CN113191619B - 一种应急救援物资分配及车辆调度动态优化方法 - Google Patents
一种应急救援物资分配及车辆调度动态优化方法 Download PDFInfo
- Publication number
- CN113191619B CN113191619B CN202110448610.8A CN202110448610A CN113191619B CN 113191619 B CN113191619 B CN 113191619B CN 202110448610 A CN202110448610 A CN 202110448610A CN 113191619 B CN113191619 B CN 113191619B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- demand
- satisfaction
- rescue
- distribution
- 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 155
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 title claims abstract description 40
- 238000012384 transportation and delivery Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 22
- 238000002922 simulated annealing Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims 1
- 230000006870 function Effects 0.000 description 30
- 210000000349 chromosome Anatomy 0.000 description 12
- 230000035772 mutation Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000001726 chromosome structure Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供一种应急救援物资分配及车辆调度动态优化方法，其特征在于，包括：根据所述疫区需求点信息、应急救援配送中心物资储备量以及车辆信息构建需求满意度函数和时间满意度函数；以需求满意度最大化为目标构建救援物资分配模型，并应用第一智能算法对所述救援物资分配模型进行求解，生成救援物资分配方案；基于所述救援物资分配方案以时间满意度最大为目标构建车辆调度模型，并应用第二智能算法对所述车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案。本发明在应急救援物资动态调度的模型中综合考虑需求点疫情等级、最低需求满足率及紧缺的储备救援物资等，建立的满意度函数能较好地刻画疫情爆发后居民的心理状况。
Description
技术领域
本发明涉及应急救援物资分配优化、应急救援物资配送路径动态优化等领域，特别涉及应急救援物资配送过程中车辆路径优化方法。
背景技术
应急资源分配是灾害应急管理的核心环节，是应对灾害突发事件和开展灾害救援的基础，主要研究如何在灾害发生时迅速有效地利用智能决策理论和计算机辅助工具，高效合理地把各供应点的应急救援物资分配给各需求点，最大程度地减少灾害带来的损失。
目前，已有应急救援调度研究主要针对突发自然灾害时救援物资的调度，方案假设需求点灾情程度相同，未考虑不同受灾程度下居民的需求、时间满意度敏感性不同等问题，进而导致救援物资分配不科学。
专门针对重大传染病疫情的救援物资调度研究较少，且研究方案缺乏对疫情不断蔓延情况下考虑疫区居民满意度的应急救援物资动态调度优化研究，有可能导致部分需求点未得到有效的救助从而未达到全局最优。
发明内容
根据上述提出的缺乏对疫情不断蔓延情况下考虑疫区居民满意度的应急救援物资动态调度优化研究，从而导致物资分配不能达到全局最优的技术问题，而提供一种应急救援物资分配及车辆调度动态优化方法，通过量化局面满意度水平，辅助构建救援物资分配和车辆调度模型，从而实现救援物资的科学分配。
本发明采用的技术手段如下：
一种应急救援物资分配及车辆调度动态优化方法，包括：
获取疫区需求点信息、应急救援配送中心物资储备量以及车辆信息；
根据所述疫区需求点信息、应急救援配送中心物资储备量以及车辆信息构建需求满意度函数和时间满意度函数；
以需求满意度最大化为目标构建救援物资分配模型，并应用第一智能算法对所述救援物资分配模型进行求解，生成救援物资分配方案；
