CN111967693A - 一种基于干扰管理的搜救资源方案调整方法及相关设备 - Google Patents

一种基于干扰管理的搜救资源方案调整方法及相关设备 Download PDF

Info

Publication number
CN111967693A
CN111967693A CN202010930935.5A CN202010930935A CN111967693A CN 111967693 A CN111967693 A CN 111967693A CN 202010930935 A CN202010930935 A CN 202010930935A CN 111967693 A CN111967693 A CN 111967693A
Authority
CN
China
Prior art keywords
search
rescue
scheme
initial
disturbance
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
Application number
CN202010930935.5A
Other languages
English (en)
Other versions
CN111967693B (zh
Inventor
杨克巍
郭玙
高盈盈
朱国海
姜江
杨清清
熊伟涛
王翔汉
杨志伟
李明浩
李际超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010930935.5A priority Critical patent/CN111967693B/zh
Publication of CN111967693A publication Critical patent/CN111967693A/zh
Application granted granted Critical
Publication of CN111967693B publication Critical patent/CN111967693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书一个或多个实施例提供的一种基于干扰管理的搜救资源方案调整方法及相关设备，包括：获取初始搜救方案，实时获取干扰因素，判断干扰因素是否影响初始搜救方案；若是，则根据干扰因素生成调整搜救资源集，基于初始搜救方案生成评价调整搜救集的扰动度量模型；基于多目标决策分析算法，根据扰动度量模型确定调整搜救资源集中的最优集合，根据最优集合，生成并输出最优解方案。本说明书一个或多个实施例基于出现干扰因素之后，确定出扰动度量模型，再根据多目标决策分析算法进行求解，以此来分析求解给出较为合理的调整搜救资源方案以辅助决策者做出科学决策，从而可以高效的完成对于搜救资源的重新分配，节约了搜救时间、提高了搜救效率。

Description

一种基于干扰管理的搜救资源方案调整方法及相关设备
技术领域
本说明书一个或多个实施例涉及海上搜救技术领域，尤其涉及一种基于干扰管理的搜救资源方案调整方法及相关设备。
背景技术
随着现代社会的发展，水上航运事业越来越发达，而关于海上搜救应急处置的研究一直是应急管理领域的热门研究问题，并且随着我国海上搜救体系的不断完善和海上搜救资源的不断发展，使得可以参与海上搜救行动的搜救力量越来越多。
当意外发生时，搜救机构会根据当前情况制定一个搜救方案，但由于海上的气候、海况、海洋生物、风速风向等自然因素会随时发生变化，从而对搜救造成重大影响。而当前技术，在搜救区域海况发生变化时，一般都是通过人工对搜救方案进行调整，这大大影响了搜救的时间及效率，使受困人员或物资面临更多的风险，从而可能造成更严重的损失及影响。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于干扰管理的搜救资源方案调整方法及相关设备。
基于上述目的，本说明书一个或多个实施例提供了一种基于干扰管理的搜救资源方案调整方法，包括：
获取初始搜救方案，实时获取干扰因素，判断所述干扰因素是否影响所述初始搜救方案；
若是，则根据所述干扰因素生成调整搜救资源集，并基于所述初始搜救方案生成对所述调整搜救集进行评价的扰动度量模型；
基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，根据所述最优集合生成最优解方案，输出所述最优解方案。
在一些实施方式中，所述干扰因素，包括：当前海况等级信息和/或搜救资源意愿信息；
所述判断所述干扰因素是否影响所述初始搜救方案，包括：
判断所述当前海况等级信息是否高于所述初始搜救方案对应的初始海况等级信息；
若是，则判定所述干扰因素影响了所述初始搜救方案；
和/或
根据所述搜救资源意愿信息确定对应的待调整搜救资源；
判断所述待调整搜救资源是否为所述初始搜救方案中包含的初始搜救资源；
若是，则判定所述干扰因素影响了所述初始搜救方案。
在一些实施方式中，所述根据所述干扰因素生成调整搜救资源集，包括：
根据所述干扰因素，确定当前能够搜救的备选搜救资源，整合所有所述备选搜救资源生成所述调整搜救资源集。
在一些实施方式中，所述扰动度量模型，包括：时间扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
分别建立调整后搜救方案及所述初始搜救方案的搜救总时间计算模型，根据两者的所述搜救总时间计算模型确定所述时间扰动度量模型；
所述搜救总时间计算模型，具体为：
Figure BDA0002670210760000021
其中，T为搜救总时间，S为待搜寻海域面积，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，
Figure BDA0002670210760000022
及
Figure BDA0002670210760000023
分别为第i艘搜救船舶及第j架搜救飞机距离事故点的距离，
Figure BDA0002670210760000024
及
Figure BDA0002670210760000025
分别为第i艘搜救船舶及第j架搜救飞机的航线间距，
Figure BDA0002670210760000026
及
Figure BDA0002670210760000027
分别为第i艘搜救船舶及第j架搜救飞机的最大航行速度，xi及yj分别为搜救船舶选择位及搜救飞机选择位，
Figure BDA0002670210760000028
为第j架搜救飞机的最大续航时间；
所述时间扰动度量模型，具体为：
ΔQ＝Q(Te)-Q(Ts)
其中，ΔQ为时间扰动度量，Te及Ts分别为调整后搜救方案及初始搜救方案的搜救总时间。
在一些实施方式中，所述扰动度量模型，包括：偏离度扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
根据所述初始搜救方案及所述干扰因素，确定减少的搜救资源集合及增加的搜救资源集合，根据所述减少的搜救资源集合及所述增加的搜救资源集合确定所述偏离度扰动度量模型；
所述偏离度扰动度量模型，具体为：
DE＝ch+|L+|+ch-|L-|
