基于随机Petri网的遗传算法性能分析

本文采用随机Petri网方法,对遗传算法进行初步的性能分析。首先建立了遗传算法的Petri网模型,引入实施速率将其转化为SPN,同构为马尔科夫链,求出各个状态的稳定概率,得出算法各个步骤的利用率。试验结果验证了该方法的可行性。     

灾后不确定需求下应急医疗移动医院鲁棒选址问题研究

我国灾害医学救援主要采用"现场救治"模式，应急医疗移动医院的选址是否合理直接影响救援效率，但各受灾点伤员数量的不确定性增加了决策的困难。本文引入多面体不确定集合刻画伤员数量的不确定性，同时考虑伤员分类及移动医院分型，构建一个以伤员总生存概率最大化为目标的鲁棒选址模型。利用鲁棒优化理论，将模型转化为等价的混合整数规划问题，通过GAMS软件编程并调用CPLEX求解器求解。最后，以四川芦山地震应急医疗救援为例，验证模型和求解方法的可行性和鲁棒性。结果表明，扰动比例和不确定水平对移动医院的选址和伤员的分配方案有显著影响，决策者可根据自己对不确定性风险的偏好程度选择最佳的扰动比例和不确定水平组合，以获得最优的选址分配方案。     

基于路线图方法的我国应急医疗救援体系的建设路径研究

本文借用路线图方法的分析思路,从我国应急医疗救援体系建设现状和问题出发,系统分析了未来5~10年我国应急医疗救援体系的建设需求和目标、建设核心任务、建设路径以及资源保障。研究认为,应实施"大救援"、标准化、学科平台、人才队伍等四大战略,并从法律法规、经费投入、储备机制和信息技术四个方面来保障战略的实施,以完成覆盖城乡、功能完善、反应灵敏、运转高效、持续发展的我国应急医疗救援体系的建设目标。     

震后应急物资配送的模糊定位-路径问题研究

从系统集成优化的角度研究震后应急物资配送的一种新模糊定位-路径问题(LRP),综合考虑救灾点所在地理位置和地形导致的应急车辆行驶时间的随机性、救灾点应急物资需求量的不确定性与应急物资配送的时间紧迫性,以应急物资总运达时间最短与总配送成本最小为目标,构建一个基于机会约束规划的多目标模糊LRP优化模型,并根据模型的特点设计了一种混合免疫遗传算法予以求解。最后,通过算例验证了本文方法能有效解决震后应急物资配送的模糊多目标LRP,实现了震后应急物流中心定位和应急车辆路径规划的联合决策。     

突发公共事件应急系统中的模糊多目标定位-路径问题研究

本文从应急系统集成优化的角度出发,以应急系统中各资源需求点的应急救援时间满意度之和最大及系统总成本最小为目标,建立了一个应急资源需求和应急救援时间范围均模糊的多目标定位-路径问题(LRP)模型,并提出了一种混合多目标遗传算法。算例分析结果表明,所提模型和算法可以有效解决应急系统优化中的模糊多目标LRP。     

震后多目标动态应急医疗设施选址-伤员转运问题研究

地震等灾害的突发性和破坏性常导致部分伤员无法得到快速有效的救治，同时会给伤员造成一定的负面心理，影响救援效率。本文综合考虑救护车辆（救护车、直升机）和医疗设施容量的动态变化、各类伤员生存概率随时间动态变化以及伤员心理状况变化，构建了最大化伤员生存数量和最小化心理成本的震后伤员二级后送模式的医疗设施选址-伤员转运双目标动态规划模型。运用epsilon约束法有效处理双目标模型，以玉树地震后伤员后送问题为例，采用CPLEX对模型进行求解，通过分析医疗资源数量对伤员转运数量的影响，表明在伤员后送过程中，增加临时医院数量或容量与救护车数量比增加后方医院数量或容量与直升机数量更有效；考虑伤员的心理成本，为了提高伤员存活率，在灾害前期，可以通过增加救护车数量，转运更多的重伤员，而中后期提高临时医院容量，尽量优先转运轻伤员。     

