,应急救援时间先保持不变而后缩短,计划鲁棒性则呈减小趋势。本文研究可为突发事件应急救援的组织与协调提供决策支持。