CN110458327B - 应急物资调度方法及其系统 - Google Patents
应急物资调度方法及其系统 Download PDFInfo
- Publication number
- CN110458327B CN110458327B CN201910616602.2A CN201910616602A CN110458327B CN 110458327 B CN110458327 B CN 110458327B CN 201910616602 A CN201910616602 A CN 201910616602A CN 110458327 B CN110458327 B CN 110458327B
- Authority
- CN
- China
- Prior art keywords
- time
- vectors
- material scheduling
- scheduling method
- emergency
- 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.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 17
- 239000013598 vector Substances 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了应急物资调度方法及其系统。应急物资调度方法包括以下步骤：步骤S1：对每一种物资随机生成符合模型条件的m个n维向量，每一个向量表示各个物资储备地向各个目的地的运送量；步骤S2：遍历所有向量；步骤S3：计算完成所有向量的最快完成时间后，得到向量最快完成时间的最小值，作为整体的当前最快完成速度。本发明公开的应急物资调度方法及其系统，将多储存点、多目标点、多物资转化为单储存点、多目标点、单物资，并通过省略一次往返的方式将多目标通过转化为单目标，并利用生成时间序列的方式获取最短运输时间，将复杂调度问题拆分简化，降低计算时间的同时保证了运算准确性。
Description
技术领域
本发明属于应急管理技术领域，具体涉及一种应急物资调度方法和一种应急物资调度系统。
背景技术
公开号为CN102542395B，主题名称为应急物资调度方法和系统的发明专利，其技术方案公开了“数据输入/输出组件、数据预处理组件、物资调度运算组件、数据库操作接口组件和系统界面。该应急物资调度系统针对多出救点-多受灾点-多物质调度问题，通过综合应用多种算法解决车辆未满载问题、并对多物资配送及配送路径进行优化，使模型解算结果更优、速度更快”。
然而，以上述发明专利为例，现有的应急物资调度方案，主要基于VRP理论，并将模糊数学理论、博弈论、网络流理论、Agent理论、排队论、集对分析等应用于应急调度模型。存在多储存点、多目标点、多物资、运输路径、运输耗费等多种约束条件，使得应急求援物资调度问题的构建与解决十分复杂，不能与其重要性及目前应用需求相适应，需要予以进一步改进。
发明内容
本发明针对现有技术的状况，克服以上缺陷，提供一种应急物资调度方法和一种应急物资调度系统。
本发明采用以下技术方案，所述应急物资调度方法包括以下步骤：
步骤S1：对每一种物资随机生成符合模型条件的m个n维向量，每一个向量表示各个物资储备地向各个目的地的运送量；
步骤S2：遍历所有向量；
步骤S3：计算完成所有向量的最快完成时间后，得到向量最快完成时间的最小值，作为整体的当前最快完成速度；
步骤S4：根据粒子群算法公式进行进化，进化后的所有向量重复步骤S2和步骤S3，直到循环次数达到一个阈值e；
步骤S5：所有物资的较优分配的组合数组成所有需要的物资调度情况。
根据上述技术方案，作为上述技术方案的进一步优选技术方案，所述步骤S2具体实施为以下步骤：
步骤S2.1：每个目的地根据储备地的运输工具种类生成时间序列；
步骤S2.2：枚举时间序列中的时间节点，计算在哪个节点可以运输完成；
步骤S2.3：完成所有目标地点生成时间节点序列的计算后，获取所有节点中的最大值，作为这个储备地点的最快完成任务时间。
根据上述技术方案，作为上述技术方案的进一步优选技术方案，所述步骤S3具体实施为以下步骤：
步骤S3.1：针对每个目标地点生成相应的时间序列并且进行排序；
步骤S3.2：选取一个目标地点的序列；
步骤S3.3：枚举序列的时间节点；
步骤S3.4：判断该节点是否能运送完成，如果判断通过则执行步骤S3.5，否则重复执行步骤S3.3；
步骤S3.5：判断是否完成所有目标地点的计算，如果判断通过则执行步骤S4，否则重复执行步骤S3.2。
根据上述技术方案，作为上述技术方案的进一步优选技术方案，所述步骤S4具体实施为以下步骤：
步骤S4.1：获取或者更新当前的全局最短时间；
步骤S4.2：判断循环次数到达阈值e之前，最短时间是否更新，如果判断通过则将当前的最短时间作为全局最短时间（即得到较优分配），否则根据粒子群算法公式进行进化；
步骤S4.3：将进化后的向量作为输入向量以输入步骤S3.1。
本发明专利申请还公开了应急物资调度系统，用于实施以上任一项应急物资调度方法。
本发明公开的应急物资调度方法及其系统，其有益效果在于，将多储存点、多目标点、多物资转化为单储存点、多目标点、单物资，并通过省略一次往返的方式将多目标通过转化为单目标，并利用生成时间序列的方式获取最短运输时间，将复杂调度问题拆分简化，降低计算时间的同时保证了运算准确性。
附图说明
图1是本发明的流程图。
具体实施方式
本发明公开了一种应急物资调度方法和一种应急物资调度系统，下面结合优选实施例，对本发明的具体实施方式作进一步描述。
参见附图的图1，图1示出了所述应急物资调度方法和应急物资调度系统的具体流程。
优选实施例。
优选地，所述应急物资调度方法包括以下步骤：
步骤S1：对每一种物资随机生成符合模型条件的m个n维向量，每一个向量表示各个物资储备地向各个目的地的运送量；
步骤S2：遍历所有向量；
步骤S3：计算完成所有向量的最快完成时间后，得到向量最快完成时间的最小值，作为整体的当前最快完成速度；