基于所述救援物资分配方案以时间满意度最大为目标构建车辆调度模型，并应用第二智能算法对所述车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案。
进一步地，所述生成最终的救援物资分配和车辆调度方案之前，还包括：对需求点信息变化情况进行判断，若需求点信息变化，则整合剩余物资储备量、新增及未服务需求点信息重新构建车辆调度模型，并应用第二智能算法对重新构建的车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案。
进一步地，所述根据所述疫区需求点信息、应急救援配送中心物资储备量以及车辆信息构建需求满意度函数和时间满意度函数，包括：
获取各需求点的信息以及应急救援配送中心物资储备量，计算需求满足率，基于所述需求满足率构建需求满意度函数；
获取各需求点物资期望送达时间，根据需求点物资期望送达时间计算其与实际到达时间的时间差，基于所述时间差构建时间满意度函数。
进一步地，所述应用第一智能算法对所述救援物资分配模型进行求解，生成救援物资分配方案，包括：基于需求点物资满足率生成救援物资分配方案；
相应的，
所述应用第二智能算法对所述车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案，包括：基于需求点物资满足率生成最终的救援物资分配和车辆调度方案。
进一步地，所述第一智能算法为改进模拟退火算法。
进一步地，所述第二智能算法为改进自适应遗传算法。
较现有技术相比，本发明具有以下优点：
1、本发明提供的应急救援物资分配及车辆调度动态优化方法，在应急救援物资动态调度的模型中综合考虑需求点疫情等级、最低需求满足率及紧缺的储备救援物资等，建立的满意度函数能较好地刻画疫情爆发后居民的心理状况。
2、本发明考虑应急救援物资配送过程中需求点及其需求量变化，不同配送周期内需求点疫情等级、配送中心救援物资筹集量变化，采用虚拟配送中心的思想将单中心配送问题转化为多中心VRP进行求解，并采用周期性动态调整策略，使整个配送过程的更优。
基于上述理由本发明可在应急救援物资动态调度领域广泛推广。
附图说明
为了更清楚地说明本发明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做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明应急救援物资分配及车辆调度动态优化方法流程图。
图2为实施例中需求满意度函数曲线示意图。
图3为实施例中时间满意度函数曲线示意图。
图4为实施例中模拟退火算法流程图。
图5为实施例中变异扰动示意图。
图6为实施例中编解码示意图。
图7为实施例中染色体交叉操作图。
图8为实施例中染色体变异操作图。
图9为实施例中重优化染色体编码图。
图10为实施例中预优化迭代图。
图11为实施例中调整优化迭代图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示，本发明提供了一种应急救援物资分配及车辆调度动态优化方法，主要包括以下步骤：
S1、获取疫区需求点信息、应急救援配送中心物资储备量以及车辆信息。
S2、根据所述疫区需求点信息、应急救援配送中心物资储备量以及车辆信息构建需求满意度函数和时间满意度函数。
本实施例中，首先构建居民对应急救援物资的需求满意度和时间满意度函数将疫区居民满意度量化。首先构建疫区居民需求满意度函数g(wip)：
wip＝d′ip/dip (1)
其中，疫区需求点i第p周期的期望需求量为dip，实际配送量为d′ip，式(1)给出了需求点i第p周期的需求满足率wip；式(2)计算了需求点i的需求满意度，其中Lip为第p周期需求点i的疫情等级，根据国家相关部门对疫情等级的划分标准，将其划分为高风险、较高风险、中风险以及较低风险四类，本文用数字1、2、3、4来分别表示疫情的等级。如图2所示，需求满意度随着需求满足率的上升而平滑单调递增，且在相同需求满足率下疫情严重的需求点其需求满意度较低。
然后构建疫区居民时间满意度函数f(hip)：
hip＝T′ipk-Tip (3)
其中，疫区需求点i的期望送达时间为Tip，实际送达时间为T′ipk，式(3)为期望送达时间与实际到达时间的时间差hip；式(4)给出了时间满意度的计算方法，其中Lip与式(2)中含义相同。如图3所示，时间满意度函数呈平滑单调递减，相同时间差情况下疫情等级高的需求点居民时间满意度较低。
S3、以需求满意度最大化为目标构建救援物资分配模型，并应用第一智能算法对所述救援物资分配模型进行求解，生成救援物资分配方案。
