CN110598946A - 一种基于非支配人工蜂群的防汛物资救援分配方法 - Google Patents
一种基于非支配人工蜂群的防汛物资救援分配方法 Download PDFInfo
- Publication number
- CN110598946A CN110598946A CN201910889880.5A CN201910889880A CN110598946A CN 110598946 A CN110598946 A CN 110598946A CN 201910889880 A CN201910889880 A CN 201910889880A CN 110598946 A CN110598946 A CN 110598946A
- Authority
- CN
- China
- Prior art keywords
- flood prevention
- materials
- food source
- rescue
- demand
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 324
- 230000002265 prevention Effects 0.000 title claims abstract description 257
- 238000009826 distribution Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 claims abstract description 147
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 25
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 230000006978 adaptation Effects 0.000 claims abstract description 5
- 230000009191 jumping Effects 0.000 claims description 27
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 238000001125 extrusion Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 101100311460 Schizosaccharomyces pombe (strain 972 / ATCC 24843) sum2 gene Proteins 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 230000008030 elimination Effects 0.000 abstract description 3
- 238000003379 elimination reaction Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000109 continuous material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003016 pheromone Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 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"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于非支配人工蜂群的防汛物资救援分配方法,建立基于仓库物资存储量约束、物资需求约束和防汛物资送达时间约束的防汛物资分配优化模型,采用大型储备仓库优先、受灾需求优先和随机分配三种方法初始化食物源,提出了食物源的需求适应度值、物资满足率方差适应度值和传达时间适应度值;在雇佣蜂阶段,采用高维矩阵局部搜索方法、种群分类和排挤淘汰降低空间复杂度;在跟随蜂阶段,交叉操作更新食物源,扩大种群的搜索范围;在侦察蜂阶段,选择对末尾食物源、重复食物源和达到进化上限次数的食物源进行重构。本发明可优化防汛物资的分配,节约救援物质的分配时间,平衡各个受灾区域的物资分配,提高防汛物资的整体分配效率。
Description
技术领域:
本发明涉及优化调度领域,尤其涉及防汛物资救援分配领域,具体是指一种基于非支配人工蜂群的防汛物资救援分配方法。
背景技术:
我国地域辽阔,降水局部集中,时间与空间分布不均,且与人口、耕地等分布不相匹配,因此洪涝、台风等灾难频发,造成大量群众受灾,经济损失巨大,如2018年台风等主要灾害共造成全国1.3亿人次受灾,589人死亡,46人失踪,524.5万人次紧急转移安置,近9.7万间房屋倒塌,23.1万间严重损坏,120.8万间一般损坏,直接经济损失2644.6亿元。一旦发生洪涝灾害,如果不能进行有效的防洪抢险工作,会对群众造成十分严重的经济和生命损失,影响经济社会发展,因此防洪抢险是关系人民生命财产安全、关系社会稳定与可持续发展的重要工作。在防汛抢险工作中,防汛物资保障是其一项重要工作。一旦抢险工作启动,需要保证防汛物资调得出、运得走、及时到位。因此实现防汛物资的规范化管理和及时、准确、科学的调度对保障抗洪、排防和抢险开展至关重要。
但是目前传统防汛物资调度主要通过人工调度,即通过电话了解物资状态,进行物资调度,其调度效率较低,容易造成物资调度的混乱,不利于抢险工作的开展。这种粗放式调度方式没有考虑防汛物资的区域联合分配,影响了防汛物资的调度效率。目前,在应急物资调度方面国内学者主要侧重于研究救援应急物资的多目标分配和调度优化方法,如张国富等人为解决多发放点之间潜在的应急救援物资调度冲突问题,提出一种基于带精英策略的非支配排序的遗传与蚁群优化的混合智能搜索方法,即采用改进蚁群优化中的信息素全局更新策略,实现多个调度路径的同时优化。杨忠振等人提出损失和救援开支费用最小的约束条件,建立资源分配模型。许胜铭等人引入伤亡性和经济性两个主要优化目标,构建一种在多出救点、多物资和多受灾点约束条件下的多目标应急物资调拨模型,并运用加权方法确定决策效用函数,在保证物资连续消耗的条件下,求解最优物资调度方案。宋晓宇等人在资源受限情况下,以配送费用总成本最小和最大缺失损失最小为优化目标,建立连续消耗问题的多供应点对多受灾点的应急物资调度模型,提出一种带Pareto概念的双变异改进差分进化方法。田军等人考虑不同需求紧急程度差异,建立配送动态调度的多目标数学模型,采用带有群体智能的加权粒子群方法进行求解。Hongman Wang等人针对二维物资调度问题,提出运输时间最短和成本最短的多目标优化模型,对救援点进行降维处理后通过蚁群方法求解。
