多受灾点救灾物资分配调度问题启发式算法

救灾物资的分配调度问题是灾害应急救援工作面临的一项重要任务。合理的物资分配调度方案可以极大程度地缓解灾情,保障人民群众的生命财产安全。本文提出一类具有多个受灾点、多种救灾物资的分配调度问题,以满足所有受灾点物资需求时间最短为优化目标。证明了该问题是强NP难解的,给出了问题的一个下界以衡量近似算法的性能。此外,提出了求解该问题的若干启发式算法,并通过仿真实验对启发式算法的性能进行了比较。     

基于公平原则的应急物资分配模型与算法

灾害发生后,灾区第一时间的自救和互救对于救灾工作至关重要.本文考虑自然灾害发生后,外界的救灾物资没有到达受灾地区的这段时间内,灾区的各个地区基于相互救援的应急物资分配问题.在考虑地区之间物资分配公平性的基础上,本文建立了一个双目标优化模型,模型的目标函数是最大化地区的物资的满足量,以及最小化最大运送时间.进一步地,本文提出了一个改进的差分进化算法求解该双目标优化模型,计算结果从计算时间和解的质量两个方面验证了算法的有效性;同时,本文通过一组例子验证了公平性约束的合理性.最后,本文通过一组算例分析,验证了改进的差分进化算法对大规模问题的有效性,说明救灾物资的最大允许运输时间和地区间合作的关系.论文的研究成果对基于属地管理的灾区自救和互救决策具有重要的理论和实践指导价值.     

应急物资的两阶段局内分配策略

研究了在单出救点、多需求点的应急系统中如何确定应急物资分配的两阶段策略,采用应急物资需求量的上下界来刻画了灾害事件下的应急需求特征,进而利用局内决策方法求得了应急物资在两阶段嵌套机制下的有效分配策略.最后通过数值仿真对比了单阶段和两阶段决策系统下的绩效并分析了影响嵌套策略绩效的因素,证实了两阶段嵌套策略的稳健性及其优势.研究结果凸现了两阶段嵌套策略在应急物资分配管理中的运用价值,为应急物资分配提供了管理启示.     

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。     

基于期权采购的政企联合储备应急物资模型

政企联合储备应急物资能够有效地改善政府单独储备物资所面临的储备过量或不足的困境,而通过市场化的契约机制实现政企联合储备可以克服行政强制手段带来的弊端.基于此,本文建立了基于期权采购的政企联合储备应急物资模型,通过推导获得政企双方的最优决策后,给出了企业参与联合储备的条件,以及在不同的现货市场条件下,与政府单独储备模式相比,政企联合储备模式能够提高物资总储备量且降低政府库存水平时契约参数的取值范围.在此基础上,本文给出了供应链达到协调以及政企双方实现合作共赢时的条件.最后,本文通过数值模拟对上述结论进行了验证,并进一步研究物资需求量不确定性对两种储备模式的影响,结果表明随着需求量不确定性的增加,与政府单独储备模式相比,政企联合储备模式的优势越发明显.     

不确定需求下基于匹配度的应急物资分配区间鲁棒优化

考虑需求不确定性的应急物资分配是重大突发事件救援领域关注的热点问题。针对需求不确定下的应急物资分配问题,综合考虑需求量和需求时间的匹配度,构建以综合匹配度均值最大为目标的区间鲁棒优化模型,设计基于随机采样的改进自适应遗传算法,以某突发事件中的应急物资需求为对象开展算例研究,计算相应的物资分配方案及需求匹配度,分析模型和算法的性能,探究模型中部分参数的影响。结果表明：改进的自适应遗传算法在大规模物资分配问题求解方面的优势更加突出;鲁棒优化在提高应急物资分配中需求匹配度方面具有一定的优化效果,但鲁棒性降低并不一定意味着平均匹配度的明显增长;需求量匹配度权重对匹配度具有更加显著的影响,但需求量不确定程度的增加并不一定导致匹配度的下降。权衡保守值与匹配度之间的关系,设置合理的需求量匹配度权重,调节与控制需求量的不确定程度等,能够有效改善不确定条件下应急物资的分配效率与需求匹配度。     

基于应急物流体的应急救援物资调度模型

应急物流体理论(ELS3)是解决应急突发事件的宏观方法,以该理论基本原则为依据,从技术实施与应用角度研究应急救援物资的调度问题,以时间性,经济性和可靠性为优化目标,建立了多目标决策模型,并给出求解算法.为提高应急响应能力、缩短救援时间、减少损失提供一种实用的方法.     

