基于改进蚁群算法的震后应急救灾车辆最优路径选择

针对当前的研究没有考虑震后道路通行状态的动态变化的情况,提出了采用改进蚁群算法计算从救灾点到达灾害现场的救灾车辆最优路径。改进算法依据道路通行状态修改转移概率,采用了自适应的信息素浓度更新策略。经仿真实验表明,本算法的收敛速度优于基本蚁群算法,能更好地满足震后救灾车辆的路径选择上的决策需求,具有重要的现实意义。     

卡车-无人机协同救灾物资避障配送问题研究

针对洪涝灾害中存在积水障碍区的卡车-无人机协同配送的最优路径及最短配送时间问题,建立了一种整数规划模型,并提出了一种两阶段启发式算法,第一阶段将积水障碍区进行二维网格化处理并确定无人机运输救灾物资时卡车的安全等待点以及各等待点无人机运送客户的集合,第二阶段提出阶段性规划算法,结合改进A*算法与非线性收敛因子的模拟退火鲸鱼算法对卡车绕积水障碍区的配送路径进行优化,在确保卡车行使安全的前提下,将A*算法的全局寻优性及鲸鱼算法的局部搜索精确性结合。解决存在积水障碍区的救灾物资配送问题,最后通过实例验证了所提出方法可以快速安全地解决洪涝灾害中救灾物资的避障配送问题。     

改进的Dijkstra算法在灾害决策系统中的应用

灾害决策系统中,核心安置点的选择对救灾工作效率影响重大;分析常用的最短路径搜索方法,选用Dijkstra算法并对其进行改进,计算选取到达最远安置点最近的安置点作为核心安置点。实验结果表明,该方法具有良好的实用性。     

Network Capacity Reliability Analysis Considering Traffic Regulation after a Major Disaster

The focuses of this paper are optimal traffic regulation after a major disaster and evaluation of capacity reliability of a network. The paper firstly discusses the context of traffic regulation and its importance after a major disaster. Then, this problem is formulated as an optimisation program in which the traffic regulator attempts to regulate the amount of traffic movements or access to some areas so as to maximise the traffic volumes in the network while (a) link flows must be less than link capacities and (b) re-routing effect due to changes of traffic condition in the network is allowed. The re-routing behaviour is assumed to follow Probit Stochastic User's Equilibrium (SUE). The paper explains an optimisation algorithm based on an implicit programming approach for solving this problem with the SUE condition. With this optimisation problem, the randomness of the link capacities (to represent random effects of the disaster) is introduced and the paper describes an approach to approximate the capacity reliability of the network using Monte-Carlo simulation. The paper then adopts this approach to evaluate the performances of different traffic regulation policies with a small network and a test network of Kobe city in Japan.     

Capacitated single-allocation hub location model for a flood relief distribution network

In disaster management, the logistics for disaster relief must deal with uncontrolled variables, including transportation difficulties, limited resources, and demand variations. In this work, an optimization model based on the capacitated single-allocation hub location problem is proposed to determine an optimal location of flood relief facilities with the advantage of economies of scale to transport commodities during a disaster. The objective is to minimize the total transportation cost, which depends on the flood severity. The travel time is bounded to ensure that survival packages will be delivered to victims in a reasonable time. Owing to complexity of the problem, a hybrid algorithm is developed based on a variable neighborhood search and tabu search (VNS-TS). The computational results show that the VNS found the optimal solutions within a 2% gap, while the proposed VNS-TS found the optimal solution with a 0% gap. A case study of severe flooding in Thailand is presented with consideration of related parameters such as water level, hub capacity, and discount factors. Sensitivity analyses on the number of flows, discount factors, capacity, and bound length are provided. The results indicated that demand variation has an impact on the transportation cost, number of hubs, and route patterns.     

考虑紧急度的救灾车辆路径问题建模与优化

为了减少救灾物资配送的延误时间和救灾车辆的总运输时间，引入紧急度的概念，建立了基于紧急度的救灾物资车辆路径问题模型，并设计了一种改进遗传算法对该模型进行求解。首先，采用多种策略生成初始种群；然后，提出一种基于紧急度的任务再分配算法作为局部搜索算子，该算法依据紧急度为延误安置点重新安排配送车辆或调整配送顺序从而减少延误时间，对无延误的车辆优化其路线从而减少总运输时间，以达到延误时间和总运输时间两者最优。在17个数据集上与先来先服务（FCFS）算法、按紧急度排序（URGS）算法和遗传算法（GA）三种算法进行了对比。实验结果表明，具有基于紧急度的任务再分配策略的遗传算法（TRUD-GA）与GA相比，平均延误时间减少25.0%，平均运输时间减少1.9%，与FCFS、URGS算法相比改进则更加明显。     

灾害救援实时最快通行路径算法

灾害救援需要物资人力的快速运输,而突发灾害常会影响到道路的通行状态,研究道路网络动态变化情况下救援车辆的实时最快通行路径算法,具有重要的经济和社会意义.针对灾害发生后道路状况多变突变的情况,提出一种实时最快通行路径求解算法ARFTP(Algorithm of Real-time Fastest Traffic Path),将结点进行分类筛选,依据相应准则进行运算,减少了需要重新计算的结点和路径数量.当车辆行驶在原定救援最快通行路径上时,实时收到路段变化信息,根据ARFTP求解策略可快速求出新的最快通行路径.通过仿真验证了算法的有效性和效率,对提高灾害救援运输效率具有一定的意义.     

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.     

城市交通信号局部博弈交互下的学习协调控制

针对传统分布式自适应交通信号控制协调效率受限,并且存在维数灾难问题,建立了城市区域交通信号控制系统模型,将其优化问题建模为局部交叉口交通信号博弈协调控制,提出基于交叉口交通信号控制agent局部信息博弈交互的学习算法。在学习过程中交叉口交通信号控制agent进行局部信息博弈交互,自主调整交通信号控制策略使其逐步学习到最优策略。通过设计不同的交通需求情景,对路网平均延误和平均停车次数进行加权构建性能评价指标,相对于遗传算法和感应控制方法,博弈学习取得更好的交通信号控制效果,其能收敛到最优性能评价指标,其具有更好的交通需求管控能力。     

一种基于改进神经网络的动态信道分配算法

提出了一种基于改进神经网络的整体优化的动态信道分配方案(GODCA),该算法尽量保证最大程度的紧致分配,网络优化采用Hopfield神经网络,克服了传统动态信道分配方案实现方式繁杂,且往往不能达到紧致分配方式的不足,同时针对神经网络算法随机性强的弱点,提出一种优化的收敛算法。分析和仿真表明,该算法不论在业务量较大,还是较小都有较小的呼阻率和较高的频谱利用率。