铁路应急资源动态多阶段调度决策模型及算法研究

近年来,铁路突发事件时有发生,严重影响铁路的正常运营,合理地进行应急资源的调度是提高铁路整体应急救援能力,减少突发事件所造成损失的有效途径。以博弈论为理论基础,将各应急点看作博弈局中人,考虑救援点到应急点的运力限制以及不同资源在不同应急点的重要度等因素,构建了资源动态需求函数,并用应急点对资源缺少量的时间累积来刻画系统损失。将多应急点的资源调度描述为一个多阶段非合作博弈过程,以系统总损失最小为目标,建立多应急点-多救援点-多种资源的动态多阶段资源调度模型,并设计了求解该模型Nash均衡的改进布谷鸟算法,从而得到最优的铁路应急资源调度方案。通过具体算例验证了模型的可行性与算法的优越性。结果表明该模型较为切近实际、适用性较强且改进后的算法更具高效性,可为铁路应急资源调度决策提供依据和支持。     

化工园区应急物资多目标分配问题建模与求解

化工园区应急物资分配是开展危化品事故应急救援的基础,主要研究如何对化工园区周边的应急物资进行合理的调配以便让应急物资尽快从各储备站输送到事故点,保障事故救援的顺利开展.然而,已有研究大都局限于单目标优化,且过于强调应急响应的时效性而忽视物资消耗的连续性.为此,首先构建一种面向多储备站、多种应急物资、单事故点的应急物资多目标分配模型,并分析推演了满足物资连续消耗的约束条件;然后,基于非支配排序遗传算法和启发式策略设计一种化工园区应急物资多目标分配算法;最后,通过仿真实验验证所提出方法的有效性.实验结果表明,所提出方法同时兼顾了化工园区应急响应的连续性和时效性要求,可为危化品事故应急救援提供更多更好的应急物资分配方案.     

出救时间不确定的连续消耗应急资源调度

研究了出救时间不确定的广义连续消耗应急资源调度问题。为反映应急系统的多种消耗连续性要求,建立消耗连续性满足度调度模型,实现了模型的高效快速求解。对应求解所得各调度方案,列出了其可能的连续性中断最大时长供决策者参考。针对可预先确定资源断供允许时长的应急系统,建立求解连续性中断允许时长调度模型。模型体现了消耗连续性约束与应急尽早开始目标间的合理协调。仿真实例表明了模型的合理性和算法的有效性。     

基于多灾点非合作博弈的资源调度建模与仿真

当突发事件发生后,在应急资源有限的情况下,对多个灾点进行合理的资源调度是一个非常现实而复杂的问题。从多灾点所需应急资源的角度出发,提出了基于非合作博弈的应急资源调度模型和算法。在该调度模型中,各个灾点被映射为博弈模型的局中人,可能的资源调度方案映射为策略集,资源调度成本的倒数映射为效用函数,将应急资源的调度问题转化为对非合作博弈调度模型的Nash均衡点求解问题,接着介绍了一种求解Nash均衡点的迭代算法。最后对模型的仿真测试验证了该模型的有效性和可行性。     

Robust admissibility and admissibilisation of uncertain discrete singular time-delay systems

This paper is concerned with the characterisation of robust admissibility and admissibilisation for uncertain discrete-time singular system with interval time-varying delay. Considering the norm-bounded uncertainty and the interval time-varying delay, a new comparison model is introduced to transform the original singular system into two connected subsystems. After this transformation, a singular system without uncertainty and delay can be handled by the Lyapunov–Krasovskii functional method. By virtue of the scaled small gain theorem, an admissibility condition of the original singular system is proposed in terms of linear matrix inequalities. Moreover, the problem of robust admissibilisation of uncertain discrete singular time-varying system is also studied by iterative linear matrix inequality algorithm with initial condition optimisation. Several numerical examples are used to illustrate that the results are less conservative than existing ones.     

基于变精度粗糙集的应急调度模型

以应急调度为背景,为了提高不同精度下的不确定信息处理能力,研究了变精度应急调度问题.针对多物资、多出救点、多受灾点和时变供求约束等特点,构建了应急时间最短、成本最少的多目标应急调度模型.证明了应急响应总时间的取值范围,以此推导出模型中运输时间与运费的取值范围.在上述定理证明前提下,设计了粒子群优化算法对该模型进行求解,并将其最优目标函数值与随机模式下最优目标函数值进行对比,显现出本文所提模型与设计算法的有效性.     

Estimation-based approach for real-time optimisation of uncertain nonlinear systems

In this paper, the minimisation of an unknown but measurable cost function with uncertain dynamics is considered. The drift term of the uncertain dynamical system and the gradient of the objective function are treated as unknown time-varying parameters. A novel estimation scheme based on almost invariant manifolds is proposed to estimate the time-varying parameters. A direct gradient-based adaptive extremum-seeking controller is designed to solve the uncertain optimisation problem. This approach is shown to improve the transient performance of real-time optimisation control systems.     

