CN114492953A - 突发公共事件拉动集结应急资源布局优化决策方法、系统 - Google Patents

突发公共事件拉动集结应急资源布局优化决策方法、系统 Download PDF

Info

Publication number
CN114492953A
CN114492953A CN202210009211.6A CN202210009211A CN114492953A CN 114492953 A CN114492953 A CN 114492953A CN 202210009211 A CN202210009211 A CN 202210009211A CN 114492953 A CN114492953 A CN 114492953A
Authority
CN
China
Prior art keywords
emergency
aggregation
fitness
emergency resource
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.)
Pending
Application number
CN202210009211.6A
Other languages
English (en)
Inventor
刘晋
黄桌然
张薄
邹瑞
刘萍
蒋晋
沈浩
蒋朝顺
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.)
Chongqing University of Science and Technology
Original Assignee
Chongqing University of Science and 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 Chongqing University of Science and Technology filed Critical Chongqing University of Science and Technology
Priority to CN202210009211.6A priority Critical patent/CN114492953A/zh
Publication of CN114492953A publication Critical patent/CN114492953A/zh
Pending legal-status Critical Current

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"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种突发公共事件拉动集结应急资源布局优化决策方法、系统，系统可以采用方法实现应急资源布局优化，方法包括：首先，设定区域内存在的各个风险源的覆盖级数、位置坐标和应急需求量，然后，将设定的各个风险源的覆盖级数、位置坐标和应急需求量输入优化模型，采用改进遗传算法对优化模型进行迭代求解，从而得出区域内集结点的选址和应急资源分配方案。该选址和应急资源分配方案实现了应急资源的布局优化，并且能够以较少的集结点来保证整个区域风险源的全覆盖，在各集结点实际容量限制下所有风险源物资需求的最大化满足，在一定程度上解决了应急资源利用率低、现场应急资源管理困难的问题。

Description

突发公共事件拉动集结应急资源布局优化决策方法、系统
技术领域
本发明涉及专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或数据处理方法技术领域，具体涉及一种突发公共事件拉动集结应急资源布局优化决策方法、系统。
背景技术
应急资源在事故灾害应急处置过程中发挥着重要的作用，当前研究主要从应急物资配置、应急物资储备库选址、应急资源管理等角度开展。着力解决了应急资源如何快速从储备点运送至受灾点、根据现有应急资源储备点以及地区存在风险源等级优化应急资源储备库、降低应急资源储存采购成本的方法等问题，在实现应急资源合理储备的同时能够快速准确送至需求点。
但是在实际灾害事故发生后，特别是重特大灾害事件发生后，已有应急储备往往是不足的，因此需要社会各界应急资源的持续输入以保证救灾工作的顺利开展。而在实际应急救援过程中，面对紧张复杂的救灾环境，现场应急管理人员在处理各种灾情信息的同时还要花费大量时间精力去处理大量涌入现场的应急资源。一方面，给现场应急管理工作带来了极大的困难；另一方面也极易造成应急资源的浪费。因此，现在亟需一种能够实现应急资源布局优化，解决应急资源利用率低、现场应急资源管理困难的问题。
发明内容
针对现有技术存在的不足，本发明提出一种突发公共事件拉动集结应急资源布局优化决策方法、系统。能够实现应急资源的布局优化，在一定程度上解决了应急资源利用率低、现场应急资源管理困难的问题。
第一方面，提供了一种突发公共事件拉动集结应急资源布局优化决策方法，包括：
设定区域内存在的各个风险源的覆盖级数、位置坐标和应急需求量；
根据各个风险源的覆盖级数、位置坐标和应急需求量，采用改进遗传算法对优化模型进行求解，得到区域内集结点的选址和应急资源分配方案。
结合第一方面，在第一方面的第一种可实现方式中，所述优化模型为：
Figure BDA0003458287330000021
约束条件为：
Figure BDA0003458287330000022
其中，Nj为第j个风险源的需求量，k为覆盖级数，dij为根据风险源的位置坐标计算出的第i个集结点与第j个风险源之间的距离。
结合第一方面，在第一方面的第二种可实现方式中，所述改进遗传算法在生成初始群体时，包括：
根据集结点的平均修建费用和平均连接费用的比值确定集结点启用阈值；
根据集结点启用阈值筛选相应的集结点生成初始群体的个体；
结合第一方面或第一方面的第二种可实现方式，在第一方面的第三种可实现方式中，所述改进遗传算法包括：基于优化模型计算种群中各个个体的适应度。
结合第一方面或第一方面的第二种可实现方式，在第一方面的第四种可实现方式中，所述改进遗传算法包括：根据种群的最大适应度、平均适应度和最小适应度设定交叉率和变异率。
第二方面，提供了一种突发公共事件拉动集结应急资源布局优化决策系统，包括：
设定模块，配置为设定区域内存在的各个风险源的覆盖级数、位置坐标和应急需求量；
构建模块，配置为构建集结点的选址和应急资源分配方案的优化模型；
求解模块，配置为根据各个风险源的覆盖级数、位置坐标和应急需求量，采用改进遗传算法对优化模型进行求解，得到区域内集结点的选址和应急资源分配方案。
结合第二方面，在第二方面的第一种可实现方式中，所述构建模块构建的优化模型为：
Figure BDA0003458287330000031
约束条件为：
Figure BDA0003458287330000032
其中，Nj为第j个风险源的需求量，k为覆盖级数，dij为根据风险源的位置坐标计算出的第i个集结点与第j个风险源之间的距离。
结合第二方面，在第二方面的第二种可实现方式中，所述求解模块包括：
启用阈值计算单元，配置为根据集结点的平均修建费用和平均连接费用的比值确定集结点启用阈值；
初始群体生成单元，配置为根据集结点启用阈值筛选相应的集结点生成初始群体的个体。
结合第二方面，在第二方面的第三种可实现方式中，所述求解模块包括适应度计算单元，该适应度计算单元基于优化模型计算种群中各个个体的适应度。
结合第二方面，在第二方面的第四种可实现方式中，所述求解模块包括交叉率和变异率设定单元，该交叉率和变异率计算单元配置为根据种群的最大适应度、平均适应度和最小适应度设定改进遗传算法的交叉率和变异率。
有益效果：采用本发明的突发公共事件拉动集结应急资源布局优化决策方法、系统，通过对优化模型采用改进遗传算法进化迭代之后得出应急资源集结点的选址和应急资源分配方案，实现了应急资源的布局优化，能够以较少的集结点来保证整个区域风险源的全覆盖，并且实现了在各集结点实际容量限制下所有风险源物资需求的最大化满足，在一定程度上解决了应急资源利用率低、现场应急资源管理困难的问题。
附图说明
为了更清楚地说明本发明具体实施方式，下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明一实施例提供的突发公共事件拉动集结应急资源布局优化决策方法的流程图；
图2为本发明一实施例提供的构建优化模型的流程图；
图3为本发明一实施例提供的改进遗传算法的流程图；
图4为本发明一实施例提供的突发公共事件拉动集结应急资源布局优化决策系统的系统框图；
图5为图4中的突发公共事件拉动集结应急资源布局优化决策系统的求解模块的模块框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
应理解，在本发明实施例的技术方案主要应用场景为：较大及以上突发公共事件，且事件发生的严重程度远超受灾地区的最大承受能力，需要大规模的从其他地区调集人力、物资协助开展应急救援活动。此类突发公共事件包括：大型水旱灾害(如暴雨洪水、干旱等)、地震、地质灾害(如滑坡、泥石流、岩崩等)、森林火灾等自然灾害；大型交通运输事故、工矿商贸等安全生产事故、环境污染生态破坏事故等事故灾难；以及疫情、传染病等公共卫生事件。
还应理解，每一种事件类型都会涉及到不同类型的风险源，需要根据实际情况进行风险源识别。在我国，大型自然灾害类和事故灾难类的事件发生频率较高，对本发明的使用可能性更大。以下以大型工业园区事故灾害应急救援为例对本发明进行说明。
工业园区内生产经营活动中存在可能因为人的不安全行为、物的不安全状态、场所的不安全因素和管理上的缺陷，将可能导致事故的企业、地区作为风险源重点监督治理对象。园区内的风险源根据应急管理部门履行安全监管职责的重点行业领域分为：金属非金属矿山、危险化学品、烟花爆竹生产经营企业。
带储运的危化品经营存在的主要安全风险包括：火灾、爆炸事故。
烟花爆竹经营存在的主要安全风险包括：火灾、爆炸事故。
非煤矿山存在的主要安全风险包括：坍塌、放炮。
如图1所示的突发公共事件拉动集结应急资源布局优化决策方法的流程图，该方法包括：
步骤1、设定区域内存在的各个风险源的覆盖级数、位置坐标和应急需求量；
步骤2、根据各个风险源的覆盖级数、位置坐标和应急需求量，采用改进遗传算法对优化模型进行求解，得到区域内集结点的选址和应急资源分配方案。
具体而言，首先，可以根据区域内金属非金属矿山、危险化学品、烟花爆竹企业的安全标准化的评定等级，设定区域内各个风险源的覆盖级数和应急需求量，并通过地图等工具设定风险源的位置，为了便于布局优化计算，可以将风险源的位置换算成平面坐标系下的位置坐标。如果风险源发生灾害
然后，可以将设定的各个风险源的覆盖级数、位置坐标和应急需求量输入优化模型，采用改进遗传算法对优化模型进行迭代求解，从而得出区域内集结点的选址和应急资源分配方案。该选址和应急资源分配方案实现了应急资源的布局优化，并且能够以较少的集结点来保证整个区域风险源的全覆盖，在各集结点实际容量限制下所有风险源物资需求的最大化满足，在一定程度上解决了应急资源利用率低、现场应急资源管理困难的问题。
在灾害未发生时，可以根据设定的各个风险源的覆盖级数、位置坐标和应急需求量，采用改进遗传算法对优化模型进行迭代求解，得出区域内集结点的选址和应急资源分配方案。
当灾害发生时，可以汇总实际的受灾情况，并根据受灾情况对各个风险源设定的应急需求量进行修正，再根据经过修正后的应急需求量、覆盖级数和位置坐标，采用改进遗传算法对优化模型进行迭代求解。如此得出区域内集结点的选址和应急资源分配方案更符合实际情况，进一步解决了应急资源利用率低、现场应急资源管理困难的问题。
下文将对本发明实施例的优化模型进行详细说明。
在步骤2中，采用的优化模型为：
Figure BDA0003458287330000061
约束条件为：
Figure BDA0003458287330000062
其中，Nj为第j个风险源的需求量，k为覆盖级数，dij为根据风险源的位置坐标计算出的第i个集结点与第j个风险源之间的距离。
具体而言，如图2所示，该优化模型是基于多级覆盖应急资源集结点选址模型构建而成。因为，大型突发事件应急处置过程中的应急资源集结点一般选择在已有的应急资源储备点，或者在某个学校、广场、医院等较为开阔的地方，会存在选址不能完全覆盖所有风险源点的问题，并且已有的资源集结点缺乏合理规划。所以，为保证已知风险源发生突发事件时外界应急救援资源能及时输送物资到达现场开展应急救援，可以在构建的最大覆盖的多级覆盖应急资源集结点选址模型构建优化模型。
为了确保风险源点的全覆盖，并且在此基础上使需求区域的满意度最大化，并考虑经济性使设施建设与连接费用最小，构建最大覆盖应急资源集结点选址模型时的模型可以假设为：
①可用应急资源集结点和需求点均为离散的，且令I代表备选集结点的集合，J代表需求点(即风险源)的集合；
②任意应急资源集结点和需求点的距离dij为欧式距离；
③每个集结点可以为多个需求点供应物资，且每个集结点容量有限制并各不相同；
④考虑经费问题，最终建设应急资源集结点的数量有限；
在最大覆盖应急资源集结点选址模型中，各参数及变量的定义如下：
I为集结点的集合，i∈I；
J为需求点的集合，j∈J。
xij表示集结点i为需求点j提供覆盖；
yi∈{0，1}，yi＝1代表设施点i被选中，yi＝0代表设施点i未被选中；
P表示应急资源集结点受限制的数量；
fi为应急资源集结点i被启用所需的建设成本。
根据覆盖满意度的最大化和成本最低的要求，建立的最大覆盖应急资源集结点选址模型如下：
Figure BDA0003458287330000081
Figure BDA0003458287330000082
其中，R为集结点的最大覆盖半径，r为集结点的最小覆盖半径，gij为集结点对需求点的覆盖满意度。
上述模型的约束条件是：
∑i∈Iyi≤P (1)
Figure BDA0003458287330000083
Figure BDA0003458287330000084
Figure BDA0003458287330000085
①目标函数Z1代表所有需求点的覆盖满意度最大，也代表着应急物资供应的有效程度；
②目标函数Z2代表集结点所需建设成本最小化；
③约束(1)表示最终启用的应急资源集结点的数量，备选应急资源集结点不可能全部启用；
④约束(2)表示需求点由一个应急资源集结点供应物资，保证覆盖的合理性；
⑤约束(3)和(4)表示yi和xij均为二元整数决策变量，保证算法的运行。
在上述最大覆盖应急资源集结点选址模型的基础上，建立的多级覆盖应急资源集结点选址模型如下：
Figure BDA0003458287330000086
Z2＝min∑i∈Ifiyi
Figure BDA0003458287330000091
约束条件为：
Figure BDA0003458287330000092
其中，其中，
Figure BDA0003458287330000093
表示应急资源集结点为需求点j提供k级覆盖时占总物资供应的权重，
Figure BDA0003458287330000094
表示多级覆盖下的覆盖满意度，k为覆盖级数，
Figure BDA0003458287330000095
表示集结点i为需求点j提供第k级覆盖。
基于上述建立的多级覆盖应急资源集结点选址模型，构建的优化模型如下：
Figure BDA0003458287330000096
约束条件包括：
Figure BDA0003458287330000097
其中，Nj为第j个风险源的需求量，Gi为集结点的应急资源储备容量，υ为需求点与集结点之间应急资源的单位运送费用。
下文将结合图3对本实施例中改进遗传算法进行具体说明。
在本实施例的技术方案中，改进遗传算法的实现步骤包括：
步骤2-1、设置相关参数，设置的参数包括：集结点集合I，以及需求点集合J及对应的位置坐标、应急需求量和覆盖级数，设施容量Gi，集结点数量限制P，集结点的建设成本fi,单位运送费用υ，生成初始种群所需的启用阈值σ1、σ2和比值阈值μ，交叉变异所需的参数0<pc0<pc1<pc2、0<pm0<pm1<pm2、α、β和δ，种群规模N，最大进化代数TMAX。
步骤2-2、生成初始群体。在本实施例中，可选的，所述改进遗传算法在生成初始群体时，包括：
根据集结点的平均修建费用和平均连接费用的比值确定集结点启用阈值；
根据集结点启用阈值筛选相应的集结点生成初始群体的个体。
具体而言，在本发明实施例的技术方案中，采用具有方向性的初始群体生成方法来构建遗传算法的初始群体，生成的初始群体更符合应急资源储运的现实规律，并且能够在迭代初期就获得较高的适应度。
生成方法的具体步骤包括：
首先，根据需求点与集结点之间应急资源的单位运送费用和集结点的建设成本，计算出集结点的平均修建费用和平均连接费用的比值，具体计算式如下：
Figure BDA0003458287330000101
其中，m表示需求点的数量，n表示集结点的数量。
计算得出比值h后，可以比值h≥μ，则集结点启用阈值设为σ2，反之集结点启用阈值设为σ1，σ1、σ2满足0≤σ1≤σ2≤1。
确定集结点的启用阈值后，对于每个集结点可以随机生成实数ri，ri∈[0，1]。
当集结点启用阈值为σ2时，若ri≤σ2，则令
Figure BDA0003458287330000102
反之，则启用对应的集结点构建初始群体中的个体。如此，当集结点的建设费用超过连接费用时，可以将集结点启用阈值设定为较大的σ2，以此降低集结点启用的概率，从而减少集结点被启用的数量。
当集结点启用阈值为σ1时，若ri≤σ1，则令
Figure BDA0003458287330000111
反之，则启用对应的集结点构建初始群体中的个体。如此，当集结点的建设费用与连接费用相差不大时，可以将集结点启用阈值设定为较小的σ2，以此增大降低应急资源集结点启用的概率，使更多的集结点被启用。如此重复多次，即可构建起多个个体，通过构建起的多个个体生成初始群体。
步骤2-3、计算种群内各个个体的适应度。在本实施例的技术方案中，所述改进遗传算法基于优化模型计算种群中各个个体的适应度。
具体的，将初始群体中的所有个体分别输入优化模型中，得到每个个体对应的目标函数值。再根据相应的目标函数值，采用适应度函数计算出种群的适应度，适应度函数如下所示：
Figure BDA0003458287330000112
其中，maxZ1、maxZ2表示分别通过优化模型中两个目标模型计算出的最大目标函数值，minZ1、minZ2表示分别通过优化模型中两个目标模型计算出的最小目标函数值，
Figure BDA0003458287330000113
表示第q个体分别通过优化模型中两个目标模型计算出的目标函数值。
计算得到个体的适应度值后，如果迭代次数t未超过最大进化代数TMAX，则从种群中选取适应度值最大的个体存储。
步骤2-4、执行选择算子，根据各个个体的适应度值大小，通过轮盘赌方法选择将进行交叉和变异的个体。
在本实施例中，还包括根据种群的最大适应度、平均适应度和最小适应度设定交叉率。
具体而言，首先，可以统计种群中的最大适应度Fmax(t)、平均适应度Favg(t)和最小适应度Fmin(t)。然后，采用以下计算式计算出交叉率：
Figure BDA0003458287330000121
其中，
Figure BDA0003458287330000122
表示种群的近似程度，
Figure BDA0003458287330000123
表示种群内部个体适应度的分布情况，根据种群的适应度分布情况，采用上述方法计算出交叉率，可以使交叉率随着种群进行自适应变化，能够随着种群的迭代进化自我调节，在进化速度与解的质量之间进行权衡，从而获得最优的选址与应急物资分配方案。
在本实施例中，还包括根据种群的最大适应度、平均适应度和最小适应度设定变异率。
具体而言，还可以根据统计出的最大适应度Fmax(t)、平均适应度Favg(t)和最小适应度Fmin(t)，采用以下计算式计算出变异率：
Figure BDA0003458287330000124
采用上述方法计算出变异率，可以使变异率随着种群进行自适应变化，能够随着种群的迭代进化自我调节，在进化速度与解的质量之间进行权衡，从而获得最优的选址与应急物资分配方案。
步骤2-5、对选取出的个体执行交叉算子。
步骤2-6、对执行步骤2-5后的种群个体执行变异算子，得到新种群。
步骤2-7、采用上述的计算方法计算当前新种群的适应度，并确定当代种群中适应度最大的最优个体。并将最优个体的适应度与之前存储的适应度值最大的个体的适应度进行比较，如果最优个体的适应度值大于存储的个体的适应度值，则将存储的个体替换为最优个体，反之，则保持不变。
步骤2-8、判断是否满足终止条件，在本实施例的技术方案中，终止条件设定为迭代次数达到预设的最大进化代数TMAX，如果未达到，则返回步骤2-3，进行下一次迭代，反之，则输出最终迭代得到的种群，即应急资源集结点选址和物资调配方案。
如图4所示的突发公共事件拉动集结应急资源布局优化决策系统的系统框图，该系统包括：
设定模块，配置为设定区域内存在的各个风险源的覆盖级数、位置坐标和应急需求量；
构建模块，配置为构建集结点的选址和应急资源分配方案的优化模型；
求解模块，配置为根据各个风险源的覆盖级数、位置坐标和应急需求量，采用改进遗传算法对优化模型进行求解，得到区域内集结点的选址和应急资源分配方案。
具体而言，通过设定模块可以根据区域内金属非金属矿山、危险化学品、烟花爆竹企业的安全标准化的评定等级，设定区域内各个风险源的覆盖级数和应急需求量，并通过地图等工具设定风险源的位置，为了便于布局优化计算，可以将风险源的位置换算成平面坐标系下的位置坐标。
通过构建模块可以构建集结点的选址和应急资源分配方案的优化模型，通过求解模块可以根据设定模块设定的各个风险源的覆盖级数、位置坐标和应急需求量，采用改进遗传算法对构建模块构建的优化模型进行求解，得到区域内集结点的选址和应急资源分配方案。
通过求解模块迭代求解得出的选址和应急资源分配方案，能够实现应急资源的布局优化，并且能够以较少的集结点来保证整个区域风险源的全覆盖，在各集结点实际容量限制下所有风险源物资需求的最大化满足，在一定程度上解决了应急资源利用率低、现场应急资源管理困难的问题。
在本实施例中，可选的，所述构建模块构建的优化模型为：
Figure BDA0003458287330000141
约束条件为：
Figure BDA0003458287330000142
其中，Nj为第j个风险源的需求量，k为覆盖级数，dij为根据风险源的位置坐标计算出的第i个集结点与第j个风险源之间的距离。
下文将结合图2对构建模块构建优化模型的步骤进行详细说明。
首先，构建模块可以构建最大覆盖应急资源集结点选址模型。在构建最大覆盖应急资源集结点选址模型时，可以假设模型为：
①可用应急资源集结点和需求点均为离散的，且令I代表备选集结点的集合，J代表需求点(即风险源)的集合；
②任意应急资源集结点和需求点的距离dij为欧式距离；
③每个集结点可以为多个需求点供应物资，且每个集结点容量有限制并各不相同；
④考虑经费问题，最终建设应急资源集结点的数量有限；
在最大覆盖应急资源集结点选址模型中，各参数及变量的定义如下：
I为集结点的集合，i∈I；
J为需求点的集合，j∈J。
xij表示集结点i为需求点j提供覆盖；
yi∈{0，1}，yi＝1代表设施点i被选中，yi＝0代表设施点i未被选中；
P表示应急资源集结点受限制的数量；
fi为应急资源集结点i被启用所需的建设成本。
构建模块根据覆盖满意度的最大化和成本最低的要求，建立的最大覆盖应急资源集结点选址模型如下：
Figure BDA0003458287330000151
Figure BDA0003458287330000152
其中，R为集结点的最大覆盖半径，r为集结点的最小覆盖半径，gij为集结点对需求点的覆盖满意度。
上述模型的约束条件是：
∑i∈Iyi≤P (1)
Figure BDA0003458287330000153
Figure BDA0003458287330000154
Figure BDA0003458287330000155
①目标函数Z1代表所有需求点的覆盖满意度最大，也代表着应急物资供应的有效程度；
②目标函数Z2代表集结点所需建设成本最小化；
③约束(1)表示最终启用的应急资源集结点的数量，备选应急资源集结点不可能全部启用；
④约束(2)表示需求点由一个应急资源集结点供应物资，保证覆盖的合理性；
⑤约束(3)和(4)表示yi和xij均为二元整数决策变量，保证算法的运行。
然后，构建模块在上述最大覆盖应急资源集结点选址模型的基础上，建立的多级覆盖应急资源集结点选址模型如下：
Figure BDA0003458287330000161
Z2＝min∑i∈Ifiyi
Figure BDA0003458287330000162
约束条件为：
Figure BDA0003458287330000163
其中，其中，
Figure BDA0003458287330000164
表示应急资源集结点为需求点j提供k级覆盖时占总物资供应的权重，
Figure BDA0003458287330000165
表示多级覆盖下的覆盖满意度，k为覆盖级数，
Figure BDA0003458287330000166
表示集结点i为需求点j提供第k级覆盖。
最后，构建模块基于上述建立的多级覆盖应急资源集结点选址模型，构建的优化模型如下：
Figure BDA0003458287330000167
约束条件包括：
Figure BDA0003458287330000168
其中，Nj为第j个风险源的需求量，Gi为集结点的应急资源储备容量，υ为需求点与集结点之间应急资源的单位运送费用。
下文将结合图5对求解模块进行详细说明。
在本实施例的技术方案中，所述求解模块包括：
启用阈值计算单元，配置为根据集结点的平均修建费用和平均连接费用的比值确定集结点启用阈值；
初始群体生成单元，根据集结点启用阈值筛选相应的集结点生成初始群体的个体。
具体而言，求解模块包括参数设置单元，通过该参数设置单元可以设置集结点集合I，以及需求点集合J及对应的位置坐标、应急需求量和覆盖级数，设施容量Gi，集结点数量限制P，集结点的建设成本fi,单位运送费用υ，生成初始种群所需的启用阈值σ1、σ2和比值阈值μ，交叉变异所需的参数0<pc0<pc1<pc2、0<pm0<pm1<pm2、α、β和δ，种群规模N，最大进化代数TMAX。
求解模块还包括初始群体生成单元和启用阈值计算单元。其中，启用阈值计算单元可以根据需求点与集结点之间应急资源的单位运送费用和集结点的建设成本，计算出集结点的平均修建费用和平均连接费用的比值，并根据比值确定相应的集结点启用阈值，比值的具体计算式如下：
Figure BDA0003458287330000171
其中，m表示需求点的数量，n表示集结点的数量。
计算得出比值h后，可以比值h≥μ，则集结点启用阈值设为σ2，反之，集结点启用阈值设为σ1，σ1、σ2满足0≤σ1≤σ2≤1。
初始群体生成单元可以根据启用阈值计算单元确定的集结点启用阈值启用集结点作为初始群体的个体。
具体的，初始群体生成单元对于每个集结点可以随机生成实数ri，ri∈[0，1]，当集结点启用阈值为σ2时，初始群体生成单元判定各个集结点的实数与集结点启用阈值σ2的大小，若ri≤σ2，则令
Figure BDA0003458287330000172
反之，则启用对应的集结点构建初始群体中的个体。如此，当集结点的建设费用超过连接费用时，可以将集结点启用阈值设定为较大的σ2，以此降低集结点启用的概率，从而减少集结点被启用的数量。
当集结点启用阈值为σ1时，初始群体生成单元判断各个集结点的实数与集结点启用阈值σ1的大小，若ri≤σ1，则令
Figure BDA0003458287330000181
反之，则启用对应的集结点构建初始群体中的个体。如此，当集结点的建设费用与连接费用相差不大时，可以将集结点启用阈值设定为较小的σ2，以此增大降低应急资源集结点启用的概率，使更多的集结点被启用。如此重复多次，即可构建起多个个体，通过构建起的多个个体生成初始群体。
所述求解模块还包括适应度计算单元，该适应度计算单元可以在每次迭代过程中，基于优化模型计算种群中各个个体的适应度。
具体的，适应度计算单元可以将初始群体中的所有个体分别输入优化模型中，得到每个个体对应的目标函数值。再根据相应的目标函数值，采用适应度函数计算出种群的适应度，适应度函数如下所示：
Figure BDA0003458287330000182
其中，maxZ1、maxZ2表示分别通过优化模型中两个目标模型计算出的最大目标函数值，minZ1、minZ2表示分别通过优化模型中两个目标模型计算出的最小目标函数值，
Figure BDA0003458287330000183
表示第q个体分别通过优化模型中两个目标模型计算出的目标函数值。
适应度计算单元计算得到个体的适应度值后，如果迭代次数t未超过最大进化代数TMAX，则从种群中选取适应度值最大的个体存储。
所述求解模块还包括选择单元，该选择单元可以执行选择算子，根据种群中各个个体的适应度值大小，采用轮盘赌方法选择将进行交叉和变异的个体。
所述求解模块还包括交叉单元和变异单元，该交叉单元和变异单元可以分别执行交叉算子和变异算子，分别对选择单元选取的进行交叉的个体进行交叉，和对选择单元选取的进行变异的个体进行变异。
在本实施例中，可选的，所述求解模块包括交叉率和变异率设定单元，该交叉率和变异率计算单元配置为根据种群的最大适应度、平均适应度和最小适应度设定改进遗传算法的交叉率和变异率。
交叉率和变异率设定单元可以统计种群中的最大适应度Fmax(t)、平均适应度Favg(t)和最小适应度Fmin(t)。并可以采用以下计算式计算出交叉率：
Figure BDA0003458287330000191
以及，采用以下计算式计算出变异率：
Figure BDA0003458287330000192
其中，
Figure BDA0003458287330000193
表示种群的近似程度，
Figure BDA0003458287330000194
表示种群内部个体适应度的分布情况，交叉率和变异率设定单元能够随着种群的迭代进化，自适应调节种群的交叉率和变异率，在进化速度与解的质量之间进行权衡，从而获得最优的选址与应急物资分配方案。
所述求解模块还包括个体替换单元，该个体替换单元可以计算当前新种群的适应度，并确定当代种群中适应度最大的最优个体。并将最优个体的适应度与之前存储的适应度值最大的个体的适应度进行比较，如果最优个体的适应度值大于存储的个体的适应度值，则将存储的个体替换为最优个体，反之，则保持不变。
所述求解模块还包括终止判定单元，该终止判定单元可以判定是否满足终止条件，在本实施例的技术方案中，终止条件设定为迭代次数达到预设的最大进化代数TMAX，如果未达到，则控制求解模块进行下一次迭代求解，反之，则输出最终迭代得到的种群，即应急资源集结点选址和物资调配方案。
以上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，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种突发公共事件拉动集结应急资源布局优化决策方法，其特征在于，包括：
设定区域内存在的各个风险源的覆盖级数、位置坐标和应急需求量；
根据各个风险源的覆盖级数、位置坐标和应急需求量，采用改进遗传算法对优化模型进行求解，得到区域内集结点的选址和应急资源分配方案。
2.根据权利要求1所述的突发公共事件拉动集结应急资源布局优化决策方法，其特征在于，所述优化模型为：
Figure FDA0003458287320000011
约束条件为：
Figure FDA0003458287320000012
其中，Nj为第j个风险源的需求量，k为覆盖级数，dij为根据风险源的位置坐标计算出的第i个集结点与第j个风险源之间的距离。
3.根据权利要求1所述的突发公共事件拉动集结应急资源布局优化决策方法，其特征在于，所述改进遗传算法在生成初始群体时，包括：
根据集结点的平均修建费用和平均连接费用的比值确定集结点启用阈值；
根据集结点启用阈值筛选相应的集结点生成初始群体的个体。
4.根据权利要求1或3所述的突发公共事件拉动集结应急资源布局优化决策方法，其特征在于，所述改进遗传算法包括：基于优化模型计算种群中各个个体的适应度。
5.根据权利要求1或3所述的突发公共事件拉动集结应急资源布局优化决策方法，其特征在于，所述改进遗传算法包括：根据种群的最大适应度、平均适应度和最小适应度设定交叉率和变异率。
6.一种突发公共事件拉动集结应急资源布局优化决策系统，其特征在于，包括：
设定模块，配置为设定区域内存在的各个风险源的覆盖级数、位置坐标和应急需求量；
构建模块，配置为构建集结点的选址和应急资源分配方案的优化模型；
求解模块，配置为根据各个风险源的覆盖级数、位置坐标和应急需求量，采用改进遗传算法对优化模型进行求解，得到区域内集结点的选址和应急资源分配方案。
7.根据权利要求6所述的突发公共事件拉动集结应急资源布局优化决策系统，其特征在于，所述构建模块构建的优化模型为：
Figure FDA0003458287320000021
约束条件为：
Figure FDA0003458287320000022
其中，Nj为第j个风险源的需求量，k为覆盖级数，dij为根据风险源的位置坐标计算出的第i个集结点与第j个风险源之间的距离。
8.根据权利要求6所述的突发公共事件拉动集结应急资源布局优化决策方法，其特征在于，所述求解模块包括：
启用阈值计算单元，配置为根据集结点的平均修建费用和平均连接费用的比值确定集结点启用阈值；
初始群体生成单元，根据集结点启用阈值筛选相应的集结点生成初始群体的个体。
9.根据权利要求6所述的突发公共事件拉动集结应急资源布局优化决策方法，其特征在于，所述求解模块包括适应度计算单元，该适应度计算单元基于优化模型计算种群中各个个体的适应度。
10.根据权利要求6所述的突发公共事件拉动集结应急资源布局优化决策方法，其特征在于，所述求解模块包括交叉率和变异率设定单元，该交叉率和变异率计算单元配置为根据种群的最大适应度、平均适应度和最小适应度设定改进遗传算法的交叉率和变异率。
CN202210009211.6A 2022-01-06 2022-01-06 突发公共事件拉动集结应急资源布局优化决策方法、系统 Pending CN114492953A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210009211.6A CN114492953A (zh) 2022-01-06 2022-01-06 突发公共事件拉动集结应急资源布局优化决策方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210009211.6A CN114492953A (zh) 2022-01-06 2022-01-06 突发公共事件拉动集结应急资源布局优化决策方法、系统

Publications (1)

Publication Number Publication Date
CN114492953A true CN114492953A (zh) 2022-05-13

Family

ID=81510943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210009211.6A Pending CN114492953A (zh) 2022-01-06 2022-01-06 突发公共事件拉动集结应急资源布局优化决策方法、系统

Country Status (1)

Country Link
CN (1) CN114492953A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116663854A (zh) * 2023-07-24 2023-08-29 匠人智慧(江苏)科技有限公司 一种基于智慧园区的资源调度管理方法、系统及存储介质
CN117041040A (zh) * 2023-08-16 2023-11-10 宁夏隆合科技有限公司 一种基于智能调度算法的指挥中心分布式布局系统
CN117350518A (zh) * 2023-12-04 2024-01-05 深圳智慧园区信息技术有限公司 一种智慧园区应急资源调度方法及系统
CN117829379A (zh) * 2024-03-04 2024-04-05 生态环境部海河流域北海海域生态环境监督管理局生态环境监测与科学研究中心 一种突发水污染事件应急物资储备库的优化布局方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539590A (zh) * 2019-07-12 2020-08-14 栾偲良 一种基于后悔理论的应急资源配置优化方法
CN113554540A (zh) * 2021-07-21 2021-10-26 国家海洋局东海环境监测中心 一种海上危化品突发事故应急处理方法和系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539590A (zh) * 2019-07-12 2020-08-14 栾偲良 一种基于后悔理论的应急资源配置优化方法
CN113554540A (zh) * 2021-07-21 2021-10-26 国家海洋局东海环境监测中心 一种海上危化品突发事故应急处理方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《计算机工程与应用》: "大规模突发事件应急设施选址模型及算法", 《计算机工程与应用》, vol. 49, no. 8, 15 April 2013 (2013-04-15), pages 67 - 71 *
刘晋 等: "基于自适应遗传算法的应急物资储备库选址及物资调配优化研究", 《安全与环境学报》, vol. 21, no. 1, 28 February 2021 (2021-02-28), pages 295 - 302 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116663854A (zh) * 2023-07-24 2023-08-29 匠人智慧(江苏)科技有限公司 一种基于智慧园区的资源调度管理方法、系统及存储介质
CN116663854B (zh) * 2023-07-24 2023-10-17 匠人智慧(江苏)科技有限公司 一种基于智慧园区的资源调度管理方法、系统及存储介质
CN117041040A (zh) * 2023-08-16 2023-11-10 宁夏隆合科技有限公司 一种基于智能调度算法的指挥中心分布式布局系统
CN117041040B (zh) * 2023-08-16 2024-05-10 宁夏隆合科技有限公司 一种基于智能调度算法的指挥中心分布式布局系统
CN117350518A (zh) * 2023-12-04 2024-01-05 深圳智慧园区信息技术有限公司 一种智慧园区应急资源调度方法及系统
CN117350518B (zh) * 2023-12-04 2024-03-29 深圳智慧园区信息技术有限公司 一种智慧园区应急资源调度方法及系统
CN117829379A (zh) * 2024-03-04 2024-04-05 生态环境部海河流域北海海域生态环境监督管理局生态环境监测与科学研究中心 一种突发水污染事件应急物资储备库的优化布局方法
CN117829379B (zh) * 2024-03-04 2024-06-11 生态环境部海河流域北海海域生态环境监督管理局生态环境监测与科学研究中心 一种突发水污染事件应急物资储备库的优化布局方法

Similar Documents

Publication Publication Date Title
CN114492953A (zh) 突发公共事件拉动集结应急资源布局优化决策方法、系统
Guo et al. Multi-objective optimization for improved project management: Current status and future directions
Tian et al. Multi-objective scheduling of priority-based rescue vehicles to extinguish forest fires using a multi-objective discrete gravitational search algorithm
Hu et al. Emergency material scheduling optimization model and algorithms: A review
CN108171413B (zh) 一种化工园区应急资源配置优化方法
Liao et al. Adaptation methodology of CBR for environmental emergency preparedness system based on an Improved Genetic Algorithm
Lee et al. Dynamic analysis of construction safety risk and visual tracking of key factors based on behavior-based safety and building information modeling
CN109934398A (zh) 一种钻爆法施工隧道瓦斯危险等级预测方法和装置
CN110288118A (zh) 一种基于无人机的空中救援响应方法
Liu et al. Humanitarian logistics planning for natural disaster response with Bayesian information updates.
CN109685356A (zh) 基于产业数据的预警方法及系统
CN104933474B (zh) 危险化学品运输的模糊双层优化方法
Rezaei et al. A bi-objective optimization framework for designing an efficient fuel supply chain network in post-earthquakes
Maharjan et al. Fuzzy multi-attribute group decision making to identify the order of establishing temporary logistics hubs during disaster response
Mohammadi et al. Sustainable spatial land use optimization through non-dominated sorting Genetic Algorithm-II (NSGA-II):(Case Study: Baboldasht District of Isfahan)
CN115775059A (zh) 一种站点规划方法、装置、设备以及存储介质
Zhao et al. Optimizing Temporary Rescue Facility Locations for Large-Scale Urban Environmental Emergencies to Improve Public Safety.
Ren et al. Location allocation collaborative optimization of emergency temporary distribution center under uncertainties
Gan et al. A multi-objective evolutionary algorithm for emergency logistics scheduling in large-scale disaster relief
Li et al. An evaluation of factors influencing the community emergency management under compounding risks perspective
Huo et al. [Retracted] Research on Solving Postdisaster Material Distribution and Scheduling with Improved NSGA‐II Algorithm
Safaei et al. A multi-objective model to allocate multiple facilities at proposed locations in the multi-floor organisation, using an improved genetic algorithm. Case study: Isfahan Governorate
Zhou Modeling and Optimization of Heterogeneous Vehicle Routing Problem in Emergency Resource Distribution after Disaster
Escudero et al. On risk management of multistage multiscale FLP under uncertainty
Zhou et al. A multi-agent genetic algorithm for multi-period emergency resource scheduling problems in uncertain traffic network

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