基于跨期的应急物资库存模型

从应急管理运作流程纵向集成的角度,将应急物资划分为响应期物资与恢复期物资两大类.针对恢复期物资的需求量依赖于响应期物资短缺量的特点,提出了基于跨期一体化的最优订货量单周期库存模型.按照依赖关系为确定性与随机性的2种情况,分析了模型的解析性质,在此基础上,设计了解析仿真算法.通过算例分析,说明了考虑依赖关系中随机部分的重要性.     

基于双向期权契约的应急物资采购储备模型

应急物资具有需求量大、需求不确定性高的特点,在储备过程中易出现储备不足或储备过量的情况,这种问题在保质期较短的应急物资储备过程中更为突出,加重了储备主体的资金压力。根据双向期权契约的特点,将其引入政企应急物资的采购过程中,在考虑突发事件发生概率的情况下,设计了基于双向期权契约的应急物资采购储备模型。主要分析了采购方的最优储备决策,以及实现供应链协调的参数条件。通过与批发价格采购模型和看涨期权采购模式对比,发现双向期权采购模式既可以降低政府的缺货风险又可以降低其保质期风险。最后,通过数值例子得出期权费与采购方成本和供应商利润呈正相关关系,并得到看跌期权储备量和看涨期权储备量的相关性质。     

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...     

多疫区多周期应急物资协同优化调度

针对突发公共卫生事件应急管理体系中应急物资需求的不确定性和连续性以及应急救援是一个同时在多疫区间展开的多周期救援过程这一实际, 提出了多疫区多周期应急物资协同优化调度方案.首先在分析传染病扩散规律的基础上, 结合传染病潜伏期的不确定性所引起的应急救援的时滞性, 采用纵向配送和横向转运相结合的协同配送模式, 构建了一类应急物流网络优化多目标随机规划模型; 其次采用遗传算法给出了该优化模型的求解算法; 最后通过仿真算例验证了模型及算法的有效性和可行性.     

人口密集区震后压埋人员伤亡及救援动态模型

根据对人口密集片区震后压埋人员伤亡及救援影响因素分析,结合系统动力学基本思想及原理从地震破坏子系统、人员伤亡子系统、应急救援子系统、抗震防灾子系统四个子系统,研究了人口密集片区震后压埋人员伤亡及救援过程中的动态反馈性;建立了人口密集片区震后压埋人员伤亡及救援系统动力学因果模型和流量模型;结合城市抗震防灾规划标准中对紧急避难场所、疏散道路等的建设要求,就重点人群密集片区不同发震时刻震后压埋人员伤亡及救援过程进行了动态模拟;并根据模拟结果对人员密集片区的防灾及紧急救援提出了相关的建议,为城市抗震防灾工作提供参考.     

基于网络关注度的大宗商品市场预测研究

随着大宗商品市场化的加快和电子信息技术的快速发展,以互联网为载体的网络信息将方便快捷地传递到市场及市场参与者.本文从海量开源数据出发,利用搜索引擎平台,提取核心信息构建网络关注度指标,并提出了基于网络关注度的大宗商品价格预测模型.通过引入具有不同核函数的支持向量回归模型,分别建立了针对单个市场(原油、铜以及玉米)的网络关注度预测模型和综合考虑市场间联动性的多市场网络关注度预测模型.实证结果表明,网络关注度对于市场价格的变动有显著的格兰杰因果关系,引入网络关注度指标和相关市场信息能显著提高预测精度.     

