[发明专利]考虑时效性与公平性的多供应点应急物资选址优化方法

说明书

本发明公开了考虑时效性与公平性的多供应点应急物资选址优化方法，包括：依次构建物资供应点、临时配送中心、灾区、损毁道路，构建多目标应急物资配送模型，构建初始化个体策略，基于初始化个体策略构建变异算子以及局部搜索算子，构建选择策略与接受准则，将变异算子与局部搜索算子相结合，输出最优算子，对最优算子进行评价，输出用于应急配送的最佳方案。本发明提出了一个双目标的多供应点应急物资选址配送模型，在模型中，考虑到了灾害对于路网的影响，以此提出等待时间的概念，同时为了使得分配的结果更加的公平，引入了最低分配物资的概念，并介绍了相关的计算方法；并完成了应急救灾物资问题的问题域设计。

技术领域

本发明属于应急物流领域，特别是涉及考虑时效性与公平性的多供应 点应急物资选址优化方法。

背景技术

由于自然灾害的不确定性，当地储备的应急救援物资往往会出现供不 应求的情况。因此，在灾后第一时间需要根据应急物资的需求和供应关系 以及灾区的受损程度进行优化调度决策，才能最大限度的减少损失。在应 急物流系统中，配送中心的选址非常重要，它决定了应急系统能否对突发 事件作出快速反应。因此，应急仓库的选址和资源配置问题近年来受到了 广泛的关注。

超启发算法作为一种高效、通用的智能算法，已经被广泛的应用于各 类优化问题，例如教育时间表问题，旅行商问题，车辆路径问题，选址路 径问题，生产调度问题等。最初的超启发算法主要用来求解单目标问题， 随着研究的深入，越来越多的学者将其用于多目标问题，并取得了不错的 效果。Leng等使用量子策略来选择算子以求解双目标区域低碳选址—路径 问题。Wang等提出了一个多目标的超启发算法来求解冷链物流，比传统的 多目标算法取得了更好的效果。Yao等人提出了智能城市步行路线规划的 超启发算法框架，并使用了强化学习机制来选择算子。Castro将超启发算 法整合到MOPSO中，并设计了四种选择策略进行对比。Zhang等提出一种 新的基于多种多样性机制的选择超启发式操作，并在3-10个目标的MaOP 测试集上验证了算法的性能。在求解多目标问题的时候，学者们也提出了 很多优秀的高层接受准则，包括全接受，只接受改进解，大洪水，以及蒙 特卡洛等，保证了算法的有效性。然而，尚未有学者将超启发算法应用在 选址—配送问题中，因此缺乏相应的问题域设计，同时常见的超启发算法 一般都是直接将算子用于优化，然而这种方式在多目标问题的效果并不理 想。

发明内容

本发明的目的是提供考虑时效性与公平性的多供应点应急物资选址优 化方法，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了考虑时效性与公平性的多供应点应急 物资选址优化方法，包括：

依次构建若干个物资供应点、若干个临时配送中心、若干个灾区、若 干个损毁道路；

基于若干个所述物资供应点、若干个所述临时配送中心、若干个所述 灾区、若干个所述损毁道路构建多目标应急物资配送模型；

基于所述多目标应急物资配送模型构建初始化个体策略；

将所述初始化个体策略带入变异算子和局部搜索算子，获得计算策略；

构建选择策略与接受准则；

基于超启发式算法对所述计算策略进行计算，并基于所述选择策略与 所述接受准则输出最优算子；

对所述最优算子进行评价，输出用于应急配送的最佳方案。

可选地，构建多目标应急物资配送模型的过程包括：

判断等待条件并计算最低分配量；基于所述等待条件与所述最低分配 量构建所述多目标应急物资配送模型。

可选地，判断等待条件并计算最低分配量的过程中包括：

所述等待条件的判断方法包括：