本市实施例中，应急救援物资分配及车辆调度动态优化问题，可以进行如下表述：存在完备有向图G＝(VP,E)，节点集合为其中p(p∈P)为某一配送周期，P为周期集合。0为救援物资配送中心，/>为第p周期预优化阶段需求节点集合，/>为第p周期新增的需求点集合。边集合E＝{(i,j)i,j∈V,i≠j}，lij为节点i与节点j之间的距离；k为可用配送车辆集合K＝{1,2,...,α}的任一车辆，车辆容量为Q，行驶速度为v，预优化阶段车辆k从配送中心出发时的装载量为Qpk；疫区需求点i第p周期的期望需求量为dip、实际配送量为d′ip，第p周期救援物资最低满足率为/>疫区需求点i的期望送达时间为Tip，实际送达时间为T′ipk，车辆在疫区需求点i的服务时间为tipk。第p周期配送中心救援物资筹集量为Rp，救援物资预留系数为δp。决策变量xijpk表示第p周期车辆k是否由点i到点j，是为1，否为0。
建立的救援物资分配模块为：
s.t
且Lip＝Ljp(7)
其中，式(5)表示预定分配方案下居民需求满意度最大化；式(6)表示每个需求点的实际配送量小于等于预计需求量；式(7)表示疫情等级相同的需求点需求满足率相同；式(8)表示救援物资分配的规则，即每个需求点救援物资满足率高于最低满足水平且小于等于1；式(9)表示每个需求点的疫情等级为整数；式(10)表示可供配送量、配送中心车辆数限制与实际配送量的关系；式(11)表示每个需求点的需求满足率大于最低满足率且不超过1。
S4、基于所述救援物资分配方案以时间满意度最大为目标构建车辆调度模型，并应用第二智能算法对所述车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案。
建立车辆调度模型：
s.t
其中/>
其中，式(12)表示目标函数，是以时间满意度最大化为目标；式(13)和(14)表示每个需求点只能被车辆配送一次且满足车辆的进出平衡约束；式(15)表示车辆被使用时只有一条服务路径且车辆完成任务后必须返回配送中心；式(16)表示应急配送过程中使用的车辆不超过车辆数量限制；式(17)表示车辆从需求点i到达需求点j的时刻；式(18)为消除子回路约束；式(19)表示车辆的容量约束；式(20)为决策变量属性。
进一步地，在周期性动态调整阶段，以车辆所在救援物资需求点的位置或即将到达的需求点的位置为虚拟配送中心，以后续需求点的时间满意度最大化为目标，对后续配送路径进行全局优化的多中心车辆路径问题。优化时可由上一阶段确定的配送路径求得车辆k的救援物资装载剩余量Qpgk。以车辆k的配送路径0-a-b-c-d-e-0为例，假如调整时车辆在需求点c处，则优化时以需求点c为虚拟配送中心，车辆救援物资装载剩余量Qpgk＝Qpk-d'ap-d′bp-d′cp；假如调整时车辆位置在行驶需求点c与需求点d之间，则优化时以需求点d为虚拟配送中心，车辆救援物资装载剩余量Qpgk＝Qpk-d'ap-d′bp-d′cp-d'dp，若调整后续配送路径为d-f-0，则根据上一阶段配送路径，该车辆的配送路径变为0-a-b-c-d-f-0。此外，动态调整阶段车辆从应急救援配送中心出发时，若剩余库存大于等于车辆容量则满载出发，反之将剩余库存全部装载。这样可以避免下一时段内路网中车辆的救援物资装载剩余总量无法满足所有需求点时配送中心重复派车，从而降低配送成本。
相应的动态调整数学模型如下：
(1)救援物资分配模型
为了保证救援物资分配的公平性，当新出现需求点时配送中心以预优化阶段求得对应疫情等级的救援物资满足率进行分配，该点救援物资分配量的计算方法如式(21)。此外所有新增需求点的分配总量小于配送中心应急救援物资剩余量，具体约束如式(22)：
(2)车辆调度模型
其中/>
式(23)表示动态调整阶段居民时间满意度最大化；式(24)和(25)表示车辆容量约束；式(26)保证需求点只被服务一次且车辆进出平衡；式(27)表示每辆车仅有一条服务路径，且新派车辆的起点、终点都在救援物资配送中心；式(28)和(29)表示每个虚拟中心只有一辆车辆驶出且所有车辆均不返回虚拟配送中心；式(30)保证配送网络中所有车辆都返回救援物资配送中心；式(31)为消除子回路约束；式(32)为决策变量属性。
本实施例优选采用模拟退火算法求解救援物资分配方案，具体流程如图4所示。模拟退火算法结合概率突跳特性在可行解中随机寻找目标函数的全局最优解，即在局部最优解中概率性地跳出并最终趋于全局最优，具有较强的局部搜索能力。同时在算法求解时对扰动过程中产生的不可行解以一定的规则进行修复。具体过程包括：
1)初始解构造
初始解中只需包括四个疫情等级需求点的需求满足率即x＝(w1,w2,w3,w4)，解中的每个元素代表相应疫情等级需求点的救援物资满足率，以此来确定每个需求点的分配量，具体步骤如下：
第一步：以最低满足水平为基础，生成四个逐渐增大的正数，当wi＞1时，令wi＝1。
第二步：计算当前分配方案下所需的救援物资量与应急救援配送中心储备量的差值。若为0，则进行下一步；否则，以一定的规则进行解的修复。
第三步：将这四个数从大到小进行排序，以此作为初始解。
(2)扰动因子
在模拟退火算法寻优过程中，为了增强算法的局部搜索能力设计元素变异的扰动方式对当前解进行扰动。随机选择某一元素进行变异，并对扰动后产生的不满足约束的新解进行修复，具体过程如图5所示。
