多阶段灾后救援选址-路径模型及求解算法

配送中心选址与配送车辆路径安排的集成优化对灾后应急救援至关重要,综合考虑救援物资多次运达、多阶段持续配送等特点,以各救援物资需求点间运达时间之和以及系统总反应时间最小为目标,建立一种多阶段带时间约束的应急救援物资配送选址-路径优化模型。为模型的求解,设计一种特定的LRP路径编码,根据编码的结构独立、路径间相互关联等特点,引入一种适应匹配交叉算子,同时结合稳定均衡策略设计一种均衡协作启发式算法(BGEA算法)。为了验证模型的有效性及BGEA算法求解选址-路径多目标问题的优越性,对算例作求解分析,得出了可行性调运方案,并将BGEA算法求解性能与已知算法求解性能进行对比,比较结果表明BGEA算法求解该问题具有良好的寻优能力。     

恐慌心理下基于改进鲸鱼算法的疫情应急物资分配研究

基于公平视角研究了传染病暴发和疫区应急物资短缺情景下的国际救援物资调度问题。首先，利用深度学习算法，进行物资需求量的预测。其次，运用模糊C类均值聚类分析理论，综合考虑各疫区疫情严重程度、疫区人民恐慌心理效用等因素，构建了基于恐慌心理感知目标、带有严重系数的效用目标、内部运输距离最小化、基于基尼系数公平目标的多目标应急物资分配规划模型，并采用改进的鲸鱼算法进行求解。最后，以新型冠状病毒肺炎期间中国对其他国家的物资援助为例，验证模型及算法的有效性和可行性。     

考虑需求紧迫度差异与公平分配的三级应急物资调度研究

各受灾点因灾情不同对获取不同类别物资的需求紧迫度存在较大差异,忽略这一现实情况的模型会导致有限应急物资无法公平分配和高成本等问题。与已有文献相比,首先,引入了CRITIC法计量各灾点对有限物资需求的波动性与冲突性,提出需求紧迫度量化方法;其次,运用极小极大函数对已有研究的公平目标予以改进;然后,针对突发灾害时长途调运物资的现实情况,采用“储备点-中转站-受灾点”三级结构进行分析;之后,建立了以各灾点最大物资短缺度最小和调度成本最小为目标的多目标混合整数规划模型;最后,利用模糊理论对模型进行等价转化,设计改进遗传算法进行求解。算例分析证明,该模型在保障多受灾点之间物资分配公平性的同时,能够有效控制调度成本,可为现实突发灾害应急物资调度提供决策支持。     

基于改进粒子群算法的多目标应急物资调度

围绕突发事件应急的特点,建立了运输成本最小、延误时间最短的多目标数学模型。通过范数理想点将多目标模型转化为单目标模型。设计粒子群优化算法,采用将学习因子、惯性权重设为线性变化和增加局部扰动的方式,建立了针对性的优化算法。结合实际应急案例进行了数值实验与案例分析,证明了算法的有效性,从而为应急条件下的物资调度提供了有效和可靠的方法。     

罐式危化品多式联运调度模型研究

随着我国危化品需求的快速增长,危化品运输事故也越频繁。为了降低危化品运输风险,保障运输安全,本文尝试将以罐式集装箱为载体的危化品调度问题与多式联运结合起来,建立了带时间约束的成本和风险最小的多目标规划模型。在此基础上,利用二维欧氏距离客观赋值的模糊算法求解模型。结合算例验证,将多式联运应用到危化品调度问题有利于降低风险,确保调度的安全性。同时,该方法能在风险可控的范围内,实现调度成本的最小化。     

模糊需求条件下应急物资调度的动态决策研究

针对大规模突发事件的应急物资调度问题,考虑了包含供应点、集配中心和需求点的三级供应网络、模糊需求条件、多种运输方式联合运输,建立了以总运输时间和应急成本为目标的多目标非线性整数规划模型。通过决策者对总运输时间和应急成本的动态赋权,提高了模型的柔性。给出了求解算法,仿真实例验证了模型的有效性。     

基于双层混合联运的震后应急物资配送模糊多目标优化

为提高震后应急救援效率并减少应急消耗费用,以所有受灾点未满足物资需求之和最小、送达速度最快以及应急总费用最小为目标,建立应急物资需求模糊情况下包含应急中转站的混合联运多目标优化模型,并运用基于矩阵编码的混合遗传算法求解,最后以汶川地震为例,验证了该模型和算法的收敛性较好且运行效率较高。因此,该模型和算法有效,可为实际应急提供指导。     

基于多品种应急物资配比打包的运输规划模型

为解决多品种应急物资配送结构不均衡问题,研究建立多品种物资配比运输数据库,并基于混合整数非线性规划方法建立地震初期的多品种物资配比打包调运模型。该模型在物资运输中考虑多种物资间配比及多运输方式联合运输,将物资运输分为两阶段,分别以整体时间效益最大、整体满意度最大为目标。结合案例使用MATLAB编程运用遗传算法对该模型求解,实现多品种应急物资配比打包运输。     

基于最小代价的串联式应急系统集成调度策略

对国民经济影响重大的串联式公用设施系统(如电力、通信、供水供热供气等系统)具有多环节、多物资、各环节之间存在串联的相关关系、且系统极易受到损坏等特点,其应急物资调度存在各环节之间协调困难、应急物资的筹集和调度难度大等问题.建立了面向串联式应急系统的多应急物资集成调度优化模型作为应急调度策略,以串联式应急系统破坏的代价最小为目标.设计了一个协进化的遗传算法对模型进行求解,并以电力系统为背景进行了电力物资应急调度的算例分析,验证了该串联式应急系统多物资集成调度策略的可行性.     