上述文献考虑到了多目标调度分配、应急物资资源有限性、应急救灾的优先级等组合约束条件,但是均没有考虑因洪涝灾害导致运输道路受阻、防汛物资的区域协同调度等问题,且没有考虑灾中灾后救援物资需求随时间而发生动态变化性。
发明内容:
为了弥补上述现有方法中存在的不足,本发明提供了一种基于非支配人工蜂群的防汛物资救援分配方法,该方法考虑了多种约束条件以及救援物资需求的动态变化,节约了救援物质的分配时间,平衡了各个受灾区域的物资分配,提高了防汛物资的整体分配效率,使得物资调度分配更加合理。
为了实现上述发明目的,所采用的技术方案为:
一种基于非支配人工蜂群的防汛物资救援分配方法,内容包括:
步骤1:获知所有储备仓库和所有救援点的位置,获知所有储备仓库中各类防汛物资的数量以及各个救援点所需各类防汛物资的数量,建立以防汛物资需求因子、物资满足率方差因子、传达时间因子为目标函数的防汛物资分配优化模型;
步骤2:初始化参数,设置食物源种群数量为Z,种群最大迭代次数为Q,交叉概率为C,排挤因子为P,排挤数目为Pa,当前迭代次数q=0,按照大型储备仓库优先、受灾需求优先、以及随机分配三种方式为原则对食物源种群进行初始化;
步骤3:计算每一个食物源的需求适应度值F1、物资满足率方差适应度值F2和传达时间适应度值F3,并采用高维矩阵局部搜索操作,对每一个食物源附近未知解空间进行搜索,生成新的食物源,更新种群;
步骤4:对种群中所有食物源的3类适应度值进行归一化,得到所有食物源的3类新适应度值,依据该新适应度值获得三个子代种群G1、G2、G3;
步骤5:子代种群G1,G2,G3分别执行以下操作:随机选中子代种群中U个食物源作为排挤因子,计算同类子代种群中其他食物源的一维向量与每一个排挤因子的一维向量的差值,计算该差值中所有元素的数值和,并记录到排挤集合;对排挤集合进行降序排序,选中降序后的排挤集合中末尾的Pa个值,并得到其对应的食物源,对这些食物源进行重新随机初始化,并更新种群。令z=1;
步骤6:随机从种群中抽取两个食物源,计算食物源的数值位数,循环执行交叉操作,获得新的两个食物源,并添加到新种群中;令z=z+1,如果z小于或等于Z/2,重新执行步骤6,否则将当前种群替换为新种群,跳到步骤7;
步骤7:根据适应度值对当前种群中食物源进行降序排序,选择当前种群中适应度值排在最后a%的食物源,对其进行食物源初始化;将当代最优解存入历史解集合中,更新历史最优解;
步骤8:令q=q+1,若q≤Q,则跳入步骤3,否则,输出历史最优解。
所述步骤1中防汛物资分配优化模型建立方法的具体步骤如下:
(1.1)考虑储备仓库i分配到所有救援点的防汛物资k数量不超过储备仓库i的防汛物资k的总存储量,令表示储备仓库i的防汛物资k的存储量,则令仓库物资存储量约束为:
其中,表示储备仓库i分配给救援点j的防汛物资k的数量;
(1.2)为避免浪费以及考虑到有效利用防汛物资,要求所有储备仓库分配到救援点j的防汛物资k的数量不超过救援点j对防汛物资k的需求量则令物资需求约束为:
(1.3)考虑到防汛物资需要尽可能满足救援点的需求,则令需求量优化模型为:
(1.4)考虑公平的分配防汛物资,需要尽可能使每一个救援点的物资满足率方差最小,则令物资满足率为:
其中,Ratj表示救援点j的物资满足率,令救援点的物资满足率方差模型为:
其中,NJ表示救援点j的个数;
(1.5)考虑车辆运送防汛物资的时间最短,根据GIS系统和洪灾分布情况,可确定仓库至救援点两个位置之间能避开洪灾淹没道路的最短路径,根据每一个储备仓库的防汛物资分配给各个救援点的位置信息,以每一个储备仓库位置为初始位置,采用最近邻算法计算遍历其防汛物资需要到达的所有救援点位置的移动路径,从而获得运送车辆到达各个救援点的移动路程和到达时间其中S表示车辆行驶速度;由于救灾现场中各个防汛物资的送达时间要求不一致,因此令防汛物资送达时间约束为:
其中,表示救援点j对防汛物资k的需求时间;
(1.6)对函数值进行归一化,并引入3个因子x1,x2,x3,建立防汛物资分配优化模型为:
s.t.公式(1)-(6)
其中,Jyu表示防汛物资需求归一化阈值,Ryu表示物资满足率方差归一化阈值,tyu表示传达时间归一化阈值,x1表示防汛物资需求因子,x2表示物资满足率方差因子,x3表示传达时间因子。
所述步骤2中对每一个食物源初始化的具体方法如下:
(2.1)根据事先获知的救援点位置和防汛物资需求,采用就近原则选择能满足所有救援点防汛物资的储备仓库集合Uk,令循环次数g=1;
(2.2)根据储备仓库集合中每一个储备仓库i可满足防汛物资需求的每一个救援点的数量以及每一个救援点所需的防汛物资的种类,令表示储备仓库i可满足防汛物资需求的救援点j的数量,表示救援点j所需的防汛物资的种类,初始化长度的一维向量,随机产生一个[0,1]之间的随机数;如果该随机数小于或等于0.3,则跳到步骤(2.3),如果该随机数大于0.3且不大于0.7,则跳到步骤(2.4),如果该随机数大于0.7,则跳到步骤(2.5);
(2.3)循环执行以下大型储备仓库优先的分配操作,直到完成一维向量的初始化:选择一维向量中当前元素,获知该元素代表的防汛物资种类为k,计算储备仓库集合Uk中各个储备仓库的防汛物资k的实际储备量Lr,其中下标r表示储备仓库编号(1,2,···,n),计算储备仓库的累加和为在[0,sum1(k,1)]之间随机生成一个数,如果该数存在于sum1(k,r-1)和sum1(k,r)之间,则选择储备仓库r分配防汛物资k,若该储备仓库r的防汛物资k的实际储备量Lr大于或等于救援点需求量,则一维向量中当前元素的值等于救援点的防汛物资k需求量,否则一维向量中当前元素的值等于Lr;令需对储备仓库r的防汛物资k的实际储备量Lr减去其实际已分配量;
(2.4)执行每一个防汛物资的救援点需求的分配,完成一维向量的初始化;每一个防汛物资的救援点需求的分配方法如下:
(2.4.1)设当前救援点所有防汛物资种类集合为Vd,令当前序号d=1,k=Vd,;
(2.4.2)选择防汛物资k,计算一维向量中未分配防汛物资k的救援点数量m以及每一个救援点防汛物资k的需求量Oe,计算累加和为在[0,sum2(k,1)]之间随机生成一个数,如果该数存在于sum2e-1与sum2e之间,则对救援点e分配防汛物资,从救援点防汛物资的储备仓库集合Uk随机选择一个储备仓库,获得该储备仓库防汛物资k的数量,若该储备仓库防汛物资k的物资数量大于救援点e的防汛物资k需求量,则一维向量中该储备仓库分配给救援点e的防汛物资k数量等于救援点e的防汛物资k需求量,否则一维向量中该储备仓库分配给救援点e的防汛物资k数量等于该储备仓库防汛物资k的物资数量,并将该储备仓库的防汛物资k的物资数量减去实际已分配量,标记救援点e的防汛物资k已经分配;
