CN107742182A - 基于鲁棒优化的应急资源动员与运输调度计划生成方法 - Google Patents
基于鲁棒优化的应急资源动员与运输调度计划生成方法 Download PDFInfo
- Publication number
- CN107742182A CN107742182A CN201710927503.7A CN201710927503A CN107742182A CN 107742182 A CN107742182 A CN 107742182A CN 201710927503 A CN201710927503 A CN 201710927503A CN 107742182 A CN107742182 A CN 107742182A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- msub
- munder
- sigma
- 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
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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
本发明公开了一种基于鲁棒优化的应急资源动员和运输调度计划生成方法,包括步骤1:考虑灾区需求以及运输时间的不确定性因素,建立应急资源动员与运输调度集成的不确定性参数优化模型,所述不确定性参数优化模型包括总成本优化目标和约束条件;步骤2:采用鲁棒优化方法将不确定性参数条件下的所述总成本优化目标和所述约束条件处理成鲁棒对应总成本优化目标和鲁棒对应约束条件;步骤3:求解基于鲁棒对应约束条件下的鲁棒对应总成本优化目标;步骤4:输出应急资源动员与运输调度计划。具有在重大自然灾害发生后能够快速有效生成救援人员、运输工具和医疗服务等应急资源动员和救援人员、重症伤病员运输调度计划的优点。
Description
技术领域
本发明涉及应急管理领域,尤其涉及一种基于鲁棒优化的应急资源动员与运输调度计划生成方法。
背景技术
在地震等重大自然灾难发生后往往需要向灾区运送大量的救援人员,同时需要从灾区转运一些重症伤病员到指定的医疗救助点,如何同时针对灾后这两类救援任务需求,快速科学合理的开展救援人员、运输工具和医疗服务等资源的应急资源动员和救援人员、重症伤病员等的运输调度,是灾后应急管理中的一项重要工作。灾后救援中的应急资源动员与运输动员密切相关,其中在救援决策中需要予以统筹考虑,而这类决策问题是一类典型的复杂决策问题,不仅涉及到多出救点、多受灾点、多类救援需求和多种运输工具,还需要考虑动员中运输工具与救援资源在数量上的协调性,以及运输调度中救援人员的前送和伤病员的转移等多种运输任务合理分配。此外,在制定应急资源动员及运输计划时往往还需要考虑灾区基础设施损坏、次生自然灾害影响等所导致的灾区需求、运输时间等相关因素的不确定性。针对这类问题的研究方法主要是建立合适的动员运输集成模型并找到合适的不确定性处理方法。
针对灾后救援中的应急资源动员、分配与运输等问题,国内外学者提出了以应急设施选址、资源分配和运输调度等决策环节为代表的多个优化模型,这些模型很少同时考虑应急资源的动员与运输,较少考虑被动员的物资、人员和相应运输工具之间的协调匹配问题。另一方面,针对应急管理管理决策中的不确定性因素和条件,国内外学者提出了以随机规划为代表的不确定性处理方法。它一般需要假设相关的不确定性参数服从某种分布,或者结合蒙特卡洛仿真方法生成很多场景并指定每种场景的出现概率,从而把不确定性问题转换为由多种场景所代表的确定性问题。基于随机规划的不确定性处理方法在实际应用中一般会遇到以下三个方面的困难:一是代表不确定性的典型场景往往难以选定;二是即使能够给出多个场景,但确定每种场景的精确发生概率往往非常困难;三是虽然场景数越多越能更精确的表示不确定性,但随着场景数的增加模型的计算复杂性也随着增大,特别是当模型中包含整数变量时其模型求解计算时间会随场景数的增加而急剧增大。针对随机规划实际应用中所面临的困难和问题,以鲁棒优化为代表的不确定性处理方法得到快速发展,特别是以Bertsimas and Sim(2004)为代表的线性鲁棒处理方法,它只要求用户给出不确定性参数的区间或上下界,在此基础上通过对偶理论对原问题进行转换后所得到的解就能够对那些包含不确定性参数的约束具有较好的可行性和鲁棒性,因而具有较好的应用潜力和价值。
虽然鲁棒优化方法在物流优化、能源调度等领域已得到一定的研究和探索,但在应急管理特别是应急运输调度方面还鲜有公开的研究成果。因此,需要在综合考虑地震等重大自然灾难发生后进行应急资源动员与运输调度集成决策所面临的环境、因素和挑战等的基础上,构建出实用的集成优化模型,结合鲁棒优化方法处理用户需求、运输时间等典型的不确定性因素,使得所生成的应急资源动员与运输调度计划具有良好的鲁棒性。
发明内容
针对现有技术中存在的不足,本发明提供了一种用于解决在重大自然灾害发生后能够快速有效进行救援人员、运输工具和医疗服务等应急资源动员和救援人员、重症伤病员运输调度的基于鲁棒优化的应急资源动员和运输调度计划生成方法。
为了解决上述技术问题,本发明所采用的技术方案是:
一种基于鲁棒优化的应急资源动员和运输调度计划生成方法,包括以下步骤:
步骤1:考虑灾区需求以及运输时间的不确定性因素,建立应急资源动员与运输调度集成的不确定性参数优化模型,所述不确定性参数优化模型包括总成本优化目标和约束条件;
步骤2:采用鲁棒优化方法将不确定性参数条件下的所述总成本优化目标和所述约束条件处理成鲁棒对应总成本优化目标和鲁棒对应约束条件;
步骤3:求解基于鲁棒对应约束条件下的鲁棒对应总成本优化目标;
步骤4:输出应急资源动员与运输调度计划。
作为本发明的进一步改进:
步骤1所述总成本优化目标为:
其中:
pR为救援人员未满足需求的惩罚系数,0≤pR≤1;
为受灾地区j处救援人员未满足需求的数量;
pC为伤员未满足需求的惩罚系数,0≤pC≤1,且pR+pC=1;
为受灾点j处伤员的需求未满足的数量(人);
为临时设施i处救援人员的单位动员成本(元/人);
为临时设施i处救援人员的动员水平(人);
为临时设施i处伤员救治医疗服务的动员成本(元/人);
为临时设施i处能够收纳伤员能力(人);
为雇佣m型号直升机的固定成本(元/架·时);
Yim为临时设施i处m型号直升机的动员数量(架),Yim为整数;
为m型号直升机的运行成本(元/架·时);
