基于鲁棒优化的不确定需求下应急物资配送多目标决策模型

针对应急物资配送决策具有不确定性和突然性等特点,提出了一种基于多目标鲁棒优化不确定需求下的应急物资配送决策模型。在分析应急需求的随机性、应急物流设施点的需求不确定风险和路网中断风险的因素上,确定了以物资需求点的救援时间满意度之和最大、系统总成本最小以及物资到达需求点的救援时间之和最小为目标,构建了多目标鲁棒优化模型,并运用Matlab软件求解。以一个山区发生自然灾害作为突发事件为例,验证了多目标鲁棒优化模型的有效性和正确性。研究结果表明：不确定需求下应急物资配送中,决策者可以依据本文多目标鲁棒优化模型权衡利弊,制定出既具有应对风险能力,又能快速反应的救援方案。     

"圣诞老人"无接触式快递配送系统设计

为实现了快递无接触式配送,本文根据城市住宅高层建筑较多的特点,提出由无人机扮演"圣诞老人"的角色,无人机将快件装载后,根据快件地址信息,自主飞行至目的地,降落在屋顶的"烟囱"平台,快件就会通过垂直的"烟道"进入收件人住宅内的"壁炉",完成快件派送."圣诞老人"无人机收派系统将是快递末端服务中减少人员聚集接触、保障公共安...     

基于遗传算法的三层大规模应急救援物资配置策略

在考虑受灾地区对应救援物资需求量大的基础上,研究了包括备选省级应急救援物资供应地、备选市县级应急救援物资中转地、救援物资急需地三层结构的车辆安排、路径选择、物资配送的应急救援物资配置问题;以应急救援物资配置的总成本最小、总的运输时间最短、供应地和中转地启用个数最少为目标,建立数学优化模型.使用遗传算法求解获得近似最优的三层应急救援物资配置方案.     

电动汽车加电站电池配送路径优化

在分析电动汽车加电站运营模式的基础上,根据电动汽车加电站需求动态变化的特点,建立了加电站电池配送路径问题的动态车辆调度模型. 利用自适应准则改进遗传算法,构造了自适应遗传算法;针对动态车辆调度问题实时性强的特点,设计了"初始化路径制定+实时动态调度"的两阶段求解策略,通过信息更新插入动态需求加电站,对已产生的计划路径进行局部优化调整,仿真计算结果验证了模型和算法的有效性.     

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

震后应急救援物资多式联运调度优化

针对震后救灾时间短、任务重的问题,考虑运用应急车辆和直升机联合应急调度运输物资、灾害区路网受损以及路网的修复,建立震后应急物资配送模型。该模型首先考虑需要修复的损毁路段,采用应急车辆对损毁路段和灾害点需求物资进行配送,再利用直升机对损毁路段的需求点和未疏通的灾害需求点进行配送,并采用启发式算法对模型进行求解。通过算例表明:在应急救援的联合运输过程中,优先修复路段v₂v₅和v₁₀v₁₁或者v₃v₆和v₁₀v₁₁,损失为0;抢修其他的损毁路段,有灾害点得不到救援。     

基于遗传算法的服装配送路径优化策略

针对服装配送网络中的车辆路径优化问题,以路径最优和服装配送车辆消耗费用最低为目标,对服装配送车辆数目不确定的配送路径选择问题建立模型,并利用遗传算法对配送路径进行优化.最后以实例为研究对象,建立服装配送的模糊数学模型,并通过MATLAB对其进行模拟仿真,并验证算法的可行性和优越性,解决了服装配送路径优化的实际问题.     

考虑需求紧迫度的应急车辆路径优化方法

为提高应急管理水平,量化各受灾点物资需求紧迫度,提出考虑紧迫度的车辆最优路径规划方法。采用K-means聚类算法确定应急物资配送中心的选择以及受灾点的划分,以应急救援过程中的总时间最短、救援所花费的总费用最小以及受灾点紧迫度排序指数最大为目标,构建多目标的应急车辆路径优化模型,并设计改进的布谷鸟-蚁群组合算法进行求解。以汶川地震为背景构造算例,验证模型的有效性,结果表明:与不考虑需求紧迫度的车辆路径方案相比,考虑需求紧迫度的路径优化方案在所需运输总时间上升1.92%、救援过程总费用增加3.43%的前提下,紧迫度排序指数提高了11.2%。考虑需求紧迫度的车辆路径优化模型在保障突发灾害救援效率的同时,兼顾了不同受灾点的物资需求程度,提高了应急物资运送的公平性。     

基于改进NSGA-Ⅱ算法的军事应急物流路径优化

在考虑实际复杂道路条件的情况下,对军事应急物流路径建立了多目标优化问题的数学模型,选用NSGA-Ⅱ作为求解多目标优化问题的算法基础,对NSGA-Ⅱ中的快速非支配排序环节进行改进,然后选择Matlab作为软件工具进行代码编写。2种算法仿真结果的比较分析结果表明:所建军事应急物流路径优化问题的数学模型具有现实可行性,改进的NSGA-Ⅱ算法在克服早熟现象,提高算法效率、算法稳定性和种群多样性方面是有效的。     