(2.4.3)判断需要防汛物资k的救援点是否分配完成,如果完成,跳到步骤(2.4.4),否则跳到步骤(2.4.2);
(2.4.4)判断所有防汛物资是否分配完成,如果完成,则结束,输出初始化的一维向量,否则d=d+1,跳到步骤(2.4.1);
(2.5)循环执行以下随机分配操作,直到完成一维向量的初始化:选择一维向量中当前元素,获知该元素代表的防汛物资种类为k,计算Uk中所有储备仓库的数量n和防汛物资k的实际储备量,计算一维向量中未分配防汛物资k的救援点数量m,随机生成[0,1]区间且满足 的n×m数组,其中,表示数组中的第r行第e列随机数,根据值,更新一维向量;
(2.6)z=z+1,如果z小于食物源种群数量Z,则跳到步骤(2.2),否则结束,返回Z个食物源。
所述步骤3中每一个食物源的需求适应度值F1依据公式(9)获得,物资满足率方差适应度值F2依据公式(10)获得,传达时间适应度值F3依据公式(11)获得,具体公式如下:
所述每一个食物源的高维矩阵局部搜索的具体操作如下:
(3.1)将初始食物源转化为多维实数矩阵Qijk,其中i表示储备仓库序号,j表示救援点序号,k表示防汛物资种类序号,其Qijk值表示防汛物资数量,令当前救援点序号b1=1;
(3.2)从多维实数矩阵Qijk中选择一个救援点b1,获得表示该救援点的子矩阵,令当前子矩阵列序号b2=1;
(3.3)从当前子矩阵中选择当前列b2,获得其列初始长度为n,剔除0元素和重复元素后,获得其列长度为m;对当前列中的数值进行排列组合,获得排列组合集合,从排列组合集合中选择n(m-1)个不同顺序进行排列组合,获得新列集合;
(3.4)验证新列集合中每一个列是否满足仓库物资存储量约束,如果不满足,即存在防汛物资分配量大于储备仓库实际存储量,只从储备仓库分发其实际存储量,被过多分配的物资量添加至旧列中该防汛物资所对应的储备仓库中,并更新新列集合;验证新列集合中每一个列是否满足物资需求约束,如果不满足,则存在防汛物资的实际分配数量大于该救援点的需求量,分配给救援点需求量的上限值,被过多分配的物资量依旧归属于排列组合前的旧列中该防汛物资所对应的储备仓库,并更新新列集合;让新列集合中每一个列替换当前列,获得发生列替换后的食物源集合;
(3.5)令列替换后的食物源集合为新食物源集合,令列替换前的食物源集合为旧食物源集合;通过公式(9)-(11),计算新食物源集合中每一个新食物源的需求适应度值、物资满足率方差适应度值和传达时间适应度值;比较新食物源集合中新食物源与其同一序号上的旧食物源集合中的旧食物源的适应度值,判断食物源的质量优劣;若新食物源的3种适应度值均大于旧食物源适应度值,则新食物源支配旧食物源,并更新旧食物源;反之,不改变食物源;若两者不存在支配关系,则将新食物源临时存储,获得临时食物源集合;
(3.6)合并旧食物源集合与临时食物源集合,获得一组食物源数量超过食物源种群数量的新集合;计算该新集合中每一个食物源的需求适应度值F1、物资满足率方差适应度值F2和传达时间适应度值F3,计算新集合中总适应度值F,其中F=F1+F2+F3;根据F值的大小从大到小排序,选择位于前面的Z个食物源,并更新种群。
所述步骤4中三个子代种群的划分方法如下:归一化后得到所有食物源的新的需求适应度值新的物资满足率方差适应度值和新的传达时间适应度值若最大,则将该食物源划入子代种群集合G1,若最大,则将该食物源划入子代种群集合G2,若最大,则将该食物源划入子代种群集合G3,若三类适应度值相同,则随机划入任一子代种群集合。
所述步骤6中交叉操作具体方法如下:选择食物源的第i位,随机生成[0,1]区间的随机数,若该随机数大于预先设定的交叉概率C,则不改变两个食物源中防汛物资数量,否则进行交叉操作,即互换两个食物源的第i位数值;如果互换后食物源中的防汛物资的实际分配数量大于储备仓库的实际存储量,则从储备仓库分发其实际存储量,被过多分配的物资量添加至交换前的原始储备仓库中;如果互换后食物源中的防汛物资k的实际分配数量大于该救援点的需求量,则分配给救援点需求量的上限值,被过多分配的物资量添加至交换前的原始解储备仓库中。
所述步骤7中选择适应度值重复的食物源以及经过最大进化次数Y次迭代后其适应度值均不发生变化的食物源,对其进行重新初始化;若历史解集合不为空,则比较当代最优解与历史最优解的总适应度值F大小,若当代最优解总适应度值F大于历史最优解总适应度值F,则将历史最优解替代为当代最优解,反之,不发生改变。
与现有技术相比,本发明有益效果主要表现在:考虑多储备仓库到多救援点的物资分配,考虑仓库物资存储量约束、物资需求约束和防汛物资送达时间约束,建立需求量优化模型、救援点的物资满足率方差模型,建立综合3个目标函数的防汛物资分配优化模型,提高了方法的适用性。根据防汛物资分配优化模型,采用大型储备仓库优先、受灾需求优先和随机分配三种方法初始化食物源,提供足够多样的食物源,避免局部收敛。提出了食物源的需求适应度值,物资满足率方差适应度值和传达时间适应度值,同时在雇佣蜂阶段,采用高维矩阵局部搜索方法、种群分类和排挤淘汰,降低空间复杂度,提高局部搜索算法效率和维持群体的多样性。在跟随蜂阶段,交叉操作更新食物源,扩大种群的搜索范围。在侦察蜂阶段,选择对末尾食物源、重复食物源和达到进化上限次数的食物源进行重构,从而保证整个种群的多样性,防止陷入局部最优。
总之,本发明可优化防汛物资的分配,节约救援物质的分配时间,平衡各个受灾区域的物资分配,提高防汛物资的整体分配效率,实现从传统人工决策救援到智能技术决策救援的重要转变。
以下通过附图和具体实施方式对本发明做进一步阐述。
附图说明:
图1为本发明方法的流程图;
图2为实施例中对食物源一维编码给出的一个示例图;
图3为实施例中对食物源多维编码给出的一个示例图。
具体实施方式:
本发明提供了一种基于非支配人工蜂群的防汛物资救援分配方法,方法流程参照图1,具体步骤如下:
(1)获知所有储备仓库和所有救援点的位置,获知所有储备仓库中各类防汛物资的数量以及各个救援点所需各类防汛物资的数量,考虑多储备仓库出发点至各个救援点的最短分配路径,尽可能满足各救援点以及平衡救援点所需的防汛物资,建立防汛物资分配优化模型。防汛物资分配优化模型建立方法的具体步骤如下:
