基于蚁群算法的粮食应急调度问题研究

为解决粮食应急调度问题,建立一个适合多应急点、多出救点的多目标优化模型。将“应急开始时间最早”和“出救点数目最少”作为优化目标,考虑每个应急点的紧急重要程度和粮食自身的消耗特点,引入相应因子。应用蚁群算法对模型进行求解,给出算法求解的具体步骤。数值算例表明,该模型可提高粮食的应急调度效率。     

面向多层级出救点的应急物资调度模型研究*

针对我国应急救灾物资储备库系统的物资调度和运输的组织特点,依据受灾点的多层级储备库优先级模型,建立了针对多出救点、多受灾点的应急物资调度模型,实现应急开始时间最早、出救点数目最少的多目标优化,设计了模型求解方法,并给出实例验证了此模型的有效性和合理性。该模型已成功运用在国家应急救灾物资调度系统设计和玉树地震模拟物资调度方案的制定中。     

基于协同差分进化的多出救点应急物资调度

主要利用差分进化算法来研究时间约束下的多出救点应急物资调度优化问题。针对传统差分进化算法搜索速度慢、易陷入局部最优解的缺点,提出一个并行协同差分进化算法,将该算法应用于时间约束下的多出救点应急物资调度优化,建立相应的数学模型,在此基础上设计相应的算法。实例验证表明,同遗传算法、标准差分进化算法相比,该算法在解决具有时间约束的多出救点应急物资调度优化问题方面具有较快的搜索速度和较好的寻优能力。     

基于变精度粗糙集的应急调度模型

以应急调度为背景,为了提高不同精度下的不确定信息处理能力,研究了变精度应急调度问题.针对多物资、多出救点、多受灾点和时变供求约束等特点,构建了应急时间最短、成本最少的多目标应急调度模型.证明了应急响应总时间的取值范围,以此推导出模型中运输时间与运费的取值范围.在上述定理证明前提下,设计了粒子群优化算法对该模型进行求解,并将其最优目标函数值与随机模式下最优目标函数值进行对比,显现出本文所提模型与设计算法的有效性.     

限制期条件下应急车辆调度问题的模糊优化方法

由于应急调度问题中存在时间紧迫性与应急出救点数目相互矛盾的目标,因此给出一个反映决策者偏好的折衷方案十分必要。从实际应用出发,运用模糊优化方法研究限制期下的多出救点组合模型求解问题。     

多灾害点应急资源调度研究与实现

针对多灾害点、多点出救、多目标应急调度问题,建立一种以时间最短、成本最低为目标的数学模型。考虑到调度过程中各灾害点对资源的竞争,提出利用表上作业算法对该模型进行优化求解,实现了在整体的优化方案中时间和成本总体消耗最少。提出的方法简单、实用、易用,并成功应用在省级应急管理信息示范平台上。最后,通过一个实例验证该方法的有效性。     

带时限的多出救点应急物资调度模型及算法

主要研究时间限制下的多出救点应急资源调度优化问题。针对传统优化算法搜索速度慢、易陷入局部最优解的缺点,提出一种新的基于高斯函数的混沌粒子群优化算法,该算法利用高斯函数的分布曲线特性和混沌的遍历性来增强粒子群优化算法的寻优能力。将该算法应用时间限制下的多出救点应急资源调度优化,建立了满足应急时间限制下系统总费用最小的数学模型,介绍了该算法的详细实现过程。算例通过和遗传算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性。     

应急资源调度的模糊规划模型

研究了出救点资源可用量及出救所需时间为三角模糊数的应急资源调度问题。以应急开始时间满意度和资源需求满意度最大为第一目标,出救点最少为第二目标构建资源调度模糊规划模型。设计了将此模型化为确定性规划模型,进而用分层序列法求解模型的方法。以算例展示了模型中各目标间的协调及模型的实用性、算法的合理性和有效性。     

基于网络模型的应急资源优化调配

针对应急管理系统中应急资源及时有效调配的难题,介绍网络扩展模型和Arc Engine技术,根据应急资源调配的特点,以应急开始时间最早、出救点个数最少为目标,结合Arc Engine网络模型,给出多个出救点应急资源调配方法,设计和实现基于GIS的应急资源优化调配可视化系统。     

应急资源布局与调度的模糊决策模型

研究系统参数为区间数的应急资源布局与调度问题。以应急准时开始可能度最大、资源布局调度费最小为目标,构建多目标模糊规划模型,并推广到多出救点联合救援的情况。基于区间数的一种排序准则,提出用分层序列法求解模型的方法。通过一个算例验证该模型的合理性及求解方法的有效性。     

基于需求链的海上应急物资协同调度方法研究

针对应急反应基地的物资储备量无法满足海上突发事件的物资需求及其运力无法满足在应急限制期内将应急物资一次性地运往事故点的问题, 提出三级应急物资协同调度的概念模型。同时考虑到海上应急物资调度的时间不确定性, 构建基于需求链的二阶段动态调度模型。第一阶段解决基于应急响应时间最短的应急反应基地到事故点的物资调配问题, 第二阶段解决基于运输成本最小的陆上供应点的动态物资供应问题。根据模型特点, 设计一种贪婪算法, 分两个阶段逐步构造完整的满意解。最后, 通过具体算例验证模型的合理性和有效性。     