其中，DE为偏离度扰动度量，ch+及ch-分别为增加及减少一个搜救资源的偏离度，|L+|及|L-|分别为增加的搜救资源集合L+及减少的搜救资源集合L-中元素的个数。
在一些实施方式中，所述扰动度量模型，包括：成本扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
确定所有能够组成搜救方案的搜救资源的搜救成本，基于所述搜救成本生成所述成本扰动度量模型；
所述成本扰动度量模型，具体为：
Figure BDA0002670210760000031
其中，ΔC为成本扰动度量，Ce及Cs分别为调整后搜救方案及初始搜救方案的搜救成本，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，ci及cj分别为第i艘搜救船舶及第j架搜救飞机的搜救成本，
Figure BDA0002670210760000032
及
Figure BDA0002670210760000033
分别为调整后搜救方案中搜救船舶选择位及搜救飞机选择位，
Figure BDA0002670210760000034
及
Figure BDA0002670210760000035
分别为初始搜救方案中搜救船舶选择位及搜救飞机选择位。
在一些实施方式中，所述基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，包括：
基于多目标进化算法中的NSGA-II算法，将所述扰动度量模型作为所述TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution，优劣解距离法)算法中的目标函数进行求解，确定所述调整搜救资源集中的解集合，基于决策分析算法中的TOPSIS算法，确定相对贴近程度最大的所述解集合为所述最优集合。
基于同一构思，本说明书一个或多个实施例还提供了一种基于干扰管理的搜救资源方案调整设备，包括：
判断模块，获取初始搜救方案，实时获取干扰因素，判断所述干扰因素是否影响所述初始搜救方案；
生成模块，若是，则根据所述干扰因素生成调整搜救资源集，并基于所述初始搜救方案生成对所述调整搜救集进行评价的扰动度量模型；
输出模块，基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，根据所述最优集合生成最优解方案，输出所述最优解方案。
基于同一构思，本说明书一个或多个实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任一项所述的方法。
基于同一构思，本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一项所述的方法。
从上面所述可以看出，本说明书一个或多个实施例提供的一种基于干扰管理的搜救资源方案调整方法及相关设备，包括：获取初始搜救方案，实时获取干扰因素，判断干扰因素是否影响初始搜救方案；若是，则根据干扰因素生成调整搜救资源集，基于初始搜救方案生成评价调整搜救集的扰动度量模型；基于多目标决策分析算法，根据扰动度量模型确定调整搜救资源集中的最优集合，根据最优集合，生成并输出最优解方案。本说明书一个或多个实施例基于出现干扰因素之后，确定出扰动度量模型，再根据多目标决策分析算法进行求解，以此来分析求解给出较为合理的调整搜救资源方案以辅助决策者做出科学决策，从而可以高效的完成对于搜救资源的重新分配，节约了搜救时间、提高了搜救效率。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提出的一种基于干扰管理的搜救资源方案调整方法的流程示意图；
图2为本说明书一个或多个实施例提出的一种基于干扰管理的搜救资源方案调整设备的结构示意图；
图3为本说明书一个或多个实施例提出的电子设备结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本说明书进一步详细说明。
需要说明的是，除非另外定义，本说明书实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件、物件或者方法步骤涵盖出现在该词后面列举的元件、物件或者方法步骤及其等同，而不排除其他元件、物件或者方法步骤。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如背景技术部分所述，在海上搜救体系不断完善、海上搜救资源不断发展的前景下，海上搜救指挥中心会根据海上搜救事故本身的情况、海洋气象环境以及各搜寻救助机构所拥有的搜救资源等初始信息制定初始的海上搜救资源方案并加以执行，用以指挥海上搜救行动。但是在海上搜救应急处置的过程中，次生灾害、海洋气象环境的变化以及可用搜救资源的变化会对初始海上搜救资源方案的可靠性提出考验。以海洋气象环境的变化为例，假设在制定初始的海上搜救资源方案时，当时的海况等级为4级海况，但是在初始搜救方案执行的过程中出现海洋气象环境恶化的情况，海况等级由4级海况恶化成6级海况，在此情况下，初始海上搜救资源方案中的一些海上搜救资源因为最大可作业海况等级低于6级海况导致无法参与搜救行动，进而导致初始搜救资源方案无法顺利完成指定的搜救任务，因此在这种情况出现之后需要对初始搜救资源方案进行调整，即将不能参与搜救行动的搜救资源替换成可以参与搜救行动的搜救资源并且使得新方案对初始搜救资源方案造成的扰动最小。
结合上述实际情况，本说明书一个或多个实施例提出了一种基于干扰管理的搜救资源方案调整方案，基于出现干扰因素之后，确定出扰动度量模型，再根据多目标决策分析算法进行求解，以此来分析求解给出较为合理的调整搜救资源方案以辅助决策者做出科学决策，从而可以高效的完成对于搜救资源的重新分配，节约了搜救时间、提高了搜救效率。
参考图1所示，为本说明书一个实施例的一种基于干扰管理的搜救资源方案调整方法的流程示意图，具体包括以下步骤：
步骤101，获取初始搜救方案，实时获取干扰因素，判断所述干扰因素是否影响所述初始搜救方案。
本步骤旨在，根据确定出的干扰因素，判断干扰因素是否影响到了初始制定的搜救方案。其中，初始搜救方案是针对当前的海上搜救任务已经制定好的搜救方案，其可以是人工制定的也可以是通过计算生成的搜救方案，搜救方案具体为在集合了所有出事地点附近的全部搜救资源后(可用于搜救的船舶及飞行器等)在其中确定出最适合执行本次搜救任务的搜救资源，生成的搜救方案。干扰因素为能实质影响到搜救资源的或能直接影响到搜救方案执行的因素，通过这些因素判断其是否影响初始搜救方案，例如：海况的恶化，导致搜索范围的扩大，造成搜救方案不能在特定时间内完成；或是由于每个搜救资源其都对应一个能承受的最大海况等级，随着海况的恶化，部分本来可以执行搜救方案的搜救资源就无法前往出事海域，从而根本上影响了搜救方案；或是由于搜救资源中可能会涉及在出事地点附近的个人或商业船舶，与专业的搜救资源相比，请求这样的船舶进行搜救本身并不是强制性的，进而在这些搜救资源改变了搜救意愿的情况下(这里只针对在搜救方案中涉及的个人或商业搜救资源)，同样会影响搜救方案的执行等等。