(3)新解接受机制
为了进一步提升种群的扰动性，扩大搜索空间，本文借鉴了Metropolis准则，以一定的概率接受较差解，从而有效避免算法过早地陷入局部最优，提升了算法的寻优能力，同时也实现种群的多样性。在当前温度T下，新解接受概率p的计算方法见公式(33)。
(4)不可行解的修复
产生初始解以及扰动过程中会产生不满足约束的不可行解，即配送量R'p不等于储备量Rp。因此不可行解主要有两部分：当配送量小于储备量时，将应急救援配送中心剩余的救援物资平均分配给4个疫情等级的需求点并更新再分配后的解，若解中某一元素大于1，则令其等于1。当配送量大于储备量时，将每个疫情等级的配送量总和减去(R'p-Rp)/4，并更新再分配后的解。再次计算R'p与Rp的差值，若不为0，则重复上述过程。
本实施例进一步优选采用改进的遗传算法求解车辆调度方案。在求解救援物资配送方案时以时间满意度最大化为目标进行求解，以上文的分配方案为基础进行配送时车辆行驶路径的优化，将最终的优化结果作为救援物资配送方案。遗传算法具有鲁棒性、并行性高和搜索能力强的特点，但收敛速度慢且容易陷入局部最优，不能保证整体最优。因此在迭代过程中调整交叉和变异概率，增强算法的搜索能力。具体过程包括：
(1)编解码与初始种群生成
本文采用整数编码的形式，例如有9个需求点，1个救援物资配送中心，则数字1-9表示需求点，对其进行随机全排列，并将其存储到初始种群矩阵Popsize中，数字0表示救援物资配送中心。解码时根据车辆容量约束将需求点按照初始排列顺序划分给车辆，当对下一个需求点进行检验发现当前车辆不能满足要求时，选择下一辆车对该需求点进行服务。且每辆车服务的第一个需求点前插入0，即从救援物资配送中心出发。本文以一个简单例子来进行说明，如图6所示，假设矩阵Popsize中需求点的全排列顺序为1、5、8、3、4、6、9、2、7，派第一辆车对需求点1进行服务，当服务需求点4时不满足约束，则第一辆车的路径为1-5-8-3。以此类推，第二辆车的路径为4-6，第三辆车的路径为9-2-7。
根据初始种群矩阵Popsize就可以求得所有车辆配送的顺序，在后续的交叉、变异操作也仅对编码长度固定的矩阵进行操作。在生成初始种群方面，采用随机生成和最近邻法相结合的方式，既能够保证种群的多样性，又能通过最近邻解提高初始种群的质量，加快种群的收敛速度。
(2)选择操作
选择操作采取轮盘赌与精英保留相结合的选择策略。采用轮盘赌的方式，每条染色体被选中的概率与其目标函数值的大小成正比，即目标函数值越大的染色体被选中的概率就越高；反之，则被选中的概率越低。在选择操作结束后，采用精英保留策略，将每一代的最优染色体进行保留，即用上一代目标函数值最优的个体替换掉子代目标函数值最差的个体。采用轮盘赌和精英保留相结合的策略，保证种群规模始终不变且使算法快速收敛。
(3)交叉操作
在遗传算法中，交叉概率对算法的搜索能力具有较大的影响，直接影响算法性能的优劣。如果交叉概率固定，较大的交叉概率会破坏较好的染色体，而较小的交叉概率又不足以改变染色体结构，容易陷入局部最优解。个体的交叉概率会随着迭代的次数、最优值没有改变的数目以及染色体的目标函数值等不断调整变化。交叉概率计算方法如式(34)：
其中f'是两个交叉个体中目标函数值较大个体的目标函数值，fmax是每代种群中最小的目标函数值，favg是每代种群中目标函数的平均值，g为当前进化代数，S是进化过程中最优解没有改变的个体数目，G是最大迭代代数，M是种群大小。本文采用部分染色体顺序交叉的方式，这样可以保证优秀子排列不被破坏，又能增强算法的搜索能力，交叉操作具体如图7所示。
(4)变异操作
变异概率计算方法如式(35)所示：
其中f是要变异个体的目标函数值，fmax、favg、g、S、G、M均与式(34)中的含义相同。本文采取染色体对换变异的方式，在染色体中随机选择两需求点i和j，将其位置对换，变异过程如图8所示。
S5、对需求点信息变化情况进行判断，若需求点信息变化，则整合剩余物资储备量、新增及未服务需求点信息重新构建车辆调度模型，并应用第二智能算法对重新构建的车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案。具体来说，在时段g结束时为保证动态调整阶段算法运行速度，将g-1时段满意解中已完成配送任务的需求点删除，调整发生变动的需求点信息，并添加新增需求点作为重优化阶段初始种群的前n个个体，利用随机生成的方式生成(pop_size-n)条长度为N(需求点数)的染色体，解码得到新的种群。根据时段g结束时车辆救援物资剩余量划分路径，当执行配送任务的车辆救援物资剩余量无法满足需求点需求时，从救援物资配送中心新派车辆进行路径划分，完成解码过程。假设时段g结束时，重新编码染色体长度为7，虚拟配送中心为需求点i、j，根据容量约束需要新派车辆，其解码过程与预优化阶段相似，如图9所示。生成初始种群后，其他遗传操作设计与预优化阶段算法设计相同。
