灾后初期考虑需求及时间不确定的应急物资配送中心选址-分配优化

面向灾后初期受灾点对应急物资需求的不确定性，考虑因通道中断造成的运输时间不确定性，以应急物资配送总成本最小和受灾点综合满意度最大为目标，构建应急物资供不应求状态下应急物资配送中心选址-分配多目标优化模型，其中，综合满意度由时间满意度和需求满意度共同刻画；设计量子粒子群优化算法对模型求解，采用遗传算法与之对比，并对相关参数进行敏感性分析。算例分析结果表明，该模型和算法是有效的，可以提供较优的选址-分配方案。     

基于不完全扑灭的应急物资最优分配决策模型

在分析现有城市应急物资分配模型的基础上,构建了一个多出救点、多受灾点、多种应急物资分配的决策模型。该模型以受灾点的系统损失最小为目标,充分考虑灾害严重程度、应急物资的重要性、受灾点对应急物资的需求紧迫程度等因素,在不完全扑灭情况下确保受灾点物资分配的公平性。最后从理论上分析最优性条件,通过算例验证了模型的有效性。     

基于双层模型的水利工程应急物资调度优化

为了提升水利工程事故应急物资调配的效率,构建综合考虑应急配送中心的应急物流能力和以总时间满意度最大为目标的应急物资调度双层模型,对应急物资调度过程进行优化。首先,根据改进的应急物流能力指标体系,对应急配送中心的应急物流能力做出评价并确定上层物资分配的权重;然后将降半哥西分布引入时间满意度函数可以综合考虑各事故点的受灾程度不同,提升物资分配的时效性与公平性。最后,根据实际水利工程事故设计算例,通过双层模型与传统模型的结果对比分析,验证该模型的有效性。结果表明：双层模型能够综合考虑实际的应急配送中心应急物流能力和各个受灾点不同的物资需求时间敏感度,得出总时间满意度最大且更为符合实际情况的应急物资调度方案。     

突发事件下多目标应急救援物资配送路径规划

突发事件发生后,选择最优应急救援物资配送路径提高物资配送的效率和效果,是应急决策者面临的主要问题。以最小化最晚车辆服务结束时间来提高物资配送的效率,以最小化需求未满足率来保证配送公平性,从而达到良好的配送效果。在配送中心唯一的情况下,考虑道路对车型限制、道路阻断修复和道路可靠性对路径的影响,建立多目标应急救援物资配送路径优化模型。设计优先邻点交叉算子来改进基于非支配解排序的遗传算法,提高了局部搜索能力和收敛速度,通过仿真实验验证了算法和模型的有效性,为决策者选择合适的车辆配送路径提供辅助决策作用。     

突发性公共卫生事件下横纵结合应急物资配送模式

考虑到突发性公共卫生事件下的应急物资的时效性以及应急救援工作需要在多受灾点同时展开这一实际,提出了将疫区与疫区之间横向配送和物资分配中心与疫区之间的纵向配送相结合的应急物资配送模式。首先,在满足配送时间的前提下以总成本最小为目标,构建了横纵结合的物流配送路径优化模型;其次运用聚类分析和引入了逆转操作的遗传算法进行求解;最后通过算例仿真将提出的配送模式与常规配送模式进行比较。算例结果表明,提出的横纵结合应急物流配送模型使总成本降低了10.72%,惩罚成本减少了52.98%,验证了模型及算法的有效性和可行性,可为未来的应急物资配送问题提供参考。     

基于需求紧迫度的约束性应急物资车辆路径模型

为了实现科学、高效的灾后应急响应,针对传统路径规划中单目标、单车场、单次配送、无差别化供给、闭合式调度等多方面限制,开展基于需求紧迫度的约束性应急物资车辆路径研究。运用层次分析法对需求紧迫度进行赋权分级,以应急救援过程的响应时间、配送延误惩罚与需求未满意率最小化为目标,构建约束性应急物资车辆路径模型,并设计两阶段遗传算法。通过算例检验算法与模型的有效性和适用性。结果表明：该模型可有效解决资源紧缺、受灾程度异化情况下的物资配送问题,形成适用于突发自然灾害事件的动态应急物资车辆路径规划方案,实现突发路况处理与资源效能最大化,并为应急物资的车辆路径规划提供理论依据与决策参考。     

