考虑紧迫度的应急物资调度及粒子群算法求解

重大公共卫生事件爆发初期,医疗物资消耗迅速,供给严重不足,为了合理高效地分配医疗物资,开展应急医疗物资配送问题研究。引入熵权法确定需求点的需求紧迫度,优先配送紧迫度高的需求点,在此基础上尽可能地使配送路径最短,实现构建基于物资需求点紧迫度不同前提下的需求可拆分的多目标应急医疗物资调度模型;并使用动态惯性权重和增加粒子扰动项等策略对粒子群算法进行改进用于求解模型。结果表明：该方法可高效解决资源紧缺情况下应急物资调配及车辆路径方案生成问题。     

公平关切下的应急物资局部配送问题

为了平衡灾后应急物资严重短缺与灾民对救援物资分配公平性的要求,通过在负效用函数中引入灾民需求未满足的比例对公平进行量化,建立了公平关切下以负效用加权的到达时间最小化为目标的应急物资局部配送问题的运筹学模型。针对灾后出现的短期内物资需求量的激增,采用分批送货策略进行响应。以雅安地震为例,用CPLEX分别求解产生了以公平、总成本最小化以及按需加权的到达时间最小化为目标的最优车辆路径方案。对三个方案中的度量值进行了对比分析。结果表明,公平目标能在相对最短的时间内为所有灾民提供首批救援物资但同时会带来运输成本的增加。     

面向非常规突发事件的应急资源合作博弈调度

当非常规突发事件发生后,根据灾区灾情的严重情况,往往需要同时联合使用多种运输方式将应急资源快速高效地调度到灾区,由此设计了应急资源调度的多模式分层网络.在此基础上,以博弈论为分析工具,提出了基于合作博弈的应急资源调度模型与求解算法.在该调度模型中,把不同的运输方式映射为博弈模型的局中人,可能的资源调度方式组合方案映射为策略集,不同的运输方式调度应急资源所造成的损失映射为效用函数,将应急资源的合理调度问题转化为对合作博弈调度模型的核心求解问题.接着介绍了一种求解核心的Shapley 值法.通过应急资源调度的算例对比分析,验证了所建模型的可行性和求解结果作为调度策略的优越性.     

应急物资运输的两阶段车辆调度模型

针对大规模突发事件爆发后,应急物资运输车辆不足,需要多次、分阶段将应急物资运送到需求点的情况,本文将传统车辆调度模型中车辆在完成阶段运输任务后返回原始出发点的假设条件予以放松,以应急物资运输的全局完成时间最早为目标,建立了基于车辆紧缺假设的两阶段车辆调度模型,并根据问题的特点设计了相应的启发式算法并给出了算例,在可接受的时间内得到了较为满意的优化结果,有效提升了应急物资运输车辆的使用效率。     

应急物资配送动态调度的粒子群算法

应急条件下的物资配送与调度面临着需求信息不准确、需求紧急程度差异和运输路网动态变化的复杂环境,借助模糊数学中的三角模糊数描述应急物资需求量,利用连续速度时间依赖函数模拟真实的动态路网交通状况,并考虑不同需求点的需求紧急程度差异,建立了针对性的应急物资配送动态调度的多目标数学模型;通过设计粒子群优化算法,采用“离散-连续向量混合编码”方案和加权整合的适应值函数导向机制,结合连续更新的位置和速度操作策略,建立了针对这类含有离散和连续变量组合的优化模型的快速高效求解算法;最后,结合两个实际的算例进行了数值实验与分析,通过与用Matlab求得的解析解的比较,证明算法收敛速度快、鲁棒性强,从而为应急条件下的物资配送动态调度提供了有效和可靠的方法.     

突发事件应急救援前摄性调度与反应性调度的集成优化

突发事件应急救援具有高度的不确定性与动态性,稳定可靠的救援计划及其合理有效的动态调整,对于应急救援的顺利实施具有重要影响.本文以企业生产事故与突发事件为主要对象,研究应急救援的前摄性调度与反应性调度的集成优化问题.作者首先对问题进行界定,构建前摄性调度优化模型以求得一个鲁棒性最大的基准计划,然后以此为基础建立调整损失最小的反应性调度优化模型.针对问题的NP-hard属性,设计专门的禁忌搜索启发式算法.最后,通过对一个实际井喷事故救援过程的求解分析对研究进行说明,得到如下结论:前摄性调度的鲁棒性与反应性调度的损失值之间,并不存在一个绝对的单调关系,通过反复多次的求解运算,可以找到二者之间平衡点,实现两种调度方式的集成优化.本研究可为突发事件应急救援基准计划的制定与动态调整提供定量化决策支持.     