之后，判断干扰因素是否影响到了初始搜救方案。在一个具体实施方式中，将实时的海况等级作为干扰因素，而每个搜救资源必定会对应一个最大允许作业海况，海况等级过高会对搜救资源自身造成危险。因此，当海况等级高于最大允许作业海况时，搜救资源必须返航保护自身。以此可以确定出初始搜救方案中全部涉及的搜救资源对应的最大允许作业海况，当当前海况等级变化到超出其中一个的最大允许作业海况时(一般为搜救方案中最大允许作业海况最低的搜救资源)，就需要对搜救方案进行调整，让不适合的搜救资源返航，需要在方案中替换进适应当前海况的搜救资源。在另一个具体实施方式中，将每个搜救资源的搜救意愿信息作为干扰因素，首先搜救方案中的搜救资源在赶往出事地点的过程中并不一定是绝对安全的，其本身可能会遇到因为自身或外界因素造成损坏等情况，从而无法完成搜救任务，造成自身搜救意愿的改变；其次，由于海上事故通常会征召出事海域附近的个人或商业船舶前去进行救援，而这些船舶前去救援并非强制性的，其可能在去往救援的途中，因为自身的意愿等因素造成其无法或不想去进行救援，从而造成这个搜救资源的搜救意愿的改变等等，从而需要在初始搜救方案中去除搜救意愿改变了的搜救资源，需要替换进去其他可以进行搜救的搜救资源。
步骤102，若是，则根据所述干扰因素生成调整搜救资源集，并基于所述初始搜救方案生成对所述调整搜救集进行评价的扰动度量模型。
本步骤旨在，在确定干扰因素会对初始搜救方案造成影响的情况下，生成调整搜救资源集，再生成评价用的扰动度量模型。其中，根据前一步骤可知，干扰因素主要影响的是搜救方案中的搜救资源，进而本步骤中调整搜救资源集中的也是搜救资源，其为当前情况下还能够进行搜救任务的全部搜救资源，将这些搜救资源整合起来，生成搜救资源的总集合。
干扰因素的发生影响了初始的搜救方案的实施，需要合理地对初始的搜救方案进行调整以适应扰动的发生，此时需要对干扰因素所造成的影响程度加以量化分析，对不同干扰事件所造成的扰动影响程度进行度量，即扰动度量，其中扰动度量是构建搜救方案干扰管理模型的重要步骤，直接影响到新生成的调整搜救方案的优劣。扰动度量的标准是综合考虑各方面的因素，衡量新的调整搜救方案与初始搜救方案之间的偏差，尽量使得两个搜救方案之间的偏差最小。关于扰动度量的标准可以是一个或多个，具体需要根据实际情况进行设定，在海上搜救应急处置过程中，当发生干扰因素并对搜救方案产生扰动之后，主要会对系统中的三个主体产生影响，分别是：等待救援的失事人员、执行搜救任务的搜救人员以及搜救应急指挥部。扰动度量就是将干扰事件对这三个主体的影响程度进行量化。对于失事人员，其最关键的因素为搜救时间，其直接影响到失事人员的存活及搜救任务的成功与否；对于搜救人员，其最关键的因素为两方案之间的偏离度，其会影响并改变搜救人员负责的搜救范围、负责区域等；对于应急指挥部，其最关键的因素为两方案之间涉及到的搜救资源成本问题，其涉及行动的资金、有限的人员与资源力量的重新分配等。进而本领域技术人员可以根据具体的应用场景对其中的1个、2个或3个扰动度量或是其他的扰动度量建立扰动度量模型。
在具体应用场景中，对于时间扰动度量，分别建立调整后搜救方案及所述初始搜救方案的搜救总时间计算模型，根据两者的所述搜救总时间计算模型确定所述时间扰动度量模型。其中，调整后搜救方案为根据本方案最终生成的对初始搜救方案调整完的搜救方案，在这里还并未求解出来，而只是作为一个变量进行扰动度量模型的构建。
其中搜救总时间计算模型，具体为：
Figure BDA0002670210760000081
其中，T为搜救总时间，S为待搜寻海域面积，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，
Figure BDA0002670210760000082
及
Figure BDA0002670210760000083
分别为第i艘搜救船舶及第j架搜救飞机距离事故点的距离，
Figure BDA0002670210760000084
及
Figure BDA0002670210760000085
分别为第i艘搜救船舶及第j架搜救飞机的航线间距，
Figure BDA0002670210760000086
及
Figure BDA0002670210760000087
分别为第i艘搜救船舶及第j架搜救飞机的最大航行速度，xi及yj分别为搜救船舶选择位及搜救飞机选择位，
Figure BDA0002670210760000088
为第j架搜救飞机的最大续航时间；
所述时间扰动度量模型，具体为：
ΔQ＝Q(Te)-Q(Ts)
其中，ΔQ为时间扰动度量，Te及Ts分别为调整后搜救方案及初始搜救方案的搜救总时间。Q实质为失事人员的不满意度的量化结果随时间的变化计算公式，Q的计算方式为现有技术，其结果为在[0，1]区间中的值并与搜救时间正相关，在本具体实施例中通过不满意度的差值来反应时间扰动度量。
对于偏离度扰动度量，由于偏离度与方案中搜救资源的改变量有直接关系的，进而需要确定出调整后的搜救方案比原方案增加了哪些搜救资源及去除了哪些搜救资源。针对这些搜救资源的变动建立偏离度扰动度量的模型，具体为：
DE＝ch+|L+|+ch-|L-|
其中DE为偏离度扰动度量，ch+及ch-分别为增加及减少一个搜救资源的偏离度，|L+|及|L-|分别为增加的搜救资源集合L+及减少的搜救资源集合L-中元素的个数。其中ch+及ch-的具体计算方式为现有技术。
对于成本扰动度量，每种搜救资源集基于其中的搜救资源都能确定出大概需要的成本量，进而可以基于搜救成本生成成本扰动度量模型，具体为：
Figure BDA0002670210760000091
其中，ΔC为成本扰动度量，Ce及Cs分别为调整后搜救方案及初始搜救方案的搜救成本，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，ci及cj分别为第i艘搜救船舶及第j架搜救飞机的搜救成本，
Figure BDA0002670210760000092
及
Figure BDA0002670210760000093
分别为调整后搜救方案中搜救船舶选择位及搜救飞机选择位，
Figure BDA0002670210760000094
及
Figure BDA0002670210760000095
分别为初始搜救方案中搜救船舶选择位及搜救飞机选择位。其中ci及cj的具体计算方式为现有技术。
步骤103，基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，根据所述最优集合生成最优解方案，输出所述最优解方案。
本步骤旨在，利用多目标决策分析算法基于扰动度量确定最优集合，根据所述最优集合生成并输出最优解方案。其中，多目标决策是具有两个以上的决策目标，并且需用多种标准来评价和优选方案的决策。多目标决策是对多个相互矛盾的目标进行科学、合理的选优，然后作出决策的理论和方法。多目标决策分析算法主要包括：多目标进化算法、决策分析算法等，其中，决策分析算法包括：化多为少法、分层序列法、直接求非劣解法、目标规划法、多属性效用法、层次分析法、重排序法、TOPSIS法等等。以扰动度量模型分作为决策目标，确定出解集合中的最优解集。