本实施例中的方法将应急救援物资调度优化过程做出以下假设：
1、同一配送周期内需求点的疫情等级和配送中心救援物资筹集量是确定的，不同周期是变化的。
2、同一周期制定救援物资分配方案时，疫情等级相同的需求点需求满足率相同。
3、配送中心预留的应急救援物资能够满足新增救援物资需求量。
下面通过具体的应用实例对发明的方案和效果做进一步说明。
通过图1流程图可知，将居民满意度分为需求满意度和时间满意度，通过构造满意度函数将满意度量化，并建立模型求解居民满意度最大的应急救援物资调度方案。在确定时间满意度函数时需要已知配送车辆对各个需求点的配送量，根据配送量求得其在各个需求点的服务时间，进而确定配送车辆到达各个需求点的时刻，最终准确的计算各个需求点的时间满意度。首先确定需求满意度函数，以需求满意度最大化为目标构建救援物资分配模型；以求得的物资分配方案为基础，将时间满意度最大化为目标构建救援物资配送模型，最终确定最优的救援物资调度方案。
78个需求点的信息如表1所示，救援物资配送中心工作时间窗为[8:00,18:00]，有10辆容量均为120的车辆，其行驶速度为60km/h，单位救援物资卸货时间为1min。车辆从救援物资配送中心出发时刻为8:00，周期性优化时间间隔p＝0.5h。
表1需求点信息
首先，以78个需求点为基础制定预优化救援物资调度方案，其期望配送量总计为942，配送中心救援物资储存量为812.50。预优化阶段采用模拟退火算法求解每个需求点的救援物资分配量，设置需求最低满足率救援物资预留系数δp＝0.20。求得各个疫情等级需求点的救援物资满足率为(79.43％，75.68％，60.39％，58.76％)，具体的救援物资分配方案如表1所示，其中分配量保留2位小数。该分配方案下78个需求点的需求满意度之和为59.87。
以上述救援物资分配方案为基础，采用自适应遗传算法规划配送路径，求解的配送方案如表2所示。图11给出了算法求解预优化配送任务的优化过程，预优化配送方案下78个需求点的时间满意度为61.60。
表2预优化配送方案
车辆在执行配送任务过程中，救援物资配送中心接收到的所有动态事件信息如表3所示：
表3动态事件信息
动态事件发生在[9:00,9:30]、[12:00,12:30]这两个动态服务时间窗中，9:30时，配送车辆的信息如表4所示：
表4 9:30时配送车辆信息
由表4可知，在9:30时分别以需求点46、3、34、70、50和54为虚拟配送中心，对车辆配置数量及行驶路线进行调整。经多次实验可知，迭代250代左右即可得到满意解43.33，具体的优化过程如图11所示。程序运行十次的平均时间为21.52s，对于周期性动态调整是可行的。调整后的具体方案见表5，其中车辆7为新派遣的车辆，其从配送中心出发时救援物资装载量为120。
表5 9:30调整后的配送方案
注：[]内数据为调整后车辆待行驶的路径
在12:30时，车辆1和车辆6的剩余救援物资量均只能满足需求点43，而且车辆1配送该点时居民时间满意度较大，因此选择车辆1配送该点，车辆6返回配送中心。车辆2的剩余救援物资量不足以服务剩余任意一个需求点，因此本周期只更新车辆1、车辆3、车辆4、车辆5和车辆7的配送路线，分别以需求点61、需求点37、需求点9、需求点38和需求点74为虚拟配送中心，重新规划配送方案，具体配送方案如表6所示，其中车辆8为新派遣的车辆，其从配送中心出发时救援物资装载量为42.5。
表6 12:30调整后的配送方案
注：[]内数据为调整后车辆待行驶的路径
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种应急救援物资分配及车辆调度动态优化方法，其特征在于，包括：
获取疫区需求点信息、应急救援配送中心物资储备量以及车辆信息；
根据所述疫区需求点信息、应急救援配送中心物资储备量以及车辆信息构建需求满意度函数和时间满意度函数；
以需求满意度最大化为目标构建救援物资分配模型，并应用第一智能算法对所述救援物资分配模型进行求解，生成救援物资分配方案，具体地，将救援物资分配优化问题表述为：存在完备有向图G＝(VP,E)，节点集合为其中p(p∈P)为某一配送周期，P为周期集合，0为救援物资配送中心，/>为第p周期预优化阶段需求节点集合，/>为第p周期新增的需求点集合，边集合E＝{(i,j)|i,j∈V,i≠j}，lij为节点i与节点j之间的距离；k为可用配送车辆集合K＝{1,2,...,α}的任一车辆，车辆容量为Q，行驶速度为v，预优化阶段车辆k从配送中心出发时的装载量为Qpk，疫区需求点i第p周期的期望需求量为dip、实际配送量为d′ip，第p周期救援物资最低满足率为/>疫区需求点i的期望送达时间为Tip，实际送达时间为T′ipk，车辆在疫区需求点i的服务时间为tipk，第p周期配送中心救援物资筹集量为Rp，救援物资预留系数为δp，决策变量xijpk表示第p周期车辆k是否由点i到点j，是为1，否为0，
