CN106951994A - 一种海上应急救援站点的选址方法 - Google Patents
一种海上应急救援站点的选址方法 Download PDFInfo
- Publication number
- CN106951994A CN106951994A CN201710172687.0A CN201710172687A CN106951994A CN 106951994 A CN106951994 A CN 106951994A CN 201710172687 A CN201710172687 A CN 201710172687A CN 106951994 A CN106951994 A CN 106951994A
- Authority
- CN
- China
- Prior art keywords
- emergency management
- rescue
- waters
- individual
- accident
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000003643 water by type Substances 0.000 claims abstract description 112
- 238000005457 optimization Methods 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010353 genetic engineering Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种海上应急救援站点的选址方法,包括以下步骤:S1、根据目标海域内突发事故的历史分布数据,按照突发事故的疏密程度将该海域划分为不同的水域单元,并对各个水域单元设定模型参数;S2、根据模型参数构建应急救援站点选址模型,使应急救援站点覆盖目标海域的全部水域单元;应急救援站点到可能发生事故的水域单元的最大距离达到最小;应急救援站点覆盖可能发生事故的水域单元的总权重达到最大;应急救援站点与各水域单元的总加权距离要达到最小;S3、利用多目标优化算法求解应急救援站点选址模型,得到最优解集作为应急救援站点的最佳选址位置。本发明实现了应急救援站点选址的公平和效率原则,大大提高了救援的效率和成功率。
Description
技术领域
本发明涉及海上救援站点选址技术领域,尤其涉及一种海上应急救援站点的选址方法。
背景技术
在航行过程中,因为驾驶员值班不仔细、疲劳操纵船舶等人为因素和热带风暴等环境因素所导致的海事事故屡见不鲜。这些事故造成了严重的财产损失甚至人命伤亡,而且还可能对环境产生无法修复的污染,极大地损害了人类的利益。当这些事故发生后,事故发生水域附近设定的应急救援站点及其所配置的救援资源是降低事故所产生损失的关键。在可能发生事故的水域中,当应急救援站点数量及分布设置适当并且配置了充足的救援物资时,失事船舶附近的应急救援站点将会很快地把救援物资运到事故发生所在水域,失事船舶将不会失去被救援的最佳时机,事故所造成的损失也会大大降低。因此,在可能发生事故的水域设置合适的应急救援站点并对其配置相应救援资源对降低在此水域发生事故所造成的损失有十分重要的作用。
为解决这一问题,可以基于带精英策略的非支配排序遗传算法来构建应急救援站点选址模型从而来确定应急救援站点的数量及位置分布。
发明内容
本发明要解决的技术问题在于针对现有技术中海上应急救援站点选址难度大的缺陷,提供一种海上应急救援站点的选址方法。
本发明解决其技术问题所采用的技术方案是:
本发明提供一种海上应急救援站点的选址方法,包括以下步骤:
S1、根据目标海域内突发事故的历史分布数据,按照突发事故的疏密程度将该海域划分为不同的水域单元,并对各个水域单元设定模型参数;
S2、根据模型参数构建应急救援站点选址模型,使应急救援站点覆盖目标海域的全部水域单元,且该模型满足以下条件:
应急救援站点到可能发生事故的水域单元的最大距离达到最小;应急救援站点覆盖可能发生事故的水域单元的总权重达到最大;应急救援站点与各水域单元的总加权距离要达到最小;
S3、利用多目标优化算法求解应急救援站点选址模型,得到最优解集作为应急救援站点的最佳选址位置。
进一步地,本发明的步骤S1中的水域单元包括:
高风险水域单元,发生海上突发事故数量多、密集的水域单元;
低风险水域单元,发生海上突发事故数量少、稀疏的水域单元。
进一步地,本发明的步骤S1中的模型参数包括:
H={h=1,2,...,m}:目标水域中发生事故风险高的水域;
L={l=1,2,...,n}:目标水域中发生事故风险低的水域;
i={H,L}:将水域单元抽象为对应的中心点,表示各个可能发生事故需求点的集合;
xij:应急救援站点j服务于事故需求点i;
wi:各水域单元的权重大小对应的水域单元风险值;
J={j=1,2,...,k}:指定的备用应急救援站点;