计及潜在道路和修复时间不确定性的电力应急物资输送路径优化北大核心

现阶段应急物资输送路径规划尚未充分利用现场道路资源,并且考虑破损道路抢修时对路障清理时间估算的方法不科学,估算结果准确度不高并且鲁棒性较弱,为此提出一种计及潜在道路和修复时间不确定性的电力应急物资输送路径优化方法。首先,基于单兵轨迹信息提出计及潜在道路的应急增广电子地图生成方法,然后基于增广电子地图,并考虑物资输送过程中对破损道路开展抢修工作,以期望通行时间最短为主要目标、路径长度最短为次要目标建立电力应急物资输送路径优化模型,同时提出基于模糊理论的路障修复时间估算和物资输送路径期望通行时间计算方法,并利用改进遗传算法对模型进行求解,最后通过算例验证了所提方法和模型的正确性和有效性,同时对比分析了潜在道路、修复时间不确定性和破损道路抢修对规划结果的影响,为灾害前期通信能力受限的场景下进行物资输送路径规划提供理论和技术参考。     

应急物资储备中片区储备库协同选址研究

为实现区域性应急物资储备的协同管理,对区域性应急物资储备布局中片区储备库的协同选址模型及算法进行研究。以储备库建设和物资运输成本之和最小、物资运输总时间最小为目标,基于混合整数非线性规划规划方法建立了片区储备库协同选址多目标优化模型,并设计了一种基于协进化原理、运用矩阵编码的多目标遗传算法。算例分析结果表明,该模型可以有效求解片区储备库协同选址问题。     

基于剥夺成本分析的应急救援路径优化研究

针对震后路径受损导致受灾人员救援困难的情形,构造了考虑患者剥夺成本和兼顾救援效率与公平的应急救援模型.在区域协同应急救援的场景下,从主观角度出发分析患者遭遇痛苦的心理代价,以伤员总剥夺成本最小和总等待时间最小作为决策目标,应用蚁群算法对传统模型和新模型进行实验求解,讨论研究新模型中职能的划分是否能够为救援提供帮助并且达到减少重伤患者的心理创伤程度和优化路径的效果.实验结果表明：与基于时间和基于距离等传统模型相比,新模型的剥夺成本小于传统模型,具有一定的优越性.     

基于蚁群算法的速冻蔬菜配送路径优化研究

以安徽某公司速冻蔬菜为例,介绍了基于蚁群算法的冷链物流配送路径优化问题的研究。通过对安徽某公司配送速冻蔬菜的现状与不足、车辆路径问题及求解算法的特点、蚁群算法模型的建立与应用等进行详细分析,建立了基于蚁群算法的冷链物流配送路径优化研究模型,使其在销售速冻蔬菜时能够达成配送路径更短、配送时间更少、配送成本更低、客户满意度更高的目标。     

突发公共卫生事件应急处置多主体协同机制的构建

近年来,突发公共卫生事件在世界范围内频发,建立并完善突发公共卫生事件应急处置机制已经成为社会治理的一项重要议题。党政系统组织、市场系统组织、专业系统组织、社会系统组织凭借自身独特的优势和作用,共同成为突发公共卫生事件应急处置的参与主体,为构建突发公共卫生事件应急处置多主体协同机制贡献了力量。构建以党政系统组织为核心、以市场系统组织为辅助、以专业系统组织为依托、以社会系统组织为补充的突发公共卫生事件应急处置多主体协同机制,能够有效解决各参与主体单独参与应急处置可能出现的问题,从而显著提高了应急处置的成效。     

Dijkstra算法在多约束农产品配送最优路径中的研究应用

传统的Dijkstra算法一般通过对路径长度的迭代来得到从源节点到目的节点的最优路径,是一种无法综合考虑路径的各类约束条件,只能基于单一权值最短路径的算法.农产品配送在选择某一配送路线时不能只考虑路线的距离,还要考虑路线的交通状况,以及实际道路的路况,只有综合考虑这些因素,最后才能得出具有实际指导意义的最优路径.为此,我们对传统的Dijkstra算法进行扩展才能应用到多约束最优路径查找.另外,传统的Dijkstra算法在实现时不仅占用大量的计算机内存,并且算法的执行效率也不高.作者结合当地的农产品运输网络具体情况,对算法进行了存储空间优化和对计算时间优化,从而在节省内存的基础上提高了算法的执行效率.     

基于IACO-BP算法的洪涝灾害应急物资需求预测

为了提高洪涝灾害应急物资需求预测的准确性,提出了一种改进蚁群优化BP神经网络智能算法.以受灾转移人数为预测对象,选取受灾人口、最大降雨量、洪水等级、降雨等级、受灾范围、房屋倒塌数、降雨时长和预报水平等洪涝灾害指标为研究因素,获得基于IACO-BP算法的受灾转移人数预测模型.结合库存管理知识间接预测洪涝灾害应急物资需求量.结果表明:IACO-BP算法获得预测值的均方误差比BP和PSO-BP算法获得的均方误差分别小93.62%和90.91%;IACO-BP、PSO-BP和BP网络运行时间分别为3、10和33 s;IACO-BP算法具有更高的精度和网络迭代效率.