基于广义随机Petri网的重大传染病传播演化模型研究

本文采用多案例分析方法提取重大传染病疫情事件的属性,从"事件类型、关键属性、从属属性、环境属性和危害评估属性"对其进行结构化描述。在此基础上,分析重大传染病疫情发展演化事件链中关联事件的相关属性,利用基于广义随机Petri网的建模分析方法,根据广义随机Petri网与马尔科夫链的同构关系,得到重大传染病传播演化的广义Petri网模型和等价马尔科夫链模型。最后,通过马尔科夫链及相关数学方法分析其中的均衡状态及其变动规律,并对系统评估和改进提出建议,可为有效监控和应对疫情发展提供有力决策支持。     

震后应急物资多方式供应的模糊动态LRP

研究震后应急物资多方式供应中的多层次设施定位-路线规划问题(LRP),综合考虑应急物流网络中的多周期应急物资模糊需求、时间窗限制、部分路网损毁与动态恢复、车辆随机行驶时间、大需求点采用需求分割策略同时进行运输与配送等特性,以应急物资总供应时间最短为目标,构建了一个震后应急物资多方式供应的多周期模糊LRP优化模型,并根据模型特点设计了一种贪婪算法结合蚁群算法的混合启发式算法予以求解.最后,通过算例验证了本文模型和算法的可行性与有效性.     

基于着色时间Petri网的项目进度制定与优化

着色时间Petri网具有网络图、时间、着色令牌的三重特性,能够充分表达项目进度计划中的工序流程、工序工期以及资源的约束,可为资源约束下进度计划的制定与优化提供更为便捷、有效的方法工具。本文从着色时间Petri网的定义出发,给出了基于着色时间Petri网的项目进度计划描述方法;引入了资源调控层,给出了项目进度执行过程中资源的注入、分配和释放规则,实现了进度计划的仿真优化。     

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。     

不确定需求下考虑供应商参与机制的应急资源配置鲁棒优化研究

突发事件应急资源优化配置是突发事件发生后救援工作有效开展的前提和基本保障。本文在调研国内外相关研究的基础上，以应对地震灾难为背景研究考虑供应商参与机制的应急资源保障策略，在灾前选择供应商建立政府与供应商的合作机制完成政府储备仓库的选址与资源配置，突发事件发生后依托政府储备仓库和供应商生产能力共同满足应急救援对应急资源的分时段需求，以期协调供应商与政府储备、灾前实物采购与灾后生产能力采购的比例，在保障救援效率的同时降低应急资源保障体系的成本。同时由于地震灾难发生具有需求不确定性的特点，本文引入L1范数描述需求的不确定性，建立了备灾与灾害救援两阶段决策的鲁棒优化模型，并给出了鲁棒模型对应问题的转化方法。最后通过算例仿真验证了模型和对应问题转换方法的有效性，为地震的应对提供理论指导和决策支持。     

基于GERT网络的应急抢险过程资源优化配置模型研究

针对应急抢险过程中资源需求与供应不匹配的问题,通过定义应急抢险过程GERT网络的基本单元,建立了一种综合考虑灾害自身演化过程及外界作用相互关系的应急抢险过程GERT网络,设计了求解不同资源配置情况下突发事件状态转移概率的极大熵模型;研究了应急抢险过程GERT网络的简化性质,给出了基于GERT网络的应急抢险过程资源最优配置的求解算法。为应急资源配置提供了定性与定量结合的分析框架与工具,为灾害发展态势的预测及其资源配置提供了新的研究方法和研究思路。     

考虑异质性行为的灾后应急物资动态调度优化

在以人道主义为本的应急救援活动中，不可忽视被救灾民和施救决策者们异质性行为的影响。一方面，将各灾民因救援物资需求未被及时满足而呈现的差异化心理痛苦度量成经济损失，并纳入应急救援调度的社会成本这一决策目标中；另一方面，在灾后物资调度决策中，关注具有异质性偏好的各应急决策者所展现出的不同救援态度。结合面向联合机会约束规划的动态供需平衡限制，最终构建一个考虑灾民和决策者们异质性行为的多阶段灾后救援物资分配和应急路径优化模型。采用2008年汶川地震为案例背景，应用遗传算法对模型求解和参数分析，将仿真结果与不考虑异质性行为的传统救援调度方案进行比较，得出一些结论为构建高效的应急救援体系提供有益参考。     