建立的救援物资分配模块：
首先构建疫区居民需求满意度函数g(wip)：
wip＝d′ip/dip (1)
其中，wip为需求点i第p周期的需求满足率wip，g(wip)为需求点i的需求满意度，Lip为第p周期需求点i的疫情等级，包括高风险、较高风险、中风险以及较低风险四类，用数字1、2、3、4表示，
则救援物资分配模块为
s.t
且/>
其中，式(5)表示预定分配方案下居民需求满意度最大化，式(6)表示每个需求点的实际配送量小于等于预计需求量，式(7)表示疫情等级相同的需求点需求满足率相同，式(8)表示救援物资分配的规则，即每个需求点救援物资满足率高于最低满足水平且小于等于1，式(9)表示每个需求点的疫情等级为整数，式(10)表示可供配送量、配送中心车辆数限制与实际配送量的关系，式(11)表示每个需求点的需求满足率大于最低满足率且不超过1；
基于所述救援物资分配方案以时间满意度最大为目标构建车辆调度模型，并应用第二智能算法对所述车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案，包括：
建立车辆调度模型：
首先构建疫区居民时间满意度函数f(hip)：
其中，Tip为疫区需求点i的期望送达时间，T′ipk为实际送达时间，hip为期望送达时间与实际到达时间的时间差，
则车辆调度模型为
s.t
其中，式(12)表示目标函数，是以时间满意度最大化为目标，式(13)和(14)表示每个需求点只能被车辆配送一次且满足车辆的进出平衡约束，式(15)表示车辆被使用时只有一条服务路径且车辆完成任务后必须返回配送中心，式(16)表示应急配送过程中使用的车辆不超过车辆数量限制，式(17)表示车辆从需求点i到达需求点j的时刻，式(18)为消除子回路约束，式(19)表示车辆的容量约束；式(20)为决策变量属性。
2.根据权利要求1所述的应急救援物资分配及车辆调度动态优化方法，其特征在于，所述生成最终的救援物资分配和车辆调度方案之前，还包括：对需求点信息变化情况进行判断，若需求点信息变化，则整合剩余物资储备量、新增及未服务需求点信息重新构建车辆调度模型，并应用第二智能算法对重新构建的车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案。
3.根据权利要求1所述的应急救援物资分配及车辆调度动态优化方法，其特征在于，所述根据所述疫区需求点信息、应急救援配送中心物资储备量以及车辆信息构建需求满意度函数和时间满意度函数，包括：
获取各需求点的信息以及应急救援配送中心物资储备量，计算需求满足率，基于所述需求满足率构建需求满意度函数；
获取各需求点物资期望送达时间，根据需求点物资期望送达时间计算其与实际到达时间的时间差，基于所述时间差构建时间满意度函数。
4.根据权利要求3所述的应急救援物资分配及车辆调度动态优化方法，其特征在于，所述应用第一智能算法对所述救援物资分配模型进行求解，生成救援物资分配方案，包括：基于需求点物资满足率生成救援物资分配方案；
相应的，
所述应用第二智能算法对所述车辆调度模型进行求解，生成最终的救援物资分配和车辆调度方案，包括：基于需求点物资满足率生成最终的救援物资分配和车辆调度方案。
5.根据权利要求1所述的应急救援物资分配及车辆调度动态优化方法，其特征在于，所述第一智能算法为改进模拟退火算法。
6.根据权利要求1所述的应急救援物资分配及车辆调度动态优化方法，其特征在于，所述第二智能算法为改进自适应遗传算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110448610.8A CN113191619B (zh) | 2021-04-25 | 2021-04-25 | 一种应急救援物资分配及车辆调度动态优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110448610.8A CN113191619B (zh) | 2021-04-25 | 2021-04-25 | 一种应急救援物资分配及车辆调度动态优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113191619A CN113191619A (zh) | 2021-07-30 |
| CN113191619B true CN113191619B (zh) | 2024-03-12 |
Family