ah:发生事故风险高的水域对应的时间满意度要求;
al:发生事故风险低的水域对应的时间满意度要求;
n:所有备用应急救援站点的数量;
p:应急救援站点的需求数量,p≤n;
tij:应急救援站点J到可能发生事故需求点i所需要的时间;
dij:应急救援站点J到可能发生事故需求点i的距离;
sj:各应急救援站点救援覆盖范围的限制;
di:各水域单元对应急资源的需求量;
qi:考虑到多种因素,规定某些水域单元的最少覆盖次数;
F(tij):各水域单元对应急救援站点应急响应时间的满意度;
进一步地,本发明的步骤S2中构建的应急救援站点选址模型为:
目标函数:
MinZ2=s
约束条件:
xij-xj≤0
其中,ui={uh,ul},i={H,L};
进一步地,本发明的步骤S3中的多目标优化算法为基于非支配排序的NSGA-II算法。
进一步地,本发明的利用NSGA-II算法求解应急救援站点选址模型的方法具体为:
S31、在应急救援站点选址模型中对备用应急站点与各水域单元的距离,以及各水域单元的权重进行实数编码操作,dij表示j备用选址与i域单元的距离,wi表示i水域单元的权重;
S32、在各个水域单元中随机产生满足约束条件的初始种群;
S33、设初始种群为非劣个体,非劣个体的目标值均优于所有其它个体,非劣个体的归属等级相同,均为1;然后移除非劣个体并归档,对剩下的个体进行筛选,得到新的非劣个体,并将它们的归属等级设为2;循环执行,直到每个个体均有归属等级为止;
S34、计算相应归属等级下每个个体对应的目标值,即计算式目标函数并排序,计算每个个体之间的拥挤距离,进而通过个体间的支配关系寻优:
如果个体i的三个目标值均优于个体j,那么个体i优于个体j;如果个体i的三个目标值不都优于与个体j,计算两个个体的拥挤距离,距离大的个体较优;
S35、判断是否达到设定的迭代次数,若达到条件,得到最优解集并退出;若没有达到,则转到步骤S33继续计算;
S36、根据实际环境以及决策者的经验判断从得到的最优解集中筛选出最佳选址方案。
进一步地,本发明的拥挤距离计算公式为:
其中,M为目标函数的个数;Dj为第j个个体的拥挤距离;Uij为第j个个体在第i个目标函数的值;Uimax、Uimin为第i个目标函数的最大值和最小值。
本发明产生的有益效果是:本发明的海上应急救援站点的选址方法,通过对划分的水域单元构建多目标决策的应急救援站点选址模型,并通过多目标优化算法求解应急救援站点选址模型,得到最佳选址位置;实现了海上应急救援站点选址的公平和效率原则,使发生海上事故时,救援站点能够最快的对事故地点进行救援,大大提高了救援的效率和成功率。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的流程图;
图2是本发明实施例的突发事故应急资源图;
图3是本发明实施例的备用覆盖示意图;
图4是本发明实施例的拥挤度距离示意图;
图5是本发明实施例的选择应急站点算法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例的海上应急救援站点的选址方法,包括以下步骤:
S1、根据目标海域内突发事故的历史分布数据,按照突发事故的疏密程度将该海域划分为不同的水域单元,并对各个水域单元设定模型参数;
水域单元包括:
高风险水域单元,发生海上突发事故数量多、密集的水域单元;
低风险水域单元,发生海上突发事故数量少、稀疏的水域单元。
S2、根据模型参数构建应急救援站点选址模型,使应急救援站点覆盖目标海域的全部水域单元,且该模型满足以下条件:
应急救援站点到可能发生事故的水域单元的最大距离达到最小;应急救援站点覆盖可能发生事故的水域单元的总权重达到最大;应急救援站点与各水域单元的总加权距离要达到最小;
S3、利用多目标优化算法求解应急救援站点选址模型,得到最优解集作为应急救援站点的最佳选址位置。
海上突发事故发生后,如果事故发生所在水域附近的应急救援站点距该水域不远,该应急救援站点所配置的救援资源将在较短时间内达到该水域,那么事故所造成的损失将大大减少。而当所发生的事故比较严重时,需要调动多个应急救援站点的资源在较短时间内达到事故点来降低事故所造成的损失,于是需要在可能发生事故区域较大范围地设置多个海上应急救援站点,使船舶在可能发生事故水域发生事故时能在较短时间内得到足够的救援资源。在可能发生事故的水域上设置应急救援站点时,要考虑每个应急救援站点的覆盖区域从而来确定其数量和分布,使设置的应急救援站点所能覆盖的救援区域尽可能地覆盖可能发生事故的水域。因而,需要利用覆盖模型来对应急救援站点进行选择。
本发明使用备用覆盖模型来对应急救援站点进行选择。在备用覆盖模型中,事故发生点a在单一覆盖情况下,由应急救援站点A向a运输救援资源。当又有一地点i发生事故时,应急救援站点A因为正在对其他事故点实施救援或其他原因而不能提高救援力量来对i进行救援时,距离A比较近的另一个应急救援站点B具有救援i所需要的能力时,B可以尽快地赶到地点i处进行救援。在整个应急救援系统中,备用覆盖模型对于提高救援事故点的可靠性是很有作用的,并且不需要再投入其他的资源对其配置,大大降低了成本。因此,使用备用覆盖模型来对应急救援站点进行选择。