由于复杂的海上搜救体系背景下，搜救资源方案的解空间会随着决策变量的增多而呈现指数级增长，则该问题是典型的NP-hard问题，使用传统整数规划的求解算法无法在有限的时间内求得可行解，因此本问题适用于智能优化算法在一定的时间内求得满意解。同时，本问题又是一个典型的多目标优化问题，由于各个目标之间相互制约，不可能存在一个使得所有目标都能达到最优的解，因此，对于多目标优化问题，其解集通常是一个非劣解的集合，即Pareto解(帕累托解)。在此，可以基于多目标进化算法进行Pareto解的求取，其中具有代表性算法的包括SPEA，SPEA2，PAES，NSGA-II，MOEA/D等算法。通过这些算法，将搜救资源划分成可以满足特定约束条件的解集合，其中，约束条件可以为
Figure BDA0002670210760000101
其中
Figure BDA0002670210760000102
及
Figure BDA0002670210760000103
分别为第i艘搜救船舶及第j架搜救飞机的允许(能承受)的最大海况等级，B为当前海况等级；可以为
Figure BDA0002670210760000104
其中
Figure BDA0002670210760000105
为第i艘搜救船舶赶往搜寻区域所用的时间，
Figure BDA0002670210760000106
为第j架搜救飞机往返搜寻区域所用的时间，
Figure BDA0002670210760000107
为第j架搜救飞机的最大续航时间，T为搜救总时间等等。约束条件可以根据实际需要自由设置。
之后，在具体应用场景中，通过NSGA-II算法确定出解集合。其中，设搜救船舶共有M艘、搜救飞机共有N架，则解集合为(x1，x2，x3，…，xM，y1，y2，y3，…，yN)，其中，xi及yj分别指搜救船舶选择位及搜救飞机选择位，具体表示如下：
Figure BDA0002670210760000108
Figure BDA0002670210760000109
在具体应用场景中，解集合可以从只包含第一艘搜救船舶或第一架搜救飞机形成的形式到包含全部搜救船舶及全部搜救飞机的形式，生成的解集合为对搜救船舶及搜救飞机的排列组合。不同解集合，其对应的xi及yj不一定相同。其中，生成的解集合内的搜救资源的量可以不等于去除的量。例如：一共有10个搜救资源(搜救船舶或搜救飞机等)，初始搜救方案是由1号搜救资源、3号搜救资源、4号搜救资源以及8号搜救资源进行，但由于干扰因素的影响，3号搜救资源无法完成搜救任务，则在初始搜救方案中去除3号搜救资源，在剩余可执行搜救资源中(5号搜救资源、6号搜救资源、7号搜救资源以及10号搜救资源，其可以不是全部剩余搜救资源)根据算法生成解集合，其可以是1个、2个、3个甚至4个搜救资源组成的解集合。
在具体应用场景中，根据前述步骤中通过NSGA-II算法求得的是多目标优化模型的Pareto解集，仍需要对Pareto解集中的解进行综合评价，并且根据决策者的偏好返回折衷解，即利用多目标决策分析算法中的决策分析算法进行折衷解求解，得到的折衷解即为折中的最优集合。目前有较多可行的方法从Pareto解集中求取折衷解的方法，本具体实施例采用经典的TOPSIS方法从Pareto解集中获取折衷解，根据TOPSIS算法，其可以选取时间扰动度量模型、偏离度扰动度量模型以及成本扰动度量模型中的两个或三个，或选取其他扰动度量模型作为决策目标，在此以时间扰动度量模型及偏离度扰动度量模型为例，建立并且归一化决策矩阵P＝(amn)p*2。其中p是可行解的个数，在本实施例中为调整搜救方案的个数，2表示目标函数的个数，本实施例中为时间扰动度量模型及偏离度扰动度量模型，amn为第m个可行解在第n个目标函数上的得分，归一化过程如下：
Figure BDA0002670210760000111
建立加权标准化决策矩阵R＝(rmn)p*2。其中rmn＝xmn*qn，qn为第n个目标函数的权重，该权重为事先用户给定的，反应了用户的偏好情况，用户认为哪个目标函数更重要即可提供其权重。
计算正、负理想解
Figure BDA0002670210760000112
由于本实施例中最小化时间扰动度量以及最小化偏离度扰动度量均是效益性的指标，因此有：
Figure BDA0002670210760000113
计算调整搜救方案与正、负理想解之间的欧式距离
Figure BDA0002670210760000114
Figure BDA0002670210760000115
计算调整搜救方案与理想解的相对贴近程度Cm：
Figure BDA0002670210760000121
之后，根据各个解集合与理想解的相对贴近程度Cm的大小对解集合进行排序，其中相对贴近程度Cm最大的解集合即为给定用户偏好的情况下的最优集合。根据这个最优集合确定出补入初始搜救方案中的搜救资源集合，并在初始搜救方案去除受干扰因素影响的搜救资源的基础上，添加入新的搜救资源，以此生成在当前干扰因素影响下的最优解方案。
需要说明的是，本方案是先建立评价模型，再将模型作为评价标准通过算法进行最优集合的计算。
最后，输出最优解方案，用以存储、展示或再加工最优解方案。根据不同的应用场景和实施需要，具体的对于最优解方案的输出方式可以灵活选择。
例如，对于本实施例的方法在单一设备上执行的应用场景，可以将最优解方案直接在当前设备的显示部件(显示器、投影仪等)上以显示的方式输出，使得当前设备的操作者能够从显示部件上直接看到最优解方案的内容。
又如，对于本实施例的方法在多个设备组成的系统上执行的应用场景，可以将最优解方案通过任意的数据通信方式(有线连接、NFC、蓝牙、wifi、蜂窝移动网络等)发送至系统内的其他作为接收方的预设设备上，以使得接收到最优解方案的预设设备可以对其进行后续处理。可选的，该预设设备可以是预设的服务器，服务器一般设置在云端，作为数据的处理和存储中心，其能够对最优解方案进行存储和分发；其中，分发的接收方是终端设备，该些终端设备的持有者或操作者可以是当前用户、搜救决策机构的相关人员、与搜救资源相关的单位、个人等等。
再如，对于本实施例的方法在多个设备组成的系统上执行的应用场景时，可以将最优解方案通过任意的数据通信方式直接发送至预设的终端设备，终端设备可以是前述段落列举中的一种或多种。
通过应用本说明书一个或多个实施例提供的一种基于干扰管理的搜救资源方案调整方法，包括：获取初始搜救方案，实时获取干扰因素，判断干扰因素是否影响初始搜救方案；若是，则根据干扰因素生成调整搜救资源集，基于初始搜救方案生成评价调整搜救集的扰动度量模型；基于多目标决策分析算法，根据扰动度量模型确定调整搜救资源集中的最优集合，根据最优集合，生成并输出最优解方案。本说明书一个或多个实施例基于出现干扰因素之后，确定出扰动度量模型，再根据多目标决策分析算法进行求解，以此来分析求解给出较为合理的调整搜救资源方案以辅助决策者做出科学决策，从而可以高效的完成对于搜救资源的重新分配，节约了搜救时间、提高了搜救效率。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书的可选实施例中，为了具体确定干扰因素的类型及影响搜救方案的方式。所述干扰因素，包括：当前海况等级信息和/或搜救资源意愿信息；
所述判断所述干扰因素是否影响所述初始搜救方案，包括：
判断所述当前海况等级信息是否高于所述初始搜救方案对应的初始海况等级信息；
若是，则判定所述干扰因素影响了所述初始搜救方案；
和/或
根据所述搜救资源意愿信息确定对应的待调整搜救资源；
判断所述待调整搜救资源是否为所述初始搜救方案中包含的初始搜救资源；
若是，则判定所述干扰因素影响了所述初始搜救方案。