Multiple-resource and multiple-depot emergency response problem considering secondary disasters

Optimal allocation of emergency resources is a crucial content of emergency management. It is a key step in emergency rescue and assistance. Multiple resources and potential secondary disasters are often neglected in the existing methods, which desperately need to be improved. In this paper, we formulate the emergency resource allocation problem with constraints of multiple resources and possible secondary disasters, and model the multiple resources and multiple emergency response depots problem considering multiple secondary disasters by an integer mathematical programming. For the complexity, a heuristic algorithm is designed to efficiently solve it based on linear programming and network optimization. The algorithm modifies the solutions of the linear programming by setting a priority of preference for each location where the secondary disasters will take place with certain possibilities. The numerical simulation provides evidence for its effectiveness and efficiency. Our method and algorithm can also be implemented in the practical applications with large-scale scenario.     

The optimization of warehouse location and resources distribution for emergency rescue under uncertainty

China is one of the countries that suffer the most natural disasters in the world. The situation of emergency response and rescue is extremely tough. Establishing the emergency warehouse is one of the important ways to cope with rapid-onset disasters. In this paper, a mixed integer programming (MIP) model based on time cost under uncertainty is proposed, which help solve the emergency warehouse location and distribution problem. Comprehensive consideration of factors such as time cost, penalty cost for lack of resources, alternative origins of resources from both suppliers and emergency warehouses, different means of transportation and multiple resources types are involved in our study. We also introduce uncertain scenarios to describe the severity of the disaster. Particle swarm optimization (PSO) and variable neighborhood search (VNS) are designed to solve the MIP model of different scales of instances. Numerous examples have been tested to compare two heuristics with commercial solver (CPLEX). Both of two algorithms can obtain the exact solution same as CPLEX in small-scale instances while show great performance on larger instances with 10 candidate warehouses, 25 disasters and 50 scenarios.     

基于DCSP的煤矿应急救援资源调配方法

在大规模群体突发事件发生后,如何实时及有效地调配资源,是保障应急救援快速实施的关键。以煤矿应急救援为背景,探讨合适的资源调配方法。分布式约束满足问题(D(',SP-Distributed Constraint Satisfaction Problem)擅于表示及求解分布式环境下以协作性为主的问题,是一种解决具有信息分布、需求随环境动态变化等特点的资源调配问题的有效方法,而煤矿应急救援问题正好具有这样的特征。因此,采用DCSP方法来解决煤矿应急救援中的资源调配问题,抽取并构建了煤矿应急救援资源调配的模型,讨论了Agent模型和约束模型的定义,改进了MAWS(MAWS-Multiple Asynchronous Weak-commitment Search)算法。经实验验证,采用DCSP方法可在事故发生后的较短时间内做出有效的资源调配决策,减少资源送达到事故点的时间,为应急救援争取了大量救援时间,从而减少了煤矿事故发生后的人员伤亡和经济损失。     

航空紧急配送中的随机LRP模型及算法

针对震后紧急响应阶段路网中断和救援物资需求不确定性,建立航空物流中的随机定位—路线安排问题（LRP）模型,据此进行震后应急救援过程中救灾物资集散点和应急配送中心的定位以及救援物资空运路线安排的联合决策。根据该模型的特点,提出了一种改进的遗传算法,采用特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。算例分析结果表明,该模型和算法可以有效解决震后应急物流系统中的应急设施定位—分配和路线安排问题。     

大规模突发事件下医疗资源配置建模及算法

以医疗急救资源的配置问题为建模核心,运用次梯度最优算法对传统的拉格朗日松弛算法进行了改进。经迭代的拉格朗日乘数和改进LocAlloc算法对其上下限值的间距进行优化,加快了收敛速度,而贪婪算法可以连续完成对未覆盖的需求点的搜寻,实现了有效的医疗急救资源最优覆盖解。通过汶川地震的大规模医疗急救案例验证了该模型及算法的有效性和可行性。     

城市交通网络中救援车辆路径优化研究

道路中断、可靠性差等路径选择问题从根本上影响了救援工作的效率,针对这一现状,设计了基于MATLAB的应急救援车辆最优路径模型.依托城市交通路网的数据,通过层次分析法确定影响应急救援的因素,利用MATLAB蚁群算法结合ArcGIS平台构建城市路网要素,定位应急设施及求解应急救援车辆路径优化结果.通过实例分析改变要素信息时...     

