基于离散混合蛙跳算法的地震应急物资调度

建立震后应急物资调度数学模型。该模型根据各灾区的受灾情况评估其救援紧急程度,并设计一种需求拆分供应的运输机制,提高车辆的利用效率。为求解该模型,提出一种多源信息学习的离散混合蛙跳算法。所提算法引入多种信息源以扩展算法的搜索方向,降低种群的同化速度。同时,让子组最差个体学习种群中的有效信息,提高算法的收敛精度。实验结果表明,所提算法能够搜索到精度更优的调度方案,对问题规模具有良好的可扩展性。

灾后模糊需求情境下考虑救援公平性的应急物资调度问题模型与算法研究

在重大灾害发生初期,由于受灾地区对应急物资的需求激增,合理的应急物资分配有助于提高救援效率。本文考虑受灾点应急物资需求具有模糊属性,将需求物资用三角模糊数表示,以受灾群众损失最小、体现救援公平性的受灾点应急物资满意度方差最小及应急救援成本最小为目标,构建了灾后初期应急物资调度的多目标模糊优化模型,并采用改进的粒子群算法对模型进行求解。该算法在粒子群算法的基础上采取天牛寻找食物的策略,将单一粒子分为左、中、右三个粒子,并结合单纯形算子和模拟退火策略,使算法不易陷入局部收敛。本文通过算例进行模拟实验表明,所提出的模型和算法可以有效解决重大灾害事件下应急物资的合理分配问题,且改进算法的性能更优。

考虑决策者风险偏好的应急物资调度研究

为了完成突发公共卫生事件时的应急物资调度任务,在决策者的角度下,综合考虑灾区灾情,通过区间模糊直觉数反映决策者对于该因素的风险偏好程度,进而构建偏好矩阵,并构建决策者满意度最大与综合物流成本最低的多目标应急物资调度模型,设计第二代非支配排序遗传算法(NSGA-II算法),并结合案例进行分析。结果表明,根据决策者的风险偏好程度不同可以产生不同的方案,以确保应急救援顺利进行,确保有限物资发挥最大价值,为多配送点、多受灾点的应急资源调度事件提供最优方案。

后疫情时代应急物资调度排队模型优化研究

为减少新冠疫情下应急物资调度过程中因车辆排队造成的时间损耗,提高应急物流的运行效率,保障应急救援的成效,文章结合疫情期间武汉物流园排队调度物资的实际案例,在一定的假设条件下,分别建立M/M/1和M/M/C的排队论模型,并计算出物资运载车辆的平均等待时间和平均等待队长等运行指标实际值。通过比较M/M/3排队系统和3个独立M/M/1排队系统在给定到达率和服务率条件下的目标参量,指出相较于3个独立M/M/1排队系统,M/M/3排队系统具有更高的服务效率。解决了应急物资调度过程中效率提升问题,提出应急调度结合大数据技术和云平台等现代化手段的现实性和应用性建议。

大规模突发事件应急物资调度的过程模型

指出现有关于应急物资调度文献的不足,给出大规模突发事件的定义;结合我国近年来几起大规模突发事件总结出该事件的特征;分析大规模突发事件应急物资调度的特征,从应急物资的调度准备、调度实施、调度评估3个阶段进行设计并解释了大规模突发事件应急物资调度的全过程模型。该模型为大规模突发事件应急物资调度决策提供理论依据和方法指导,对当今的公共安全和社会稳定具有重要价值和现实意义。

基于时变需求的台风灾害应急物资调度模型研究

文章以台风灾害下应急物资调度的动态变化特征为基础,结合不同周期各物资的需求量、储备量及供求关系的动态变化特性,构建以响应急应时间最短、各受灾点由物资未满足量而引起的总损失最小、成本最低为目标,基于时变需求的台风灾害应急物资调度模型。选取目标案例进行实例应用,收集实际历史数据或结合灾情信息估算有关参数,根据模型编写程序,结果表明,该模型对于多个出救点、多个受灾点、动态多阶段、多种物资类型协调调度问题的解决是合理有效的。

