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.     

救灾物资高维多目标自适应分配问题建模与求解

针对救灾物资分配中效率和公平性的均衡问题,提出一种基于二维整数编码的高维多目标自适应分配算法。首先构建了一个综合考虑应急响应总时间、灾民恐慌度、救灾物资未满足度、物资分配公平性、灾民损失、应急响应总成本的高维多目标优化模型,然后采用二维整数编码和自适应个体修正（AIR）解决潜在的应急资源冲突,最后引入移位密度估计和第二代强度帕累托进化算法（SPEA2）设计了一个救灾物资高维多目标分配算法。在仿真实验中,与带有编码修正机制的非支配排序差异演化算法（ERNS-DE）和基于贪心搜索的多目标遗传算法（GSMOGA）相比,所提算法在两种应急环境中的覆盖值分别提高了34.87%、100%和23.59%、100%,同时所提算法的超体积值也远远高于两种对比算法。实验结果表明,所提模型和算法可以让决策者根据实际应急需求选择应急方案,具有更好的灵活性和求解效率。     

基于二维免疫的应急救援物资并行分配算法

现有应急救援物资分配研究大都局限于按照各发放点的优先级串行分配救援物资,难以适应复杂的大规模应急场景。为此,构建了面向多发放点的应急救援物资并行分配模型,并设计了基于二维二进制免疫和抗体修正的多发放点多救援物资并行分配算法。实验结果表明,该算法在大规模样本下较串行分配方法更加高效,能够从全局角度同时给出多个发放点的救援物资分配方案,为解决重大灾害中的复杂应急救援物资分配问题提供了一个有益的尝试。     

基于非支配排序差异演化的应急资源多目标分配算法

应急资源分配（Emergency resource allocation,ERA）是灾害应急管理中的核心环节,主要研究如何高效合理地把各储备点的应急救援物资分配给各发放点.然而,在大规模突发灾害发生后,每个发放点极可能会同时向多个储备点请求多种救援物资,从而带来潜在的应急资源冲突.为此,本文首先构建了考虑应急资源冲突消解的多储备点、多发放点、多种救援物资的应急资源多目标优化模型,并提出了一种基于非支配排序差异演化和编码修正机制的应急资源多目标分配算法.对比实验结果表明,该算法在大规模样本下能够从全局角度同时给出多个发放点的应急资源分配方案,有效实现多个储备点同时为多个发放点协同配备应急资源,而且不会产生任何应急资源冲突,为解决应急资源受限情况下的大规模应急资源分配问题提供了一个有益的尝试.     

物资缺乏情况下的应急物流运输与物资二次分配策略

针对应急物流中的运输时效性和物资分配公平性问题,提出了一种两阶段应急物流运输与物资二次分配策略.首先,基于所定义的时间满意度、物资满意度和综合满意度,提出了最大时间满意度车辆路径问题模型和最小加权满意度标准差应急物资分配模型.第一阶段针对最大时间满意度车辆路径问题模型设计了一种混合灰狼优化算法进行求解,该算法采用了最优分割过程分组解码策略,并采用了混沌搜索策略、2-Opt和1-1局部搜索策略来提高算法的搜索能力;第二阶段针对最小加权满意度标准差应急物资分配模型设计了混沌灰狼优化算法求解.实验结果表明:在第一阶段,总体时间满意度比CVRP模型提高了39.31％;在第二阶段,当实际物资量为80％和权重系数为0.75时,计算得到的综合满意度标准差为0.0619,物资满意度标准差为0.0974,较好地平衡了灾民的心理诉求和物资利用效能.两阶段应急物流运输与物资二次分配策略得到了较高的时间满意度和较好的物资分配结果,证明了所提模型和算法的有效性.     

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。     

多目标应急物资路径优化及其改进智能水滴算法*

针对多目标应急物资配送中车辆路径优化问题,提出了基于改进智能水滴算法的多目标应急物资路径优化方案。主要包括以下四个阶段：(1) 构建基于Holling-II函数的疾病扩散模型;(2) 各疫区对药品的需求预测;(3) 构建多目标应急物流配送模型;(4) 改进的智能水滴算法求解多目标应急物资优化问题。研究结果表明：所建立的模型与算法有效可行,可为应急管理相关问题提供决策参考。     