表示m型号直升机在临时设施i与受灾点j之间的平均飞行时间,为不确定性参数(小时);
为从临时设施i处到受灾点j处的飞行次数;
为m型号直升机从受灾点j处到临时设施i处的飞行次数;
i表示临时设施索引,j表示受灾点索引,m表示直升机类型索引。
步骤1中所述的约束条件为:
式(2)表示临时设施i处救援人员的最大动员水平约束;表示可动员到临时设施i处的救援人员的数量;
式(3)表示临时设施i处医疗服务的最大动员水平约束;表示在临时设施i处进行医疗动员后可容纳的伤病员数量;
式(4)表示可分配给所有临时设施的任一类型直升机的数量限制约束,am表示可动员的m型直升机的总数量;
式(5)表示临时设施处可派出的救援人员的数量约束,表示临时设施i处和受灾地区j间通过m型号直升机运送的救援人员数量;
式(6)表示临时设施处可接收的伤病员的数量约束,表示临时设施i处和受灾地区j间通过m型直升机运送的伤员数量;
式(7)表示任意两点间任一型号直升机运输的救灾人员数量与此类型直升机运输次数之间的关系约束,表示m型直升机单次可运输的救援人员数量;
式(8)表示任意两点间任一型号直升机运输的伤员数量与此类型直升机运输次数之间的关系约束,表示m型直升机单次可运输的伤员数量;
式(9)表示任一型号直升机的可用工作时间约束,δm表示m型直升机在调度周期内总的可用工作时间;
式(10)表示任一临时设施除直升机的流量平衡;
式(11)表示救援人员未满足需求的计算方式约束,表示受灾点j处对救灾人员的需求数量,为不确定性参数;
式(12)表示伤员未满足需求的计算方式约束,为受灾点j处待运输转移的伤病员数量,为不确定性参数。
进一步地,步骤2中的鲁棒优化方法包括
步骤2.1:将不确定性参数使用区间范围表示的方式进行限定;
步骤2.2:采用鲁棒优化方法将所述总成本优化目标和所述约束条件处理成鲁棒对应总成本优化目标和鲁棒对应约束条件。
进一步地,步骤2.1中所述的用区间范围表示不确定性参数是指:
不确定参数表示为表示需求均值,表示需求偏差;
不确定参数表示为表示伤病员的数量均值,表示伤病员的数量偏差;
不确定性参数表示为表示从临时设施i处到受灾点j处使用m型号直升机的平均运行时间,表示运行时间偏差。
进一步地,步骤2.2中将总成本优化目标进行鲁棒优化后其鲁棒对应总成本优化目标表示为
其中:Jim为受灾点集合J的子集,该子集中的任一节点与节点i之间在采用运输工具类型m时其运输时间为不确定的;Γim为不确定代价系数(budget of uncertainty),其取值范围为[0,|J|];zim和pijm为两个辅助变量。
进一步地,步骤2.2中将所述约束条件进行鲁棒优化后的鲁棒对应约束条件表示为:
含有不确定性参数的约束条件(11)的鲁棒对应约束条件用式(16)表示为
其中,ΓR∈[0,|J|],也称不确定性代价系数,表示不确定参数的数量,J表示受灾点集合;
含有不确定参数的约束条件(12)的鲁棒对应约束条件用式(17)表示为
其中,ΓC∈[0,|J|],也称不确定性代价系数,表示不确定参数的数量;
含有不确定性参数的约束条件(9)的鲁棒对应约束条件用式(22)表示为
其中,Jim为受灾点集合J的子集,该子集中的任一节点与节点i之间在采用运输工具类型m时其运输时间为不确定的;Γim为不确定代价系数,其取值范围为[0,|J|];zim和pijm为两个辅助变量。
进一步地,步骤4中所述的应急资源动员与运输调度计划包括任一临时设施处救援人员/医疗服务的动员水平动员到任一临时设施处的任一运输工具类型的数量Yim、任一临时设施-受灾点之间基于指定运输工具类型的总运输计划次数任一临时设施-受灾点之间通过指定运输工具类型所计划运输的救援人员/伤病员的数量 计划完成后任一受灾点救援需求未满足的数量
与现有技术相比,本发明基于鲁棒优化的应急资源动员与运输调度计划生成方法,通过考虑灾区需求以及运输时间的不确定性因素,建立应急资源动员与运输调度集成的不确定性参数优化模型,同时考虑了应急资源动员和运输调度的集成,在综合考虑各类约束条件后所生成的应急资源动员与运输调度计划,能有效提高灾后救援决策的系统性、科学性和协调性,在优化灾区救援满意度的同时,能有效减少救灾资源的过度动员,避免不必要的救灾资源浪费。
同时本发明中对于影响救灾决策的多种不确定因素,采用鲁棒优化方法来处理这些不确定性因素,只需知道不确定性参数的区间范围即可得到相应的鲁棒解,与传统基于随机规划的不确定性处理方法相比,本发明所提出的不确定性处理方法对数据要求较低,具有更好的易用性和实用性,并且在模型求解计算复杂性方面,与确定性模型相比,本发明所采用的鲁棒优化方法并不会显著增加模型求解的复杂度。
附图说明
图1为本发明系统流程图;
图2为本发明中临时设施与受灾点的分布图;
图3为本发明中基于不确定性参数均值的应急动员与运输调度方案。
具体实施方式
图1与图2示出了本发明基于鲁棒优化的应急资源动员与运输调度计划生成方法的一种实施例,该方法包括以下步骤:步骤1:考虑灾区需求以及运输时间的不确定性因素,建立应急资源动员与运输调度集成的不确定性参数优化模型,所述不确定性参数优化模型包括总成本优化目标和约束条件;步骤2:采用鲁棒优化方法将不确定性参数条件下的所述总成本优化目标和所述约束条件处理成鲁棒对应总成本优化目标和鲁棒对应约束条件;步骤3:求解基于鲁棒对应约束条件下的鲁棒对应总成本优化目标;步骤4:输出应急资源动员与运输调度计划。因为在制定应急资源动员及运输计划时需要考虑灾区基础设施损坏、次生自然灾害影响等所导致的灾区需求、运输时间等相关因素的不确定性,在鲁棒优化方法下,对不确定性参数进行区间范围取值,使得不确定性问题得以解决,具有更好的易用性和实用性,同时考虑了应急资源动员和运输调度的集成,在综合考虑各类约束条件后所生成的应急资源动员与运输调度计划,能有效提高灾后救援决策的系统性、科学性和协调性,在优化灾区救援满意度的同时,能有效减少救灾资源的过度动员,避免不必要的救灾资源浪费。
本实施例中,步骤1中的总成本优化目标为:
优化目标为最小化救援的不满意程度且最小化灾后应急救援的综合成本,其中:为救援不满意数量的加权和,0≤pR≤1、0≤pC≤1,且pR+pC=1,这两个与救援人员、伤病员不满意所对应的惩罚系数;救援综合成本包括医疗服务和救援人员的动员成本,直升机的雇佣成本和综合运输成本,为医疗服务和救援人员的动员费用,为直升机的雇佣成本,为运输费用考虑到地震等重大自然灾难对地面交通基础设施所造成的破坏往往在短时间内难以快速恢复,本实施例中主要考虑把直升机作为灾区内部的运输工具,当然本发明也可以使用地面交通工具和直升机的混合使用的运输方法。