考虑多事故点的海上重大事故应急物资优化调度

应急物资的高效调度是整个应急系统服务效率的保障,为提升海上应急系统的救助效率,针对固定海域内多起重大事故随机发生情景下的应急物资优化调度问题展开了研究。综合考虑物资运输受需求时间窗限制、物资需求存在时变特性以及海陆物资协同调度存在耦合关系等一系列复杂约束后,为统筹优化海上应急物资调度与陆上补给应急物资调度,构建了一个两阶段应急物资动态优化调度模型。根据该模型的计算逻辑提出了一种混合启发式算法。最后通过仿真案例对模型与算法的有效性进行了验证,结果表明该研究方法能在海上重大事故应急物资调度过程中提供可靠的决策支持。     

非线性连续消耗应急物资调度问题研究

构建了多应急点、多出救点和多阶段的应急物资调度模型,以最小化调度总费用和最大化应急点满意度为优化目标.以物资缺失损失系数和应急点满意度系数引入需求紧迫度到模型中,在优先供给需求紧迫度较高的应急点的同时,确保其他应急点的物资缺失损失是可接受的.设计一种结合改进粒子群算法和非梯度侧步爬山搜索机制的混合多目标粒子群算法(IMPSO HCS).实现多目标优化问题求解.通过仿真对比实验验证了上述模型的合理性与算法的有效性.仿真结果表明,该模型与算法在实现应急点满意度与应急物资调度费用两个目标协同的同时,获得了较高的满意度与较低的应急物资调度费用.     

考虑感知满意度的多受灾点应急资源分配模型

在大规模突发事件应急物资调度决策中,由于时间的紧迫性和资源的竞争性,合理、有效地进行应急资源分配成为亟待解决的关键问题。考虑到人是有限理性的,在前景理论的基础上,建立了应急响应时间的感知满意度函数以衡量灾民对救援响应时间的满意程度,并将量化后的时间满意度、需求满意度和效用满意度作为模型的3个目标函数,构建了一个多目标非线性整数规划模型描述大规模突发事件发生后的初始阶段应急物资分配问题。最后,通过分散搜索算法对模型求解,给出算例证明了模型的有效性。     

基于受灾人员损失的多受灾点、多商品应急物资分配模型

分析了现有应急物资分配模型的不足,考虑了灾害严重程度、物资属性、受灾点属性等各种因素,构造了受灾人员的损失函数,构建了以受灾人员损失最小为目标的多受灾点、多商品应急物资分配模型,给出了模型的最优条件和求解方法,对模型在不同情况下的算例结果进行了对比分析。     

基于产品回收定价的逆向物流车辆路径优化问题

针对逆向物流车辆路径优化问题研究在产品回收定价调整和车辆路径优化调度结合方面存在的不足，以智能回收箱为研究对象，考虑多频次回收和车辆共享调度策略，提出基于产品回收定价的逆向物流车辆路径优化方案。首先，构建了智能回收箱回收量与回收定价的线性函数；然后，构建了包含共享车辆运输成本、维护成本、违反时间窗惩罚成本和环境外部性收益之和最小化的逆向物流回收运营成本模型，并建立了回收中心产品的最大化收益模型；其次，根据模型特点设计了考虑智能回收箱地理位置、回收频次和回收时间窗的时空聚类算法，进而提出一种改进的混合算法，该混合算法结合了遗传算法全局搜索能力强与粒子群算法收敛速度快的特点进行了算法间的优势互补，同时采用了精英保留策略，增强了混合算法的搜索性能，并通过与HGA算法、GA-TS算法和HACO算法进行比较分析，验证了模型和算法的有效性；最后，结合重庆市某智能回收物流网络的实际数据进行优化研究，分析了不同产品定价下的回收频次和车辆共享调度情况。结果表明，本文所提的模型和算法能够进行产品回收定价策略的有效选择、产品回收车辆的资源共享以及合理的车辆路径优化调度，并可在回收中心获得最大化收益的同时有效降低逆向物流的运输成本，进而为逆向物流企业进行产品回收定价和车辆回收路径优化调度提供方法支持和决策参考。     

考虑车辆限载的危险品运输车辆调度模型

针对危险品车辆在线路间调拨问题,综合考虑了车辆调度成本、车辆限载等,构建了以利润最大化和途径人口密集区的风险成本最小化为目标的混合整数规划模型,对运价(运量)、运力配置进行综合决策.借鉴分层求解方法,首先,不计广义车辆调拨成本,假定调拨运力无时间约束,分析了使目标函数取最大值的运力;然后,设计了搜索机制进行时间约束可行性检验,证明了满足时间约束的运力取值范围;最后,基于不计广义车辆调拨成本最优运力配置,修正搜索机制计算最小广义车辆调拨成本,并通过数值分析验证了算法的有效性,与不允许车辆调拨相比,车辆调拨降低了运价,增加了运输需求.     