应急救援站点选址模型构建过程如下:
(1)参数设定
根据往年某海域海上突发事故的分布,将该海域划分成不同的水域单元,水域单元内发生海上突发事故数量和分布相互之间都有一定的差异,因此它们对应急救援的各种要求也不全相同,并且它们在时间上判定响应时间是否满意也有所差异。在研究中,将发生海上突发事故数量多、密集的水域单元统一称为高风险水域单元,发生海上突发事故数量少、稀疏的水域单元统一称为低风险水域单元。将水域单元抽象为对应的中心点i,所对应的模型参数如下:
H={h=1,2,...,m}:目标水域中发生事故风险高的水域;
L={l=1,2,...,n}:目标水域中发生事故风险低的水域;
i={H,L}:将水域单元抽象为对应的中心点,表示各个可能发生事故需求点的集合;
xij:应急救援站点j服务于事故需求点i;
wi:各水域单元的权重大小对应的水域单元风险值;
J={j=1,2,...,k}:指定的备用应急救援站点;
ah:发生事故风险高的水域对应的时间满意度要求;
al:发生事故风险低的水域对应的时间满意度要求;
n:所有备用应急救援站点的数量;
p:应急救援站点的需求数量,p≤n;
tij:应急救援站点J到可能发生事故需求点i所需要的时间;
dij:应急救援站点J到可能发生事故需求点i的距离;
sj:各应急救援站点救援覆盖范围的限制;
di:各水域单元对应急资源的需求量;
qi:考虑到多种因素,规定某些水域单元的最少覆盖次数;
F(tij):各水域单元对应急救援站点应急响应时间的满意度;
(2)模型构建
本发明构建了多目标决策模型,要求海上应急救援站点覆盖全部事故可能发生海域,并满足“公平”和“效率”的选址原则。对于一个特定目标,需要从救援响应速度或各水域的覆盖公平性考虑,应急救援站点到可能发生事故水域的最大距离应该达到最小;然后从应急救援站点备用覆盖区域数量考虑,应急救援站点覆盖可能发生事故水域的总权重应该达到最大;最后来考虑应急救援站点是否容易靠近和使用效率高低,应急救援站点与各水域单元的总加权距离要达到最小。具体建立的模型如下:目标函数:
MinZ2=s (2)
约束条件:
xij-xj≤0 (6)
其中,ui={uh,ul},i={H,L};(11)
条件(4)是有关应急救援站点覆盖时间半径的相关约束。当应急站点在水域i的应急响应时间满意度上达到时,可能发生事故的海域才能看作被覆盖;条件(5)能够使选择应急救援站点的数量不少于风险水域i的需求量qi;剩余的应急救援站点数量为:
即为事故发生海域i要求的多次覆盖的次数ui;条件(7)要求设置的应急救援站点数目为给定的P;条件(8)要求对需要被救援海域i进行救援的应急救援站点的应急救援物资数量多于i的需求量;目标函数(1)和条件(5)是为了使多次覆盖的区域面积达到最大,其主要目的是让事故多发海域具有足够的应急救援站点为其提供救援;目标函数(2)和条件(9)要求设置的应急站点与各水域单元的最大加权距离S达到最小,为满足“公平”要求,达到对事故多发海域快速响应的目的;目标函数(3)和条件(5)、(6)要求设置的应急救援站点覆盖海域的加权距离最小,满足“效率”要求。
在应急救援站点选址模型中,应急救援站点地址选择涉及到多个指标因素,各指标因素之间相互冲突,因此应急救援站点的选择是一个多目标优化问题,各指标因素的性能不能同时达到最佳,只能在各目标间进行权衡和折中。对于NSGA II算法,该算法解决多目标优化问题的结果是一组Pareto最优解集。并且,NSGA II算法采用精英策略和多样性保护策略以保护最优个体并防止个体在局部堆积,因而其效率和性能均优于传统的进化算法,并减少了复杂度。因此,本文在应急救援站点选址模型中采用NSGA II算法来选择应急救援站点的地址。
在NSGA II算法中,首先利用计算机随机得到初始种群P0,然后进行遗传得到子代种群Q0,将P0和Q0合并,并进行非劣分层排序和拥挤距离排序进而产生新的种群P。其主要过程如下:
(1)随机得到初始种群P0,进行遗传操作得到新的子代种群Q0,此时t=0;
(2)对P0和Q0进行非支配排序,然后进行变异操作防止陷入局部最优,得到新种群Qt。
(3)精英策略:合并Pt和Qt得到种群Rt,对Rt进行非支配排序,得到非劣前沿F1,F2,…,然后计算其拥挤度,进而筛选出N个优秀的个体构成新的种群Pt+1,再进行变异计算得到Qt+1;
(4)判断是否达到终止条件,是,则退出;否,则转到步骤(3)继续计算。
为了保持种群的多样性,防止个体局部堆积,在NSGA II算法得到所需解后,需要通过拥挤距离用来评估每一个解周围其他解的密集程度。计算对应的适应度函数,对结果进行比较和排序。考虑到边界解的特殊性,设其拥挤距离为∞。其他解的拥挤距离计算如下所示:
