不确定条件下的应急物资配送选址-路径问题北大核心CSSCI

研究在突发事件背景下的应急物流选址-路径问题。假定每个需求点的应急物资需求量与两点之间车辆运输时间是不确定的,利用机会约束方法建立了在一定应急限制期下,时间最小化和成本最小化的双目标随机规划模型,并设计了遗传算法对模型进行求解。通过算例分析验证了模型和算法的可行性与有效性。     

模糊环境下应急系统多目标调度问题求解

为研究突发事件发生后的应急资源调度问题,考虑应急救援系统中应急时间呈不确定性的特征,采用模糊数来描述出救点到受灾点的出救所需时间,以最小化最大应急时间和出救点最少作为优化目标,构建模糊环境下具有多种资源和多个出救点的应急资源调度模型。基于该问题的指数复杂度,提出了基于Pareto的模拟退火算法(Pareto Simulated Annealing,PSA)对该多目标问题模型进行求解。最后,通过仿真算例验证了模型的合理性以及所提算法的有效性。     

公平与效率权衡的双目标应急物资分配模型

针对震后首批应急物资供不应求、需求量动态变化等特征,构建以最大化受灾点的最小需求满足率为公平目标,以最小化应急物资的最晚送达时间为效率目标的整数非线性规划模型,据此对多受灾点、多救援点的应急物资分配方案进行决策。根据模型特征,设计基于epsilon约束法的多目标算法,并对算法的收敛性进行分析。算例结果表明,通过模型和算法能够得到不同偏好下的应急物资分配方案,可以更好地权衡应急物资分配的公平与效率,揭示了最大最小公平的最终目的是实现比例公平。     

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.     

损毁情景下应急设施选址的多目标决策方法

应急设施选址问题是应急管理中的重要问题,设施的长期战略性地位,促使决策者在进行选址决策时关注多种目标.在一定的经济投入条件下,本文首先提出了决策者制定设施选址方案时的目标原则,构建以时效性、均衡性和鲁棒性为核心的评价体系,进而建立了应急设施选址的多目标优化模型,用覆盖为目标的救援总时间反映时效性,最大救援半径反映均衡性,以及设施损毁情景下额外增加的救援变更时间反映鲁棒性,用三个目标函数组成的三元组刻画选址决策的目标向量,理想点是一个三元向量,每一个分量值表示只以这个分量目标函数求解得到的最优值,提出了基于理想点的目标扰动最小化模型,并采用遗传算法设计求解方法,通过算例分析了模型和算法的有效性,说明本文提出的模型与算法在解决应急设施选址决策方面具有一定的应用价值.     

基于Kriging遗传算法的高速公路应急车道管控优化

针对如何在不同交通流状况下有效提高高速公路运行效率和降低安全风险的问题,提出基于Kriging代理模型的遗传算法优化应急车道管控策略。结合应急车道开放策略的时空特性设计数学优化模型,通过引入Kriging代理模型,结合遗传算法搭建优化框架,采用仿真软件获取数据训练代理模型,以此求解带有开放时间和开放空间双重约束的总行程时间与总碰撞暴露时间最小化问题。对车道控制时间与空间变量的变化频次进行了约束,并对目标函数中效率与安全指标权重变化对优化结果的影响进行了分析。实验表明：该优化方法使路网总行程时间减小14.9%,碰撞暴露时间减小44.2%,控制效果提升。     

运力受限的应急物资动态调度模型及算法

针对大规模突发事件下应急物资动态调度问题, 把灾民的损失用物资未满足度的形式进行量化, 构建以最小化灾民损失和车辆调度费用为目标的混合整数规划模型, 以对运力受限情况下的救 援车辆路径选择和应急物资分配进行综合决策. 利用分层求解策略缩小问题的求解空间, 改进 基于客户点的编码方式, 设计了针对此问题的遗传算法. 代入实验数据得出了物资集散地不同 运力下的应急物资动态调度方案, 进而确定了最优运力配置量, 与现实情况下的配送方案比较 表明此模型和算法是有效的.     