存在车辆租赁及共享且有时间窗的多配送中心开环VRP

针对企业自身运力有限以及旗下多个配送中心在各决策周期运力不均衡的情况,提出了一类具有多个配送中心、需要进行车辆租赁和车辆共享、有时间窗限制、开环的VRP, 建立了相应的混合整数规划模型.通过引入一个虚拟配送中心,将多配送中心VRP 转化为单配送中心VRP, 并设计了一种结合扫描算法和C-W节约算法、对车辆路径和车辆调度统筹优化的混合遗传算法.最后,以重庆天友乳业物流分公司的业务数据对该模型的可行性和有效性进行了验证, 结果表明本文所提方法与该企业现有的配送方案相比,在配送总里程、配送总成本和车辆在途时间等方面均有明显改进.此外,进行了模型参数的灵敏度分析和算法的收敛性分析, 结果表明该算法具有较好的性能.     

基于模拟植物生长算法的车辆调度问题

基于配送企业车辆资源的限制和客户需求时间窗的要求,在考虑外包车辆和配送入员加班的情况下,对带时间窗的车辆调度问题进行扩展研究.根据客户需求的随机性特点构建以最小化车辆配送总成本为目标的机会约束规划模型,并设计求解该问题的模拟植物生长算法.结合车辆调度具体实例,将模拟植物生长算法与遗传算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法.     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.     

不确定需求下基于分布式鲁棒机会约束的车辆调度问题研究

随着新能源汽车共享模式的迅速发展,允许异地还车导致车辆不均衡问题日益突出.本文考虑不确定的车辆需求,基于需求量的均值和方差等部分信息,最小化最坏情况下系统可用车辆和空闲停车位的机会约束,建立分布式鲁棒优化机会约束车辆调度模型,以总成本最小化为目标,得出模型的数学性质和易求解的等价形式,确定停车桩之间的车辆调度数量.最后,以北京市15个停车桩的车辆调度为例,确定最优的车辆调度方案.结果表明,随着服务水平的增加,调度成本和车辆调度数量增加明显,当服务水平增加到一定程度后,应增加系统的车辆数和停车位以满足服务水平的要求.决策者可根据自己的偏好及系统的服务要求,选择恰当的服务水平参数组合,以获得最优的车辆调度方案.     

带硬时间窗的O2O生鲜外卖即时配送路径优化

针对线上到线下（O2O）生鲜外卖订单动态性高和配送服务时效性强的特征，建立以配送距离最小为目标，带硬时间窗的O2O生鲜外卖即时配送路径优化模型。根据硬时间窗的要求和合单配送思想，设计滚动时域延迟配送算法进行求解。通过大量数值仿真实验验证了该算法在实际网络与一般仿真网络中均具有有效性，并且配送距离比滚动时域非延迟配送算法短。通过对各项参数的敏感性分析，发现滚动时域时长不宜过长或过短，且订单的时间窗对配送距离的影响不明显。为了缩短配送距离，可以增加配送员车容量。研究结果可为生鲜企业的即时配送车辆调度提供理论指导。     

多车场满载货运车辆优化调度的网络流算法

探讨在一般条件下的多车场满载的VSP问题。建立了它的网络流模型，并给出了一个基于该网络流最优解的启发式算法。该算法的一个明显特征是，对每一条行车路线的确定总是基于一修改后的网络流模型的最优解，大大提高了算法结果的优化质量。同时，与其它同类算法相比，其算法设计也明显偏优。     

基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。     

行驶时间延迟下配送车辆调度的干扰管理模型与算法

针对行驶时间延迟下配送车辆调度的干扰管理问题,给出了车辆调度人员实际操作中的一系列"救援模式",并将其提炼为计算机可以理解并处理的形式化知识;按照车辆调度人员的"救援路线列举→救援路线选择"两阶段的思维方式,以顾客时间窗偏离程度最小化和配送成本最小化为目标,建立了问题的数学模型及其求解算法. 通过初步的实验,确定了算法的参数配置;在Solomon提出的标准算例上对算法的鲁棒性、求解结果的质量、以及求解性能等几项指标进行了测试及与文献算法的比较;最后对算法进行了实时化的处理. 实验结果表明,本文算法不仅达到了多目标优化的效果, 而且可以满足实时应用的要求.