一类应急物资调度的优化模型研究

本文讨论物资需求约束条件下多出救点的紧急物资调度问题。根据连续应急问题的特点 ,给出了应急时间最早前提下出救点数目最少以及限制期条件下出救点数目最少的应急模型。并且从理论上证明了模型求解方法的正确性。

基于禁止时间窗的应急物资调度车辆路径问题

本文研究基于禁止时间窗的应急物资调度车辆路径问题。首先对研究问题进行界定,其中交通网络的道路和节点均带有禁止时间窗,目标是通过路径选择最小化应急物资的调运时间;随后定义两组决策变量,分别用于路径上节点和枝线的选择,进而构建问题的整数规划优化模型;鉴于模型的组合属性,设计问题求解的禁忌搜索启发式算法;最后通过一个算例对结果进行说明,得到如下结论:由于禁止时间窗的影响,车辆在最差路径上的运输时间及等待时间,要比满意路径上的分别长68.8%和266.7%,显示出路径优选的实用价值。

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.

考虑伤情随机恶化的应急物资调度问题

针对大规模灾难事件发生后伤员伤情严重、应急物流网络不确定、救援时效性强等特点,考虑伤情随机恶化和运输时间不确定性情景下研究应急物资的调度问题.基于马尔可夫过程刻画了伤员伤情演变规律,引入转移概率计算出各灾区伤员不同伤情状态下的死亡率,构建了以死亡率之和最小为目标的应急物资调度模糊机会约束规划模型,并设计了一种带有混沌初始化和变邻域局部搜索的改进萤火虫算法.通过数值算例验证了所提模型和算法的可行性和有效性.

面向应急物资调度的一种模糊规划模型

灾害救援问题具有信息缺失、数据难以收集与整理的特点。为了科学、合理地进行救援物资的调度,考虑在满足处置应急需求时,从总体上最大限度地降低处置应急物资运输调度的费用和时间。在现有研究成果的基础上,引入了模糊评价方法,建立多出救点、多受灾地的多目标模糊规划模型。模型采用加权语言标签空间描述救援地到受灾地可能发生的费用与时间,考虑决策者对风险的偏好建立无差异函数,将其转化成决策者的效用作为目标值,给出相关算法,确定为每一个应急需求点提供应急物资的供应点以及相应的供应量。最后,给出算例证明其可行性。

基于节点综合权值的电力应急物资调度模型研究

电力系统受损后恢复阶段,科学合理的电力应急物资调度模型必不可少。为此,提出一种基于节点综合权值的电力应急物资调度模型。首先分析建立以物资满意度和时间满意度为目标的函数。其次在目标函数优化过程中,综合考虑影响应急点重要性的主观因素及客观因素以确定各应急点的综合权值作为目标函数的参数。最后通过对粤西某局部电力系统及电力应急物资调度图进行仿真分析,并与随机调度下的结果进行比较,验证了所提模型的科学性及有效性。

海上突发灾难事件应急物资调度优化方法研究

为满足海上突发灾难事件救援对应急物资的需求,最大限度降低其带来的损失,根据海上突发灾难事件的特点,提出救助目标在受复杂气象、海况等因素影响发生漂移/扩散时的海上突发灾难事件应急物资调度方法。综合考虑海洋环境影响,引入救助资源包的概念。构建考虑时间、运力、物资需求等约束条件,以最大限度地满足物资供应可靠性为目标的海上突发灾难事件多级应急物资调度优化模型。通过算例对模型的应用进行验证。研究结果表明,事件形态的演变会影响应急物资集结点的选择,需要在预测事件形态时空变化的基础上合理确定海上应急物资调度方案。

