论文部分内容阅读
近年来,我国各类自然灾害多发频发,给国民经济与社会发展造成了巨大的损失。在灾害发生后,如何高效、科学地把各个供应点的各类救灾物资分配到灾区的各个需求点,成为应急响应中的一个难点问题。需要注意的是,现有研究均局限于三个优化目标之内,往往仅考虑某种特定情况下的救灾物资分配,这种简单的多目标优化思路和单一的应急场景很难契合复杂的应急环境,难以满足现实中复杂的应急需求。为了提高应急决策的灵活性和科学性,论文围绕高维多目标救灾物资分配问题展开研究,主要工作如下:(1)首先介绍救灾物资分配问题的研究背景及意义,通过对国内外研究现状的分析,总结现有相关工作并指出存在的问题,从而确定本文的研究动力与研究目标。然后介绍了多目标优化理论的相关知识,并对基于第二代强度帕累托进化算法(Strength Pareto Evolutionary Algorithm 2,SPEA2)和移位密度估计(Shift-based Density Estimation,SDE)的高维多目标进化算法SPEA2+SDE进行了重点介绍。(2)针对灾后应急场景的复杂性,充分考虑各种影响因素,以最小化应急响应总时间、最小化灾民恐慌度、最小化需求点救灾物资未满足度、最大化物资分配公平性、最小化灾民损失、最小化应急响应总成本为优化目标,以“无过度发放约束”、“无过度供应约束”、“最大贡献约束”为约束条件,构建了一种面向多供应点、多需求点、多种救灾物资的高维多目标并发分配模型,仿真实验验证了模型的有效性。(3)针对灾后初期救灾物资极度匮乏的情形,基于SPEA2+SDE、二维整数向量编码和面向供应点的约束处理技术(Supply-Oriented Technique,SOT)提出了一种救灾物资高维多目标分配算法SPEA2+SDE+SOT。与基于需求点的约束处理技术(Demand-Oriented Technique,DOT)不同的是,SOT要求所有供应点贡献现阶段的所有救灾物资,与SPEA2+SDE+DOT、基于非支配排序和编码修正机制的差异演化算法(Encoding Repair and None-dominated Sorting based Differential Evolution,ERNS-DE)和基于贪心策略的多目标遗传算法(Greedy-Search-based MultiObjective Genetic Algorithm,GSMOGA)的对比实验结果表明,本文所提SPEA2+SDE+SOT算法整体性能更优。(4)针对应急响应中后期部分救灾物资可满足的情形,基于SPEA2+SDE和自适应编码修正机制(Adaptive Individual Repairs,AIR)提出了一种救灾物资高维多目标自适应分配算法SPEA2+SDE+AIR。AIR可以根据每种救灾物资的供求关系,采取不同的物资分配方案。最后,通过与ERNS-DE和GSMOGA算法的对比实验验证了所提SPEA2+SDE+AIR算法的有效性。