其中,M为目标函数的个数;Dj为第j个个体的拥挤距离;Uij为第j个个体在第i个目标函数的值;Uimax、Uimin为第i个目标函数的最大值和最小值。
本发明实施例中利用多目标优化算法为基于非支配排序的NSGA-II算法求解应急救援站点选址模型的方法具体为:
S31、在应急救援站点选址模型中对备用应急站点与各水域单元的距离,以及各水域单元的权重进行实数编码操作,dij表示j备用选址与i域单元的距离,wi表示i水域单元的权重;
S32、在各个水域单元中随机产生满足约束条件的初始种群;
S33、设初始种群为非劣个体,非劣个体的目标值均优于所有其它个体,非劣个体的归属等级相同,均为1;然后移除非劣个体并归档,对剩下的个体进行筛选,得到新的非劣个体,并将它们的归属等级设为2;循环执行,直到每个个体均有归属等级为止;
S34、计算相应归属等级下每个个体对应的目标值,即计算式目标函数并排序,计算每个个体之间的拥挤距离,进而通过个体间的支配关系寻优:
如果个体i的三个目标值均优于个体j,那么个体i优于个体j;如果个体i的三个目标值不都优于与个体j,计算两个个体的拥挤距离,距离大的个体较优;
S35、判断是否达到设定的迭代次数,若达到条件,得到最优解集并退出;若没有达到,则转到步骤S33继续计算;
S36、根据实际环境以及决策者的经验判断从得到的最优解集中筛选出最佳选址方案。
进一步地,本发明的拥挤距离计算公式为:
其中,M为目标函数的个数;Dj为第j个个体的拥挤距离;Uij为第j个个体在第i个目标函数的值;Uimax、Uimin为第i个目标函数的最大值和最小值。
在本发明的另一个具体实施例中:
针对渤海湾某水域应急救援站点选址为例,将研究水域划分为20个水域单元(1~20),有A,B,…G 7个备用应急救援站点供选择,海事部门计划从所有备用应急救援站点中选择建立若干个救援站点以应对海上突发事故,经调查各备用站点覆盖水域的半径为6海里。为研究方便,假设事故点在各水域的中心,di,j表示i应急救援站点到j水域单元的距离,每个水域单元的风险系数即权重,如表1所示。当地海事部门和相关管理部门规定所有水域单元均被覆盖。
表1备选应急救援站点距离及风险系数
Tab1 The distance between search and rescue centers and waters
根据上述条件和NSGA-II算法,运用Matlab计算得最优解集为:
最优解(1):
x1=x3=x4=1
u1=u2=u5=u6=u8=u12=u13=u14=u16=
u17=u18=u19=u20=1
即选择A,C,D三个备选站点作为应急救援站点;
最优解(2):
x1=x3=x6=x7=1
u1=u2=u5=u6=u7=u8=u9=u12=u13=
u14=u15=u16=u17=u18=u20=1
即选择A,C,G,F四个备选站点作为应急救援站点。
对于解(1):
A点能够覆盖区域1,2,5,6,8,11,12,13,15,16,17,18,20;C点能够覆盖1,5,6,7,9,12,13,14,16,18,19;
D点能够覆盖1,2,3,4,8,10,14,16,17,18,19,20。
因此,A,C,D三点能够覆盖全部需求点,并能够重复覆盖风险系数较高的区域1,5,6,12,13,14,16,17,18,20。
对于解(2):
A点和C点同解(1),G点能够覆盖区域1,2,5,8,10,12,13,14,15,17,20;F点能够覆盖区域2,3,4,5,6,7,9,15,17,20。
A,C,G,F四点能够覆盖全部需求点,并能够重复覆盖风险系数较高的区域1,5,6,7,12,13,14,15,16,17,18,20。
这两种方案都可以覆盖全所有的需求点,而且能够满足“公平”和“效率”的要求。但是考虑到应急站点建设和维护所需要的费用,以及当地海事部门对充分合理地利用救援资源的要求,最终选择A,C,D三个备选站点作为应急救援站点。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种海上应急救援站点的选址方法,其特征在于,包括以下步骤:
S1、根据目标海域内突发事故的历史分布数据,按照突发事故的疏密程度将该海域划分为不同的水域单元,并对各个水域单元设定模型参数;
S2、根据模型参数构建应急救援站点选址模型,使应急救援站点覆盖目标海域的全部水域单元,且该模型满足以下条件:
应急救援站点到可能发生事故的水域单元的最大距离达到最小;应急救援站点覆盖可能发生事故的水域单元的总权重达到最大;应急救援站点与各水域单元的总加权距离要达到最小;
S3、利用多目标优化算法求解应急救援站点选址模型,得到最优解集作为应急救援站点的最佳选址位置。
2.根据权利要求1所述的海上应急救援站点的选址方法,其特征在于,步骤S1中的水域单元包括:
高风险水域单元,发生海上突发事故数量多、密集的水域单元;
低风险水域单元,发生海上突发事故数量少、稀疏的水域单元。