ID=76978771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110448610.8A Active CN113191619B (zh) | 2021-04-25 | 2021-04-25 | 一种应急救援物资分配及车辆调度动态优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113191619B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113313331B (zh) * | 2021-07-30 | 2022-01-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于库存缺口风险的应急物资多周期分割配送方法及装置 |
| CN113657653B (zh) * | 2021-08-02 | 2023-04-07 | 西南交通大学 | 一种考虑时间满意度的编组站取送车方法 |
| CN115130787A (zh) * | 2022-08-29 | 2022-09-30 | 深圳市城市公共安全技术研究院有限公司 | 应急资源调度方案的配置方法、系统、终端设备及介质 |
| CN116362392A (zh) * | 2023-03-21 | 2023-06-30 | 江陵县百顺通达物流有限公司 | 物料调度搬运方法、设备及计算机存储介质 |
| CN116562595B (zh) * | 2023-07-07 | 2023-09-15 | 四川师范大学 | 一种应急物资配送车辆调度方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006085354A (ja) * | 2004-09-15 | 2006-03-30 | Hitachi Software Eng Co Ltd | 救援物資の配布システム |
| CN102542395A (zh) * | 2010-12-31 | 2012-07-04 | 北京师范大学 | 一种应急物资调度系统及计算方法 |
| CN103593710A (zh) * | 2013-10-27 | 2014-02-19 | 沈阳建筑大学 | 一种一次性消耗应急物资的调度方法 |
| CN110619431A (zh) * | 2019-09-17 | 2019-12-27 | 浙江树人学院（浙江树人大学） | 一种救灾中防汛救援物资的车辆运输调度方法 |
| CN110991704A (zh) * | 2019-11-15 | 2020-04-10 | 华中科技大学 | 一种应急救援站点选址与分配方法及系统 |
| CN111882909A (zh) * | 2020-08-03 | 2020-11-03 | 上海理工大学 | 基于双层规划的应急救援调度与动态路径集成方法 |
| CN112613810A (zh) * | 2020-12-17 | 2021-04-06 | 北京工商大学 | 一种考虑需求优先级的应急物流系统动态选址-规划方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8494885B2 (en) * | 2009-10-09 | 2013-07-23 | International Business Machines Corporation | Modeling distribution of emergency relief supplies for disaster response operations |
-
2021
- 2021-04-25 CN CN202110448610.8A patent/CN113191619B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006085354A (ja) * | 2004-09-15 | 2006-03-30 | Hitachi Software Eng Co Ltd | 救援物資の配布システム |
| CN102542395A (zh) * | 2010-12-31 | 2012-07-04 | 北京师范大学 | 一种应急物资调度系统及计算方法 |
| CN103593710A (zh) * | 2013-10-27 | 2014-02-19 | 沈阳建筑大学 | 一种一次性消耗应急物资的调度方法 |
| CN110619431A (zh) * | 2019-09-17 | 2019-12-27 | 浙江树人学院（浙江树人大学） | 一种救灾中防汛救援物资的车辆运输调度方法 |
| CN110991704A (zh) * | 2019-11-15 | 2020-04-10 | 华中科技大学 | 一种应急救援站点选址与分配方法及系统 |
| CN111882909A (zh) * | 2020-08-03 | 2020-11-03 | 上海理工大学 | 基于双层规划的应急救援调度与动态路径集成方法 |
