震后伤员救援车辆两阶段规划模型及算法研究

不确定情景下的应急物资配送和车辆路径优化问题是目前国内研究的一大热点，其中 震后伤员运送车辆调度及路径优化问题随着近几年地震等自然灾害的频繁发生也逐渐引起人 们的重视． 本文采用聚合优化算法对灾区进行应急救援区域划分，建立了以总救援时间最短和 相对综合救援权重值最大为目标的救援车辆两阶段数学规划模型，设计了带三角函数变异的 离散型萤火虫优化算法进行求解，并与常规算法求解结果做了对比分析． 通过算例进行模拟实 验表明，所提出的模型和算法可以有效解决地震情景下的伤员救援车辆调度问题，且改进算法 的全局搜索性能更优．     

突发事件下高铁站应急疏散多目标优化模型与自适应量子蚁群算法

突发事件下公共场所人员的应急疏散问题是目前国内外研究的热点,其中高铁站应急情境下的人员疏散及路径优化也随着高铁的快速发展逐渐引起了人们的重视。本文考虑拥挤度会对疏散人员心理行为及疏散效率产生影响,以高铁站人员应急疏散过程中的拥挤度与总疏散时间为目标,建立了高铁站应急疏散路径多目标优化数学模型,设计了一种改进的自适应量子蚁群算法进行求解,并与常规算法求解结果做了对比分析。通过算例进行模拟实验,结果表明,所提出的模型较好地兼顾了疏散路径的安全性与时效性,且设计的算法具有良好的全局性和收敛性,有助于进一步完善我国高速铁路客运运作管理体系。     

融合分解集成和深度学习的金融时间序列预测模型

由于金融时间序列具有高度非线性、不稳定性等特点，单一预测模型的预测精度受限。文章将集成经验模态分解（EEMD）技术和长短期记忆网络（LSTM）相结合，同时融入麻雀搜索算法（SSA）优化神经网络参数，构建了EEMD-SSA-LSTM混合预测模型。首先将该金融时间序列进行EEMD分解，其次将分解所得的各IMF分量与残差项输入到SSA优化后的LSTM网络进行逐个预测，最后通过累加得到最终预测结果。以上证指数价格为研究对象进行实证分析，结果表明，所提出的混合预测模型的MAPE、RMSE、MAE分别为0.0122、0.3278、0.2681，具有更高的预测精度与适用性。     

灾后模糊需求情境下考虑救援公平性的应急物资调度问题模型与算法研究

在重大灾害发生初期,由于受灾地区对应急物资的需求激增,合理的应急物资分配有助于提高救援效率。本文考虑受灾点应急物资需求具有模糊属性,将需求物资用三角模糊数表示,以受灾群众损失最小、体现救援公平性的受灾点应急物资满意度方差最小及应急救援成本最小为目标,构建了灾后初期应急物资调度的多目标模糊优化模型,并采用改进的粒子群算法对模型进行求解。该算法在粒子群算法的基础上采取天牛寻找食物的策略,将单一粒子分为左、中、右三个粒子,并结合单纯形算子和模拟退火策略,使算法不易陷入局部收敛。本文通过算例进行模拟实验表明,所提出的模型和算法可以有效解决重大灾害事件下应急物资的合理分配问题,且改进算法的性能更优。