(1.1)考虑储备仓库i分配到所有救援点的防汛物资k数量不超过储备仓库i的防汛物资k的总存储量,令表示储备仓库i的防汛物资k的存储量,则令仓库物资存储量约束为:
其中,表示储备仓库i分配给救援点j的防汛物资k的数量。
(1.2)为避免浪费以及考虑到有效利用防汛物资,要求所有储备仓库分配到救援点j的防汛物资k的数量不超过救援点j对防汛物资k的需求量则令物资需求约束为:
(1.3)考虑到防汛物资需要尽可能满足救援点的需求,则令需求量优化模型为:
(1.4)考虑公平的分配防汛物资,需要尽可能使每一个救援点的物资满足率方差最小,则令物资满足率为:
其中,Ratj表示救援点j的物资满足率,令救援点的物资满足率方差模型为:
其中,NJ表示救援点j的个数。
(1.5)考虑车辆运送防汛物资的时间最短,根据GIS系统和洪灾分布情况,可确定仓库至救援点两个位置之间能避开洪灾淹没道路的最短路径。根据每一个储备仓库的防汛物资分配给各个救援点的位置信息,以每一个储备仓库位置为初始位置,采用最近邻算法计算遍历其防汛物资需要到达的所有救援点位置的移动路径,从而获得运送车辆到达各个救援点的移动路程和到达时间其中S表示车辆行驶速度。由于救灾现场中各个防汛物资的送达时间要求不一致,因此令防汛物资送达时间约束为:
其中,表示救援点j对防汛物资k的需求时间。
(1.6)对函数值进行归一化,并引入3个因子x1,x2,x3,建立防汛物资分配优化模型为:
s.t.公式(1)-(6)
其中,Jyu表示防汛物资需求归一化阈值,Ryu表示物资满足率方差归一化阈值,tyu表示传达时间归一化阈值,x1表示防汛物资需求因子,x2表示物资满足率方差因子,x3表示传达时间因子。
(2)初始化参数,设置食物源种群数量为Z,种群最大迭代次数为Q,交叉概率为C,排挤因子为P,排挤数目为Pa,当前迭代次数q=0,并初始化包含储备仓库、救援点以及救援点所需防汛物资的数量等信息的食物源。每一个食物源初始化的具体步骤如下:
(2.1)根据事先获知救援点位置和防汛物资需求,采用就近原则选择能满足所有救援点防汛物资的储备仓库集合Uk。令循环次数g=1;
(2.2)根据储备仓库集合中每一个储备仓库i可满足防汛物资需求的每一个救援点的数量以及每一个救援点所需的防汛物资的种类,令表示储备仓库i可满足防汛物资需求的救援点j的数量,表示救援点j所需的防汛物资的种类。初始化长度的一维向量,随机产生一个[0,1]之间的随机数。如果该随机数小于或等于0.3,则跳到步骤(2.3),否则如果该随机数大于0.3且不大于0.7,则跳到步骤(2.4),否则如果大于0.7跳到步骤(2.5)。其中,对食物源一维编码的方式可以参照图2给出的示例,图2食物源中a1代表储备仓库1号,a2代表储备仓库2号,a3代表储备仓库3号,b1代表救援点1号,b2代表救援点2号,b3代表救援点3号,表格内的数字代表某种防汛物资的数量。
(2.3)循环执行以下大型储备仓库优先的分配操作,直到完成一维向量的初始化:选择一维向量中当前元素,获知该元素代表的防汛物资种类为k,计算储备仓库集合Uk中各个储备仓库的防汛物资k的实际储备量Lr,其中下标r表示储备仓库编号(1,2,···,n),计算储备仓库的累加和为在[0,sum1(k,1)]之间随机生成一个数。如果该数存在于sum1(k,r-1)和sum1(k,r)之间,则选择储备仓库r(对应仓库编号)分配防汛物资k,若该储备仓库r的防汛物资k的实际储备量Lr大于或等于救援点需求量,则一维向量中当前元素的值等于救援点的防汛物资k需求量,否则一维向量中当前元素的值等于Lr。令需对储备仓库r的防汛物资k的实际储备量Lr减去其实际已分配量。
(2.4)执行每一个防汛物资的救援点需求的分配,完成一维向量的初始化;每一个防汛物资的救援点需求的分配方法如下:
(2.4.1)设当前救援点所有防汛物资种类集合为Vd,令d=1,k=Vd,;
(2.4.2)选择防汛物资k,计算一维向量中未分配防汛物资k的救援点数量m以及每一个救援点防汛物资k的需求量Oe,计算累加和为在[0,sum2(k,1)]之间随机生成一个数。如果该数存在于sum2e-1与sum2e之间,则对救援点e分配防汛物资,从救援点防汛物资的储备仓库集合Uk随机选择一个储备仓库,获得该储备仓库防汛物资k的数量,若该储备仓库防汛物资k的物资数量大于救援点e的防汛物资k需求量,则一维向量中该储备仓库分配给救援点e的防汛物资k数量等于救援点e的防汛物资k需求量,否则一维向量中该储备仓库分配给救援点e的防汛物资k数量等于该储备仓库防汛物资k的物资数量,并将该储备仓库的防汛物资k的物资数量减去实际已分配量。标记救援点e的防汛物资k已经分配。
(2.4.3)判断需要防汛物资k的救援点是否分配完成。如果完成,跳到步骤(2.4.4),否则跳到步骤(2.4.2);
(2.4.4)判断所有防汛物资是否分配完成。如果完成,则结束,输出初始化的一维向量,否则d=d+1,跳到步骤(2.4.1)。
(2.5)循环执行以下随机分配操作,直到完成一维向量的初始化:选择一维向量中当前元素,获知该元素代表的防汛物资种类为k,计算Uk中所有储备仓库的数量n和防汛物资k的实际储备量,计算一维向量中未分配防汛物资k的救援点数量m,随机生成[0,1]区间且满足 的n×m数组,其中,表示数组中的第r行第e列随机数。根据值,更新一维向量。
(2.6)z=z+1。如果z小于食物源种群数量Z,则跳到步骤(2.2),否则结束,返回Z个食物源。
(3)通过公式(9)-(11),计算每一个食物源的需求适应度值F1,物资满足率方差适应度值F2和传达时间适应度值F3:
(4)采用高维矩阵局部搜索操作,对每一个食物源附近未知解空间进行搜索,生成新的食物源,更新种群。每一个食物源的高维矩阵局部搜索的具体操作如下:
(4.1)将初始食物源转化为多维实数矩阵Qijk,其中i表示储备仓库序号,j表示救援点序号,k表示防汛物资种类序号,其值表示防汛物资数量。食物源多维编码如图3示例所示,若某储备仓库无某类防汛物资,其实数矩阵值用Nan标识符代替0值,在计算时可自动跳过Nan标识,从而提高搜索效率。
令当前救援点序号b1=1;
(4.2)从多维实数矩阵Qijk中选择一个救援点b1,获得表示该救援点的子矩阵,令当前子矩阵列序号b2=1。
(4.3)从当前子矩阵中选择当前列b2,获得其列初始长度为n,剔除0元素和重复元素后,获得其列长度为m。对当前列中的数值进行排列组合,获得排列组合集合,从排列组合集合中选择n(m-1)个不同顺序进行排列组合,获得新列集合,例如:
参照图3,第四列为[7,4,7],其初始长度n为3,m为2,其新列集合数量为3,其新列集合为{[7,4,7],[4,7,7],[7,7,4]}。
