区域应急物资储备库选址问题的模糊多目标决策方法

应急物资储备库选址问题是区域应急物资储备体系建设中的重要决策之一.构建了约束条件中含有梯形模糊数的区域应急物资储备库选址问题的模糊多目标规划模型,给出了一种基于极小算子的模型优化算法,最后通过算例分析验证了该方法的有效性.     

应急物资储备库选址及调运模型研究综述

在应急救援任务中,应急物资储备库选址及调运过程是减少灾前和灾后损失的重要阶段,为系统了解应急物资储备库选址及调运模型研究现状,结合大量国内外参考文献,本文从应急物资选址、调运以及选址和调运联合模型三部分进行分析总结。在应急物资选址影响因素分析的基础上,围绕模型具体算法、灾情阶段、优化指标、是否关注受灾人员以及信息状态等多个维度分析了应急物资储备点选址模型中所存在的问题;将应急物资调运模型分为分阶段调运、多目标规划调运和不确定信息调运三类,并对三类模型进行了综述总结;并系统总结了应急物资选址及调运模型一体化研究。结果表明,应急物资选址及调运模型在动态性、多元化、智能化、人性化等方面的进一步研究对现实救援更具有重要作用。基于此,本文对应急物资储备库选址和调运模型的未来发展方向和研究要点进行了展望,对应急物资储备及调运体系的现代化建设具有现实指导意义。     

水上应急物资储备库选址-分配优化模型

将应急物资储备库选址和应急需求分配问题集成考虑,基于集合覆盖理论和引力模型,建立水上应急物资储备库选址-分配优化模型,并针对模型设计遗传算法.算例分析结果显示,最终选址-分配方案能够实现对水域的全面覆盖和重点加强;程序运行50次,其中43次结果相同,说明计算结果具有稳定性,表明选址-分配模型和算法是有效的.     

基于离散粒子群算法的应急物资选址与调度

【目的】为了提高应急管理水平,有效降低突发事件的不良影响,研究了应急物资储备库的合理布局与物资调度问题。【方法】针对应急物资储备库与物资调度问题的特点,建立了考虑物资供应约束以及转运平衡约束的多目标优化模型,目标函数为储备库建设成本、维护成本与物资运输成本之和最小,整体风险程度和整体灾害处置难度最小。【结果】设计了带惯性权重的离散二进制粒子群算法对模型进行了求解。【结论】仿真实例表明了模型以及算法的有效性与收敛性。
     

考虑服务设施规模的应急物资储备库双目标选址模型研究

应急物资储备库选址关系到应急系统的服务成本和服务质量.考虑到应急服务设施所具有的经济规模效应,引入储备库规模作为控制变量,通过对最大储备量规模的控制,分析其对应急系统的服务成本和服务质量的影响,进而为应急物资储备库选址决策提供支持.建立了以服务质量最大和服务成本最低的双目标整数规划模型,采用了带精荚策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGAⅡ)进行求解.算例结果分析表明,应急物资倾向于集中储备以获得规模优势,降低应急服务成本,但同时也降低了应急服务质量.应急设施选址应适当限制设施规模,以平衡服务成本和服务质量.     

基于多目标粒子群算法的应急物流储备库选址

针对应急物流的特点,提出了应急物流储备库选址应考虑各行政区的风险权重、灾害处置难度、储备库恢复能力、地区影响程度及建设成本等因素.借助普通物流选址思想,构建了基于多目标粒子群算法的应急物流储备库选址模型.并以长株潭城市群应急物流系统构建为例,进行了应急物流储备库选址实例研究.     

含模糊参数的应急物资筹集决策成本最小化模型

应急物资筹集决策是应急物流管理中直接影响突发事件应对效果的重要决策问题之一.建立了动用库存条件下以成本最小化为目标的应急物资筹集问题的模糊优化模型,构建了与其等价的模糊机会约束规划模型,提出了参数为三角模糊数时模型的清晰化方法,最后通过算例说明了该方法的有效性.     

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。     

基于时间满意的应急物资储备库双容量限制选址模型

为了更好地应对生物恐怖袭击,应做好应急物资的储备,应急物资储备库选址问题就成为优化应急物资储备的关键.首先分析了基于时间满意的完全覆盖选址模型后,然后结合应急物资储备库的特点,对基于时间满意的完全选址模型进行了改进,考虑了最小容量限制和最大容量限制,建立了基于时间满意的应急物资储备库双容量限制选址模型.最后,结合实例进行了计算仿真,分析了实验结果.     

加权网络应急物资储备点选址方法

针对加权网络中的应急物资储备点选址问题,作者运用二次分层法的思想,应用集合覆盖理论求解无权网络中的应急物资储备点最少点集合的所有组合方案,以确保应急系统的安全性.考虑网络的加权性特征,计算最少点集合各种组合方案遍历应急系统所有区域所花的时间,所花时间最少的组合方案即为加权条件下的最佳选择.结果表明,得出的储备点组合方案更符合实际情况,可以解决在加权网络中应急物资及普通物流储备物资的储备点选址问题.     