本实施例中,步骤1中的约束条件为:
通过对总成本优化目标提出一定的约束条件,使得所求解出的结果符合预期目标。
本实施例中,步骤2中的鲁棒优化方法包括:步骤2.1:将不确定性参数使用区间范围取值的方式进行限定;步骤2.2:采用鲁棒优化方法将所述总成本优化目标和所述约束条件处理成鲁棒对应总成本优化目标和鲁棒对应约束条件。因为灾后救援中存在灾区需求以及运输时间等相关因素的不确定性,因此在优化目标和约束条件中存在一些不确定性参数,根据Bertsimas and Sim(2004)所提的鲁棒优化方法,给出不确定性参数的区间或上下界,在此基础上通过对偶理论对原问题进行转换后所得到的解就能够对包含不确定性参数的约束具有较好的可行性和鲁棒性。
本实施例中,步骤2.1中用区间范围取值表示的不确定性参数是指:不确定参数表示为表示需求均值,表示需求偏差;不确定参数表示为表示伤病员的数量均值,表示伤病员的数量偏差;不确定性参数表示为表示从临时设施i处到受灾点j处使用m型号直升机的平均运行时间,表示运行时间偏差。考虑到重大灾难发生后,不仅各受灾点的需求难以精确估计,而且运输时间也具有一定的不确定性,为表示这种不确定性,令每个不确定性参数在一给定的区间内取值,本实施例中,不确定性参数有:将救援人员运送到临时设施救援点将伤病员从灾区运送到临时设施救援点的数量以及直升机在临时设施救援点i与受灾地区j之间的平均飞行时间
本实施例中,对于步骤2.2中的不确定性参数条件下的总成本优化目标,由于该目标为最小化系统综合费用,因此可以等价转换为式(13)
进一步地,式(13)中的约束条件可以等价转换为式(14)
式(14)的鲁棒对应形式为式(15)
其中,Jim为受灾点集合J的子集,该子集中的任一节点与节点i之间在采用运输工具类型m时其运输时间为不确定的;Γim为不确定代价系数,其取值范围为[0,|J|];zim和pijm为两个辅助变量。
本实施例中,步骤2.2中的不确定性参数条件下的约束条件其鲁棒对应约束条件表示为:
含有不确定性参数的约束条件(11)的鲁棒对应约束条件用式(16)表示为
由于数列中不一定所有参数都不确定的,J表示受灾点集合,对此,新定义参数ΓR,代表不确定参数的数量,即ΓR∈[0,|J|]。
含有不确定参数的约束条件(12)的鲁棒对应约束条件用式(17)表示为
其中,用参数ΓC代表数列中不确定性参数的个数,ΓC∈[0,|J|]
为得到含有不确定性参数的约束条件(9)的鲁棒对应约束条件用式,这里先把约束条件(9)等价转换为(18)
其中,β(N,Γim)为保护函数,
Γim∈[0,|J|],表示给定的i与m下不确定参数的数量,Jim为受灾点集合J的子集,该子集中的任一节点与节点i之间在采用运输工具类型m时其运输时间为不确定的;Γim为不确定代价系数,其取值范围为[0,|J|];zim和pijm为两个辅助变量。
式(9)可以重写为:
β(N,Γim)等于以下线性优化模型:
而模型(20)的对偶问题可以表示为:
通过用式(21)式代替式(19)中的β(N,Γim),则式(19)可以重写为
本实施例中,步骤3则是通过求解步骤2中通过鲁棒优化方法获得的鲁棒对应优化模型,并将该鲁棒对应优化模型变成了标准的单目标线性整数规划模型,采用标准的分支定界算法即可对模型进行求解,也可以借用通用的模型求解工具,如IBM ILOG CPLEX、LINGO等进行求解,进而得出步骤4中需要输出的应急资源动员和运输调度生成计划,包括任一临时设施处救援人员/医疗服务的动员水平动员到任一临时设施处的任一运输工具类型的数量Yim、任一临时设施-受灾点之间基于指定运输工具类型的总运输计划次数任一临时设施-受灾点之间通过指定运输工具类型所计划运输的救援人员/伤病员的数量计划完成后任一受灾点救援需求未满足的数量
下面通过一个汶川地震救援的示例说明本发明的有效性。
如图1所示,根据汶川地震发生后的灾情,在灾区选择了15个受灾点j(j=A~O);在灾区周围选择4个基础条件较好、交通设施比较完善的地点作为临时设施i(i=1~4)。表1给出了15个受灾点需求的均值;表2给出了4个临时设施在最大动员能力、动员成本等方面的参数;表3给出了直升机m的参数设置,本算例中共采用了5种直升机;表4给出了各临时设施i与各受灾点j之间的平均飞行时间这里假设各型直升机的平均飞行速度相同。
表1各受灾点j需求水平的平均值
表2与临时设施i相关的参数设置
表3直升机m参数设置
表4临时设施i与受灾点j之间的平均飞行时间(小时)
A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | |
1 | 1.07 | 0.83 | 1.04 | 1.28 | 1.39 | 1.57 | 1.59 | 1.85 | 1.91 | 1.88 | 1.66 | 1.53 | 1.21 | 1.14 | 1.33 |
2 | 1.27 | 1.01 | 0.73 | 0.82 | 0.9 | 1.1 | 0.98 | 1.29 | 1.3 | 1.49 | 1.31 | 1.39 | 1.37 | 1.1 | 1.03 |
3 | 1.65 | 1.44 | 1.12 | 0.97 | 0.84 | 1.03 | 0.63 | 0.95 | 0.85 | 1.34 | 1.32 | 1.55 | 1.71 | 1.44 | 1.2 |
4 | 1.51 | 1.62 | 1.48 | 1.32 | 1.49 | 1.01 | 1.49 | 1.29 | 1.6 | 1.08 | 0.79 | 0.95 | 1.41 | 1.3 | 1.2 |
图2给出了基于不确定性参数的平均值对模型求解所得到的应急动员与运输调度方案。图2中每处临时设施(用三角形标记)旁括号内的7个数值分别表示救援人员(第一项),医疗服务(第二项)和五种型号直升机am(剩余项)的动员水平,而每个受灾点(用圆形标记)旁括号内的数据代表救援人员和伤员的未需求量。此外,任意临时设施i-受灾点j对之间虚线上的数据代表特定型号m的直升机运输救援人员和伤员的运输数量及前向与后向运输的次数。可以看出,本发明所构建的模型能够同时生成应急动员与运输调度方案计划。