步骤S4：根据粒子群算法公式进行进化，进化后的所有向量重复步骤S2和步骤S3，直到循环次数达到一个阈值e；
步骤S5：所有物资的较优分配的组合数组成所有需要的物资调度情况。
进一步地，所述步骤S2具体实施为以下步骤：
步骤S2.1：每个目的地根据储备地的运输工具种类生成时间序列；
步骤S2.2：枚举时间序列中的时间节点，计算在哪个节点可以运输完成；
步骤S2.3：完成所有目标地点生成时间节点序列的计算后，获取所有节点中的最大值，作为这个储备地点的最快完成任务时间。
进一步地，所述步骤S3具体实施为以下步骤：
步骤S3.1：针对每个目标地点生成相应的时间序列并且进行排序；
步骤S3.2：选取一个目标地点的序列；
步骤S3.3：枚举序列的时间节点；
步骤S3.4：判断该节点是否能运送完成，如果判断通过则执行步骤S3.5，否则重复执行步骤S3.3；
步骤S3.5：判断是否完成所有目标地点的计算，如果判断通过则执行步骤S4，否则重复执行步骤S3.2。
进一步地，所述步骤S4具体实施为以下步骤：
步骤S4.1：获取或者更新当前的全局最短时间；
步骤S4.2：判断循环次数到达阈值e之前，最短时间是否更新，如果判断通过则将当前的最短时间作为全局最短时间（即得到较优分配），否则根据粒子群算法公式进行进化；
步骤S4.3：将进化后的向量作为输入向量以输入步骤S3.1。
值得一提的是，在步骤S4中，整体的最快完成速度不发生变化或者变化量非常小。当前的最小时间对应的分配策略（向量），就是得到的较优分配。至此一种物资的分配已经完成，继续计算下一种物资的较优分配。
本实施例还公开了应急物资调度系统，以实施上述任一项应急物资调度方法。
值得一提的是，本发明专利申请涉及的粒子群算法公式等技术特征应被视为现有技术，这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可，不应被视为本发明专利的发明点所在，本发明专利不做进一步具体展开详述。
对于本领域的技术人员而言，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。
Claims (2)
1.一种应急物资调度方法，其特征在于，包括以下步骤：
步骤S1：对每一种物资随机生成符合模型条件的m个n维向量，每一个向量表示各个物资储备地向各个目的地的运送量；
步骤S2：遍历所有向量；
步骤S3：计算完成所有向量的最快完成时间后，得到向量最快完成时间的最小值，作为整体的当前最快完成速度；
步骤S4：根据粒子群算法公式进行进化，进化后的所有向量重复步骤S2和步骤S3，直到循环次数达到一个阈值e；
步骤S5：所有物资的较优分配的组合数组成所有需要的物资调度情况；
所述步骤S2具体实施为以下步骤：
步骤S2.1：每个目的地根据储备地的运输工具种类生成时间序列；
步骤S2.2：枚举时间序列中的时间节点，计算在哪个节点可以运输完成；
步骤S2.3：完成所有目标地点生成时间节点序列的计算后，获取所有节点中的最大值，作为这个储备地点的最快完成任务时间；
所述步骤S3具体实施为以下步骤：
步骤S3.1：针对每个目标地点生成相应的时间序列并且进行排序；
步骤S3.2：选取一个目标地点的序列；
步骤S3.3：枚举序列的时间节点；
步骤S3.4：判断该节点是否能运送完成，如果判断通过则执行步骤S3.5，否则重复执行步骤S3.3；
步骤S3.5：判断是否完成所有目标地点的计算，如果判断通过则执行步骤S4，否则重复执行步骤S3.2；
所述步骤S4具体实施为以下步骤：
步骤S4.1：获取或者更新当前的全局最短时间；
步骤S4.2：判断循环次数到达阈值e之前，最短时间是否更新，如果判断通过则将当前的最短时间作为全局最短时间，否则根据粒子群算法公式进行进化；
步骤S4.3：将进化后的向量作为输入向量以输入步骤S3.1。
2.一种应急物资调度系统，其特征在于，用于实施权利要求1所述的应急物资调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910616602.2A CN110458327B (zh) | 2019-07-09 | 2019-07-09 | 应急物资调度方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910616602.2A CN110458327B (zh) | 2019-07-09 | 2019-07-09 | 应急物资调度方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110458327A CN110458327A (zh) | 2019-11-15 |
| CN110458327B true CN110458327B (zh) | 2023-04-18 |
Family
ID=68482520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910616602.2A Active CN110458327B (zh) | 2019-07-09 | 2019-07-09 | 应急物资调度方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458327B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111126682B (zh) * | 2019-12-13 | 2022-03-15 | 中国民用航空飞行学院 | 一种基于救援效率的通航救援调度优化方法 |
| CN112001646B (zh) * | 2020-08-27 | 2024-06-18 | 上海汽车集团股份有限公司 | 一种物料调度方法、装置、存储介质及电子设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10301604A (ja) * | 1997-04-23 | 1998-11-13 | Hitachi Ltd | 資材所要量計算装置および資材所要量計算方法 |