基于改进蚁群算法的救护车应急救援路径规划

救护车并行调度与大规模伤员救援一直是应急救援过程中需要优先解决的问题。引用一种面向多位受伤程度不同的伤员的救护车并发调度与分配优化模型,依据伤情轻重将所有伤者进行分类,按不同优先级进行救护车的调度与救援;采用蚁群优化智能算法求解这个复杂的优化问题。在启发式算法中,改进蚁群优化中的信息素更新策略以实现多个调度路径的同时优化。对比实验表明,所提模型与智能算法在救护车资源不是很充足的情况下具有更好的性能,能够产生一组有效可行的解,并可以同时给出各个救护车响应各伤员的救援路径和响应时间。     

救灾物资多阶段分配与调度问题建模与求解

救灾物资多阶段分配与调度问题是灾害应急决策中的一个难点问题.首先,基于三角模糊数描述发放点物资需求的不确定性, 并基于路段历史行程时间函数刻画交通路网的动态性,构建应急救援物资多阶段分配与调度模型;然后,基于蚁群优化搜索各储备点到各发放点的通行时间矩阵,引入NSGA-II搜索救灾物资分配和调度方案,设计救灾物资多阶段分配与调度集成优化算法和编码调整策略;最后,通过仿真实验验证所提方法的有效性.实验结果表明,所提方法可为决策者提供多种不同偏好的方案,从而为决策者提供更多的选择空间,契合应急场景.     

双层规划在灾后应急物资调度中的应用综述

为了减少财产损失和人员伤亡、提高灾民满意度,基于双层规划理论,从应急救援角度出发,对突发灾害事件下的应急物资调度问题进行综述。围绕应急物资调度,从灾后应急现状、应急物资选址—分配、不同约束下的应急物资调度及双层规划和群智能优化算法在应急物资调度中的应用等方面进行梳理和讨论。结果表明,关于灾后应急物资调度的研究,目前主要关注单级应急网络结构,且模型的目标函数和约束条件与实际情况存在着出入,结合应急物资调度实际特征提出改进建议;考虑两级应急网络结构,进而构建双层规划模型,实现上下级目标的联合优化。     

多供应点、多需求点应急物资调运模型及算法

研究了多供应点、多需求点应急物资调运问题的优化目标、决策模型及求解算法。首先,从需求点的角度考虑应急物资的需求紧迫程度、运达时间和需求满足情况,提出了应急保障综合评价函数。在此基础上,兼顾不同供需情况以及应急物资和运输工具种类的多样性,构建了以应急保障综合评价函数值最小为目标的决策模型。最后,针对模型特点提出了嵌入解构造算法的改进粒子群优化算法(IPSOA-ESCA)。仿真实验验证了应急保障综合评价函数的合理性、模型的普适性和算法的有效性。     

基于演化算法的带侧摆多星点目标调度算法

针对成像卫星观测效率较低的问题,提出了一种侧摆情况下的多星点目标调度方法。首先分析了卫星与地面目标的角度关系、正负侧摆角度以及时间窗口的计算方法。在此基础上,以最大化观测收益、最小化侧摆次数及最小化总的侧摆角度为优化目标,建立了带侧摆的多星点目标调度模型。并基于演化算法,提出了一种载荷侧摆情况下优化调度算法。算法中采用任务级别的单点交叉算子,通过时间窗口的选取进行变异操作,定义了基于冲突度的适应度计算函数,通过调整活动的实际开始时间来减少冲突,基于目标的优先顺序设计了个体的选择策略,基于冲突代价的概念设计了冲突消除方法。最后,针对一个具体的实例,给出了5星100个点目标在侧摆情况下的调度与仿真结果,并对侧摆角度分别为0°、10°、25°时的调度性能进行了分析。实验结果表明,当侧摆角度为25°时,其观测效率比无侧摆时提高18%,该方法在应急救灾及战时快速响应等应用上有着重要的价值。     

应急救援物资多目标分配与调度问题建模与求解

应急救援物资多目标分配和调度集成优化是灾害应急决策中的一个难点问题.为此, 构建一种面向多储备点、多发放点、多种应 急救援物资的并发分配与调度多目标优化模型, 提出一种基于二维NSGA-II与蚁群优化的混合智能搜索算法.在所提算 法中, 设计二维二进制编码、个体修正策略以解决多发放点之间潜在的应急救援物资 冲突, 并改进蚁群优化中的信息素全局更新策略以实现多个调度路径的同时优化.对比实验 结果表明, 所提出的混合算法可以在合理的时间内给出更高质量的应急救援物资分配和调度方案.     

基于两阶段算法的列车调度问题

考虑突发铁路损坏对列车运行的影响,在列车运行调度理论的基础上,建立了单线铁路调度模型,设计了一种带有突发事件处理能力的两阶段列车调度算法,第1阶段对列车区间运行速度进行调整,第2阶段对列车的停站时间进行调整.将3种有效的搜索算子、一种自适应更新规则与粒子群算法相结合,以列车延迟率作为优化目标,求解单线铁路列车调度问题.通过将所提算法与其他算法在相同实验条件下进行测试对比,并进行突发事件测试,验证了所提算法的有效性.