| CN112613810A (zh) * | 2020-12-17 | 2021-04-06 | 北京工商大学 | 一种考虑需求优先级的应急物流系统动态选址-规划方法 |
Non-Patent Citations (4)
| Title |
|---|
| 救灾物资高维多目标自适应分配问题建模与求解;严华健等;计算机应用;第40卷(第8期);第2410-2419页 * |
| 考虑受灾点需求时间窗的应急物资配送车辆路径规划研究;吕伟;李志红;马亚萍;赵相成;宁晶婧;;中国安全生产科学技术(第03期);第5-11页 * |
| 考虑感知满意度的多受灾点应急资源分配模型;王旭坪;董莉;陈明天;;系统管理学报(第02期);第251-256页 * |
| 考虑资源和时间窗约束的应急物资调配模型;吕伟等;中国安全科学学报;第29卷(第12期);第137-143页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113191619A (zh) | 2021-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113191619B (zh) | 一种应急救援物资分配及车辆调度动态优化方法 | |
| Taleizadeh et al. | A genetic algorithm to optimize multiproduct multiconstraint inventory control systems with stochastic replenishment intervals and discount | |
| US7711597B2 (en) | Optimizing inventory in accordance with a constrained network | |
| JP2002521756A (ja) | 資産集約製造業者のためのコンピュータ実装される価値管理ツール | |
| CN110414826B (zh) | 一种云制造环境下柔性多任务前摄性调度优化方法 | |
| CN112378415B (zh) | 一种工器具的调度规划方法、装置及设备 | |
| CN111695806B (zh) | 一种资源分配方法、装置设备和存储介质 | |
| CN110162390B (zh) | 一种雾计算系统的任务分配方法及系统 | |
| CN111695842A (zh) | 配送方案确定方法、装置、电子设备及计算机存储介质 | |
| CN110210666B (zh) | 基于车货匹配的智能推荐方法、系统和存储介质 | |
| CN112631612B (zh) | 一种基于遗传算法的kubernetes云平台配置的优化方法 | |
| Möller et al. | Airline network revenue management by multistage stochastic programming | |
| CN111950768B (zh) | 基于细菌觅食算法和蚁群算法的选址—配送方法和系统 | |
| CN112559171A (zh) | 一种移动边缘计算环境下基于延迟接受的多用户任务卸载方法 | |
| CN106447302A (zh) | 一种智能分单方法 | |
| CN116739840A (zh) | 基于多目标群优化的旅游套餐推荐方法、装置及存储介质 | |
| CN115038055B (zh) | 一种基于强化学习的多通道短消息分发方法和系统 | |
| CN109711596B (zh) | 一种多目标进化的物流配送中心选址优化方法及系统 | |
| CN115271130A (zh) | 面向船舶主动力设备维修订单的动态调度方法及系统 | |
| CN113220437B (zh) | 一种工作流多目标调度方法及装置 | |
| CN114970103A (zh) | 考虑配送员经验与随机行驶时间的即时配送路径优化方法 | |
| CN110633784A (zh) | 一种多规则人工蜂群改进算法 | |
| CN115049458A (zh) | 基于用户人群建模的商品推送方法及装置、介质、设备 | |
| Kurilov | Investigating the impact of customer service priority on optimizing the location problem of hierarchical allocation of crowded facilities in the framework of queue systems | |
| CN114912647A (zh) | 用于决定决策的装置、方法和机器可读存储介质 |
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 |