表5给出了不同鲁棒参数设置条件下鲁棒模型在系统综合代价、模型求解时间等性能参数上的表现,并与传统基于期望均值的确定性模型所得方案的性能进行比较。由于本案例包含15个受灾地点,因此与需求水平和运输时间等系数相关的不确定代价在[0,15]内取实际值,对此,表5给出了不确定性代价系数(即Γim、ΓR和ΓC)分别取值为0、3、6、9、12和15等时的性能表现。针对每一个不确定代价的值,用不确定程度(区间最大偏差与区间均值的百分比)来表示不确定区间的大小范围,并设置了5%,10%,15%和20%这4种大小。为比较本发明所提出的鲁棒优化模型与传统基于期望均值的确定性模型所得解决方案在最小化系统综合代价等方面的效果,在算例中基于每种不确定程度的设置,随机生成了10组数据作为实际数据,然后基于两种模型的决策结果,计算得到了基于这10组实际数据的系统综合代价的平均值和最大值。表5中第3-4列数据表明,鲁棒模型和确定性模型在模型求解时间上总体属于同一级别;从第5-6列所给出的系统综合代价平均值可以看出,当不确定代价系数设置为非0时,基于鲁棒模型所计算得到的系统综合代价平均值小于基于确定性模型所得到的结果,而当不确定性参数设置为0时,鲁棒模型实际上等价于确定性模型,所以二者的代价成本相等;表5中第7-8列数据表明,对基于这10组实际数据所得到的系统综合成本的最大值,当不确定代价参数设置为非0时,鲁棒模型所得到的最大成本代价均小于确定性模型所得到的结果。上述算例结果表明,本发明所提出的鲁棒优化模型在减少救灾综合成本上与传统确定性模型相比具有明显的优势。
虽然本发明给出了上述实施例,但并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围的情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
表5各受灾点需求水平的平均值
Claims (8)
1.一种基于鲁棒优化的应急资源动员与运输调度计划生成方法,其特征在于:包括以下步骤:
步骤1:考虑灾区需求以及运输时间的不确定性因素,建立应急资源动员与运输调度集成的不确定性参数优化模型,所述不确定性参数优化模型包括总成本优化目标和约束条件;
步骤2:采用鲁棒优化方法将不确定性参数条件下的所述总成本优化目标和所述约束条件处理成鲁棒对应总成本优化目标和鲁棒对应约束条件;
步骤3:求解基于鲁棒对应约束条件下的鲁棒对应总成本优化目标;
步骤4:输出应急资源动员与运输调度计划。
2.根据权利要求1所述的基于鲁棒优化的应急资源动员与运输调度计划生成方法,其特征在于:步骤1所述总成本优化目标为:
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>f</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<mrow>
<mo>(</mo>
<msup>
<mi>p</mi>
<mi>R</mi>
</msup>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>R</mi>
</msubsup>
<mo>+</mo>
<msup>
<mi>p</mi>
<mi>C</mi>
</msup>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<mrow>
<mo>(</mo>
<msubsup>
<mi>c</mi>
<mi>i</mi>
<mi>R</mi>
</msubsup>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>R</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>c</mi>
<mi>i</mi>
<mi>C</mi>
</msubsup>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>C</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>c</mi>
<mi>m</mi>
<mi>F</mi>
</msubsup>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>c</mi>
<mi>m</mi>
<mi>O</mi>
</msubsup>
<msub>
<mover>
<mi>t</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>F</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>B</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中:
pR为救援人员需求未得到满足的惩罚系数,0≤pR≤1;
为受灾地区j处救援人员未满足的数量;
pC为灾区伤病员转运需求未得到满足的惩罚系数,0≤pC≤1,且pR+pC=1;
为受灾地区j处伤病员转运需求未满足的数量;
为临时设施i处救援人员的动员成本;
为临时设施i处救援人员的动员水平;
为临时设施i处伤员救治医疗服务的动员成本;
为临时设施i处能够收纳伤员能力;
为雇佣m型号直升机的固定成本;
Yim为临时设施i处m型号直升机的动员数量,Yim为整数;
为m型号直升机的运行成本;
表示m型号直升机在临时设施i与受灾地区j之间的平均飞行时间,为不确定性参数;
为m型号直升机从临时设施i到受灾地区j的飞行次数;
为m型号直升机从受灾地区j到临时设施i的飞行次数。
3.根据权利要求2所述的基于鲁棒优化的应急资源动员与运输调度计划生成方法,其特征在于:步骤1所述的约束条件为:
<mrow>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>R</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>u</mi>
<mi>i</mi>
<mi>R</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>C</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>u</mi>
<mi>i</mi>