大型应急医疗物资调度系统的设计与实现

针对现有应急医疗保障系统不够完善,各医院部门医疗应急物资指挥调度能力不足的问题,提出构建基于灰色关联度的大型应急医疗物资调度系统。在系统设计中根据实际应用需求与扩展的需要,采用物资管理控制层、应急通信接入层、终端设备应用层三层结构设计,建立具备丰富接入模块和各种应急通信资源互通的医疗应急物资指挥调度系统平台。设计并建立医疗应急物资需求预测模型与调度模型,可以为系统准确提供医疗应急物资调度执行方案,并通过仿真实验验证了构建的医疗应急物资调度方案的合理性,从而提升了政府相关部门应对突发性事件的指挥调度能力。     

模块化的应急物资库存量优化模型研究

为了更加科学合理地提供应急物资保障,考虑不同等级储备库的储备能力和储备成本差异,以及应急救援时物资需要在约定时间内到达等问题,论文引入物资模块化概念,结合各地区经济、交通和人口等因素,建立最大化应急物资需求满足率、最小化储备和运输成本的多目标应急物资储备量决策模型,并采用概率扰动策略设计了NSGA-Ⅱ改进算法进行模型求解。通过数据仿真实验证明文中给出的模型可以优化各层级储备库中的各物资储备量,模型符合我国特点的多目标应急救灾物资预储优化的需要。     

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。     

基于变长基因型遗传算法的多供应点应急物资调度优化

如何及时高效地调度应急物资以减小突发事件带来的伤害成为社会关注的焦点问题。在综合考虑新冠肺炎疫情这类特殊突发事件特点的前提下,构建了一类多供应点多式联运应急物资调度网络,并以运输成本最低、时间惩罚最少、配送员被感染风险最小为优化目标建立了一类多目标调度优化模型。考虑到基于聚类思想的优化算法在解决多供应点,尤其是多目标调度优化问题中缩减可行域方法科学性存疑的局限性,提出了一类考虑完全可行域思想的变长基因型混合小生境遗传算法,并借助23个基准测试实例验证了这一算法的有效性,更新了部分实例的现有最优解。在此基础上,通过比较多供应点应急物资多式联运算例中四类遗传算法的仿真结果进一步验证了混合小生境等改进策略的优越性。     

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。     

NSGA-II算法的改进及其在应急管理中的应用

泥石流等突发自然灾害造成的人员伤亡和经济损失十分巨大,因此应急中心选址问题是应急救援方案中的核心环节。以救济物资效用、受灾区域满意度以及临时物资点数目为决策函数,建立多目标动态选址模型,提出了一种改进的非支配遗传排序算法（NSGA-II-TS）,该算法在精英策略上引入禁忌搜索的思想,从而实现了局部和全局搜索能力同时达到较优的结果,同时保留其解集的多样性和均匀性。数值算例结果表明该算法在物资效用、临时物资点个数、受灾区域满意度上比传统算法NSGA-II、MOEA/D更为合理。NSGA-II-TS算法在突发性灾害危机的应急管理以及其他保障体系建设问题中具有较高的应用价值。     

优化烟花算法在医疗物资应急调度中的应用

新冠肺炎疫情的爆发对医疗物资的应急管理提出了新的挑战,运输难、调度慢、中转效率低等问题普遍存在,严重影响了疫情排查和患者救治。为解决突发公共卫生事件下医疗物资应急调度问题,以需求点满意度最大化为主要目标,车辆行驶时间最小化为次要目标,建立了双目标医疗物资应急调度模型。为保证模型的准确性及简便性,采用了传染病模型（SEIR）预测需求点所需医疗物资数量,并利用理想点法将双目标问题转化为单目标问题。针对模型的特点,提出了一种优化烟花算法对模型进行求解,该算法通过改变变异策略增加其局部寻优能力,此外引入了禁忌表的概念,避免了算法陷入局部最优。最后通过仿真实验证明了优化烟花算法具有更加高效的性能,可以更好地突出模型的公平性及合理性,从而快速、合理地完成医疗物资分配,最大限度地保障患者生命安全。     

Emergency railway wagon scheduling by hybrid biogeography-based optimization

Railway transportation plays an important role in many disaster relief and other emergency supply chains. Based on the analysis of several recent disaster rescue operations in China, the paper proposes a mathematical model for emergency railway wagon scheduling, which considers multiple target stations requiring relief supplies, source stations for providing supplies, and central stations for allocating railway wagons. Under the emergency environment, the aim of the problem is to minimize the weighted time for delivering all the required supplies to the targets. For efficiently solving the problem, we develop a new hybrid biogeography-based optimization (BBO) algorithm, which uses a local ring topology of population to avoid premature convergence, includes the differential evolution (DE) mutation operator to perform effective exploration, and takes some problem-specific mechanisms for fine-tuning the search process and handling the constraints. Computational experiments show that our algorithm is robust and scalable, and outperforms some state-of-the-art heuristic algorithms on a set of problem instances.