考虑道路中断与伤情恶化的震后初期伤员调度鲁棒优化

震后初期应急救灾的重点是伤员救治。科学组织应急救援活动，将地震灾害造成的人员伤亡降至最低，对抢险救灾具有重大价值。针对震后初期应急救援的特点，考虑伤员伤情恶化、道路中断、伤员数量不确定、医疗点资源限制等因素，研究震后初期伤员分类与运送调度的决策优化问题，构建了以伤员创伤指数最小化为目标的鲁棒优化模型，采用CPLEX 12.8.0对模型进行求解。最后，以雅安芦山地震应急医疗救援为例，验证模型和求解方法的可行性和有效性。结果表明：考虑道路中断情景后，即使灾区路网中的部分道路中断，其优化结果仍具可靠性和稳健性；考虑伤员数量的不确定后，决策者需基于风险偏好程度，在伤员救治和系统可靠性之间权衡，以实现最优的伤员调度效果。     

Al/CFRP混合薄壁结构耐撞性能可靠性优化设计

轻量化是实现汽车产业向安全、节能、环保发展的一个重要途径。Al/CFRP（carbon fiber reinforced plastic，碳纤维增强复合材料）混合材料能够在提升轻量化效果的同时兼顾材料成本和结构耐撞性能。为探索方形截面Al/CFRP混合薄壁结构的最佳组合方式，首先，制备了Al方管、CFRP方管和Al/CFRP混合方管，并开展准静态压溃实验。然后，建立能够精确模拟Al/CFRP混合方管压溃响应的有限元模型。最后，将试验设计方法、代理模型技术、多目标优化算法和蒙特卡罗模拟技术相结合，对Al/CFRP混合方管分别进行多目标确定性与可靠性优化设计，并对效果较好的可靠性优化解进行仿真验证。准静态压溃实验结果表明，Al/CFRP混合方管具有优异的耐撞性能；优化结果表明，可靠性优化解的约束可靠度相比于确定性优化解提高了10.96%，大大降低了失效概率，具有更强的实用性。研究结果有望对Al/CFRP混合薄壁吸能构件的优化设计提供参考。     

不确定情景下应急物资储备库选址问题研究

针对在地震等自然灾害发生时受灾点以及应急需求均为不确定的情况,研究了灾前预置应急物资储备库的选址问题。通过设计多个需求情景来描述受灾点与应急需求的不确定性,建立了有最大运输距离限制的鲁棒优化模型,并设计了鲁棒优化方法。通过数值计算比较分析鲁棒优化方法和随机优化方法的计算结果,表明鲁棒优化解受不确定因素产生的偏差要比随机优化解小,鲁棒优化方法能够有效地减弱不确定性因素对选址方案的影响,并且能降低由预测偏差带来的风险。     

基于储运单元的航材携行组配研究

目的 为有效提高航材保障应急准备和战时快速保障能力,探索基于储运单元的航材携行组配新模式,解决组配航材需求大与库存条件有限的矛盾问题。方法 科学设计模块化航材携行组配方案,以组配航材需求最少为目标,分别构建了绝对约束和宽松约束条件下的组配模块配置优化模型,并通过Matlab软件实现模型求解自动化。同时,引入模块配置允许偏差约束条件,以灵敏度分析为方法手段,合理调整组配方案中与库存条件不相适应的部分。结果 算例分析表明,模块化航材携行组配方案能够使组配规模和器材需求降低58.9%,可行性大幅提高,文中构建的模块配置优化模型既能够严格按照航材携行标准精确组配,又能够根据现实状况灵活应变,具有较强的实用性、适应性。结论 航材携行组配模块配置优化模型能够支持组配方案的实施,对航材携行组配模式研究的推进、提高航材保障机动性,具有重要的现实意义。     

考虑疲劳效应的伤员应急手术调度模型及算法

为了解决城市突发事件应急救援中批量应急手术的调度问题,并考虑医生长时间连续手术对手术持续时间和挽救病人生命的成功率带来的恶化效应,提出了三阶段批量手术调度模型,将应急手术调度看作是存在并行机的流水车间调度问题。利用改进的飞蛾扑火算法对应急手术模型进行求解,并通过实证来测试模型和算法的有效性。为了验证算法的性能,将经典飞蛾扑火算法、粒子群算法和布谷鸟算法与其对比,取20次运行结果,得知最大手术完成时间均值中改进的飞蛾扑火算法为最小,调度模型给出的调度方案中,3个救治阶段在时间维度上保持连贯。仿真结果表明,改进的飞蛾扑火算法能很好地求解批量手术调度模型,获得较好的调度结果。     