在本说明书的可选实施例中，为了明确对初始搜救方案的调整方式，快速生成调整搜救资源集。所述根据所述干扰因素生成调整搜救资源集，包括：
根据所述干扰因素，确定当前能够搜救的备选搜救资源，整合所有所述备选搜救资源生成所述调整搜救资源集。
其中，调整搜救资源集即为对搜救资源的调度方案，搜救资源是指能够进行搜救的资源，例如：专业搜救或事故点附近的船舶、专业搜救飞机等。进而备选搜救资源即为在干扰因素影响下，不受影响的搜救资源。在具体应用场景中，生成的解集合内的搜救资源的量可以不等于去除的量。例如：一共有10个搜救资源(搜救船舶或搜救飞机等)，初始搜救方案是由1号搜救资源、3号搜救资源、4号搜救资源以及8号搜救资源进行，但由于干扰因素的影响，3号搜救资源无法完成搜救任务，则在初始搜救方案中去除3号搜救资源，在剩余可执行搜救资源中(5号搜救资源、6号搜救资源、7号搜救资源以及10号搜救资源，其可以不是全部剩余搜救资源)根据算法生成解集合，其可以是1个、2个、3个甚至4个搜救资源组成的解集合。
在本说明书的可选实施例中，为了准确确定出扰动度量中的时间扰动度量模型，使其更准确反映方案间的时间扰动差值。所述扰动度量模型，包括：时间扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
分别建立调整后搜救方案及所述初始搜救方案的搜救总时间计算模型，根据两者的所述搜救总时间计算模型确定所述时间扰动度量模型；
所述搜救总时间计算模型，具体为：
Figure BDA0002670210760000141
其中，T为搜救总时间，S为待搜寻海域面积，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，
Figure BDA0002670210760000142
及
Figure BDA0002670210760000143
分别为第i艘搜救船舶及第j架搜救飞机距离事故点的距离，
Figure BDA0002670210760000144
及
Figure BDA0002670210760000145
分别为第i艘搜救船舶及第j架搜救飞机的航线间距，
Figure BDA0002670210760000146
及
Figure BDA0002670210760000147
分别为第i艘搜救船舶及第j架搜救飞机的最大航行速度，xi及yj分别为搜救船舶选择位及搜救飞机选择位，
Figure BDA0002670210760000148
为第j架搜救飞机的最大续航时间；
所述时间扰动度量模型，具体为：
ΔQ＝Q(Te)-Q(Ts)
其中，ΔQ为时间扰动度量，Te及Ts分别为调整后搜救方案及初始搜救方案的搜救总时间。
在具体应用场景中，Q实质为失事人员的不满意度的量化结果随时间的变化计算公式，Q的计算方式为现有技术，其结果为在[0，1]区间中的值并与搜救时间正相关，在本具体实施例中通过不满意度的差值来反应时间扰动度量。其中，调整后搜救方案为根据本方案最终生成的对初始搜救方案调整完的搜救方案，在这里还并未求解出来，而只是作为一个变量进行扰动度量模型的构建。
在本说明书的可选实施例中，为了准确确定扰动度量中的偏离度扰动度量模型，使其更准确反映方案间的偏离度。所述扰动度量模型，包括：偏离度扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
根据所述初始搜救方案及所述干扰因素，确定减少的搜救资源集合及增加的搜救资源集合，根据所述减少的搜救资源集合及所述增加的搜救资源集合确定所述偏离度扰动度量模型；
所述偏离度扰动度量模型，具体为：
DE＝ch+|L+|+ch-|L-|
其中，DE为偏离度扰动度量，ch+及ch-分别为增加及减少一个搜救资源的偏离度，|L+|及|L-|分别为增加的搜救资源集合L+及减少的搜救资源集合L-中元素的个数。其中ch+及ch-的具体计算方式为现有技术。
在具体应用场景中，偏离度为两方案之间的差异，其会影响并改变搜救人员负责的搜救范围、负责区域等因素。
在本说明书的可选实施例中，为了准确确定扰动度量中的成本扰动度量，使其更准确反映方案间的成本差异。所述扰动度量模型，包括：成本扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
确定所有能够组成搜救方案的搜救资源的搜救成本，基于所述搜救成本生成所述成本扰动度量模型；
所述成本扰动度量模型，具体为：
Figure BDA0002670210760000161
其中，ΔC为成本扰动度量，Ce及Cs分别为调整后搜救方案及初始搜救方案的搜救成本，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，ci及cj分别为第i艘搜救船舶及第j架搜救飞机的搜救成本，
Figure BDA0002670210760000162
及
Figure BDA0002670210760000163
分别为调整后搜救方案中搜救船舶选择位及搜救飞机选择位，
Figure BDA0002670210760000164
及
Figure BDA0002670210760000165
分别为初始搜救方案中搜救船舶选择位及搜救飞机选择位。其中ci及cj的具体计算方式为现有技术。
在具体应用场景中，搜救成本为执行搜救方案所要消耗的资金、人员与资源力量成本等。
在本说明书的可选实施例中，为了确定出最符合用户需求的最优解方案。所述基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，包括：
基于多目标进化算法中的NSGA-II算法，将所述扰动度量模型作为所述TOPSIS算法中的目标函数进行求解，确定所述调整搜救资源集中的解集合，基于决策分析算法中的TOPSIS算法，确定相对贴近程度最大的所述解集合为所述最优集合。
在具体应用场景中，通过NSGA-II算法确定出解集合。其中，设搜救船舶共有M艘、搜救飞机共有N架，则解集合为(x1，x2，x3，…，xM，y1，y2，y3，…，yN)，其中，xi及yj分别指搜救船舶选择位及搜救飞机选择位，具体表示如下：
Figure BDA0002670210760000166
Figure BDA0002670210760000167
在具体应用场景中，解集合可以从只包含第一艘搜救船舶或第一架搜救飞机形成的形式到包含全部搜救船舶及全部搜救飞机的形式，生成的解集合为对搜救船舶及搜救飞机的排列组合。不同解集合，其对应的xi及yj不一定相同。其中，生成的解集合内的搜救资源的量可以不等于去除的量。例如：一共有10个搜救资源(搜救船舶或搜救飞机等)，初始搜救方案是由1号搜救资源、3号搜救资源、4号搜救资源以及8号搜救资源进行，但由于干扰因素的影响，3号搜救资源无法完成搜救任务，则在初始搜救方案中去除3号搜救资源，在剩余可执行搜救资源中(5号搜救资源、6号搜救资源、7号搜救资源以及10号搜救资源，其可以不是全部剩余搜救资源)根据算法生成解集合，其可以是1个、2个、3个甚至4个搜救资源组成的解集合。