3.根据权利要求1所述的海上应急救援站点的选址方法,其特征在于,步骤S1中的模型参数包括:
H={h=1,2,...,m}:目标水域中发生事故风险高的水域;
L={l=1,2,...,n}:目标水域中发生事故风险低的水域;
i={H,L}:将水域单元抽象为对应的中心点,表示各个可能发生事故需求点的集合;
xij:应急救援站点j服务于事故需求点i;
wi:各水域单元的权重大小对应的水域单元风险值;
J={j=1,2,...,k}:指定的备用应急救援站点;
ah:发生事故风险高的水域对应的时间满意度要求;
al:发生事故风险低的水域对应的时间满意度要求;
n:所有备用应急救援站点的数量;
p:应急救援站点的需求数量,p≤n;
tij:应急救援站点J到可能发生事故需求点i所需要的时间;
dij:应急救援站点J到可能发生事故需求点i的距离;
sj:各应急救援站点救援覆盖范围的限制;
di:各水域单元对应急资源的需求量;
qi:考虑到多种因素,规定某些水域单元的最少覆盖次数;
F(tij):各水域单元对应急救援站点应急响应时间的满意度;
4.根据权利要求3所述的海上应急救援站点的选址方法,其特征在于,步骤S2中构建的应急救援站点选址模型为:
目标函数:
MinZ2=s
约束条件:
xij-xj≤0
其中,
5.根据权利要求4所述的海上应急救援站点的选址方法,其特征在于,步骤S3中的多目标优化算法为基于非支配排序的NSGA-II算法。
6.根据权利要求5所述的海上应急救援站点的选址方法,其特征在于,利用NSGA-II算法求解应急救援站点选址模型的方法具体为:
S31、在应急救援站点选址模型中对备用应急站点与各水域单元的距离,以及各水域单元的权重进行实数编码操作,dij表示j备用选址与i域单元的距离,wi表示i水域单元的权重;
S32、在各个水域单元中随机产生满足约束条件的初始种群;
S33、设初始种群为非劣个体,非劣个体的目标值均优于所有其它个体,非劣个体的归属等级相同,均为1;然后移除非劣个体并归档,对剩下的个体进行筛选,得到新的非劣个体,并将它们的归属等级设为2;循环执行,直到每个个体均有归属等级为止;
S34、计算相应归属等级下每个个体对应的目标值,即计算式目标函数并排序,计算每个个体之间的拥挤距离,进而通过个体间的支配关系寻优:
如果个体i的三个目标值均优于个体j,那么个体i优于个体j;如果个体i的三个目标值不都优于与个体j,计算两个个体的拥挤距离,距离大的个体较优;
S35、判断是否达到设定的迭代次数,若达到条件,得到最优解集并退出;若没有达到,则转到步骤S33继续计算;
S36、根据实际环境以及决策者的经验判断从得到的最优解集中筛选出最佳选址方案。
7.根据权利要求6所述的海上应急救援站点的选址方法,其特征在于,拥挤距离计算公式为:
其中,M为目标函数的个数;Dj为第j个个体的拥挤距离;Uij为第j个个体在第i个目标函数的值;Uimax、Uimin为第i个目标函数的最大值和最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710172687.0A CN106951994A (zh) | 2017-03-21 | 2017-03-21 | 一种海上应急救援站点的选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710172687.0A CN106951994A (zh) | 2017-03-21 | 2017-03-21 | 一种海上应急救援站点的选址方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106951994A true CN106951994A (zh) | 2017-07-14 |
Family
ID=59473730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710172687.0A Pending CN106951994A (zh) | 2017-03-21 | 2017-03-21 | 一种海上应急救援站点的选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106951994A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107833152A (zh) * | 2017-11-24 | 2018-03-23 | 上海电力学院 | 一种配电网应急抢修资源多目标选址方法 |
CN108229741A (zh) * | 2017-12-30 | 2018-06-29 | 南京航空航天大学 | 一种基于空地协同医疗救援的设施点预选址方法 |
CN108763248A (zh) * | 2018-03-29 | 2018-11-06 | 中国交通通信信息中心 | 一种水域空间监测精细划分方法及系统 |