(4.4)验证新列集合中每一个列是否满足仓库物资存储量约束,如果不满足,即存在防汛物资分配量大于储备仓库实际存储量,只从储备仓库分发其实际存储量,被过多分配的物资量添加至旧列中该防汛物资所对应的储备仓库中,并更新新列集合。验证新列集合中每一个列是否满足物资需求约束,如果不满足,则存在防汛物资的实际分配数量大于该救援点的需求量,分配给救援点需求量的上限值,被过多分配的物资量依旧归属于排列组合前的旧列中该防汛物资所对应的储备仓库,并更新新列集合。让新列集合中每一个列替换当前列,获得发生列替换后的食物源集合。
(4.5)令列替换后的食物源集合为新食物源集合,令列替换前的食物源集合为旧食物源集合。通过公式(9)-(11),计算新食物源集合中每一个新食物源的需求适应度值,物资满足率方差适应度值和传达时间适应度值。比较新食物源集合中新食物源与其同一序号上的旧食物源集合中的旧食物源的适应度值,判断食物源的质量优劣。若新食物源的3种适应度值均大于旧食物源适应度值,则新食物源支配旧食物源,并更新旧食物源;反之,不改变食物源。若两者不存在支配关系,则将新食物源临时存储,获得临时食物源集合。
(4.6)合并旧食物源集合与临时食物源集合,获得一组食物源数量超过食物源种群数量的新集合。计算该新集合中每一个食物源的需求适应度值F1,物资满足率方差适应度值F2和传达时间适应度值F3。计算新集合中总适应度值F,其中F=F1+F2+F3。根据F值的大小从大到小排序,选择位于前面的Z个食物源,并更新种群。
(5)对种群中所有食物源的3类适应度值进行归一化,得到所有食物源的新的需求适应度值新的物资满足率方差适应度值和新的传达时间适应度值若最大,则将该食物源划入子代种群集合G1,若最大,则将该食物源划入子代种群集合G2,若最大,则将该食物源划入子代种群集合G3,若三类适应度值相同,则随机划入任一子代种群集合。
(6)子代种群G1,G2,G3分别执行以下操作:随机选中子代种群中U个食物源作为排挤因子,计算同类子代种群中其他食物源的一维向量与每一个排挤因子的一维向量的差值,该差值即为排挤距离,计算该差值中所有元素的数值和,并记录到排挤集合。对排挤集合进行降序排序,选中降序后的排挤集合中末尾的Pa个值,并得到其对应的食物源,对这些食物源进行重新随机初始化,并更新种群。令z=1;
(7)随机从种群中抽取两个食物源,计算食物源的数值位数,循环执行以下交叉操作,直到完成食物源中每一位的交叉操作,获得新的两个食物源,并添加到新种群:选择食物源的第i位,随机生成[0,1]区间的随机数,若该随机数大于预先设定的交叉概率C,则不改变两个食物源中防汛物资数量,否则进行交叉操作,即互换两个食物源的第i位数值。如果互换后食物源中的防汛物资的实际分配数量大于储备仓库的实际存储量,则从储备仓库分发其实际存储量,被过多分配的物资量添加至交换前的原始储备仓库中。如果互换后食物源中的防汛物资k的实际分配数量大于该救援点的需求量,则分配给救援点需求量的上限值,被过多分配的物资量添加至交换前的原始解储备仓库中。
(8)z=z+1,如果z小于或等于Z/2,重新跳到步骤(7),否则将当前种群替换为新种群,跳到步骤(9)。
(9)根据适应度值对当前种群中食物源进行降序排序,选择当前种群中适应度值排在最后a%的食物源,对其进行食物源初始化。由于整个食物源种群可能会出现适应度值相同的食物源,选择适应度值重复的食物源以及经过最大进化次数Y次迭代后其适应度值均不发生变化的食物源,对其进行重新初始化,从而保证整个种群的多样性,防止陷入局部最优。将当代最优解存入历史解集合中,若历史解集合不为空,则比较当代最优解与历史最优解的总适应度值F大小,若当代最优解总适应度值F大于历史最优解总适应度值F,则将历史最优解替代为当代最优解,反之,不发生改变。
(10)令q=q+1,若q≤Q,则跳入步骤(3),否则,进入步骤(11)。
(11)输出历史最优解集。
本发明考虑多储备仓库到多救援点的物资分配,考虑仓库物资存储量约束、物资需求约束和防汛物资送达时间约束,建立需求量优化模型、救援点的物资满足率方差模型,建立综合3个目标函数的防汛物资分配优化模型,提高了方法的适用性。根据防汛物资分配优化模型,采用大型储备仓库优先、受灾需求优先和随机分配三种方法初始化食物源,提供足够多样的食物源,避免局部收敛。提出了食物源的需求适应度值,物资满足率方差适应度值和传达时间适应度值,同时在步骤(4)-(6)的雇佣蜂阶段,采用高维矩阵局部搜索方法、种群分类和排挤淘汰,降低空间复杂度,提高局部搜索算法效率和维持群体的多样性。在步骤(7)的跟随蜂阶段,交叉操作更新食物源,扩大种群的搜索范围。在步骤(9)的侦察蜂阶段,选择对末尾食物源、重复食物源和达到进化上限次数的食物源进行重构,从而保证整个种群的多样性,防止陷入局部最优。总之,本发明可优化防汛物资的分配,节约救援物质的分配时间,平衡各个受灾区域的物资分配,提高防汛物资的整体分配效率,实现从传统人工决策救援到智能技术决策救援的重要转变。
以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围中。
Claims (8)
1.一种基于非支配人工蜂群的防汛物资救援分配方法,其特征在于:内容包括:
步骤1:获知所有储备仓库和所有救援点的位置,获知所有储备仓库中各类防汛物资的数量以及各个救援点所需各类防汛物资的数量,建立以防汛物资需求因子、物资满足率方差因子、传达时间因子为目标函数的防汛物资分配优化模型;
步骤2:初始化参数,设置食物源种群数量为Z,种群最大迭代次数为Q,交叉概率为C,排挤因子为P,排挤数目为Pa,当前迭代次数q=0,按照大型储备仓库优先、受灾需求优先、以及随机分配三种方式为原则对食物源种群进行初始化;
步骤3:计算每一个食物源的需求适应度值F1、物资满足率方差适应度值F2和传达时间适应度值F3,并采用高维矩阵局部搜索操作,对每一个食物源附近未知解空间进行搜索,生成新的食物源,更新种群;
步骤4:对种群中所有食物源的3类适应度值进行归一化,得到所有食物源的3类新适应度值,依据该新适应度值获得三个子代种群G1、G2、G3;
步骤5:子代种群G1,G2,G3分别执行以下操作:随机选中子代种群中U个食物源作为排挤因子,计算同类子代种群中其他食物源的一维向量与每一个排挤因子的一维向量的差值,计算该差值中所有元素的数值和,并记录到排挤集合;对排挤集合进行降序排序,选中降序后的排挤集合中末尾的Pa个值,并得到其对应的食物源,对这些食物源进行重新随机初始化,并更新种群。令z=1;