危化品事故连续消耗型应急物资调度模型

应急物资调度是危化品事故应急救援工作的关键内容,危化品事故会对周边区域造成环境污染,其应急物资调度问题应该考虑多个目标。针对危化品事故应急物资调度特征,建立了连续消耗应急物资调度多目标模型。模型以缺货损失最小、调运时间最短和调运总环境风险最小为优化目标,考虑应急中心物资数量限制和救援时间限制等约束条件,采用NSGAⅡ遗传算法求解。对于求解结果,采用逼近理想解的排序方法进行选择。算例计算结果表明,多目标模型优化方案比单目标模型优化方案有较大的优势,同时说明算法合理可行。

带时限的多出救点应急物资调度模型及算法

主要研究时间限制下的多出救点应急资源调度优化问题。针对传统优化算法搜索速度慢、易陷入局部最优解的缺点,提出一种新的基于高斯函数的混沌粒子群优化算法,该算法利用高斯函数的分布曲线特性和混沌的遍历性来增强粒子群优化算法的寻优能力。将该算法应用时间限制下的多出救点应急资源调度优化,建立了满足应急时间限制下系统总费用最小的数学模型,介绍了该算法的详细实现过程。算例通过和遗传算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性。

变路网情况下多库房应急物资调度模型及算法

考虑一类大规模自然灾害应急救援情景,基于实际应用条件和需要,建立了最优变路网情况下多库房应急物资调度模型。探讨了车辆所依托的路网结构可变和多库房对调度算法的双重影响,设计了一种求解问题的动态加速自适应遗传算法。作为结论的直接应用,给出的仿真算例验证了问题模型及其求解算法的合理性和有效性。

基于粒子群算法的应急物资调度研究

以一次性消耗系统为背景,针对多出救点、多应急点和多物资应急调度问题,提出了基于应急开始时间最早、运输总成本最低的调度模型。考虑到模型的多目标性,运用理想点法将其转化为单目标优化问题,并设计粒子群算法求解方法和步骤,有效解决了模型变量个数和维数增加带来的优化求解困难。最后通过一个算例介绍了模型的具体运用,验证了方法的可行性和有效性。

基于K均值聚类和LK算法的应急物资调度

突发性事件中应急物资调度方案最优化问题是典型的车辆路径规划(VRP)问题。对于大规模的VRP问题求解,经典的启发式算法易陷入局部最优,难以得到高质量的调度方案。针对这一问题,提出了一种基于K均值聚类和LK算法的调度方法。该方法采用K均值聚类方法将需求节点分成n个子集合,对聚类结果进行修正后分配给n辆运输车辆,采用LK算法对每辆运输车辆的运输路径进行优化。仿真实验结果表明,方法获得了较好的调度方案,而且单个运输车辆服务的需求节点个数越多,方法的优势越明显。

双层规划在灾后应急物资调度中的应用综述

为了减少财产损失和人员伤亡、提高灾民满意度,基于双层规划理论,从应急救援角度出发,对突发灾害事件下的应急物资调度问题进行综述。围绕应急物资调度,从灾后应急现状、应急物资选址—分配、不同约束下的应急物资调度及双层规划和群智能优化算法在应急物资调度中的应用等方面进行梳理和讨论。结果表明,关于灾后应急物资调度的研究,目前主要关注单级应急网络结构,且模型的目标函数和约束条件与实际情况存在着出入,结合应急物资调度实际特征提出改进建议;考虑两级应急网络结构,进而构建双层规划模型,实现上下级目标的联合优化。

一类应急物资调度的双层规划模型及其算法

应急物资的调度是应急管理中的一个重要分支,衡量其运作效果的两个最常用的指标是应急时间和应急成本,目前的建模大多都以多目标规划为主.但现实告诉我们,面对应急事件,应该在最短的允许时间奔赴现场,而成本与此目标相比要次之.为此,建立了单资源应急物资调度的双层规划模型,上层为时间目标,下层为成本目标,并将此模型的求解转化为若干个有限制的运输问题的求解,利于计算机实现.算例证明了算法的有效性.