<mi>C</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>R</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>R</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>C</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>R</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>&theta;</mi>
<mi>m</mi>
<mi>R</mi>
</msubsup>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>F</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>,</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>&theta;</mi>
<mi>m</mi>
<mi>C</mi>
</msubsup>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>B</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>,</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msub>
<mover>
<mi>t</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>F</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>B</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>&delta;</mi>
<mi>m</mi>
</msub>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>F</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>B</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>R</mi>
</msubsup>
<mo>&GreaterEqual;</mo>
<msubsup>
<mover>
<mi>d</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
<mi>R</mi>
</msubsup>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>R</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>&GreaterEqual;</mo>
<msubsup>
<mover>
<mi>d</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
式(2)表示临时设施i处救援人员的最大动员水平约束;表示可动员到灾区临时设施i处的救援人员的数量;
式(3)表示临时设施i处医疗服务的最大动员水平约束;表示在临时设施i处进行医疗动员后可容纳的伤病员数量;
式(4)表示可分配给所有临时设施的任一类型直升机的数量限制约束,am表示可动员的m型直升机的总数量;
式(5)表示临时设施处可派出的救援人员的数量约束,表示临时设施i处和受灾地区j间通过m型号直升机运送的救援人员数量;
式(6)表示临时设施处可接收的伤病员的数量约束,表示表示临时设施i处和受灾地区j间通过m型直升机运送的伤员数量;
式(7)表示任意两点间任一型号直升机运输的救灾人员数量与此类型直升机运输次数之间的关系约束,表示m型直升机单次可运输的救援人员数量;
式(8)表示任意两点间任一型号直升机运输的伤员数量与此类型直升机运输次数之间的关系约束,表示m型直升机单次可运输的伤员数量;
式(9)表示任一型号直升机的可用工作时间约束,δm表示m型直升机在调度周期内总的可用工作时间;
式(10)表示任一临时设施除直升机的流量平衡;
式(11)表示救援人员未满足需求的计算方式约束,表示受灾点j处对救灾人员的需求数量,为不确定性参数;
式(12)表示伤员未满足需求的计算方式约束,为受灾点j处待运输转移的伤病员的数量,为不确定性参数。
4.根据权利要求3所述的基于鲁棒优化的应急资源动员与运输调度计划生成方法,其特征在于:步骤2中的鲁棒优化方法包括
步骤2.1:将不确定性参数使用区间范围取值的方式进行限定;
步骤2.2:采用鲁棒优化方法将所述总成本优化目标和所述约束条件处理成鲁棒对应总成本优化目标和鲁棒对应约束条件。
5.根据权利要求4所述的基于鲁棒优化的应急资源动员与运输调度计划生成方法,其特征在于:步骤2.1中所述的用区间范围取值表示不确定性参数是指:
不确定参数表示为 表示需求均值,表示需求偏差;
不确定参数表示为 表示伤病员的数量均值,表示伤病员的数量偏差;
不确定性参数表示为 表示从临时设施i处到受灾点j处使用m型号直升机的平均运行时间,表示运行时间偏差。
6.根据权利要求4所述的基于鲁棒优化的应急资源动员与运输调度计划生成方法,其特征在于:步骤2.2中的不确定性参数条件下的总成本优化目标其鲁棒对应总成本优化目标表示为
min f
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<mo>:</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<mo>{</mo>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msubsup>
<mi>c</mi>
<mi>m</mi>
<mi>O</mi>
</msubsup>
<msub>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>F</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>B</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</munder>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&Gamma;</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>}</mo>