步骤6:随机从种群中抽取两个食物源,计算食物源的数值位数,循环执行交叉操作,获得新的两个食物源,并添加到新种群中;令z=z+1,如果z小于或等于Z/2,重新执行步骤6,否则将当前种群替换为新种群,跳到步骤7;
步骤7:根据适应度值对当前种群中食物源进行降序排序,选择当前种群中适应度值排在最后a%的食物源,对其进行食物源初始化;将当代最优解存入历史解集合中,更新历史最优解;
步骤8:令q=q+1,若q≤Q,则跳入步骤3,否则,输出历史最优解。
2.根据权利要求1所述的一种基于非支配人工蜂群的防汛物资救援分配方法,其特征在于:所述步骤1中防汛物资分配优化模型建立方法的具体步骤如下:
(1.1)考虑储备仓库i分配到所有救援点的防汛物资k数量不超过储备仓库i的防汛物资k的总存储量,令表示储备仓库i的防汛物资k的存储量,则令仓库物资存储量约束为:
其中,表示储备仓库i分配给救援点j的防汛物资k的数量;
(1.2)为避免浪费以及考虑到有效利用防汛物资,要求所有储备仓库分配到救援点j的防汛物资k的数量不超过救援点j对防汛物资k的需求量则令物资需求约束为:
(1.3)考虑到防汛物资需要尽可能满足救援点的需求,则令需求量优化模型为:
(1.4)考虑公平的分配防汛物资,需要尽可能使每一个救援点的物资满足率方差最小,则令物资满足率为:
其中,Ratj表示救援点j的物资满足率,令救援点的物资满足率方差模型为:
其中,NJ表示救援点j的个数;
(1.5)考虑车辆运送防汛物资的时间最短,根据GIS系统和洪灾分布情况,可确定仓库至救援点两个位置之间能避开洪灾淹没道路的最短路径,根据每一个储备仓库的防汛物资分配给各个救援点的位置信息,以每一个储备仓库位置为初始位置,采用最近邻算法计算遍历其防汛物资需要到达的所有救援点位置的移动路径,从而获得运送车辆到达各个救援点的移动路程和到达时间 其中S表示车辆行驶速度;由于救灾现场中各个防汛物资的送达时间要求不一致,因此令防汛物资送达时间约束为:
其中,表示救援点j对防汛物资k的需求时间;
(1.6)对函数值进行归一化,并引入3个因子x1,x2,x3,建立防汛物资分配优化模型为:
s.t.公式(1)-(6)
其中,Jyu表示防汛物资需求归一化阈值,Ryu表示物资满足率方差归一化阈值,tyu表示传达时间归一化阈值,x1表示防汛物资需求因子,x2表示物资满足率方差因子,x3表示传达时间因子。
3.根据权利要求1或2所述的一种基于非支配人工蜂群的防汛物资救援分配方法,其特征在于:所述步骤2中对每一个食物源初始化的具体方法如下:
(2.1)根据事先获知的救援点位置和防汛物资需求,采用就近原则选择能满足所有救援点防汛物资的储备仓库集合Uk,令循环次数g=1;
(2.2)根据储备仓库集合中每一个储备仓库i可满足防汛物资需求的每一个救援点的数量以及每一个救援点所需的防汛物资的种类,令表示储备仓库i可满足防汛物资需求的救援点j的数量,表示救援点j所需的防汛物资的种类,初始化长度的一维向量,随机产生一个[0,1]之间的随机数;如果该随机数小于或等于0.3,则跳到步骤(2.3),如果该随机数大于0.3且不大于0.7,则跳到步骤(2.4),如果该随机数大于0.7跳到步骤(2.5);
(2.3)循环执行以下大型储备仓库优先的分配操作,直到完成一维向量的初始化:选择一维向量中当前元素,获知该元素代表的防汛物资种类为k,计算储备仓库集合Uk中各个储备仓库的防汛物资k的实际储备量Lr,其中下标r表示储备仓库编号(1,2,···,n),计算储备仓库的累加和为在[0,sum1(k,1)]之间随机生成一个数,如果该数存在于sum1(k,r-1)和sum1(k,r)之间,则选择储备仓库r分配防汛物资k,若该储备仓库r的防汛物资k的实际储备量Lr大于或等于救援点需求量,则一维向量中当前元素的值等于救援点的防汛物资k需求量,否则一维向量中当前元素的值等于Lr;令需对储备仓库r的防汛物资k的实际储备量Lr减去其实际已分配量;
(2.4)执行每一个防汛物资的救援点需求的分配,完成一维向量的初始化;每一个防汛物资的救援点需求的分配方法如下:
(2.4.1)设当前救援点所有防汛物资种类集合为Vd,令d=1,k=Vd;
(2.4.2)选择防汛物资k,计算一维向量中未分配防汛物资k的救援点数量m以及每一个救援点防汛物资k的需求量Oe,计算累加和为在[0,sum2(k,1)]之间随机生成一个数,如果该数存在于sum2e-1与sum2e之间,则对救援点e分配防汛物资,从救援点防汛物资的储备仓库集合Uk随机选择一个储备仓库,获得该储备仓库防汛物资k的数量,若该储备仓库防汛物资k的物资数量大于救援点e的防汛物资k需求量,则一维向量中该储备仓库分配给救援点e的防汛物资k数量等于救援点e的防汛物资k需求量,否则一维向量中该储备仓库分配给救援点e的防汛物资k数量等于该储备仓库防汛物资k的物资数量,并将该储备仓库的防汛物资k的物资数量减去实际已分配量,标记救援点e的防汛物资k已经分配;
(2.4.3)判断需要防汛物资k的救援点是否分配完成,如果完成,跳到步骤(2.4.4),否则跳到步骤(2.4.2);
(2.4.4)判断所有防汛物资是否分配完成,如果完成,则结束,输出初始化的一维向量,否则d=d+1,跳到步骤(2.4.1);
(2.5)循环执行以下随机分配操作,直到完成一维向量的初始化:选择一维向量中当前元素,获知该元素代表的防汛物资种类为k,计算Uk中所有储备仓库的数量n和防汛物资k的实际储备量,计算一维向量中未分配防汛物资k的救援点数量m,随机生成[0,1]区间且满足的n×m数组,其中,表示数组中的第r行第e列随机数,根据值,更新一维向量;
(2.6)z=z+1,如果z小于食物源种群数量Z,则跳到步骤(2.2),否则结束,返回Z个食物源。
4.根据权利要求2所述的一种基于非支配人工蜂群的防汛物资救援分配方法,其特征在于:所述步骤3中每一个食物源的需求适应度值F1依据公式(9)获得,物资满足率方差适应度值F2依据公式(10)获得,传达时间适应度值F3依据公式(11)获得,具体公式如下:
5.根据权利要求4所述的一种基于非支配人工蜂群的防汛物资救援分配方法,其特征在于:所述每一个食物源的高维矩阵局部搜索的具体操作如下:
(3.1)将初始食物源转化为多维实数矩阵Qijk,其中i表示储备仓库序号,j表示救援点序号,k表示防汛物资种类序号,其Qijk值表示防汛物资数量,令当前救援点序号b1=1;
(3.2)从多维实数矩阵Qijk中选择一个救援点b1,获得表示该救援点的子矩阵,令当前子矩阵列序号b2=1;
(3.3)从当前子矩阵中选择当前列b2,获得其列初始长度为n,剔除0元素和重复元素后,获得其列长度为m;对当前列中的数值进行排列组合,获得排列组合集合,从排列组合集合中选择n(m-1)个不同顺序进行排列组合,获得新列集合;