在具体应用场景中，根据TOPSIS算法的具体步骤，其可以选取时间扰动度量模型、偏离度扰动度量模型以及成本扰动度量模型中的两个或三个，或选取其他扰动度量模型作为决策目标，在此以时间扰动度量模型及偏离度扰动度量模型为例，建立并且归一化决策矩阵P＝(amn)p*2。其中p是可行解的个数，在本实施例中为调整搜救方案的个数，2表示目标函数的个数，本实施例中为时间扰动度量模型及偏离度扰动度量模型，amn为第m个可行解在第n个目标函数上的得分，归一化过程如下：
Figure BDA0002670210760000171
建立加权标准化决策矩阵R＝(rmn)p*2。其中rmn＝xmn*qn，qn为第n个目标函数的权重，该权重为事先用户给定的，反应了用户的偏好情况，用户认为哪个目标函数更重要即可提供其权重。
计算正、负理想解
Figure BDA0002670210760000172
由于本实施例中最小化时间扰动度量以及最小化偏离度扰动度量均是效益性的指标，因此有：
Figure BDA0002670210760000173
计算调整搜救方案与正、负理想解之间的欧式距离
Figure BDA0002670210760000174
Figure BDA0002670210760000175
计算调整搜救方案与理想解的相对贴近程度Cm：
Figure BDA0002670210760000181
之后，根据各个解集合与理想解的相对贴近程度Cm的大小对解集合进行排序，其中相对贴近程度Cm最大的解集合即为给定用户偏好的情况下的最优集合。
基于同一构思，本说明书一个或多个实施例还提供了一种基于干扰管理的搜救资源方案调整设备，参考图2所示，包括：
判断模块201，获取初始搜救方案，实时获取干扰因素，判断所述干扰因素是否影响所述初始搜救方案；
生成模块202，若是，则根据所述干扰因素生成调整搜救资源集，并基于所述初始搜救方案生成对所述调整搜救集进行评价的扰动度量模型；
输出模块203，基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，根据所述最优集合生成最优解方案，输出所述最优解方案。
作为一个可选的实施例，所述干扰因素，包括：当前海况等级信息和/或搜救资源意愿信息；
所述判断模块201判断所述干扰因素是否影响所述初始搜救方案，包括：
判断所述当前海况等级信息是否高于所述初始搜救方案对应的初始海况等级信息；
若是，则判定所述干扰因素影响了所述初始搜救方案；
和/或
根据所述搜救资源意愿信息确定对应的待调整搜救资源；
判断所述待调整搜救资源是否为所述初始搜救方案中包含的初始搜救资源；
若是，则判定所述干扰因素影响了所述初始搜救方案。
作为一个可选的实施例，所述生成模块202根据所述干扰因素生成调整搜救资源集，包括：
根据所述干扰因素，确定当前能够搜救的备选搜救资源，整合所有所述备选搜救资源生成所述调整搜救资源集。
作为一个可选的实施例，所述扰动度量模型，包括：时间扰动度量模型；
所述生成模块202基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
分别建立调整后搜救方案及所述初始搜救方案的搜救总时间计算模型，根据两者的所述搜救总时间计算模型确定所述时间扰动度量模型；
所述搜救总时间计算模型，具体为：
Figure BDA0002670210760000191
其中，T为搜救总时间，S为待搜寻海域面积，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，
Figure BDA0002670210760000192
及
Figure BDA0002670210760000193
分别为第i艘搜救船舶及第j架搜救飞机距离事故点的距离，
Figure BDA0002670210760000194
及
Figure BDA0002670210760000195
分别为第i艘搜救船舶及第j架搜救飞机的航线间距，
Figure BDA0002670210760000196
及
Figure BDA0002670210760000197
分别为第i艘搜救船舶及第j架搜救飞机的最大航行速度，xi及yj分别为搜救船舶选择位及搜救飞机选择位，
Figure BDA0002670210760000198
为第j架搜救飞机的最大续航时间；
所述时间扰动度量模型，具体为：
ΔQ＝Q(Te)-Q(Ts)
其中，ΔQ为时间扰动度量，Te及Ts分别为调整后搜救方案及初始搜救方案的搜救总时间。
作为一个可选的实施例，所述扰动度量模型，包括：偏离度扰动度量模型；
所述生成模块202基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
根据所述初始搜救方案及所述干扰因素，确定减少的搜救资源集合及增加的搜救资源集合，根据所述减少的搜救资源集合及所述增加的搜救资源集合确定所述偏离度扰动度量模型；
所述偏离度扰动度量模型，具体为：
DE＝ch+|L+|+ch-|L-|
其中，DE为偏离度扰动度量，ch+及ch-分别为增加及减少一个搜救资源的偏离度，|L+|及|L-|分别为增加的搜救资源集合L+及减少的搜救资源集合L-中元素的个数。
作为一个可选的实施例，所述扰动度量模型，包括：成本扰动度量模型；
所述生成模块202基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
确定所有能够组成搜救方案的搜救资源的搜救成本，基于所述搜救成本生成所述成本扰动度量模型；
所述成本扰动度量模型，具体为：
Figure BDA0002670210760000201
其中，ΔC为成本扰动度量，Ce及Cs分别为调整后搜救方案及初始搜救方案的搜救成本，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，ci及cj分别为第i艘搜救船舶及第j架搜救飞机的搜救成本，
Figure BDA0002670210760000202
及
Figure BDA0002670210760000203
分别为调整后搜救方案中搜救船舶选择位及搜救飞机选择位，
Figure BDA0002670210760000204
及
Figure BDA0002670210760000205
分别为初始搜救方案中搜救船舶选择位及搜救飞机选择位。
作为一个可选的实施例，所述输出模块203基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，包括：
基于多目标进化算法中的NSGA-II算法，将所述扰动度量模型作为所述TOPSIS算法中的目标函数进行求解，确定所述调整搜救资源集中的解集合，基于决策分析算法中的TOPSIS算法，确定相对贴近程度最大的所述解集合为所述最优集合。
为了描述的方便，描述以上设备时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的设备用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，本说明书一个或多个实施例还提供了一种电子设备。该电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一实施例所述的一种基于干扰管理的搜救资源方案调整方法。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器310、存储器320、输入/输出接口330、通信接口340和总线350。其中处理器310、存储器320、输入/输出接口330和通信接口340通过总线350实现彼此之间在设备内部的通信连接。