基于AIS数据的航运物流港口调度优化研究

目的 针对宁波舟山港区的复杂航道水域与密集物流交通流,研究更加有效的调度方案,达成调度时间和等待时间最小化,即效率最大化。方法 分析宁波舟山港区航道的航行情况,提出交会处复杂航道水域存在的问题,以调度时间和等待时间最小为目标的多目标函数,建立复杂航道水域船舶调度模型。针对大量的船舶AIS数据,构建基于神经网络的航道水域调度模型,对不同类型、不同大小的船舶建立速度变化和船舶预测模型,实现对船舶调度状态的预测。设计以传统粒子群算法为基础的改良版船舶调度算法。结果 算法对模型求解表明,根据不同船长与间距可判别交通流拥挤程度进而对船舶进行调度。通过模型预测到可能产生拥挤,则应当选择小型船只走条帚门航道,大型船只走虾峙门航道,并且尽量避免产生拥堵。结论 使用该模型与算法可以有效地提升船舶调度效率,为复杂航运物流港口调度优化研究提供了一定理论基础。     

Robust multi-objective optimization for energy production scheduling in microgrids

In order to achieve better economic and environmental benefits of microgrids (MGs) under multiple uncertainties in renewable energy resources and loads, a novel energy production scheduling method is proposed based on robust multi-objective optimization with minimax criterion. Firstly, a mixed integer minimax multi-objective formulation is developed to capture uncertainties as well as minimize economic and environmental objectives. Secondly, the primal problem is decomposed into a bi-level optimization problem, which attempts to seek robust scheduling scheme set under the worst-case realization of uncertainties in a multi-objective framework. Finally, a hierarchical meta-heuristic solution strategy, including multi-objective cross entropy algorithm and δ+ indicator, is designed to solve the reconstructed problem. Numerical results demonstrate that the proposed scheduling method can effectively attenuate the disturbance of uncertainties as well as reduce energy costs and emissions, as compared with single-objective robust optimization and multi-objective optimization scheduling approaches. This study could offer useful insights which help decision-makers balance robustness and comprehensive benefits in the operation of MGs.     

基于工作流网的应急资源配置与路径规划集成优化

应急管理决策通常包括站点选址、资源配置、运输调度等内容,如何从应急处置整体流程控制的视角对决策内容进行集成建模及优化,是应急管理研究付诸实际应用的关键。本文提出具有资源和不确定时间约束的应急工作流网模型,通过三类库所（状态库所、动作库所、资源库所）及三类时间属性（可视时间、静态时间、动态时间）,揭示多部门联合应急中的作业时序与资源占用关系。在给定整体流程最大完成时间的条件下,以资源消耗与占用成本、资源运输与惩罚成本总和为目标函数,建立应急资源配置与路径规划的集成问题模型,并采用遗传粒子群混合算法对问题进行求解。根据遗传优化得到的应急资源配置方案,借助应急工作流网计算各动作库所、状态库所的时间参数,以此作为约束条件利用嵌套的粒子群算法进行资源运输策略优化。     

城市重大事故应急辅助决策支持系统研究

针对严重影响我国经济发展和社会稳定的城市重大事故，研究了典型城市重大事故动态模拟的模型和方法，并开发了反应及时、决策科学和资源高效利用的事故应急决策支持系统，主要包括以下功能：城市不同功能区典型重大事故的动态模拟；城市不同功能区典型重大事故应急决策；城市不同功能区、不同事故类型的应急预案库；城市重大事故应急决策与指挥调度决策。该系统充分运用了先进的信息管理手段和工程技术，可及时发现事故隐患、控制事故扩展和蔓延并及时采取救援措施，使财产损失和人员伤亡减少到最低程度。     

A surrogate assisted parallel multiobjective evolutionary algorithm for robust engineering design

A number of multi-objective evolutionary algorithms have been proposed in recent years and many of them have been used to solve engineering design optimization problems. However, designs need to be robust for real-life implementation, i.e. performance should not degrade substantially under expected variations in the variable values or operating conditions. Solutions of constrained robust design optimization problems should not be too close to the constraint boundaries so that they remain feasible under expected variations. A robust design optimization problem is far more computationally expensive than a design optimization problem as neighbourhood assessments of every solution are required to compute the performance variance and to ensure neighbourhood feasibility. A framework for robust design optimization using a surrogate model for neighbourhood assessments is introduced in this article. The robust design optimization problem is modelled as a multi-objective optimization problem with the aim of simultaneously maximizing performance and minimizing performance variance. A modified constraint-handling scheme is implemented to deal with neighbourhood feasibility. A radial basis function (RBF) network is used as a surrogate model and the accuracy of this model is maintained via periodic retraining. In addition to using surrogates to reduce computational time, the algorithm has been implemented on multiple processors using a master–slave topology. The preliminary results of two constrained robust design optimization problems indicate that substantial savings in the actual number of function evaluations are possible while maintaining an acceptable level of solution quality.