(3.4)验证新列集合中每一个列是否满足仓库物资存储量约束,如果不满足,即存在防汛物资分配量大于储备仓库实际存储量,只从储备仓库分发其实际存储量,被过多分配的物资量添加至旧列中该防汛物资所对应的储备仓库中,并更新新列集合;验证新列集合中每一个列是否满足物资需求约束,如果不满足,则存在防汛物资的实际分配数量大于该救援点的需求量,分配给救援点需求量的上限值,被过多分配的物资量依旧归属于排列组合前的旧列中该防汛物资所对应的储备仓库,并更新新列集合;让新列集合中每一个列替换当前列,获得发生列替换后的食物源集合;
(3.5)令列替换后的食物源集合为新食物源集合,令列替换前的食物源集合为旧食物源集合;通过公式(9)-(11),计算新食物源集合中每一个新食物源的需求适应度值、物资满足率方差适应度值和传达时间适应度值;比较新食物源集合中新食物源与其同一序号上的旧食物源集合中的旧食物源的适应度值,判断食物源的质量优劣;若新食物源的3种适应度值均大于旧食物源适应度值,则新食物源支配旧食物源,并更新旧食物源;反之,不改变食物源;若两者不存在支配关系,则将新食物源临时存储,获得临时食物源集合;
(3.6)合并旧食物源集合与临时食物源集合,获得一组食物源数量超过食物源种群数量的新集合;计算该新集合中每一个食物源的需求适应度值F1、物资满足率方差适应度值F2和传达时间适应度值F3,计算新集合中总适应度值F,其中F=F1+F2+F3;根据F值的大小从大到小排序,选择位于前面的Z个食物源,并更新种群。
6.根据权利要求1或4所述的一种基于非支配人工蜂群的防汛物资救援分配方法,其特征在于:所述步骤4中三个子代种群的划分方法如下:归一化后得到所有食物源的新的需求适应度值新的物资满足率方差适应度值和新的传达时间适应度值若最大,则将该食物源划入子代种群集合G1,若最大,则将该食物源划入子代种群集合G2,若最大,则将该食物源划入子代种群集合G3,若三类适应度值相同,则随机划入任一子代种群集合。
7.根据权利要求1所述的一种基于非支配人工蜂群的防汛物资救援分配方法,其特征在于:所述步骤6中交叉操作具体方法如下:选择食物源的第i位,随机生成[0,1]区间的随机数,若该随机数大于预先设定的交叉概率C,则不改变两个食物源中防汛物资数量,否则进行交叉操作,即互换两个食物源的第i位数值;如果互换后食物源中的防汛物资的实际分配数量大于储备仓库的实际存储量,则从储备仓库分发其实际存储量,被过多分配的物资量添加至交换前的原始储备仓库中;如果互换后食物源中的防汛物资k的实际分配数量大于该救援点的需求量,则分配给救援点需求量的上限值,被过多分配的物资量添加至交换前的原始解储备仓库中。
8.根据权利要求5所述的一种基于非支配人工蜂群的防汛物资救援分配方法,其特征在于:所述步骤7中选择适应度值重复的食物源以及经过最大进化次数Y次迭代后其适应度值均不发生变化的食物源,对其进行重新初始化;若历史解集合不为空,则比较当代最优解与历史最优解的总适应度值F大小,若当代最优解总适应度值F大于历史最优解总适应度值F,则将历史最优解替代为当代最优解,反之,不发生改变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889880.5A CN110598946B (zh) | 2019-09-20 | 2019-09-20 | 一种基于非支配人工蜂群的防汛物资救援分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889880.5A CN110598946B (zh) | 2019-09-20 | 2019-09-20 | 一种基于非支配人工蜂群的防汛物资救援分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110598946A true CN110598946A (zh) | 2019-12-20 |
CN110598946B CN110598946B (zh) | 2022-05-03 |
Family
ID=68861471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910889880.5A Active CN110598946B (zh) | 2019-09-20 | 2019-09-20 | 一种基于非支配人工蜂群的防汛物资救援分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598946B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538787A (zh) * | 2020-04-27 | 2020-08-14 | 中国银行股份有限公司 | 一种基于区块链的捐赠物资处理方法、装置及系统 |
CN113469441A (zh) * | 2021-07-02 | 2021-10-01 | 浙江树人学院(浙江树人大学) | 一种基于组合深度学习的防汛物资需求预测方法 |
TWI769928B (zh) * | 2021-09-24 | 2022-07-01 | 國立陽明交通大學 | 餐飲線上配送系統之系統可靠度評估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184640A (zh) * | 2011-05-05 | 2011-09-14 | 东南大学 | 高速公路网的救援路径自动决策方法 |
US20130160018A1 (en) * | 2011-12-20 | 2013-06-20 | Xerox Corporation | Method and system for the dynamic allocation of resources based on a multi-phase negotiation mechanism |
CN104504439A (zh) * | 2014-11-26 | 2015-04-08 | 沈阳建筑大学 | 基于改进人工蜂群算法的约束多目标优化方法 |
CN109272137A (zh) * | 2018-07-13 | 2019-01-25 | 兰州交通大学 | 一种基于交叉全局人工蜂群算法的资源调度优化方法 |
CN109948918A (zh) * | 2019-03-08 | 2019-06-28 | 北京交通大学 | 属地应急众储物资的综合分配方法 |