基于模糊需求的应急物资中心选址—路径问题的算法研究

突发事件爆发后,应急决策通常面临信息不对称的情形,由此获得合理的解决方案非常困难。研究需求量不确定的场景下,同时决策应急物资中心选址方案和配送路径的问题。首先引入三角模糊数刻画模糊需求,提出模糊需求下的应急物资中心选址—路径模型;然后定义Q-学习中的状态、动作和奖励,形成超启发式算法的上层策略;最后以一种新架构封装低层算子,提出一种基于Q-学习的超启发式算法。通过数值实验验证了算法的有效性,同时通过案例分析体现了模型和算法在实际应用中的可行性。     

基于实时信息的动态应急资源调度模型

为利用实时的道路信息、救援状态信息和应急资源配置信息,以提高应急响应能力,建立了一个动态的应急资源优化调度数学模型.针对任意时刻的静态应急资源调度模型,利用遗传算法进行求解.考虑算法的实时性,通过变换时间变量t进行迭代计算,提出模型的动态求解算法.通过一实例对模型的算法进行了验证分析,结果证明了动态应急资源调度模型及其求解算法的有效性.     

考虑公平性的面向多灾点需求应急资源调度

针对铁路突发事件多需求点多供应点的应急资源调度问题,结合"软时间窗"的概念,以公平性最大和调度总成本最小为优化目标,设计了有多个救援目标的应急资源调度模型,并利用并列选择遗传算法求解。该算法根据目标函数的个数,将种群均等地划分为与目标函数个数相等的子种群,为划分后的各个子种群各自分配一个目标函数,并对其进行独立的选择运算,将各个子种群中适应度高的个体组成新的种群,对这个新的种群进行交叉、变异,生成下一代种群。算例表明,与粒子群优化（PSO）和两阶段启发式算法相比,利用并列选择遗传算法进行计算,目标函数中所有需求点的资源满足程度的方差分别减小了93.88%、89.88%,成本分别减少了5%、0.15%。所提算法能够有效减小所有需求点的资源满足程度的方差,即提高各需求点的公平性,同时降低成本,其在求解多目标规划问题中能够得到更优的解。     

基于改进蚁群算法的救护车应急救援路径规划

救护车并行调度与大规模伤员救援一直是应急救援过程中需要优先解决的问题。引用一种面向多位受伤程度不同的伤员的救护车并发调度与分配优化模型,依据伤情轻重将所有伤者进行分类,按不同优先级进行救护车的调度与救援;采用蚁群优化智能算法求解这个复杂的优化问题。在启发式算法中,改进蚁群优化中的信息素更新策略以实现多个调度路径的同时优化。对比实验表明,所提模型与智能算法在救护车资源不是很充足的情况下具有更好的性能,能够产生一组有效可行的解,并可以同时给出各个救护车响应各伤员的救援路径和响应时间。     

Robust MPC for the constrained system with polytopic uncertainty

An improved method for synthesising the constrained robust model predictive controller is proposed in this study. It constructs a continuum of terminal constraint sets off-line, and achieves robust stability with a variable control horizon on-line from the very beginning and a time-varying terminal constraint set, by solving the min–max optimisation problem, which can be formulated as a linear matrix inequality problem. This algorithm not only dramatically reduces the on-line computation burden, but also guarantees the control performance by reserving at least one free control move in the whole process. Simulation results for the three-tank system with uncertain dynamic behaviour on flux coefficients are given.     

突发事件下的医院应急资源冗余配置优化模型

突发事件发生前,医院需要保持一定的应急资源冗余量。针对突发事件下医院应急资源冗余的配置优化问题,首先,基于效用理论,通过分析医院应急资源冗余的效用体现来对应急资源冗余进行定义和分类,确定了符合边际规律的效用函数;其次,建立了总效用最大化的医院应急资源冗余配置模型,并给出应急资源储存量的上限及应急合理度的下限作为模型的约束条件;最后,把粒子群算法和序列二次规划法相结合进行寻优求解。通过案例分析,得出了医院四种应急资源冗余的优化方案,总结出了医院的应急水平对医院应急资源冗余的需求程度。研究表明,应急资源冗余配置优化模型能够帮助医院在突发事件下很好地进行应急救援,提高医院应急资源的利用效率。     

大量需求点下基于深度Q学习的受损路网抢修队调度

受损路网抢修是重特大自然灾害发生后开展应急处置和救援的一个基本前提,主要研究如何对道路抢修队进行合理的调度以快速恢复路网畅通、保障救援队伍和应急物资从出救点及时输送到各需求点.鉴于已有研究在面向大量需求点时往往很难给出有效的调度策略,首先基于路网模型和马尔科夫决策过程分析抢修队修复受损路网的关键因素,并设计一种双反馈回报函数;然后基于深度Q学习求解抢修队的最优调度策略;最后通过对比实验结果表明,在大量需求点环境下,所提出方法具有较好的稳定性和可靠性,兼顾受损路网的修复效率和运输效率,能够以更少的修复代价令所有需求点可达,为灾后复杂应急场景下的受损路网抢修提供有益的尝试.