<mo>&le;</mo>
<mi>f</mi>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<mrow>
<mo>(</mo>
<msup>
<mi>p</mi>
<mi>R</mi>
</msup>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>R</mi>
</msubsup>
<mo>+</mo>
<msup>
<mi>p</mi>
<mi>C</mi>
</msup>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<mrow>
<mo>(</mo>
<msubsup>
<mi>c</mi>
<mi>i</mi>
<mi>R</mi>
</msubsup>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>R</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>c</mi>
<mi>i</mi>
<mi>C</mi>
</msubsup>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>C</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>c</mi>
<mi>m</mi>
<mi>F</mi>
</msubsup>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msubsup>
<mi>c</mi>
<mi>m</mi>
<mi>O</mi>
</msubsup>
<msub>
<mover>
<mi>t</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>F</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>B</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
其中:Jim为受灾点集合J的子集,该子集中的任一节点与节点i之间在采用运输工具类型m时其运输时间为不确定的;Γim为不确定代价系数(budget of uncertainty),其取值范围为[0,|J|];zim和pijm为两个辅助变量。
7.根据权利要求4所述的基于鲁棒优化的应急资源动员与运输调度计划生成方法,其特征在于:步骤2.2中的不确定性参数条件下的约束条件,其鲁棒对应约束条件表示为:
含有不确定性参数的约束条件(11)的鲁棒对应约束条件用式(14)表示为
<mrow>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>R</mi>
</msubsup>
<mo>&GreaterEqual;</mo>
<msubsup>
<mover>
<mi>d</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
<mi>R</mi>
</msubsup>
<mo>+</mo>
<mfrac>
<msup>
<mi>&Gamma;</mi>
<mi>R</mi>
</msup>
<mrow>
<mo>|</mo>
<mi>J</mi>
<mo>|</mo>
</mrow>
</mfrac>
<msubsup>
<mover>
<mi>d</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
<mi>R</mi>
</msubsup>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>R</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ΓR∈[0,|J|],也称不确定性代价系数,表示不确定参数的数量,J表示受灾点集合;
含有不确定参数的约束条件(12)的鲁棒对应约束条件用式(15)表示为
<mrow>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>&GreaterEqual;</mo>
<msubsup>
<mover>
<mi>d</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>+</mo>
<mfrac>
<msup>
<mi>&Gamma;</mi>
<mi>C</mi>
</msup>
<mrow>
<mo>|</mo>
<mi>J</mi>
<mo>|</mo>
</mrow>
</mfrac>
<msubsup>
<mover>
<mi>d</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>m</mi>
</munder>
<msubsup>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>15</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ΓC∈[0,|J|],也称不确定性代价系数,表示不确定参数的数量;
含有不确定性参数的约束条件(9)的鲁棒对应约束条件用式(16)表示为
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msub>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>F</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>B</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</munder>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&Gamma;</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>&delta;</mi>
<mi>m</mi>