CN110197303A (zh) * | 2019-05-30 | 2019-09-03 | 浙江树人学院(浙江树人大学) | 一种适应火灾动态变化的消防员救援调度方法 |
-
2019
- 2019-09-20 CN CN201910889880.5A patent/CN110598946B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184640A (zh) * | 2011-05-05 | 2011-09-14 | 东南大学 | 高速公路网的救援路径自动决策方法 |
US20130160018A1 (en) * | 2011-12-20 | 2013-06-20 | Xerox Corporation | Method and system for the dynamic allocation of resources based on a multi-phase negotiation mechanism |
CN104504439A (zh) * | 2014-11-26 | 2015-04-08 | 沈阳建筑大学 | 基于改进人工蜂群算法的约束多目标优化方法 |
CN109272137A (zh) * | 2018-07-13 | 2019-01-25 | 兰州交通大学 | 一种基于交叉全局人工蜂群算法的资源调度优化方法 |
CN109948918A (zh) * | 2019-03-08 | 2019-06-28 | 北京交通大学 | 属地应急众储物资的综合分配方法 |
CN110197303A (zh) * | 2019-05-30 | 2019-09-03 | 浙江树人学院(浙江树人大学) | 一种适应火灾动态变化的消防员救援调度方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538787A (zh) * | 2020-04-27 | 2020-08-14 | 中国银行股份有限公司 | 一种基于区块链的捐赠物资处理方法、装置及系统 |
CN113469441A (zh) * | 2021-07-02 | 2021-10-01 | 浙江树人学院(浙江树人大学) | 一种基于组合深度学习的防汛物资需求预测方法 |
CN113469441B (zh) * | 2021-07-02 | 2023-12-08 | 浙江树人学院(浙江树人大学) | 一种基于组合深度学习的防汛物资需求预测方法 |
TWI769928B (zh) * | 2021-09-24 | 2022-07-01 | 國立陽明交通大學 | 餐飲線上配送系統之系統可靠度評估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110598946B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598946B (zh) | 一种基于非支配人工蜂群的防汛物资救援分配方法 | |
CN105787595B (zh) | 一种基于改进蚁群算法的应急物流中转站选址方法 | |
CN108764777B (zh) | 带时间窗的电动物流车调度方法和系统 | |
CN105243458B (zh) | 一种基于多目标混合蛙跳差分算法的水库调度方法 | |
CN105809279B (zh) | 一种基于多目标量子混合蛙跳算法的水资源优化调度方法 | |
CN107220731A (zh) | 一种物流配送路径规划方法 | |
CN106779153A (zh) | 一种智能立体仓库货位分配优化方法 | |
CN103246941B (zh) | 一种出口集装箱码头堆存空间调度方法 | |
Peng et al. | Deep reinforcement learning approach for capacitated supply chain optimization under demand uncertainty | |
CN106816931A (zh) | 电动汽车换电站有序充电控制方法 | |
CN107730056B (zh) | 一种基于改进nsga-ii算法的应急物资模块化调度方法 | |
CN101271543A (zh) | 一种应用了基于精英解池的遗传算法的生产排程系统和方法 | |
CN110163544A (zh) | 一种基于优化的遗传算法进行货物配送的方法 | |
CN105096011A (zh) | 一种基于改进型染色体编码的物流运输调度方法 | |
CN107067190A (zh) | 基于深度强化学习的微电网电能交易方法 | |
CN102262702B (zh) | 一种中小跨径混凝土桥梁养护的决策方法 | |
CN109214756A (zh) | 基于蚁群算法和分层优化的整车物流调度方法及装置、存储介质、终端 | |
CN104063778A (zh) | 一种在立体货仓中为货物分配货位的方法 | |
Xu et al. | Functional objectives decisionmaking of discrete manufacturing system based on integrated ant colony optimization and particle swarm optimization approach | |
CN109345091A (zh) | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
Hu et al. | A storage allocation algorithm for outbound containers based on the outer–inner cellular automaton | |
CN108039731A (zh) | 一种基于解空间分析且含风电的多目标三阶段调度方法 | |
CN116207739B (zh) | 配电网优化调度方法、装置、计算机设备和存储介质 | |
CN112036623B (zh) | 一种横向物流联盟的利益协调方法 | |
Sayyah et al. | Solving the vehicle routing problem with simultaneous pickup and delivery by an effective ant colony optimization |
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 |