基于多目标物资调配优化模型的复杂应急系统并行计算方法

为了解决大规模的应急系统中的物资调配的问题,以时间性,效率性为优化目标,建立了模糊目标集数学模型,给出了单事故点的优化算法;并提出了一个以应急事故点为中心对救援点进行聚类划分的方法,将复杂多事故点应急调配的问题分解为单事故点来计算,把任务分配到不同处理器中并行执行.实验结果表明,基于多目标优化模型的并行算法大大地提高了应急调配解算速度,能为决策者提供更有效、快速、智能的服务.     

基于可靠性的软件构件费用分配最优模型

针对软件系统可靠性和费用分配问题,给出了一种基于可靠性的软件构件费用分配最优模型。将软件系统可靠性定义为软件构件失效率、操作剖面、构件使用矩阵以及软件无失效运行的规定任务时间的函数,详细描述了费用最优模型的建立和利用非线性规划理论求解模型的步骤。在求解过程中,将费用最优模型转化为Kuhn-Tucker方程,有效地处理了带有复杂计算的目标函数和约束条件的可靠性和费用最优分配问题。计算实例表明利用该模型进行可靠性和费用分配是可行的。     

基于"当前"统计模型的交互式多模型算法

提出了一种基于"当前"统计模型的交互式多模型算法。在交互式多模型算法框架内,计算"当前"统计模型的概率,自适应地调整"当前"统计模型中目标加速度,使其能够反映目标的机动特性,充分发挥了"当前"统计模型和交互式多模型算法的优点,扩大了"当前"统计模型的应用范围,提高了"当前"统计模型的自适应性。Monte Carlo仿真结果表明了该算法的有效性。     

Hierarchical interacting multiple model algorithm based on improved current model

Interacting multiple models is the hotspot in the research of maneuvering target models at present. A hierarchical idea is introduced into IMM algorithm. The method is that the whole models are organized as two levels to co-work, and each cell model is an improved “current” statistical model. In the improved model, a kind of nonlinear fuzzy membership function is presented to get over the limitation of original model, which can not track weak maneuvering target precisely. At last, simulation experiments prove the efficient of the novel algorithm compared to interacting multiple model and hierarchical interacting multiple model based original “current” statistical model in tracking precision.     

基于自适应CS模型的IMM算法

目标运动状态的改变将导致目标跟踪算法精度降低或发散。为了提高机动目标跟踪的跟踪性能,首先,针对当前统计(current statistical, CS)模型中最大加速度固定设置导致模型误差增大的问题,提出了一种自适应CS模型;在自适应CS模型和交互式多模型(interacting multiple model, IMM)的基础上,提出了一种交互式多自适应模型(interacting multiple adaptive model, IMAM),该模型通过采用两个自适应CS模型,能够有效消除目标状态突变造成模型误差急速增大的问题,提高了模型的准确度和适应性。其次,在IMAM的基础上,结合修正卡尔曼滤波(amendatory Kalman filter, AKF)的思想,提出了IMAM-AKF算法,该算法通过修正最终的状态融合估计值,有效地降低了目标机动造成的模型误差,进一步提高了机动目标跟踪的性能。最后,结合自适应渐消卡尔曼滤波(adaptive fading Kalman filter, AFKF)的思想,提出了IMAM-AFAKF算法。仿真结果表明,无论是强机动还是弱机动,IMAM-AFAKF算法都具有较好的跟踪性能。     

基于图模型自主优化的多无人机多目标攻击

为在多无人作战飞机(unmanned combat aerial vehicle, UCAV)执行多目标攻击中适时确立决策优化的方向、改变任务优化所需的基本条件,采用图模型中的动态贝叶斯网络(dynamic Bayesian network, DBN)构建了空天威胁体感知模型,提出了基于图模型自主优化系统的分层架构和多UCAV自主协同规划方法。该方法利用数据融合形成的DBN状态转移网络及观测转移网络参数的变化表现复杂空天环境的变化,并充分利用DBN的学习和推理算法,实现了对威胁体的在线动态感知,达到了按照确定原则完成UCAV攻击目标重新分配与航迹协同等任务的目的。仿真结果表明了这种自主优化规划方法的正确性和可行性。