</msub>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<mo>:</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mover>
<mi>t</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>F</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
<mi>B</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Jim为受灾点集合J的子集,该子集中的任一节点与节点i之间在采用运输工具类型m时其运输时间为不确定的;Γim为不确定代价系数,其取值范围为[0,|J|];zim和pijm为两个辅助变量。
8.根据权利要求1至7中任一项所述的基于鲁棒优化的应急资源动员与运输调度计划生成方法,其特征在于:步骤4中所述的应急资源动员与运输调度计划包括任一临时设施处救援人员/医疗服务的动员水平 动员到任一临时设施处的任一运输工具类型的数量Yim、任一临时设施-受灾点之间基于指定运输工具类型的总运输计划次数任一临时设施-受灾点之间通过指定运输工具类型所计划运输的救援人员/伤病员的数量计划完成后任一受灾点救援需求未满足的数量
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710927503.7A CN107742182A (zh) | 2017-09-30 | 2017-09-30 | 基于鲁棒优化的应急资源动员与运输调度计划生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710927503.7A CN107742182A (zh) | 2017-09-30 | 2017-09-30 | 基于鲁棒优化的应急资源动员与运输调度计划生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107742182A true CN107742182A (zh) | 2018-02-27 |
Family
ID=61236714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710927503.7A Pending CN107742182A (zh) | 2017-09-30 | 2017-09-30 | 基于鲁棒优化的应急资源动员与运输调度计划生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107742182A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599148A (zh) * | 2018-04-26 | 2018-09-28 | 东南大学 | 计及交直流微网应对灾害事件弹性能力的鲁棒调度方法 |
CN108899079A (zh) * | 2018-06-27 | 2018-11-27 | 中国人民解放军第二军医大学 | 民用医院的动员系统及方法 |
CN109636136A (zh) * | 2018-11-22 | 2019-04-16 | 中国人民解放军陆军工程大学 | 一种适用于抢险救灾的人员、机械和任务分配模型的建模方法及求解算法 |
CN111291959A (zh) * | 2018-12-10 | 2020-06-16 | 顺丰科技有限公司 | 一种资源调拨方法、装置、设备和存储介质 |
CN111428851A (zh) * | 2020-03-30 | 2020-07-17 | 南方科技大学 | 救援计划的确定方法、装置、服务器和存储介质 |
CN111967693A (zh) * | 2020-09-07 | 2020-11-20 | 中国人民解放军国防科技大学 | 一种基于干扰管理的搜救资源方案调整方法及相关设备 |
CN112396318A (zh) * | 2020-11-17 | 2021-02-23 | 中国人民解放军海军航空大学 | 一种考虑时间鲁棒性的机群保障人员和设备的分配方法 |
CN112784204A (zh) * | 2020-12-28 | 2021-05-11 | 北京交通大学 | 面向不确定需求的列车时刻表与客流控制鲁棒优化方法 |
CN114596008A (zh) * | 2022-05-09 | 2022-06-07 | 支付宝(杭州)信息技术有限公司 | 考虑预估不确定性的资源分配决策的鲁棒优化方法 |
-
2017
- 2017-09-30 CN CN201710927503.7A patent/CN107742182A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599148B (zh) * | 2018-04-26 | 2019-11-22 | 东南大学 | 计及交直流微网应对灾害事件弹性能力的鲁棒调度方法 |
CN108599148A (zh) * | 2018-04-26 | 2018-09-28 | 东南大学 | 计及交直流微网应对灾害事件弹性能力的鲁棒调度方法 |
CN108899079A (zh) * | 2018-06-27 | 2018-11-27 | 中国人民解放军第二军医大学 | 民用医院的动员系统及方法 |
CN109636136A (zh) * | 2018-11-22 | 2019-04-16 | 中国人民解放军陆军工程大学 | 一种适用于抢险救灾的人员、机械和任务分配模型的建模方法及求解算法 |
CN109636136B (zh) * | 2018-11-22 | 2022-12-06 | 中国人民解放军陆军工程大学 | 一种适用于抢险救灾的人员、机械和任务分配模型的建模方法及求解算法 |
CN111291959A (zh) * | 2018-12-10 | 2020-06-16 | 顺丰科技有限公司 | 一种资源调拨方法、装置、设备和存储介质 |
CN111428851B (zh) * | 2020-03-30 | 2022-10-28 | 南方科技大学 | 救援计划的确定方法、装置、服务器和存储介质 |
CN111428851A (zh) * | 2020-03-30 | 2020-07-17 | 南方科技大学 | 救援计划的确定方法、装置、服务器和存储介质 |