处理器310可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器320可以采用ROM(Read Only Memory，只读存储器)、RAM(RandomAccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器320可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器320中，并由处理器310来调用执行。
输入/输出接口330用于连接输入/输出模块，以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口340用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线350包括一通路，在设备的各个组件(例如处理器310、存储器320、输入/输出接口330和通信接口340)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器310、存储器320、输入/输出接口330、通信接口340以及总线350，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
基于同一发明构思，本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行日上任意一实施例所述的一种基于干扰管理的搜救资源方案调整方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出设备，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图设备的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于干扰管理的搜救资源方案调整方法，其特征在于，包括：
获取初始搜救方案，实时获取干扰因素，判断所述干扰因素是否影响所述初始搜救方案；
若是，则根据所述干扰因素生成调整搜救资源集，并基于所述初始搜救方案生成对所述调整搜救集进行评价的扰动度量模型；
基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，根据所述最优集合生成最优解方案，输出所述最优解方案。
2.根据权利要求1所述的方法，其特征在于，所述干扰因素，包括：当前海况等级信息和/或搜救资源意愿信息；
所述判断所述干扰因素是否影响所述初始搜救方案，包括：
判断所述当前海况等级信息是否高于所述初始搜救方案对应的初始海况等级信息；
若是，则判定所述干扰因素影响了所述初始搜救方案；
和/或
根据所述搜救资源意愿信息确定对应的待调整搜救资源；
判断所述待调整搜救资源是否为所述初始搜救方案中包含的初始搜救资源；
若是，则判定所述干扰因素影响了所述初始搜救方案。
3.根据权利要求1所述的方法，其特征在于，所述根据所述干扰因素生成调整搜救资源集，包括：
根据所述干扰因素，确定当前能够搜救的备选搜救资源，整合所有所述备选搜救资源生成所述调整搜救资源集。
4.根据权利要求1所述的方法，其特征在于，所述扰动度量模型，包括：时间扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
分别建立调整后搜救方案及所述初始搜救方案的搜救总时间计算模型，根据两者的所述搜救总时间计算模型确定所述时间扰动度量模型；
所述搜救总时间计算模型，具体为：
Figure FDA0002670210750000021
其中，T为搜救总时间，S为待搜寻海域面积，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，
Figure FDA0002670210750000022
及
Figure FDA0002670210750000023
分别为第i艘搜救船舶及第j架搜救飞机距离事故点的距离，
Figure FDA0002670210750000024
及
Figure FDA0002670210750000025
分别为第i艘搜救船舶及第j架搜救飞机的航线间距，Vi v及Vj a分别为第i艘搜救船舶及第j架搜救飞机的最大航行速度，xi及yj分别为搜救船舶选择位及搜救飞机选择位，
Figure FDA0002670210750000026
为第j架搜救飞机的最大续航时间；
所述时间扰动度量模型，具体为：
ΔQ＝Q(Te)-Q(Ts)
其中，ΔQ为时间扰动度量，Te及Ts分别为调整后搜救方案及初始搜救方案的搜救总时间。
5.根据权利要求1所述的方法，其特征在于，所述扰动度量模型，包括：偏离度扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
根据所述初始搜救方案及所述干扰因素，确定减少的搜救资源集合及增加的搜救资源集合，根据所述减少的搜救资源集合及所述增加的搜救资源集合确定所述偏离度扰动度量模型；
所述偏离度扰动度量模型，具体为：
DE＝ch+|L+|+ch-|L-|
其中，DE为偏离度扰动度量，ch+及ch-分别为增加及减少一个搜救资源的偏离度，|L+|及|L-|分别为增加的搜救资源集合L+及减少的搜救资源集合L-中元素的个数。
6.根据权利要求1所述的方法，其特征在于，所述扰动度量模型，包括：成本扰动度量模型；
所述基于所述初始搜救方案生成对所述调整搜救方案进行评价的扰动度量模型，包括：
确定所有能够组成搜救方案的搜救资源的搜救成本，基于所述搜救成本生成所述成本扰动度量模型；
所述成本扰动度量模型，具体为：
Figure FDA0002670210750000031
其中，ΔC为成本扰动度量，Ce及Cs分别为调整后搜救方案及初始搜救方案的搜救成本，M及N分别为能够参加搜救的搜救船舶及搜救飞机的总数量，ci及cj分别为第i艘搜救船舶及第j架搜救飞机的搜救成本，
Figure FDA0002670210750000032
及
Figure FDA0002670210750000033
分别为调整后搜救方案中搜救船舶选择位及搜救飞机选择位，
Figure FDA0002670210750000034
及
Figure FDA0002670210750000035
分别为初始搜救方案中搜救船舶选择位及搜救飞机选择位。
7.根据权利要求1所述的方法，其特征在于，所述基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，包括：
基于多目标进化算法中的NSGA-II算法，将所述扰动度量模型作为所述TOPSIS算法中的目标函数进行求解，确定所述调整搜救资源集中的解集合，基于决策分析算法中的TOPSIS算法，确定相对贴近程度最大的所述解集合为所述最优集合。
8.一种基于干扰管理的搜救资源方案调整设备，其特征在于，包括：
判断模块，获取初始搜救方案，实时获取干扰因素，判断所述干扰因素是否影响所述初始搜救方案；