CN109102868A (zh) * | 2018-08-13 | 2018-12-28 | 中南大学 | 一种震后医疗应急设施的选址方法 |
CN109359845A (zh) * | 2018-09-30 | 2019-02-19 | 南京地铁集团有限公司 | 一种城市轨道交通层级救援站多目标选址方法 |
CN110188960A (zh) * | 2019-06-03 | 2019-08-30 | 中国人民解放军国防科技大学 | 一种海上溢油事故应急处置系统的多目标组合优化配置方法 |
CN110570657A (zh) * | 2019-10-16 | 2019-12-13 | 徐涛 | 一种基于大数据的公路救援站点选取系统及方法 |
CN110601743A (zh) * | 2019-09-10 | 2019-12-20 | 中国船舶重工集团公司第七一九研究所 | 一种海上协同应急通信方法及系统 |
CN110991704A (zh) * | 2019-11-15 | 2020-04-10 | 华中科技大学 | 一种应急救援站点选址与分配方法及系统 |
CN111191842A (zh) * | 2019-12-30 | 2020-05-22 | 中国民用航空飞行学院 | 民用航空运输机场消防站选址优化方法 |
CN112231932A (zh) * | 2020-11-05 | 2021-01-15 | 交通运输部规划研究院 | 一种溢油应急资源布局方法、装置及计算机设备 |
CN114399234A (zh) * | 2022-03-25 | 2022-04-26 | 北京交通大学 | 地铁站的区域集中管理方法和系统 |
CN115081731A (zh) * | 2022-07-14 | 2022-09-20 | 武汉理工大学 | 一种基于海域事故特点的应急资源优化配置方法 |
CN116125490A (zh) * | 2023-02-03 | 2023-05-16 | 中国科学院精密测量科学与技术创新研究院 | 面向滑坡体形变场时序监测的tls多目标优化选址方法 |
CN117057492A (zh) * | 2023-10-13 | 2023-11-14 | 合肥工业大学 | 基于概率最大覆盖模型的应急船舶救援基地选址优化方法 |
US20230401662A1 (en) * | 2022-06-13 | 2023-12-14 | Beihang University | Method for planning collaborative search-and-rescue missions using a plurality of search-and-rescue equipment in medium to far sea areas |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150356685A1 (en) * | 2014-06-05 | 2015-12-10 | Hartford Fire Insurance Company | System and method for administering extreme weather insurance data |
-
2017
- 2017-03-21 CN CN201710172687.0A patent/CN106951994A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150356685A1 (en) * | 2014-06-05 | 2015-12-10 | Hartford Fire Insurance Company | System and method for administering extreme weather insurance data |
Non-Patent Citations (3)
Title |
---|
姚曼华: "水上救助基地选址问题研究", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
李岩等: "《过饱和状态下交叉口群交通运行分析与信号控制》", 31 March 2012, 东南大学出版社 * |
陶文华等: "基于差分进化与NSGA-II的多目标优化算法", 《计算机工程》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107833152A (zh) * | 2017-11-24 | 2018-03-23 | 上海电力学院 | 一种配电网应急抢修资源多目标选址方法 |
CN108229741B (zh) * | 2017-12-30 | 2021-08-06 | 南京航空航天大学 | 一种基于空地协同医疗救援的设施点预选址方法 |