CN111967693A (zh) * | 2020-09-07 | 2020-11-20 | 中国人民解放军国防科技大学 | 一种基于干扰管理的搜救资源方案调整方法及相关设备 |
CN111967693B (zh) * | 2020-09-07 | 2021-06-04 | 中国人民解放军国防科技大学 | 一种基于干扰管理的搜救资源方案调整方法及相关设备 |
CN112396318B (zh) * | 2020-11-17 | 2022-03-01 | 中国人民解放军海军航空大学 | 一种考虑时间鲁棒性的机群保障人员和设备的分配方法 |
CN112396318A (zh) * | 2020-11-17 | 2021-02-23 | 中国人民解放军海军航空大学 | 一种考虑时间鲁棒性的机群保障人员和设备的分配方法 |
CN112784204A (zh) * | 2020-12-28 | 2021-05-11 | 北京交通大学 | 面向不确定需求的列车时刻表与客流控制鲁棒优化方法 |
CN114596008A (zh) * | 2022-05-09 | 2022-06-07 | 支付宝(杭州)信息技术有限公司 | 考虑预估不确定性的资源分配决策的鲁棒优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742182A (zh) | 基于鲁棒优化的应急资源动员与运输调度计划生成方法 | |
Noyan et al. | A stochastic optimization model for designing last mile relief networks | |
Joncour et al. | Column generation based primal heuristics | |
Das et al. | A new approach for solving fully fuzzy linear fractional programming problems using the multi-objective linear programming | |
Yan et al. | Optimal scheduling of emergency roadway repair and subsequent relief distribution | |
CN107784380A (zh) | 一种巡检最短路径的优化方法及优化系统 | |
CN104808627A (zh) | 一种离散制造系统的车间布局方法 | |
CN106228403A (zh) | 一种基于层次分析算法的用户价值评分方法及系统 | |
CN102711913A (zh) | 放射治疗法的粒子束优化方法及其设备 | |
Campanario et al. | Next-to-leading order QCD corrections to ZZ production in association with two jets | |
CN107871047A (zh) | 一种复杂空间系统安全管理平行计算方法 | |
Munapo et al. | A transportation branch and bound algorithm for solving the generalized assignment problem | |
Xu et al. | A hybrid approach for dynamic simulation of safety risks in mega construction projects | |
Mousavi et al. | Bi-objective scheduling for the re-entrant hybrid flow shop with learning effect and setup times | |
Alzalloum | Application of shortest path algorithms to find paths of minimum radiation dose | |
CN103026374A (zh) | 用于估计新工业厂房运作准备成本的系统 | |
Shao et al. | A column generation approach for patient scheduling with setup time and deteriorating treatment duration | |
Chizhov et al. | Methods of minimising doses incurred by external exposure while moving in radiation hazardous areas | |
Soltani et al. | Robust counterpart optimization for the redundancy allocation problem in series-parallel systems with component mixing under uncertainty | |
Adamuthe et al. | Genetic algorithmic approach for security personnel scheduling | |
CN108595415A (zh) | 一种法律差异化判定方法、装置及计算机设备、存储介质 | |
CN108268984A (zh) | 一种核电厂役检计划自动生成与校验的方法 | |
Liu et al. | Stochastic programming approach for earthquake disaster relief mobilization with multiple objectives | |
Démotier et al. | A new approach to assess risk in water treatment using the belief function framework | |
Adamuthe et al. | Genetic algorithmic approach for personnel timetabling |
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: 20180227 |