应急系统优化选址模型的一种改进算法

对于应急选址问题,考虑在满足应急时间紧迫性的前提下,使系统操作费用最小为优化目标的数学模型,但已经给出的求解方法经检验并不适合所有的图,故此文将对已有的求解方法进行改进和补充,给出了一个便于实际应用的适用于任意网络的算法.     

基于免疫进化细菌觅食算法的无功优化

针对传统细菌觅食算法在优化过程中步长一致、收敛速度较慢的缺陷,提出了一种免疫进化细菌觅食算法(IBFO),并将其用于电力系统无功优化问题上.这种改进的算法赋予了细菌对搜索空间的感知能力,利用灵敏度的概念来调节步长,加快收敛速度;将免疫算法中的克隆选择思想引入算法中,对精英细菌进行克隆、高频变异和随机交叉,提高收敛精度.将IBFO算法在IEEE 14、IEEE 30节点标准测试系统中进行了无功优化仿真,结果表明:新算法较其它算法具有较强的全局搜索能力,且收敛速度快、鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径.     

基于遗传模糊免疫算法的PID参数整定优化研究

针对工业过程中的PID参数整定较难的问题,在分析模糊免疫算法的基础上,提出了一种遗传模糊免疫算法,用于在线整定PID参数。该算法用免疫反馈机理在线调整比例系数,模糊算法在线整定积分系数和微分系数。同时,该算法引用具有全局寻优特性的遗传算法优化免疫参数,克服了免疫参数选取不当而导致系统超调量较大、响应速度过慢的问题。针对工业过程中的无时滞过程、一阶惯性加时滞过程、二阶惯性加时滞过程、高阶系统过程,将该算法用于PID参数整定优化,并与模糊免疫算法、免疫PID算法、常规PID算法整定结果进行对比分析。仿真实验结果表明,遗传模糊免疫算法整定出的PID参数具有超调量小、调节时间短、抗干扰性强、鲁棒性强等优点,取得了较好的控制效果。     

基于免疫机理的动态函数优化算法

基于免疫细胞在生发中心反应时的进化与学习机理，提出了一种新的动态函数优化算法．该算法模拟了多群体细胞以及细胞的多样性、再循环和免疫记忆功能，其特点是，由基群体和克隆群体产生多个搜索子群体，群体细胞的亲和度会反向调节它的变异率，产生并更新大小有限的记忆细胞池，连续检测函数是否变化．用移动峰函数作为动态环境下的测试基准，以离线误差的平均值作为算法性能的评价指标进行了仿真实验．结果表明，所提算法能够在函数变化频率不大的情况下，以较小的平均误差和方差逼近函数最优值，完成动态函数的优化任务。     

桁架结构多目标优化的免疫克隆选择算法

为了解决带有约束的结构多目标优化问题,将免疫克隆选择算法应用于桁架结构的多目标优化设计中.根据免疫学基本原理,采用非支配邻域选择机制、比例克隆和精英策略,使算法很好地保持了所得解的多样性、均匀性和收敛性.在桁架结构优化的数学模型中,采用惩罚函数法处理违反约束的情况.为了验证所提算法的可行性和有效性,对经典桁架进行了优化,并与其它方法作比较,数值结果表明,该算法在收敛速度、时间消耗和求解质量上均具有一定的优势.     

基于Matlab优化算法的物流中心选址

应用Matlab优化函数求解带时效性约束的物流中心选址问题。分析选址问题的时效性约束条件，构造带时效性约束的物流中心选址模型，利用Matlab优化工具箱中的“fmincon”函数，设计选址模型的精确算法，并给出具体算例，验证模型和算法的可行性。研究结果表明，基于Matlab函数的优化算法编程简单，运算速度快，既能够求解带时效性约束的选址模型，又能够求解不带时效性约束的重心选址模型，是一种比传统算法更有效的求解物流中心选址问题的算法。     

模糊环境下的海上溢油应急选址模型

针对海上环境的复杂性和不确定性,为了合理选择海上溢油应急服务设施点,从最大覆盖选址问题进行研究,构建了基于三角模糊数的最大覆盖模型,并给出模型的具体算法.结果表明,该模型对解决模糊环境下的海上溢油应急服务设施点布设是有效的.     

平面选址问题的萤火虫算法

平面选址问题是工程设计、线路布置、项目选址等工作中经常碰到的典型组合优化难题,根据群集智能优化原理,给出一种基于人工萤火虫群优化算法的求解方法,并针对平面选址问题进行求解.为避免算法陷入局部极值,将一种邻域搜索的局部搜索方法引入萤火虫算法中.通过对典型平面选址问题的仿真实验和与其它算法的比较,表明算法可行有效,且具良好的全局优化能力.     

求解约束非线性区间数规划的改进型免疫优化算法

针对含约束的非线性区间数规划存在约束处理难的问题,提出一种改进型约束免疫优化方法。基于文化基因思想,将最速下降法与免疫算法结合,利用免疫优化算法执行全局搜索;借助最速下降法增强算法的局部搜索能力和确定约束函数的上下界,使算法既具有多样性,又有高的寻优效率。比较性的仿真结果表明:该改进型优化算法在获解的质量、收敛性方面具有明显优势,对约束区间数规划问题有较好应用潜力。