应急物流中无人机配送线路优化

在自然灾害发生时,第一时间内将生命救援物资配送到各救灾点尤为重要。为优化自然灾害条件下的应急物资配送过程,由卡车-无人机共同配送,将该场景下的应急物资配送问题构造为带有无人机的多旅行商问题。在考虑卡车可达性的情况下,以总配送时间最短为目标建立了混合整数规划模型,并改进FSTSP(Flying Sidekick Traveling Salesman Problem)算法求解此模型。仿真结果表明:通过组合K-means聚类算法和改进的FSTSP算法,可以有效解决考虑卡车可达性的多卡车多无人机的应急物资配送问题,且与传统的卡车配送相比,卡车-无人机配送具有潜在的优势。     

考虑需求紧迫度的区域应急物资配送优化——以上海市为例

为提高应急工作的救援效率、应急物资运送的时效性,提出在受灾点需求紧迫度影响下的应急物资配送路径优化模型。建立受灾点需求紧迫度评价体系,利用熵权TOPSIS法求出受灾点的需求紧迫度。将需求紧迫度引入路径优化模型,在尽可能满足受灾点需求紧迫度优先级的情况下,构建总成本最低与应急物资运输时间最短的双目标路径优化模型,设计改进遗传-模拟退火组合算法求解。以上海市为算例背景,运用MATLAB进行仿真,研究结果表明：考虑需求紧迫度模型的总成本比不考虑需求紧迫度模型的总成本减少了13.48%,缩短了应急物资运输时间,遗传-模拟退火组合算法可以在保证收敛速度较快的前提下,较好地实现搜索全局最优的目标。     

基于离散蜂群的应急物流车辆调度算法

为在尽可能满足应急物流时间要求的前提下最大程度的节约运输成本,提出了一种基于离散蜂群的应急物流车辆调度算法.该算法首先综合考虑运输车装载容量和受灾点的单边硬时间窗约束,构建了以最小化配送成本为目标的数学规划模型,然后利用离散蜂群算法进行优化求解,通过引入离散差分搜索强化其领域搜索能力,同时借助侦查蜂进行个体淘汰操作,从而避免算法陷入局部最优.仿真实验表明,与基于蚁群算法的应急物流车辆调度算法相比,该算法具有较强的鲁棒性,能够快速获得应急物流车辆调度问题的优质解.     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性。实验结果表明:设计的混合遗传算法在求解过程和求解结果上都比标准遗传算法更优,可见能够为解决应急物资的配送路径优化问题提供科学的决策依据。     

考虑道路受损的震后应急物资运输路径优化

为了在地震发生时提高应急物资配送效率, 降低人员伤亡与经济损失,将道路受损作为影响应急物资配送的重要因素。以多应急物资种类、多配送中心为背景,考虑应急物资配送时间窗约束,建立总时间和总成本最小的双目标模型。结合模型的特点,设计了遗传算法与模拟退火算法相结合的混合算法,算例结果表明,该算法具有较快的收敛速度和求解结果。进一步对比考虑道路受损和不考虑道路受损的情况,结果表明：考虑道路受损在配送总时间、总费用和产生惩罚成本的时间都有所降低,进一步验证了模型的优越性。可见该模型和算法可以有效地解决考虑道路受损的应急物资配送路径优化问题,提高应急物流效率,减少地震带来的损失。     

不确定应急物流LRP双目标优化模型

为了优化应急物资配送系统,提高配送的时效性和经济性,以总时间最短和总成本最小为目标,建立了不确定双目标机会约束优化模型,在这个模型中综合考虑了需求点的限制期要求以及需求点物资需求量的不确定性、两节点运输时间的不确定性、若干车辆容量的有限性和若干候选救援中心容量的有限性,并且假设救援车辆完成自身的任务后停靠在就近已经启用的救援中心;运用遗传算法求解该模型,并且利用惩罚函数的思想以及加权法对目标进行了处理,最后给出数值例子验证该模型和算法的有效性.     

基于区间数可能度的地震应急物资分配优化方法

地震应急物资分配优化是地震应急救援决策工作的基础,研究物资不足条件下应急物资的最优分配方法具有非常重要的意义.本文分析了地震应急物资分配的不确定性,论述了用区间数形式描述地震应急物资分配决策信息的可行性;介绍了数值型数据的标准化方法,给出了区间数可能度的算法及性质;在分析区间数排序的可能度法的基础上,改进了区间数可能度矩阵;定义了基于区间数可能度的最优分配系数,推导出最优分配系数的计算公式;以灾区区域大小、受灾程度、人口密度及灾区群众需求为受灾区域地震应急物资分配方案的4个属性,构建了基于区间数可能度的地震应急物资分配优化模型,并给出了模型的求解过程.通过算例分析验证了该方法的有效性.     