| CN102542395B (zh) * | 2010-12-31 | 2016-03-30 | 北京师范大学 | 一种应急物资调度系统及计算方法 |
| CN104392099A (zh) * | 2014-10-28 | 2015-03-04 | 沈阳建筑大学 | 一种混合多目标粒子群算法解决应急调度问题方法 |
| CN105787596A (zh) * | 2016-02-29 | 2016-07-20 | 泰华智慧产业集团股份有限公司 | 一种基于改进蚁群算法的应急物流路径优化方法 |
| CN109086900B (zh) * | 2018-08-31 | 2021-06-01 | 贵州电网有限责任公司都匀供电局 | 基于多目标粒子群优化算法的电力物资保障及调配平台 |
-
2019
- 2019-07-09 CN CN201910616602.2A patent/CN110458327B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110458327A (zh) | 2019-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ryzhov | On the convergence rates of expected improvement methods | |
| Srivatsava et al. | Optimal test sequence generation using firefly algorithm | |
| Meyer et al. | Automated service composition using heuristic search | |
| CN110458327B (zh) | 应急物资调度方法及其系统 | |
| Alford et al. | Bound to plan: Exploiting classical heuristics via automatic translations of tail-recursive HTN problems | |
| CN113852405B (zh) | 多波束中继卫星任务调度模型的构建方法及装置 | |
| CN108333922B (zh) | 一种基于智能优化与约束推理的单星自主任务规划方法 | |
| US11574165B2 (en) | Optimization system and optimization method | |
| Jawarneh et al. | Sequential insertion heuristic with adaptive bee colony optimisation algorithm for vehicle routing problem with time windows | |
| CN112241177B (zh) | 基于时间线状态路标的启发式航天器任务规划方法 | |
| Huang et al. | Toward a smart cyber-physical space: a context-sensitive resource-explicit service model | |
| KR20200109917A (ko) | Gpu 기반의 분산 딥 러닝 모델의 학습 속도 예측 방법 및 기록매체 | |
| Yaguchi et al. | Basic study of proximate optimality principle based combinatorial optimization method | |
| CN114022731A (zh) | 基于drl的联邦学习节点选择方法 | |
| Derigs et al. | Indirect search for the vehicle routing problem with pickup and delivery and time windows | |
| US11138351B2 (en) | Estimated distance calculator, estimated distance calculation method, estimated distance calculation program, and automated planner | |
| JP7432087B2 (ja) | エネルギースケジュールを含むデータ構造、およびエネルギースケジュールを含むデータ構造を提供するための方法 | |
| KR102336297B1 (ko) | 공유 ｇｐｕ 클러스터를 위한 분산 딥러닝 작업 스케줄링 방법 및 이를 기록한 컴퓨터 판독 가능 기록매체 | |
| JP2022172503A (ja) | 衛星観測計画立案システム、衛星観測計画立案方法、および衛星観測計画立案プログラム | |
| Undurti et al. | A decentralized approach to multi-agent planning in the presence of constraints and uncertainty | |
| Aloka et al. | Test effort estimation-particle swarm optimization based approach | |
| CN116582407A (zh) | 一种基于深度强化学习的容器化微服务编排系统及方法 | |
| CN115618960B (zh) | 联邦学习优化方法、装置、电子设备及存储介质 | |
| CN108737130B (zh) | 基于神经网络的网络流量预测装置及方法 | |
| CN110008028B (zh) | 计算资源分配方法、装置、计算机设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |