[发明专利]基于多智能体遗传算法的灾害救援救护车路径规划方法

说明书

技术领域

本发明属于计算机应用技术领域，涉及一种灾害救援救护车路径规划，具体是基于多智能体遗传算法的灾害救援救护车路径规划方法。可用于设计灾害救援过程中救护车的路径方案，以便更大限度的保存人民生命安全。

背景技术

近年来，随着工业化加剧，各种突发事件包括自然灾害等越来越频繁地发生，影响到人们的生活，甚至会威胁到人们的生命。突发公共事件发生的诱因越来越多，预测难度不断增强，而应对突发事件变得越来越困难。应急救援作为一门新兴学科，要求应急主体必须在信息高度缺失的情况下做出及时的、迅捷的反映，尽可能的采取合理、有效的措施，协调各种资源来达到有效处理突发事件，减少损失的目的。国务院通过了《中华人民共和国突发事件应对法》，用来控制、减少突发事件造成的社会危害，消除突发事件引发的负面影响，同时该法案还可以规范人们的救援行动，达到保护人民生命财产安全，维护国家安全和社会秩序等的目的。虽然灾难本身便会造成人员的伤亡，但是更大一部分受害者通常是由于缺乏有效的援助而造成的。在事故发生的第一时间科学有效的救援操作将会在很大程度上减小事故发生地的次生灾害程度。但是，灾后救援是在条件极为有限的情况下进行的，因此迅速的响应，及时的物流输送和好的救援计划将会事半功倍。

灾害救援中的救护车的路径规划问题，被看作一个灾难后的动态的、实时的车辆路径问题。在突发灾难后会有很多请求在短时间内发生，当灾难发生时，原有的路径可能中断，一旦出现很多位于不同位置的不同的伤员同时需要救援，现有的各种手机地图软件，如高德等，无法对其进行规划。而且一些道路信息、医院容量或者其他信息也在不断变化，伤员到达的医院未必就能立即得到相应的治疗。但是在灾难救援中时间就是生命，如何尽快救援到更多的伤员是十分重要的。事先的救护车的路径规划方法可以对救护车进行统一的指挥，合理规划医疗资源，避免造成资源的浪费。

大规模突发事故救援中的救护车的路径规划问题，被看作一个事故发生后的动态的、实时的车辆路径问题。关于灾害救援救护车的路径规划，早期，研究人员经常将该问题与位置覆盖问题相结合来解决，Andersson使救护车就近进行呼叫请求的回应，但是并没有考虑道路状况或者医院十分还有容量。Wex针对该问题给定需要救助的灾害地点，对总的救援时间进行优化，并使用启发式算法解决这个问题。但是Wex将所有病人送往医院，一些轻伤病人实际上只要进行一些急救，并不需要到达医院，如果所有的病人都送往医院则会浪费一些医疗资源，降低其他伤员获救的几率。Luca等人在Ambulance routing for disaster response with patient groups中提出一种救护车的路径规划方法，将病人区分为红绿标记病人，只有红色标记病人需要送往医院，并采用启发式算法解决这个问题，存在容易陷入局部最优的缺点。

国内外对救护车的路径规划问题提出许多可行的算法，主要有蚁群算法、遗传算法、禁忌搜索算法等。其中，遗传算法作为一种随机搜索算法，是根据达尔文的自然选择和孟德尔的基因遗传学原理来设计的群智能体优化算法。遗传算法通过迭代对种群不断进行搜索，可以搜索到全局最优解却不需要任何初始化信息，但是其也存在着在运算速度慢、容易陷入局部最优的缺点。在灾害救援中，时间就是生命，如何更好更快的帮助更多人员是十分有意义的。

发明内容

本发明的目的是针对现有技术的不足，提出了一种收敛更快的基于多智能体遗传算法的灾害救援救护车路径规划方法。

本发明是一种基于多智能体遗传算法的灾害救援救护车路径规划方法，其特征在于，涉及到救护车、轻重程度不同的病人、医院、救护车的救援时间、救护车路径的规划与选定，包括有如下步骤：

(1)针对救护车路径规划进行设定：

(1a)标记设定：采用红色标记标记重伤病人，采用绿色标记标记轻伤病人；

(1b)救护车救援时间的设定：

到达时间是指救护车从医院到达灾害地点的时间；

服务时间是救护车从医院出发接到病人，并将病人送达目的地的时间；

最迟服务时间为从医院出发对所有病人救护完成的时间，起点为医院，终点完成所有病人的救助；

(1c)用多智能体遗传算法进行救护车路径规划参数设定：

包括有多智能体遗传算法参数设置：具体包括智能体网格，迭代次数G，交叉概率Pc和变异概率Pm；

救护车参数设置：救护车数目在大中小规模中分别为6、6、3；救护车在医院放下病人的时间；救护车对病人的急救时间；