大兴安岭森林火灾应急资源优化调度研究

针对大兴安岭森林火灾救援中的单出救点、多需求点的二级应急资源分配系统,首先,基于大兴安岭森林火灾的发生规律、火势蔓延的影响因子,以及火势蔓延模式,改进已有的林火火势蔓延趋势模型.其次,根据着火点火势蔓延速度,区分受灾点灾情程度,确定分配应急资源的优先度.最后,进行应急资源分配和救援消防车辆的优化调度.针对前者,以森林损失和救援开支费用最小为目标,建立资源分配优化模型;针对后者,以火灾应急物流系统所需时间最少和费用最小为目标,建立多目标优化模型,并用免疫克隆算法进行求解.实例证明该模型完善了森林火灾救援中应急资源调度体系,为资源的合理调配提供了指导.     

震后多时段应急物资联合配送路径优化研究

为了解决地震灾害发生后由于应急物资转运不及时所带来的人员伤亡及财产损失等问题，提出一种考虑时段划分的混合算法。首先，依据震中方位等确定受灾点及其物资需求；其次，按照灾区内的道路损毁约束条件等确定受灾点需求的配送方式；再次，根据道路损毁及恢复情况将震后“黄金72小时”划分为多个时段、多种配送方式联合的配送方案；最后，选取“四川泸定9·5地震”为背景进行算例仿真。结果表明，相较于传统遗传算法，混合算法的总配送成本降低了9.53%，配送总时间减少了7.03%；在考虑多时段情景下整体方案配送总时间比不考虑时段情景时减少6.33%，在配送总成本上降低18.9%。震后划分时段进行联合配送的方式能够有效解决受灾区域内的应急需求问题，提高应急物资配送效率。     

多级多受灾点连续消耗应急物资调度优化策略

灾后应急救助十分关键,特别是多地同时受灾情况下.为此,考虑将灾民安置与物资运输一体化规划,建立连续消耗多级应急物资调配数学模型.在此基础上,以应急系统施救成本和施救不及时损失为目标函数构建优化模型,并应用遗传算法(GA)和序列线性规划(SLP)算法相结合策略对物资调配进行优化.构造四级救灾物资调配算例模拟救灾过程.数值结果表明,使用GA全局寻优结合SLP局部寻优策略相较单一优化算法能有效找到更优解.所提出的优化策略可为灾后多级多受灾点连续消耗应急物资调度提供可行方案.     

基于群智能混合算法的应急物流路径优化研究

应急物流系统是解决突发事件的有效框架体系,如何选择合适的配送路径以确保受灾群众及时获取物资,对解决应急救援问题有重要意义。通过建立应急物流路径优化模型,考虑到使用人工萤火虫算法会产生寻优精度低以及陷入局部最优等问题,为了提高系统优化性能,参照蜂群和粒子群的群体移动规律,改进萤火虫算法的位置更新策略,引入两种群智能混合算法进行比较实验。设置距离参数和平均交通复杂度,计算物流运输路径系统消耗时间,并采取表格形式显示。实验结果表明群智能混合算法能大幅度优化应急物流路径规划模型,提高配送效率。     

基于强化学习的应急物资动态模型配送算法优化

为了震后挽救更多人的生命,研究如何快速搭建应急救援物流系统,进行高效的应急物资配送,具有重大意义。通过已有的救灾体系数据库,再结合城市实时获取的卫星监测和微型传感器传输,所获取的道路状况和危险建筑等实时数据,进行全方位的强化学习模型优化训练,并且地震发生后的物资存储信息、救援点需求信息、物资装箱信息及配送路线规划,都由人工智能(artificial intelligence, AI)来进行自动分配,快速求得最优最快的物资配送方案。不仅路径配送实现优化,还确保物资运输的高效率,而且单位时间内被救援的受灾人数最多,以整个城市被救援人口的覆盖率为核心,做到根据实时动态数据的分析求解,动态调配物资,还做到救援受伤人员数量最大化。并通过优化城外救援物资,实时更改内部救援方案,提高救援效率,还提出救援优先级因子,为极端情况下的救援物资进行配比,提供合理技术支撑,最后计算得出优化的奖励方程。结果表明：通过对强化学习的应急物资动态模型配送算法进行优化,可大幅提高救援效率,尤其在地震发生初期,对挽救伤员的效果最佳。     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

突发事件下应急物资配送问题的改进算法研究

应急物资配送主要是应急车辆在最短的时间内把应急物资从各地应急储备仓运送到救灾点集散中心,其研究的核心是最短路径选择问题。将最邻近算法应用于应急物资的配送路径选择,提出一种多对多的改进最邻近优化算法。在该算法中,克服以往只能解决一对多问题的局限性,引用全新的编码方法,以时间作为衡量标准,同时对组合参数进行选择进化,以实现组网路径的有效选择。通过仿真实验证明该算法具有很好的适应性。