基于最小最大后悔值的应急救灾网络构建鲁棒优化模型与算法

应急救灾过程分为两个阶段：第一阶段启动应急救灾网络构建,在灾区附近设立临时应急配送中心,并由应急资源供应方向其紧急调配应急资源;第二阶段将应急资源从临时应急配送中心向灾区受灾点进行调度,以保证救灾过程顺利进行。本文研究第一阶段应急救灾网络的构建问题,考虑到突发灾害初期灾情相关参数概率分布情况难以获取,建立了基于情景的最小最大后悔值准则的应急救灾网络构建鲁棒优化模型。求解模型时,利用有限情景集表示第二阶段的不确定性数据,并将模型化为与其等价的混合整数规划模型,利用情景松弛的迭代算法进行求解。数值试验中给出相应的绝对鲁棒模型与本文偏差鲁棒模型作了比较,结果表明基于最小最大后悔值准则的应急救灾网络优化模型具有良好的鲁棒性,而且算法也是有效的。     

Elective Patient Admission and Scheduling under Multiple Resource Constraints

We consider a patient admission problem to a hospital with multiple resource constraints (e.g., OR and beds) and a stochastic evolution of patient care requirements across multiple resources. There is a small but significant proportion of emergency patients who arrive randomly and have to be accepted at the hospital. However, the hospital needs to decide whether to accept, postpone, or even reject the admission from a random stream of non‐emergency elective patients. We formulate the control process as a Markov decision process to maximize expected contribution net of overbooking costs, develop bounds using approximate dynamic programming, and use them to construct heuristics. We test our methods on data from the Ronald Reagan UCLA Medical Center and find that our intuitive newsvendor‐based heuristic performs well across all scenarios.     

模糊信息下多种类应急物资多周期分配优化模型

考虑灾害的突发性、信息获取的不完全性以及应急救援的紧迫性，引入区间数描述应急物资供给与需求的模糊不确定性，引入三角模糊数刻画路网容量受限情况下每周期的最大物资运输总量，综合考虑灾害、灾区、灾民以及物资等多重因素，引入延迟系数，以应急物资分配的总延迟时间最小化和总系统损失最小化为目标，构建模糊信息条件下考虑多需求点、多配送中心、多物资、多周期、多目标的应急物资动态分配优化决策模型，分析了区间目标函数、区间模糊与三角模糊约束条件的清晰化方法，采用基于二维欧式距离客观赋权模糊算法求解模型，并以青海玉树地震为例对所提出模型的有效性和可行性进行验证。结果表明：所提出的模型能够最大程度地权衡延迟时间与系统损失，形成多周期最优的物资分配方案；现实多周期应急物资分配，时间并不是唯一考虑的因素，需要综合考虑不同应急周期的灾情、灾区、灾民和物资等多种因素对系统总损失造成的影响；重视时间偏好系数，可能使系统总损失增大，表明单一考虑时间偏好系数和损失偏好系数均具有片面性，应该把握选择"度"，发挥二者结合的相互促进作用；物资分配方案基于决策者偏好，并考虑每周期不同需求点的易损性、重要性、需求紧急性以及各类应急物资的重要性与时效性差异参数，有利于提高多周期决策的柔性和现实适用性。     

Stochastic Optimization for Natural Disaster Asset Prepositioning

A key strategic issue in pre‐disaster planning for humanitarian logistics is the pre‐establishment of adequate capacity and resources that enable efficient relief operations. This paper develops a two‐stage stochastic optimization model to guide the allocation of budget to acquire and position relief assets, decisions that typically need to be made well in advance before a disaster strikes. The optimization focuses on minimizing the expected number of casualties, so our model includes first‐stage decisions to represent the expansion of resources such as warehouses, medical facilities with personnel, ramp spaces, and shelters. Second‐stage decisions concern the logistics of the problem, where allocated resources and contracted transportation assets are deployed to rescue critical population (in need of emergency evacuation), deliver required commodities to stay‐back population, and transport the transfer population displaced by the disaster. Because of the uncertainty of the event's location and severity, these and other parameters are represented as scenarios. Computational results on notional test cases provide guidance on budget allocation and prove the potential benefit of using stochastic optimization.