生成模块，若是，则根据所述干扰因素生成调整搜救资源集，并基于所述初始搜救方案生成对所述调整搜救集进行评价的扰动度量模型；
输出模块，基于多目标决策分析算法，根据所述扰动度量模型确定所述调整搜救资源集中的最优集合，根据所述最优集合生成最优解方案，输出所述最优解方案。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7任一项所述的方法。
CN202010930935.5A 2020-09-07 2020-09-07 一种基于干扰管理的搜救资源方案调整方法及相关设备 Active CN111967693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010930935.5A CN111967693B (zh) 2020-09-07 2020-09-07 一种基于干扰管理的搜救资源方案调整方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010930935.5A CN111967693B (zh) 2020-09-07 2020-09-07 一种基于干扰管理的搜救资源方案调整方法及相关设备

Publications (2)

Publication Number Publication Date
CN111967693A true CN111967693A (zh) 2020-11-20
CN111967693B CN111967693B (zh) 2021-06-04

Family

ID=73392491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010930935.5A Active CN111967693B (zh) 2020-09-07 2020-09-07 一种基于干扰管理的搜救资源方案调整方法及相关设备

Country Status (1)

Country Link
CN (1) CN111967693B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114527435A (zh) * 2022-02-11 2022-05-24 西安电子科技大学 基于干扰向量和nsga-ii算法的干扰资源分配方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742182A (zh) * 2017-09-30 2018-02-27 中国人民解放军国防科技大学 基于鲁棒优化的应急资源动员与运输调度计划生成方法
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
CN110751309A (zh) * 2019-08-30 2020-02-04 中国南方航空股份有限公司 一种不正常航班的恢复方法、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742182A (zh) * 2017-09-30 2018-02-27 中国人民解放军国防科技大学 基于鲁棒优化的应急资源动员与运输调度计划生成方法
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
CN110751309A (zh) * 2019-08-30 2020-02-04 中国南方航空股份有限公司 一种不正常航班的恢复方法、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王东海等: "基于TOPSIS的铁路应急资源调度优化模型", 《铁道运输与经济》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114527435A (zh) * 2022-02-11 2022-05-24 西安电子科技大学 基于干扰向量和nsga-ii算法的干扰资源分配方法
CN114527435B (zh) * 2022-02-11 2024-06-07 西安电子科技大学 基于干扰向量和nsga-ii算法的干扰资源分配方法

Also Published As

Publication number Publication date
CN111967693B (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN105550323B (zh) 一种分布式数据库负载均衡预测方法和预测分析器
US10838839B2 (en) Optimizing adaptive monitoring in resource constrained environments
US11714426B2 (en) Positioning system and method based on neural network model
US20170261646A1 (en) Self-correcting multi-model numerical rainfall ensemble forecasting method
CN113657465A (zh) 预训练模型的生成方法、装置、电子设备和存储介质
CN112948951B (zh) 建筑模型创建方法与装置、处理服务器
CN112566196A (zh) 一种基于智能电网的异构网络接入选择方法及相关设备
CN110942086A (zh) 数据预测优化方法、装置、设备及可读存储介质
CN112200296B (zh) 网络模型量化方法、装置、存储介质及电子设备
CN111967692A (zh) 一种基于搜寻理论的搜救资源方案生成方法及相关设备
CN113379059B (zh) 用于量子数据分类的模型训练方法以及量子数据分类方法
CN113961765B (zh) 基于神经网络模型的搜索方法、装置、设备和介质
CN109086791A (zh) 一种二分类器的训练方法、装置、及计算机设备
CN111611085A (zh) 基于云边协同的人机混合增强智能系统、方法、装置
CN111967693B (zh) 一种基于干扰管理的搜救资源方案调整方法及相关设备
CN112766402A (zh) 算法选择方法、装置和电子设备
CN113988441A (zh) 电力无线网络链路质量预测、模型训练方法及装置
CN111551190A (zh) 用于确定定位能力的方法、装置、设备及可读存储介质
CN114493087A (zh) 卫星效能评估方法、装置及电子设备
CN114007231A (zh) 异构无人机数据卸载方法、装置、电子设备及存储介质
CN113766633A (zh) 数据处理方法、装置、电子设备以及存储介质
CN106529061A (zh) 一种飞行器的评测方法及评测系统
CN111160594B (zh) 一种到达时间的预估方法、装置及存储介质
CN106529835A (zh) 一种终端区日通行能力确定方法及装置
CN114415709B (zh) 航线规划方法、装置及电子设备

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