CN108229741A (zh) * | 2017-12-30 | 2018-06-29 | 南京航空航天大学 | 一种基于空地协同医疗救援的设施点预选址方法 |
CN108763248A (zh) * | 2018-03-29 | 2018-11-06 | 中国交通通信信息中心 | 一种水域空间监测精细划分方法及系统 |
CN108763248B (zh) * | 2018-03-29 | 2022-03-15 | 中国交通通信信息中心 | 一种水域空间监测精细划分方法及系统 |
CN109102868A (zh) * | 2018-08-13 | 2018-12-28 | 中南大学 | 一种震后医疗应急设施的选址方法 |
CN109102868B (zh) * | 2018-08-13 | 2022-03-15 | 中南大学 | 一种震后医疗应急设施的选址方法 |
CN109359845A (zh) * | 2018-09-30 | 2019-02-19 | 南京地铁集团有限公司 | 一种城市轨道交通层级救援站多目标选址方法 |
CN110188960A (zh) * | 2019-06-03 | 2019-08-30 | 中国人民解放军国防科技大学 | 一种海上溢油事故应急处置系统的多目标组合优化配置方法 |
CN110601743A (zh) * | 2019-09-10 | 2019-12-20 | 中国船舶重工集团公司第七一九研究所 | 一种海上协同应急通信方法及系统 |
CN110570657A (zh) * | 2019-10-16 | 2019-12-13 | 徐涛 | 一种基于大数据的公路救援站点选取系统及方法 |
CN110991704B (zh) * | 2019-11-15 | 2022-04-01 | 华中科技大学 | 一种应急救援站点选址与分配方法及系统 |
CN110991704A (zh) * | 2019-11-15 | 2020-04-10 | 华中科技大学 | 一种应急救援站点选址与分配方法及系统 |
CN111191842A (zh) * | 2019-12-30 | 2020-05-22 | 中国民用航空飞行学院 | 民用航空运输机场消防站选址优化方法 |
CN112231932B (zh) * | 2020-11-05 | 2023-11-14 | 交通运输部规划研究院 | 一种溢油应急资源布局方法、装置及计算机设备 |
CN112231932A (zh) * | 2020-11-05 | 2021-01-15 | 交通运输部规划研究院 | 一种溢油应急资源布局方法、装置及计算机设备 |
CN114399234A (zh) * | 2022-03-25 | 2022-04-26 | 北京交通大学 | 地铁站的区域集中管理方法和系统 |
CN114399234B (zh) * | 2022-03-25 | 2022-06-10 | 北京交通大学 | 地铁站的区域集中管理方法和系统 |
US20230401662A1 (en) * | 2022-06-13 | 2023-12-14 | Beihang University | Method for planning collaborative search-and-rescue missions using a plurality of search-and-rescue equipment in medium to far sea areas |
US11908032B2 (en) * | 2022-06-13 | 2024-02-20 | Beihang University | Method for planning collaborative search-and-rescue missions using a plurality of search-and-rescue equipment in medium to far sea areas |
CN115081731A (zh) * | 2022-07-14 | 2022-09-20 | 武汉理工大学 | 一种基于海域事故特点的应急资源优化配置方法 |
CN115081731B (zh) * | 2022-07-14 | 2023-05-09 | 武汉理工大学 | 一种基于海域事故特点的应急资源优化配置方法 |
CN116125490A (zh) * | 2023-02-03 | 2023-05-16 | 中国科学院精密测量科学与技术创新研究院 | 面向滑坡体形变场时序监测的tls多目标优化选址方法 |
CN117057492A (zh) * | 2023-10-13 | 2023-11-14 | 合肥工业大学 | 基于概率最大覆盖模型的应急船舶救援基地选址优化方法 |