应急救灾环境下牛鞭效应存在性及其变化规律

针对应急救灾供应链与商业供应链在交付时间及订货上的显著差异,构建了以社会成本最小化为目标函数的多阶段物资订购-分派模型。推导证明了:在应急救灾供应链环境下,当交付时间为随机变量时,牛鞭效应的存在性;在交付时间方差增大时,订单数量方差也会相应增大,从而增强牛鞭效应。研究表明,由于应急救灾供应链相较传统商业供应链其交付时间上具有更大的不确定性,会导致应急救灾供应链产生更大程度的信息失真,即更为严重的牛鞭效应。应急救灾行动中,如果能降低交付时间的不确定性,就可以削弱牛鞭效应对应急救灾行动的影响,并提高应急救灾行动的整体绩效。     

考虑公众心理风险感知的应急物资优化调度

将行为科学理论融入了突发事件发生后的应急物资优化调度问题研究中, 提出应急物资调度决策应注意考虑公众的心理因素. 用前景理论刻画了公众对应急物资获得时间的风险感知程度, 定义并选取公众心理预期时间作为时间参考点, 得出了风险感知曲线和函数模型. 构建了以最小化公众心理风险感知程度和物资未满足度为目标的混合整数规划模型, 设计了相应的多层搜索求解算法. 最后的数值实验证实了模型和算法的有效性.     

考虑凸形障碍的应急设施选址与资源分配决策研究

应急设施是应急救援的依托载体,其科学合理的选址事关应急救援的紧迫性和应急资源分配的及时性,障碍约束下的应急设施选址与应急资源分配决策研究具有重要的战略意义.从需求区域的视角和应急设施应急服务质量的视角构建基于障碍约束、容量及安全库存约束的应急设施选址与资源分配优化模型,引入安全库存机制,综合考虑时间性、经济性及地理阻断等多重约束限制,剖析选址和应急物资分配的决策过程,进行应急设施的选址决策和应急物资分配预案的制定.设计灰狼优化算法(GWO)与可视凸点绕障路径耦合算法求解模型,结果表明:所设计算法能有效实现绕障路径的优化,且在需求区域的不同时间满意度偏好下,获得最优的选址-分配方案,研究成果将为应急设施选址与资源分配提供模型和方法设计.     

基于Fourier-GM(1,1)模型的灾害应急物资需求量预测北大核心CSCDCSSCI

针对灾害应急物资需求量时间序列的小样本和振荡性特征,提出了基于Fourier-GM(1,1)模型的应急物资需求量预测方法。该方法首先对给定的小样本振荡序列建立具有自适应背景值的GM(1,1)模型,然后应用Fourier级数描述模型残差中所包含的周期性振荡信息,进而构建Fourier-GM(1,1)模型。在此基础上,利用遗传算法在平均预测误差最小化准则下求解模型的最优参数。最后分别应用传统GM(1,1)模型和FourierGM(1,1)模型预测森林火灾扑火经费,结果表明:本文提出的新方法能够较好地描述时间序列中的周期性振荡特征,其预测精度显著地高于传统GM(1,1)模型。     

连续性条件下的多受灾点应急资源配置算法

为了解决多受灾点应急资源配置过程中出现的资源竞争和费用偏高问题,建立了一种以双层规划方法为基础的多受灾点应急资源配置模型,使应急资源配置过程兼顾及时性、高效性和连续性,从而确保在全局应急开始时间最早情况下费用最少.为了克服双层规划模型求解时间复杂度过高的缺陷,提出了一种竞争缓解策略,能够快速求取双层应急资源配置模型的全局满意解.最后,通过数值分析证实算法的有效性.     

应急系统调度问题的最优决策

在应急系统调度问题中 ,仅把应急时间最短作为系统优化的目标 ,常常产生出救点数目过大的弊端。从费用和可靠性的角度考虑 ,出救点数目越小越好。以应急时间最短为前提 ,建立了使出救点数目最少的二层优化数学模型 ,并给出求解算法。数值算例验证了所建立模型的合理性与算法的有效性。     

模糊环境下多出救点应急救援车辆路径与物资运输优化研究

为研究灾害发生后应急救援车辆的运输路径和救援物资的运输问题,考虑受灾点对救援物资的需求量为模糊变量,将多出救点到多个受灾点的应急救援运输优化问题视为两阶段决策问题.第1阶段建立救援车辆的路径优化模型,实现运输时间最短;在满足第1阶段最优的情况下,第2阶段建立模糊线性规划模型,在运输成本最小前提下,确定出救点与受灾点之间的救援物资调运以及受灾点与受灾点之间救援物资的转运量.最后,利用具体算例来验证该模型的有效性.     

具有外包选择的无等待流水线干扰修复模型

针对双机成比例无等待流水线环境下最小化完工时间和的调度问题,研究如何基于干扰管理理论和采用作业外包途径来应对机器干扰事件。在证明最短加工时间优先(SPT)最优解定理的基础上,同时考虑最小化工件完工时间和指标(初始调度目标)与最小化工件滞后时间和指标(偏离最小目标),构建了基于SPT规则的干扰修复0-1整数规划模型,提出了基于差分进化全局搜索策略与"插入-交换"邻域搜索机制相结合的多目标混合智能算法。数值实验结果表明,本文提出的机器干扰条件下外包修复模型及算法是有效的。     

具有外包选择的无等待流水线干扰修复模型北大核心CSSCI

针对双机成比例无等待流水线环境下最小化完工时间和的调度问题,研究如何基于干扰管理理论和采用作业外包途径来应对机器干扰事件。在证明最短加工时间优先(SPT)最优解定理的基础上,同时考虑最小化工件完工时间和指标(初始调度目标)与最小化工件滞后时间和指标(偏离最小目标),构建了基于SPT规则的干扰修复0-1整数规划模型,提出了基于差分进化全局搜索策略与"插入-交换"邻域搜索机制相结合的多目标混合智能算法。数值实验结果表明,本文提出的机器干扰条件下外包修复模型及算法是有效的。     

疫情事件下多灾点应急资源最优化配置研究

新冠疫情的爆发,使许多地区成为灾区,为了及时对灾区进行救援,灾后应急资源精准供给成为保障灾区人民安全的首要因素。本文利用SEIR预测决策时刻各灾区感染人数,由此计算灾区紧迫程度权重与物资需求量。基于紧迫程度构建以灾民满意度最大化、总成本最小化和考虑分配公平的应急资源调度多目标优化模型。提出多目标人工蜂群算法。针对人工蜂群算法易早熟等缺点,利用动态参数思想与Pareto解集来定义新的蜂群位置更新公式,利用教学优化思想对蜂群位置进行扰动,以避免算法陷入局部极值。通过算例进行模拟实验,结果表明,所提出的模型和算法可以有效解决疫情事件下多灾点应急资源最优化配置问题,且改进算法的性能更优。     

考虑合成机制的多星应急任务调度

以应急任务优先调度为原则,保证观测总收益的基础上最小化对原调度序列的扰动是多星应急任务调度领域急需解决的问题。首先,分析应急任务完成时间和观测收益关系,建立考虑时间依赖性收益的数学规划模型。其次,基于遗传算法,提出考虑合成机制的多星应急任务调度算法。设计任务合成、插入和替换算子完成应急任务插入,考虑任务观测收益、序列扰动和最短观测时间设计适应度函数,设计交叉、变异、全局修复算子迭代优化调度序列。最后,通过数值实验表明设计的算法能够显著提高调度质量,适用于多星应急任务调度问题。     

考虑原材料保障的灾后应急物资动员生产问题研究

灾害发生后,若应急储备无法满足灾区的需求,应急生产将成为保障应急物资需求的重要手段.本文关注政府实施的动员政策和应急物资原材料供给变化对应急物资生产能力的影响,以最小化应急物资到达灾区的时间、生产和运输成本为目标,构建了涵盖多类供应商、多制造商以及单个灾区的灾后应急物资生产和运输多目标规划模型.采用带精英策略的非支配遗传算法(NSGA-Ⅱ)对该模型进行求解,得到了多目标Pareto最优解集,为决策者提供了多样化的应急物资动员生产辅助决策方案.通过仿真案例分析表明,政府需要配套实施制造商和供应商动员方案,才能最大化地发挥出制造商的生产能力优势.     

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。