CN117057492B (zh) * | 2023-10-13 | 2024-02-02 | 合肥工业大学 | 基于概率最大覆盖模型的应急船舶救援基地选址优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951994A (zh) | 一种海上应急救援站点的选址方法 | |
CN109934490B (zh) | 一种滨海湿地生态地质环境综合评价和等级分区方法 | |
CN103839118A (zh) | 一种选址方法和装置 | |
Chung et al. | Identification of spatial ranking of hydrological vulnerability using multi-criteria decision making techniques: case study of Korea | |
CN106487005A (zh) | 一种考虑输配电价的电网规划方法 | |
Hu et al. | Multi-objective ecological reservoir operation based on water quality response models and improved genetic algorithm: A case study in Three Gorges Reservoir, China | |
Loughney et al. | Development and application of a multiple-attribute decision-analysis methodology for site selection of floating offshore wind farms on the UK Continental Shelf | |
CN110188960A (zh) | 一种海上溢油事故应急处置系统的多目标组合优化配置方法 | |
Ali et al. | An analysis of the renewable energy technology selection in the southern region of Bangladesh using a hybrid multi-criteria decision making (MCDM) method | |
CN112966871B (zh) | 基于卷积长短期记忆神经网络的交通拥堵预测方法及系统 | |
CN115081731B (zh) | 一种基于海域事故特点的应急资源优化配置方法 | |
CN105335902A (zh) | 电力通信网的可靠性确定方法及装置 | |
CN113139737A (zh) | 一种面向全电力船舶电力系统弹性的综合评价方法 | |
Aydogdu | A comparison of maritime risk perception and accident statistics in the Istanbul Straight | |
CN114881511A (zh) | 面向洪涝灾害的社区防灾韧性评估方法 | |
Cai et al. | Bi-level programming enabled design of an intelligent maritime search and rescue system | |
CN106919783B (zh) | 一种浮标数据的多目标关联度划分处理方法 | |
Wimhurst et al. | Predicting commercial wind farm site suitability in the conterminous United States using a logistic regression model | |
Mandelas et al. | A fuzzy cellular automata based shell for modeling urban growth–a pilot application in Mesogia area | |
Ezzat et al. | Development of a stochastic genetic algorithm for traffic signal timings optimization | |
CN102663230A (zh) | 一种基于遗传算法的土地资源评价因子级别划分方法 | |
CN115965145A (zh) | 一种基于业务规则引擎的智能指泊方法 | |
Chen et al. | Research on site selection of rescue sites at sea based on NSGA II | |
CN114897319A (zh) | 一种水资源环境承载力评价与预警指标体系构建方法 | |
CN110363328A (zh) | 一种基于双层多目标规划模型的排水权配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |