基于遗传算法的应急物资供应点定位―分配问题研究综述
基于改进的遗传算法的灾害指派问题研究
基于改进的遗传算法的灾害指派问题研究灾害指派问题是指在灾害发生时，如何合理、高效地调度救援资源，实现对灾害事故的快速响应和有效处置。
在灾害事故中，时间和资源是非常紧张的，救援部门需要迅速响应，进行高效地救援工作，以保障生命和财产的安全。
因此，在灾害救援中，如何准确、高效地指派救援资源，是至关重要的。
为了解决灾害指派问题，许多学者和专家提出了不同的方法和理论。
其中，遗传算法被广泛应用于灾害指派问题的研究中，并且被证明是一种有效、高效的方法。
遗传算法是一种模拟自然进化过程的优化算法，其主要思想是通过基因的变异和交叉来搜索最优解。
在灾害指派问题中，基于遗传算法的方法通常是通过对救援资源进行染色体编码，建立适应度函数，然后利用遗传算法进行优化搜索，得到最优的救援资源调度方案。
然而，传统的遗传算法存在一些问题，如容易陷入局部最优解、搜索速度慢等。
为了克服这些问题，学者们提出了许多改进的遗传算法，如粒子群算法、蚁群算法等。
其中，改进的遗传算法中的粒子群算法是一种基于群体智能的优化算法。
其主要思想是模拟鸟类、鱼类等生物群体优良的协作和集体智慧，通过迭代搜索，在搜索空间中寻找全局最优解。
在灾害指派问题中，我们可以利用粒子群算法来替代传统的遗传算法进行搜索。
通过采用粒子群算法，我们可以克服传统遗传算法的缺点，得到更优、更快的救援资源调度方案。
另外，改进的遗传算法中的蚁群算法也是一种颇受关注的优化算法。
其主要思想是模拟蚂蚁在寻找食物过程中的信息素沉积和蒸发，借助信息素来引导搜索过程，在多个可能的解决方案中找到最优解。
在灾害指派问题中，我们可以利用蚁群算法来搜索最优解。
通过建立信息素模型，蚂蚁可以在搜索过程中克服局部最优解的问题，得到更好的救援资源调度方案。
综上所述，基于改进的遗传算法的研究，可以有效地解决灾害指派问题。
通过适当选择合适的优化算法，在掌握完备信息的情况下，我们可以快速响应灾害事故，实现高效的救援工作。
基于遗传算法的货物配送路径规划研究
基于遗传算法的货物配送路径规划研究随着物流行业的快速发展，货物配送成为了各个企业日常运营中不可或缺的一环。
如何高效地规划货物的配送路径，成为了一个备受关注的问题。
而遗传算法作为一种优化算法，被广泛地应用于货物配送路径规划的研究中。
遗传算法是一种模拟自然进化过程的优化算法。
它通过模拟遗传操作，如选择、交叉和变异来搜索问题的最优解。
在货物配送路径规划中，遗传算法可以用于通过搜索最短路径的方式，找到最优的配送路径。
首先，我们需要定义问题的形式。
在货物配送路径规划中，常见的问题是求解从一个仓库出发，经由若干个配送点，最后回到仓库的最短路径。
这个问题可以抽象成一个图论问题，将仓库和配送点看作节点，将它们之间的距离作为边的权重。
我们的目标是找到一条路径，使得经过的节点最短。
接下来，我们需要设计遗传算法的操作。
首先是选择操作，即如何选择当前种群中的个体。
在货物配送路径规划中，我们可以使用轮盘赌选择方法，根据每个个体的适应度（即路径长度）来进行选择。
适应度越大的个体被选择的概率也就越大。
然后是交叉操作，即如何生成新的个体。
在货物配送路径规划中，我们可以采用部分映射交叉算子。
具体来说，选取两个个体的染色体上的一段连续基因，互换这段基因段，得到两个新个体。
最后是变异操作，即如何引入新的基因。
在货物配送路径规划中，我们可以随机选取个体中的某个基因，并将其替换为一个新的基因。
这样可以增加问题的搜索空间，提高算法的收敛性和多样性。
经过多轮迭代，遗传算法可以在货物配送路径规划中寻找到最优解。
然而，需要注意的是，参数的设置和算法的优化也很重要。
例如，种群大小、交叉和变异的概率等参数，都会对算法的效果产生影响。
因此，我们需要进行多次试验，找到最优的参数组合。
总体而言，基于遗传算法的货物配送路径规划研究具有较高的应用价值。
通过优化路径，可以减少配送时间和成本，提高企业的运营效率。
然而，需要注意的是，虽然遗传算法在求解该问题上表现出了良好的效果，但并不能保证找到全局最优解。
应急救援物资配送模型及算法研究
应急救援物资配送模型及算法研究随着自然灾害和突发事件的频繁发生，应急救援工作变得越来越重要。
而在应急救援工作中，物资配送是至关重要的环节之一。
如何高效地分配救援物资，缩短救援时间，对于救援工作的成功至关重要。
因此，本文将介绍应急救援物资配送模型及算法研究。
一、应急救援物资配送模型应急救援物资配送模型主要包括物资需求预测、物资配送路径规划和物资配送车辆调度三个环节。
1.物资需求预测物资需求预测是物资配送的第一步，也是最为重要的一步。
准确地预测物资需求量，可以避免过度配送和物资短缺的问题。
物资需求预测需要考虑多种因素，如灾害类型、地域、人口密度、历史数据等。
2.物资配送路径规划物资配送路径规划是指在已确定的需求量基础上，规划最佳的配送路径，以缩短配送时间。
物资配送路径规划需要考虑多种因素，如道路状况、交通流量、配送车辆数量、配送站点等。
3.物资配送车辆调度物资配送车辆调度是指在已确定的配送路径和需求量基础上，根据实际情况调度配送车辆，以达到最优配送效果。
物资配送车辆调度需要考虑多种因素，如车辆数量、车速、配送站点之间的距离等。
二、应急救援物资配送算法在应急救援物资配送中，有多种算法可供选择，如遗传算法、模拟退火算法、蚁群算法等。
本文将重点介绍遗传算法和蚁群算法。
1.遗传算法遗传算法是一种模拟生物进化过程的算法。
在物资配送中，遗传算法可以用来求解最优的物资配送路径和车辆调度方案。
具体实现过程为，将每个个体（即一条配送路径）表示为染色体，通过交叉、变异等操作，产生新的个体。
然后通过适应度函数评估每个个体的适应度，选择适应度高的个体进行繁殖。
经过多次迭代，可得到最优解。
2.蚁群算法蚁群算法是一种模拟蚂蚁寻找食物的行为进行搜索的算法。
在物资配送中，蚁群算法可以用来求解最优的物资配送路径。
具体实现过程为，将每个蚂蚁看作一个潜在的解决方案，蚂蚁在解决问题的过程中释放信息素，其他蚂蚁通过感知信息素的浓度来选择路径。
基于遗传算法的应急物资供应点定位―分配问题研究综述
基于遗传算法的应急物资供应点定位―分配问题研究综述摘要：本文总结、分析了近年来国内研究中基于遗传算法求解的应急物资供应点定位-分配相关问题的文献，主要包括应急定位问题、应急物资分配问题、应急定位-分配集成问题的研究综述，最后总结得出研究现状和未来研究的发展趋势。
关键词：遗传算法；应急物流；定位-分配问题一、引言震后应急物流是保障生命安全、减少财产损失的重要环节。
以往的震后应急管理实践过程中出现了很多诸如应急物资供应点的定位不合理、应急物资分配不公平等一系列降低应急物流运作效率的问题，这就对我国的应急物流组织体系的构建和完善提出了迫切要求，因此，研究震后应急物资供应点的定位-分配问题，具有十分重大的现实意义。
而针对应急物资供应点定位-分配问题的研究一般都属于NP-hard问题，往往是基于遗传算法进行求解的，下面分别对基于遗传算法的应急物资供应点定位-分配问题包含的三个方面进行研究综述。
二、基于遗传算法的应急物资供应点定位-分配问题研究（一）基于遗传算法的应急定位问题。
刘红娟等（2010）[1]考虑设施点间距离、流量与安全性等道路特性，将其转换为道路的综合权值，建立了应急物流多设施选址模型，并采用遗传算法求解，最后用实例对模型进行了验证分析。
李周清等（2011）[2]考虑震后物资调度的中转设施定位，以时间和成本最优为目标，建立了中转网点的定位模型，并用遗传算法求解。
于鹏等（2012）[3]考虑设备应急抢修的时限要求和整个应急抢修系统的服务质量要求，采用0-1整数规划模型描述应急抢修点选址定位问题，针对该问题设计了一种混合遗传算法，并通过算例计算结果表明，该算法求得的结果要优于基于罚函数和采用简单修复算法的遗传算法。
张刚红（2013）[4]考虑大规模应急设施的选址定位成为应急管理系统的关键，构建应急设施选址问题的集合覆盖模型，提出一种改进的并行遗传算法，并在Hadoop平台上编程实现。
付德强等（2014）[5]研究了应急物资储备库的多目标选址决策模型，并设计了相应的多目标非支配排序遗传算法。
震后应急物资供应点的多目标动态定位-分配模型
【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ 】Ｔ ｈ ｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ — Ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ Ｐ ｒ ｏ ｂ ｌ ｅ ｍ（ Ｌ Ａ Ｐ）ｏ ｆ ｐ ｏ ｓ ｔ － ｅ ａ ａ ｈ ｑ ｕ ａ ｋ ｅ ｅ ｍｅ ｒ ｇ ｅ ｎ ｃ ｙ ｆ ａ ｃ ｉ ｌ ｉ ｔ ｉ ｅ ｓ ｈ ｅ ｌ ｐ ｓ ｔ ｏ
关 键 词 ：地 震 灾 害 ； 应急 物流 ； 定位 － 分配问题 ； 非支配排序遗传算法 ； 设 施 选 址 问题
中文引用格式 ： 李
志， 焦琴琴 ， 周愉 峰． 震 后 应 急 物 资供 应 点 的 多 目标 动 态 定 位 － 分配模型及其算法 ［ Ｊ ］ ． 计 算 机 工
程 ， ２ ０ １ ７， ４ ３ （ ６ ）： ２ ８ １ — ２ ８ ８ ． 英 文 引 用格 式 ： Ｌ ｉ Ｚ ｈ ｉ ， Ｊ ｉ ａ ｏ Ｑｉ ｎ ｑ ｉ ｎ ，Ｚ ｈ ｏ ｕ Ｙ ｕ ｆ ｅ ｎ ｇ ．Ｍｕ ｌ ｔ ｉ — ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ Ｄｙ ｎ ａ ｍｉ ｃ Ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ － Ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ Ｍｏ ｄ ｅ ｌ ｆ ｏ ｒ Ｐ ｏ ｓ ｔ —
ｉ ｍｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｙ ｏ ｆ ｄ ｉ ｓ ａ ｓ ｔ ｅ ｒ ｒ ｅ ｌ ｉ ｅ ｆ ． Ｔａ ｋ ｉ ｎ ｇ ｍａ ｘ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｄ ｅ ｍａ ｎ ｄ ｕ ｔ ｉ ｌ ｉ ｔ ｉ ｅ ｓ ａ ｎ ｄ ｆ ａ ｉ ｎｅ ｒ ｓ ｓ ｏ ｆ ｍａ ｔ ｅ ｒ ｉ ａ ｌ ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ａ ｓ
遗传算法在应急资源调度中的应用探索
遗传算法在应急资源调度中的应用探索随着社会的发展和进步，自然灾害和突发事件的频率和规模也在不断增加。
在这些紧急情况下，有效的资源调度和管理变得至关重要。
遗传算法作为一种优化方法，被广泛应用于应急资源调度中，以提高效率和减少损失。
本文将探讨遗传算法在应急资源调度中的应用。
首先，我们需要了解遗传算法的基本原理。
遗传算法是一种基于生物进化原理的优化算法。
它模拟了自然界中的进化过程，通过不断迭代和优胜劣汰的方式，找到最优解。
遗传算法通过对候选解的编码、交叉、变异等操作，生成新的解，并通过适应度函数评估解的质量，从而不断优化。
在应急资源调度中，遗传算法可以应用于多个方面。
首先是资源分配问题。
在灾害发生后，需要将有限的资源合理分配到各个受灾地区，以尽可能地满足需求。
遗传算法可以通过对资源的编码和交叉变异操作，生成多个分配方案，并通过适应度函数评估每个方案的优劣，最终找到最佳的分配方案。
其次是任务调度问题。
在应急情况下，各种任务需要同时进行，如救援、医疗、物资运输等。
这些任务之间存在着复杂的依赖关系和约束条件。
遗传算法可以通过对任务的编码和交叉变异操作，生成不同的调度方案，并通过适应度函数评估每个方案的效果，最终找到最优的任务调度方案。
此外，遗传算法还可以应用于资源调度的动态优化问题。
在灾害发生后，情况可能会不断变化，资源的需求和供给也会发生变化。
遗传算法可以通过不断迭代和优化，根据实时数据和情况变化，调整资源的分配和调度方案，以适应不断变化的需求。
然而，遗传算法在应急资源调度中也存在一些挑战和限制。
首先是问题的复杂性。
应急资源调度问题通常涉及多个约束条件和目标函数，解空间非常大。
这就需要设计合适的编码方式和适应度函数，以保证算法的有效性和可靠性。
其次是计算资源的限制。
遗传算法需要大量的计算和迭代，对计算资源的要求较高。
因此，在实际应用中需要考虑计算资源的限制，以保证算法的可行性。
综上所述，遗传算法在应急资源调度中具有广泛的应用前景。
基于遗传算法的电力物资物流配送任务调度优化方法
基于遗传算法的电力物资物流配送任务调度优化方法作者：刘俐君张立波来源：《科技资讯》2024年第11期摘要：為提升配送效果，提出基于遗传算法的电力物资物流配送任务调度优化方法。
根据当前的调度需求，先进行配送优先级测算，采用多阶的方式，简化实际的序列的执行环节，设定多阶物资物流配送调度优化初始序列，设计构建遗传算法电力物资物流配送任务调度优化模型，采用交叉核验的方式来实现调度优化处理。
测试结果表明：调度时间优化比在0.55以上，调度优化效果明显，收敛速度快。
关键词：遗传算法电力物资物流配送任务调度优化方法调度转换中图分类号：TP301.6Scheduling Optimization Methods for the Logistics Distribution Tasks of Electric Power Materials Based on the Genetic AlgorithmLIU Lijun ZHANG Libo Taiyuan Electric Power Supply Company， State Grid Shanxi Electric Power Company， Taiyuan， Shanxi Province， 030001 ChinaAbstract： In order to improve the distribution effect， a scheduling optimization method for the logistics distribution task of electric power materials based on the genetic algorithm is proposed. Based on current scheduling requirements， this paper first calculates the distribution priority，adopts a multi-stage approach to simplify the actual execution process of the sequence， sets the initial sequence of the scheduling optimization of the multi-stage logistics distribution of materials，designs and constructs a scheduling optimization model for the logistics distribution task of electric power materials based on the genetic algorithm， and uses the cross validation method to achieve scheduling optimization processing. Test results show that when the optimization ratio of scheduling time is above 0.55， the scheduling optimization effect is significant， and the convergence speed is fast.Key Words： Genetic algorithm; Electric power material; Logistics distribution; Task scheduling; Optimization method; Scheduling conversion电力物资的物流配送是影响电力工作日常执行处理的关键，人们对电网需求的提升，也对物资的快速、准确配送提出了更高的要求[1]。
遗传算法在货位精确选址中的应用研究
遗传算法在货位精确选址中的应用研究1引言货物之间可以说是物流中不可或缺的一部分，货位选址是商品在物流中所需要考虑的问题。
普通货位选址法采用人为规划，往往因人为原因导致过程滞留、资源浪费等现象，而影响效能。
近年来，计算机和相关科学技术的发展促进了物流工作的进步，被广泛用于物流管理。
特别是遗传算法的出现，为货物最佳位置的选择提供了更有效的方法。
2遗传算法简介遗传算法（Genetic Algorithm，GA）是一种仿生学算法，它可以通过模仿遗传进化过程来求解复杂问题，是目前以良好表现解决复杂多目标优化问题的重要算法。
遗传算法以一定的进化途径，根据优化函数或者说求解目标，以进化求解算法为基础，针对任何特定问题都可以构造适当的求解单元，使用种群搜索、多赛道模拟等算法的思想，不断迭代获得更完美的结果，可以用于复杂的优化问题。
3货位精确选址中的应用货位精确选址是物流运营中一项重要任务，多商品库存货位精确选址，可以有效提高物流中的货物流通效率，提升物流编配的效率。
传统的货位精确选址采用人工进行繁琐、复杂的规划，难以解决多商品类型、多箱容量和多货架库位的复杂性和不确定性。
遗传算法作为物流中应用广泛的解决工具之一，可以有效解决较复杂的物流运营规划问题，被认为是求解物流工程中的复杂问题精准选址的优秀算法技术。
4遗传算法在货位精确选址中的具体应用（1）基于GA建立模型。
在遗传算法处理货位精确选址问题时，首先提出基于GA的模型，以多个尺寸容量区间满足物品的存储和出货需求。
（2）编码优化。
将建立的模型编码，建立种群，运用基因表示方式，对目标函数多目标优化模型进行编码及优化，并迭代，计算求得最优位置。
（3）最终结果优化。
将最优位置进行综合多目标权衡，优化出较完整的最终选址解，从而实现最优货位分布，满足物流运营需求。
5结论随着科学技术的进步，货物的精确选址问题可以有效求解，遗传算法作为物流运营规划优化的重要方法之一，具有自身的突出优势，在物流系统中存在着越来越多的应用前景，可以为物流企业提供更高效的拣选货位解决方案，提供有效地物流支撑。
基于遗传算法的三层大规模应急救援物资配置策略
基于遗传算法的三层大规模应急救援物资配置策略何勇;温洁嫦;黄美华【摘要】在考虑受灾地区对应救援物资需求量大的基础上,研究了包括备选省级应急救援物资供应地、备选市县级应急救援物资中转地、救援物资急需地三层结构的车辆安排、路径选择、物资配送的应急救援物资配置问题;以应急救援物资配置的总成本最小、总的运输时间最短、供应地和中转地启用个数最少为目标,建立数学优化模型.使用遗传算法求解获得近似最优的三层应急救援物资配置方案.【期刊名称】《广东工业大学学报》【年(卷),期】2016(033)002【总页数】5页(P37-41)【关键词】应急救援;物资配送;车辆安排;路径优化;遗传算法【作者】何勇;温洁嫦;黄美华【作者单位】广东工业大学应用数学学院,广东广州510520;广东工业大学应用数学学院,广东广州510520;广东工业大学应用数学学院,广东广州510520【正文语种】中文【中图分类】F252;TP301近年来，国内外各类大规模自然灾害频繁发生，因其具有严重次生灾害等特点,给受灾地区带来了极大的人员伤亡以及严重的经济损失，同时在灾后救援过程中的不计成本、盲目救援造成了严重浪费.大规模自然灾害发生后，如何有效地在救援物资供应地安排车辆进行装载，如何选择车辆路径快速运输、分配应急救援物资，成了大规模应急救援物资配置的关键问题，是快速挽救生命、减少灾民损失、降低经济损耗的基本途径.针对如何优化应急物资配送这一问题，国内外学者进行了大量有意义的研究.Sheu[l]探讨总结了当前应急物资配置面临的挑战，并针对救援关键时期研究了面向大规模灾难的应急救援物资的配送方法；Chang和Tseng等[2]针对洪灾发生后，受灾地区应急物资需求量不确定的问题，提出了适应不同灾情信息的应急救援物资配送的模型；郑斌和马祖军等[3]建立了一个应急救援物资需求量不精确的多目标LRP优化策略；徐玖平等[4]对汶川特大地震灾后应急救援物资配置问题进行了重建物资分配、运输、配送中转地选择等一系列的实证研究；陈刚和张锦等[5]考虑了以应急物资保障过程为单目标的应急物资运输—配送模型；詹沙磊和刘南[6]研究了多个物资供应点、多个受灾点的应急救援车辆选址、路径优化、物资配送的多目标随机规划模型；廖成等[7]构建了大规模的应急救援模型，并考虑了更有效的求解方法.综上所述，国内外学者对受灾情况多变的应急救援物资配置问题，已经进行了各种意义深远的建模研究，并对相应模型提出了松弛的拉格朗日算法[8]、启发式算法[9-10]、遗传优化智能算法[11-12]等多种适应不同环境的算法.但是由于突发的大规模事件这一类问题往往会造成灾后应急救援物资配送的情况复杂多变，很难研发出应急救援物资配置通用的数学优化模型与算法，且仍然有许多急需解决的问题.为此，本文基于应急物资急需量大的情况下，考虑把受灾点物资包装成标准单元物资，研究三层大规模应急救援物资配送策略，并使用遗传算法对模型求解获得近似最优的方案.救援应急物资配送在受灾地区救援中最为关键，主要考虑问题是如何对受灾地区急需的物资包装分配以及如何安排装载车辆、选择运输路径对受灾地区进行救灾物资输送.因突发灾害复杂特殊、变化万千，对这一类情况特殊的救援应急物资配送问题，很难探讨出普遍适用的数学优化模型与算法.结合实际问题，本文考虑的网络简化结构如图1所示.本文以应急救援物资配置的总成本最小、应急救援物资总的运输时间最短、启用的供应地和中转地个数最少为目标，再应用基于加权排序的方法将3个目标转化为单目标函数，建立数学优化模型.目标函数min(f1,f2,f3)中，,,.目标转化：为了达到更好的救援效果，结合应急救援物资配置的实际问题，在现实应急救援物资配置中，决策者一般更加注重目标函数(2).采用基于加权排序的方法，根据应急救援物资配置的总成本、总的运输时间、启用的供应地和中转地个数这三者的重要性，取权重为λ1=0.3，λ2=0.5，λ3=0.2.将以上3个目标聚集成一个单目标.转化后目标函数：f=λ1f1+λ2f2+λ3f3.；uji≤xj,rkj≤yk∀j∈M,i∈L,k∈N；∀k∈N,j∈M；αiθ≤XjiΩ，∀j∈M；，∀k∈N,j∈M.xj,yk,uji,rkj(其中i=1,2,…,l;j=1,2,…,m;k=1,2,…,n)为0-1决策变量；如果启用第j个市县级救援物资中转地时xj=1，否则xj=0；如果启用第k个省级应急救援物资供应地时yk=1，否则yk=0；如果第i个应急救援物资急需地由第j个市县级应急救援物资中转地运输物资时uji=1，否则uji=0；如果第j个市县级应急救援物资中转地由第k个省级应急救援物资供应地供应物资时rkj=1，否则rkj=0.Xji,Ykj,Zk(其中i=1,2,…,l;j=1,2,…,m;k=1,2,…,n)为整数决策变量.Xji表示负责第j个市县级应急救援物资中转地到第i个应急救援物资急需地的车辆数量；Ykj表示负责第k个省级应急救援物资供应地到第j个市县级应急救援物资中转地的车辆数量；Zk表示安排在第k个省级应急救援物资供应地的车辆数量.遗传算法是一种仿效自然界“物竞天择、适者生存”的进化算法.根据问题，将目标设计成一个适应度函数，把问题所有可能取的解编码为染色体，一系列的染色体构成一个种群.利用迭代的方式让各个染色体经过若干代的选择、交叉、变异等运算来交换种群染色体的信息，并根据适应度评估染色体，优胜劣汰，使其逐渐趋向问题的近似最优解.本文参考文献[13-17]，结合应急救援物资配置模型，提出算法流程如下.(1) 设置最大的迭代代数Gen_max，种群规模K、交叉率pc和变异率pm.(2) 对种群个体使用二进制遗传编码.每个染色体都由两个子串组成，长度为m+n；其中第1个子串的长度为对应的备选市县级应急救援物资中转地的个数m，基因位为0-1，1表示对应备选的中转地被启用，0表示对应的中转地不被启用；第2个子串的长度为对应的备选省级应急救援物资供应地的个数n；基因位为0-1，1表示对应备选的供应地被启用，0表示对应的供应地不被启用.给出算法流程如下. (1) 初始群体的生成.本文采用英国Sheffield遗传算法工具箱的crtbase函数创建任意种群规模为K=100，个体长度为m+n的二进制离散随机种群，将其定义为一个矩阵，至此得到初始种群P(0).(2) 适应度评估，根据适应度函数大小区分优劣，评估每个染色体的适应度，优胜劣汰.本文直接考虑模型转化后的单目标函数式，取Fitness(i)=1/f(i)为适应度函数，其中f(i)为第i条染色体的目标函数值.(3) 采用轮盘赌法进行选择操作，从P(n)(其中n为迭代代数)中选择K个染色体进入下一代P(n+1).(4) 采用单断点交叉进行交叉操作，根据交叉概率pc=0.7判断各个染色体是否进行交叉，以促进遗传算法对解空间的搜索.(5) 采用离散变异法进行变异操作，对(4)交叉后的染色体根据变异概率pm=0.02判断该基因是否进行变异，产生新一代P(n+1).(6) 算法结束，如果代数n>Gen_max，输出最优解；如果代数n≤Gen_max，重复(2).随机抽取7个备选省级应急救援物资供应地，10个备选市县级应急救援物资中转地，30个应急救援物资急需地以及所需的应急救援物资数量.其中平均救援物资的单位质量：θ=3 kg/件，每辆车单位距离的运输时间：ε=0.015 h/km，单位距离运输单位物资质量的费用：δ=0.25元/(kg.km)，启用每个供应地、中转地的增设费用：ω=0.12百万元/个，每辆车的最大装载重：Ω=35 000 kg/辆.采用matlab软件，根据以上设计的遗传算法编写相应的程序，求解近似最优的算例结果为应急救援物资配置的总成本为6 691.8百万元，总的运输时间为20 635 h，启用的供应地和中转地数量为12个.其中车辆安排、路径选择、物资配送的近似最优结果见表1、表2和图2.本文是在受灾地区对应急救援物资急需量较大的基础上，基于全国范围这一大区域，以应急救援物资总的运输时间最短、配置的总成本最小、供应地和中转地启用个数最少为目标，考虑了包括备选省级应急救援物资供应地、备选市县级应急救援物资中转地、救援物资急需地三层结构的应急救援物资配置模型，研究了应急救援车辆安排、路径选择、救援物资配送的应急救援物资配置问题.最后结合遗传工具箱设计遗传算法求解获得近似最优的三层应急救灾物资配置方案.ZHENG B,MA Z J,FANG T.Fuzzy muti-objective location routing problem in emergency logistics systems[J].Systems Engineering,2009,27(8):21-25.XU J P,MA Y L,DUAN X L. The optimum seeking and overall planning model of the reconstructions of private enterprises in Wen Chuan post-earthquake[J].Chinese Journal of Management Science,2008,16(4):1-11. CHEN G,ZHANG J,PENG Y T.Agile security system model and algorithm for post-earthquake urgent relief provisons[J].Journal of Natural Disasters,2013,22(3):47-53.ZHAN S L,LIU N.Multi-objective stochastic programming model for relief allocation based on disaster scenario information updates[J].Systems Enginerring Theory & Practice,2013,33(1):159-166.MIAO C,XU W S,WU Q D.A transportation modal and solution of large-scale emergency relief commodeties[J].Systems Engineering,2006,24(11): 6-12.YANG B,DU B,LI X L. Euristics for distribution and scheduling of relief supplies among multiple disaster sites[J].Systems Engineering,2012,30(1):97-103.WANG S R,MA Z J.Stochastic dynamic multi objective optimization location-routing model and algorithm in post-earthquake[J].Application Research of Computers,2010,27(9): 3283-3286.LANG M X.Study of the optimizing of physical distribution routing problem based on genetic algorithm[J].China Journal of Highway and Transport,2002,15(3):76-79.。
基于遗传算法的多目标定位与调度技术研究
基于遗传算法的多目标定位与调度技术研究在现代物流管理中，多目标定位与调度是一个重要的问题，它通过合理的调度和分配资源，使得各项任务得到高效完成。
为了解决这个问题，近年来许多学者开始研究使用遗传算法进行多目标定位与调度。
遗传算法是一种经典的优化算法，通过模拟自然界中的进化机制，寻找最优解。
一、遗传算法的基本原理遗传算法是一种基于群体的优化算法，其核心原理是模拟生物进化过程，通过不断的交叉、变异、选择等操作，不断地演化出更加优秀的解。
具体的步骤如下：首先，将待求解问题表示成一个染色体（Chromosome），也就是一个由基因（Gene）组成的串。
每一个基因代表问题的一个变量，而每一个染色体代表了一种解。
然后，随机生成一定数量的初始群体（Population）作为种群，每个个体就是一个染色体。
在群体中，通过选择更加优秀的染色体来遗传下一代。
常用的选择方法有轮盘赌选择、锦标赛选择等。
接着，进行进化操作，包括交叉（Crossover）、变异（Mutation）等。
交叉操作将两个染色体的部分基因进行互换，生成两个新的染色体；变异则是对某个染色体的一个或多个基因进行随机变动。
这些操作对于整个群体的多样性和精度都有很大的影响。
最后，评估群体中每个个体的适应度（Fitness），也就是每个染色体的解的质量。
适应度高的解会有更大的概率被选中留下，作为下一代的种子。
不断地循环以上步骤，直到找到满意的解或达到预设的停止条件。
二、基于遗传算法的多目标定位与调度在多目标定位与调度中，遗传算法被广泛应用于解决以下问题：1. 路径优化问题在物流管理中，需要将各种货物从生产厂家送到终端用户手中，其中涉及到许多的路径选择问题。
传统的方法是使用Dijkstra算法等最短路算法，但这些算法只能针对单目标问题处理，而无法处理多目标问题。
因此，基于遗传算法的多目标路径规划算法开始被引入。
2. 我们维护的全部商品和他们在仓库的位置另一个问题是仓库的商品如何存储、如何分配出货任务。
基于改进遗传算法的地震应急物资配送路径规划
基于改进遗传算法的地震应急物资配送路径规划
郑尔宗;张以晨;徐毓蔓
【期刊名称】《华北地震科学》
【年(卷),期】2024(42)2
【摘要】针对地震灾后应急物资配送的路线规划问题,在充分考虑地震灾害建筑物倒塌而导致路径中断的情况下,构建了震灾后的应急物资配送路径规划模型,该模型以最短距离为目标,同时考虑了因建筑物倒塌导致路径中断的风险,使模型更加符合地震应急救援的场景需求;为提高模型求解能力,引入丝滑度函数和建筑物倒塌函数构造了改进遗传算法,并选取案例验证模型的可行性。
结果表明,该模型在规划最短路径的同时可以有效避开中断的路段,因此所提出的模型可以为应急物资配送决策提供科学依据。
【总页数】6页(P25-29)
【作者】郑尔宗;张以晨;徐毓蔓
【作者单位】长春工程学院吉林应急管理学院
【正文语种】中文
【中图分类】P315.95
【相关文献】
1.基于改进蚁群算法的突发事件后应急物资的配送路径规划问题的研究
2.基于改进遗传算法的应急物资配送车辆调度优化问题研究
3.基于遗传算法的应急生活物资物流配送路径规划研究
4.基于改进遗传算法的酒店配送机器人路径规划仿真研究
因版权原因，仅展示原文概要，查看原文内容请购买。
国内应急物流现状研究——一篇文献综述
中国储运网H t t p ://w w w .c h i n a c h u y u n .c o m共同体，已完成数百名学生培训。
为了进一步推进淮安“强兵兴业”工程，淮安市高级技术职业学校开展了淮安市物流快递后备管理人才培训班“强兵兴业”项目，通过理论知识学习和岗前实际操作培训，实践了学校理论学习与企业顶岗实践相结合的培养模式，较好地完成了培训任务。
（2）以实训基地为载体，组建结构化教学团队。
基于师资团队成员在教育教学改革、产学研结合能力等方面处于不同层次，校企深度合作组建结构化异质化教学创新团队，最大限度地发挥各层级教师在课程建设、专业建设、团队建设中的作用。
专业教师通过实训基地开展理实一体化教学，校企合作开发课程，鼓励所有青年教师参加相关教学改革课题研究、教学竞赛、技能竞赛、企业锻炼等活动，搭建教师培养体系和成长通道，实现团队内部的逐阶晋级，助力教师实现企业维度的跨界成长。
（3）以实训基地为载体，提升人才培养质量。
依托物流实训基地的“课堂—实训—企业”的体验式教学模式突出对学生职业素养和技能的培养，以职业活动为依据，以职业能力为核心的教学设计，将职业精神融入职业技能培养中，在实训基地中感受企业运作过程，让学生明确物流企业制度和职责，在有限的时间内让学生获得更多实施性经验，提高教学效率。
结合技能大赛竞赛系统进行教学，将所学的知识与技能直接运用于技能大赛中，成功实现了实训基地教学的成果转化。
（作者单位：淮安市高级职业技术学校）基金项目：课题：江苏省职教学会2021-2022年度职业教育研究课题1+X证书制度下物流管理专业实训基地建设研究，编号：X H Y -B L X 2021255引用出处[1]黄关山.“1+X ”证书制度背景下高职产教融合实训基地建设实践[J ].职教论坛,2021(09):5-8.[2]唐以志.1+X证书制度：新时代职业教育制度设计的创新[J ].中国职业技术教育,2019(12):5-11[3]毛少华.职业院校实施“1+X ”证书制度的现实困境与应对策略[J ].当代职业教育:2020(1):55-61[4]南海任茹丽.论1+X证书制度下职业院校实训基地建设的适应问题[J ].岳阳职业技术学院学报,2021(11):51-52.[5]程舒通.1+X证书制度工作的理念、思路、难点及对策[J ].教育与职业,2019(11):25-30.[6]李学礼.1+X证书制度试点方案的探索与实践[J ].工业和信息化教育,2019(12):1-5.应急物流是应对重大突发事件的一项特殊物流活动，在我国虽然起步较晚，但是发展迅速，国内学者对于应急物流的研究也日益增多。
基于智能算法的应急物资调配优化研究
基于智能算法的应急物资调配优化研究在面对突发事件时，物资调配是应对紧急情况的重要环节。
如何在有限的资源下，实现最优的物资调配，是一个亟待解决的问题。
随着智能算法的发展，应急物资调配优化也开始向智能化方向发展，本文将对基于智能算法的应急物资调配优化进行研究和探讨。
一、智能算法概述智能算法是近年来兴起的一种人工智能技术，通过模拟自然界中智能生物的行为和思维方式，来解决实际问题。
目前常见的智能算法包括遗传算法、神经网络、模拟退火等。
智能算法具有较强的自适应性、泛化能力和搜索能力，在很多领域都得到了广泛应用。
二、应急物资调配问题分析应急物资调配是应对重大自然灾害、突发事件等紧急情况的关键环节，其成功与否直接关系到人们生命财产的安全。
对于重大自然灾害等紧急情况，应急物资调配往往要在受灾地区紧急建立临时物资供应体系，以满足人们基本的口粮、饮用水、食品、药品等基本需求。
由于紧急情况下有限的物资资源需要覆盖广泛的地区和人群，因此，应急物资调配问题具有以下特点：（1）随机性。
突发事件具有不可预测性和不确定性，导致应急物资调配问题在决策变量、目标函数、约束条件等方面存在较大的随机性。
（2）复杂性。
应急物资调配问题的决策变量众多，如调配方案、调配物资种类、调配物资数量、调配时间等，且相互影响、复杂多变。
（3）效率性。
应急物资调配时间是有限的，调配方案需要在最短的时间内实现，保证应急物资的及时供应和使用效果。
三、基于智能算法的应急物资调配方法为了解决应急物资调配问题的复杂性和随机性，在智能算法的基础上，可以采用遗传算法、神经网络等智能算法来实现应急物资调配优化。
具体方法如下：（1）遗传算法遗传算法是一种模拟自然界中生物进化过程的优化方法，可用于求解复杂的组合优化问题。
在应急物资调配优化中，遗传算法主要分为三个步骤，分别是个体编码、种群初始化和进化操作。
通过简单的遗传操作，如选择、交叉和变异等操作，不断优化种群中的个体，最终得到最优的物资调配方案。
改进遗传算法在应急物资调运模型中的应用
改进遗传算法在应急物资调运模型中的应用-科技创新论文改进遗传算法在应急物资调运模型中的应用宋树洋（北京航空航天大学经济管理学院，中国北京100000）【摘要】在考虑了应急物资调运的特殊性后，改进了VRP问题求解的遗传算法，并将其应用于应急物资调运问题的求解。
通过仿真计算表明改进后的算法在收敛速度等方面有很大改善。
关键词遗传算法；应急物流；VRP应急物资的运输与配送问题是应急物流主要研究的问题之一，它也是应急物流中最为关键的一个环节，而在一般情况下，应急物资调运问题就会转化成一般的车辆路径问题。
车辆路径问题是一个典型的组合优化问题，求解十分困难，截至当下，仅有一些相对较小规模的问题能够保证被求解到精确的最优解。
各国的学者通过大量的实践和理论证明得出结论，精确算法在求解大规模VRP问题时非常不适合，而启发式算法在求解这类问题时显示出非常大的优势，并成为近年来此领域应用最多的方法。
其中遗传算法以其优秀的寻优能力为众多学者所青睐。
1 遗传算法遗传算法(Genetic Algorithm，简称GA) 是由Holland教授首先提出的，它是一种建立在群体遗传学基础和自然选择上的随机、并行搜索算法。
求解车辆调度问题，使用GA搜索算法十分理想，但使用GA算法时面临的一个难以解决的问题就是如何防止其“早熟”收敛。
在遗传算法提出以来，来自世界各地的众多学者提出了多种方法提高GA的性能：Rudolhp G 提出为保证算法的收敛性，使用精英选择策略保持群体中最好个体的方法[1]；马欣等提出了PEGA算法，即使用单亲进化的遗传算法，它提高算法收敛速度的方法，是利用来自父体有效边的信息，保留使用最小边，这样来进行个体的进化[2]；马均水等提出大变异策略，这个策略可以表述为，如果某一代里的大多数个体集中在了一起，此时使用一个较大的变异概率（远大于通常）执行一次变异操作，这样使之独立产生多个新个体，可以让整个群体脱离早熟[3]；以上方法只解决了算法部分问题，而且采取的改进方式比较复杂，一般以高运算量并降低算法效率为代价解决遗传算法过早收敛的问题。
基于遗传算法的武警应急处突兵力分配策略
基于遗传算法的武警应急处突兵力分配策略引言随着社会发展和安全形势的变化，突发事件的频率和复杂性不断增加，对武警应急处突兵力的需求也日益迫切。
为了有效应对各类突发事件，提高应急处突任务的执行效率和兵力的分配合理性，基于遗传算法的兵力分配策略应运而生。
本文将深入探讨如何利用遗传算法来优化武警应急处突兵力分配策略。
二级标题1：遗传算法基本原理三级标题1.1：遗传算法概述遗传算法是一种模拟生物进化过程的优化方法。
通过对问题空间进行适应度评估、选择、交叉和变异等操作来搜索最优解。
遗传算法的基本原理包括基因表示、适应度函数、选择、交叉和变异等关键要素。
三级标题1.2：基因表示与编码在遗传算法中，个体的基因通过编码表示。
对于武警应急处突兵力分配问题，可以使用二进制编码来表示兵力的分配方案，每个基因位表示一个单位兵力的分配情况。
三级标题1.3：适应度函数适应度函数用于评价个体在当前环境中的适应性，即个体解的好坏程度。
对于武警应急处突兵力分配问题，适应度函数可以考虑以下因素：任务类型、任务紧急程度、地理位置等。
根据实际情况，选择合适的适应度函数可以更好地反映问题的特点。
三级标题1.4：选择选择操作是根据适应度函数的评价结果，选择个体作为下一代的父代。
较好的选择策略可以提高算法的收敛速度和搜索性能。
常见的选择策略有轮盘赌选择、竞争选择等。
三级标题1.5：交叉交叉操作是从两个个体的染色体中交换基因片段，生成新的个体。
合理的交叉操作可以保留优良基因，并增加种群的多样性。
在武警应急处突兵力分配问题中，可以通过交换染色体中的基因位来实现不同兵力分配方案的组合。
三级标题1.6：变异变异操作是对个体的某一位基因进行变换，以增加种群的多样性。
适度的变异可以跳出局部最优解，使算法更容易搜索到全局最优解。
在武警应急处突兵力分配问题中，变异操作可以随机改变染色体中的基因位，产生新的兵力分配方案。
二级标题2：应急处突兵力分配问题分析三级标题2.1：问题描述武警应急处突兵力分配问题是在突发事件发生时，根据不同的任务类型和紧急程度，合理分配兵力到各个地区，以尽快响应和处理突发事件。
基于遗传算法的应急生活物资物流配送路径规划研究
中国储运网H t t p ://w w w .c h i n a c h u y u n .c o m1.引言随着现代社会快速发展和城市化进程加快，近些年，突发公共性事件发生的频率增加。
突发公共性事件发生时，要组织好生活物资的分配，应急物流及时有效配送生活物资成为保障居民生活的关键。
目前关于应急物流的研究内容主要以省市为主，保障生活物资与居民生活的物流配送路径规划几乎没有。
这些事件爆发时前期由于需求不明确、供给不及时，导致生活物资没有及时配送到居民区，因此，本文对应急生活物资物流配送活动进行研究，选择最短的配送路径，最短时间内将生活物资配送到居民区内。
2.应急生活物资物流配送现状分析目前应急生活物资趋向由社会各界定向采购，随着全国医疗资源或生活物资的加入，同时需求的医院或者需求的单位逐步明确需求种类，一方面捐助者也越来越了解需求者的真正需求，需要的物资形成了定向捐助，这种定向采购的供应链供需之间越来越精准，协同起来越来越高效。
另一方面是政府的全面介入，在政府全面监管下，形成工厂的直采、直供模式，比如有国家对战略储备的猪肉快速调拨等；另外还有在政府协调和鼓励下商业企业参与下的社会运营保障，像新零售、前置仓、社区团购、社区菜店等，参与社会民生保障的基础性运营。
3.应急生活物资物流配送模式分析针对以上应急物流现状分析，应急生活物资物流配送进行一系列调研，分析总结出一些物流配送模式。
3.1社区团购+集中取货应急生活物资特点是居民需求多样性、配送时间相对固定，取货时间相对集中。
居民可以通过在聊天群、在线服务平台等方式发起团购通知，以家庭为单位根据需求选择生活物资，由社区工作人员进行采购或领取相关物资，并进行物资分配等工作。
3.2前置仓+O 2O平台共享资源（配送员）配送模式居民可在O 2O平台下单购买所需生活物资，线下配送因外卖员或快递人员不足不能及时满足，各O 2O平台（也包括外卖平台）共享资源同时也吸纳闲散人员，他们根据平台订单，依次在各门店取货后（这时的各门店可看做前置仓），将生活物资等直接配送到社区门口，这种情况也可解决配送劳动力不足等。
应急物资储备库选址问题研究述评
应急物资储备库选址问题研究述评●方美琴，吕涛（中国矿业大学管理学院，江苏徐州221116）［关键词］应急物资储备库；选址；单目标优化问题；多目标优化问题；述评［摘要］国内外对于应急物资储备库选址问题的研究，主要借助于普通物流选址的基本思想，可以归纳为单目标优化问题和多目标优化问题研究两个方面。
总体来看，对于应急物资储备库选址问题的研究尚处于起步阶段，且学者们多侧重于理论方法上的探讨，较少联系国家、地区实际情况，此外还缺乏煤炭、石油等战略物资的应急储备选址研究。
今后的研究可从这几个层面深入展开。
［文献标识码］A［文章编号］1009-0061（2011）08-0066-04目前研究选址问题的文献非常多，并且形成了非常成熟的理论体系与模型，但应急物资储备库由于其独特性使其比普通的选址问题考虑因素更多，所以关于应急物资储备库选址问题的研究相对较少，主要借助于普通选址的基本思想有针对性地对其进行研究。
从总体上看，可以把这些文献分成两大类：第一类是单独考虑调配距离、调配成本、调配时间等因素的单目标优化问题；第二类是结合考虑各种因素的多目标优化问题。
一、单一目标优化的选址问题研究当自然灾害等重大突发事件发生时，就会启用应急物资储备库。
而应急物资储备库选址应考虑距离限制、时间限制、成本费用、覆盖范围等因素，这里列举并分析仅满足单一目标的应急物资储备库选址文献。
1、需求点至应急物资储备库加权距离最小即反应时间最短。
戴更新等（2000）［1］研究了在满足应急物资连续消耗基础上的多物资调度，建立了以应急反应时间最短为目标函数的物资调度模型。
陆梦（2008）［2］在最短路径分析基础上,考虑在限制约束条件下建立了海上溢油应急服务设施点，使服务设施能在最短时间内到达应急地点。
以上都是属于经典的线性规划问题，将资源约束等看作常数，但是现实当中资源约束可能是不确定的或模糊的，因此在近年来的研究中开始引入不确定性的概念。
郭子雪，齐美然等（2009）［3］研究了物资储备库到应急物资需求点的距离为梯形模糊数时的应急物资储备库选址问题，并且构建了总加权距离最小的应急物资储备库选址模型。
基于遗传算法的应急物资分层调度研究
基于遗传算法的应急物资分层调度研究胡飞虎;田朝晖;李威;韩鑫【摘要】针对多车型、多物资特征的应急物资调度问题,设计分层调度方案,同时给出由两层物资调度系统组成的调度算例,并将该算例转化为2个相关的单层物资调度问题.以最小化系统调度任务完成时间为目标函数,利用遗传算法对一级和二级调度方案进行求解,得出系统中每种车型依次将何种货物从何地运往何处的具体方案.通过车辆各自运输任务的运货量计算和仓库点物资的实时统计结果表明,该分层调度方案符合各仓库出货量不超过现存量且各灾害点物资需求得到满足的供求条件,求解步骤简单且运行速度快.【期刊名称】《计算机工程》【年(卷),期】2015(041)010【总页数】6页(P53-58)【关键词】应急物资调度;分层调度;车辆调度;遗传算法;目标函数【作者】胡飞虎;田朝晖;李威;韩鑫【作者单位】西安交通大学电气工程学院工业自动化系,西安710049;西安交通大学电气工程学院工业自动化系,西安710049;西安交通大学电气工程学院工业自动化系,西安710049;西安交通大学电气工程学院工业自动化系,西安710049【正文语种】中文【中图分类】TP311.1启发式优化算法［1］被广泛用于解决应急物资配送的车辆调度［2-4］问题。
在物资调度问题的求解方面：文献［5］应用蚁群算法对调度问题进行优化，将原始物资分配分为2个阶段，车辆路线分配和多种物资分配，从而解决应急物资运输问题。
文献［6］在多种商品、多配送情况下，以系统总成本最小为目标，建立两阶段混合整数规划模型解决物资调度问题。
文献［7］提出一种混合模糊聚类算法，得出关联两路网下物资调度问题的求解方案。
文献［8］给出供应与需求不平衡情况下两阶段的多种运输方式、多物资运输模型。
文献［9］提出两阶段随机规划方法解决调度问题。
文献［10］针对应急物资调度问题，建立情景响应式两阶段随机规划模型。
文献［11］研究了供应链中传统的车辆路径问题以及多物资网络流问题，并且在交通工具、物资变化等情况下，提出解决动态调度问题的算法。
救灾物资发放问题的动态遗传算法求解
救灾物资发放问题的动态遗传算法求解
吕永波;贾楠;任锦鸾;付蓬勃
【期刊名称】《管理科学学报》
【年(卷),期】2008(011)003
【摘要】与传统启发式优化搜索算法相比,遗传算法的主要本质特征在于利用了群体搜索策略和简单的遗传算子.群体搜索使遗传算法得以突破邻域搜索的限制,可以实现整个解空间上的分布式信息探索、采集和继承.这篇文章针对救灾物资发放问题进行了研究,建立了此类问题的数学模型,在分析标准遗传算法的基础上,采用设置摆动适应度函数与条件交叉、变异概率的方式设计了动态遗传算法,并通过求解实际问题对标准遗传算法与设计的动态遗传算法计算结果进行了对比.结果表明该算法在一定程度上动态解决了群体由于缺乏多样性而陷入局部解的问题,能够更大概率地得到最优解,可以说是对遗传算法改进方面的一个尝试,结论对于解决类似问题具有较大的参考价值.
【总页数】6页(P29-34)
【作者】吕永波;贾楠;任锦鸾;付蓬勃
【作者单位】北京交通大学交通运输学院,北京100044;北京交通大学交通运输学院,北京100044;中国传媒大学媒体管理学院,北京100024;北京交通大学交通运输学院,北京100044
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于遗传算法的动态TSP问题求解 [J], 王磊;牛晓云
2.求解动态需求车辆调度问题的自适应量子遗传算法 [J], 郑丹阳;毛剑琳;郭宁;曲蔚贤;王昌征
3.求解动态优化问题的多种群热力学遗传算法 [J], 李志杰;李元香
4.利用遗传算法求解静态与动态背包问题的研究 [J], 贺毅朝;宋建民;张敬敏;苟海燕
5.基于遗传算法的动态最佳路径问题求解 [J], 李永先;贾成松
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于遗传算法的应急物资供应点定位―分配问题研究综述
摘要：本文总结、分析了近年来国内研究中基于遗传算法求解的应急物资供应点定位-分配相关问题的文献，主要包括应急定位问题、应急物资分配问题、应急定位-分配集成问题的研究综述，最后总结得出研究现状和未来研究的发展趋势。
关键词：遗传算法；应急物流；定位-分配问题
一、引言震后应急物流是保障生命安全、减少财产损失的重要环节。
以往的震后应急管理实践过程中出现了很多诸如应急物资供应点的定位不合理、应急物资分配不公平等一系列降低应急物流运作效率的问题，这就对我国的应急物流组织体系的构建和完善提出了迫切要求，因此，研究震后应急物资供应点的定位-分配问题，具有十分重大的现实意义。
而针对应急物资供应点定位- 分配问题的研究一般都属于NP-hard 问题，往往是基于遗传算法进行求解的，下面分别对基于遗传算法的应急物资供应点定位-分配问题包含的三个方面进行研究综述。
基于遗传算法的应急物资供应点定位-分配问题研
一）基于遗传算法的应急定位问题。
刘红娟等（2010）［1］考虑设施点间距离、流量与安全性等道路特性，将其转换为道路的综合权值，建立了应急物流多设施选址模型，并采用遗传算法求解，最后用实例对模型进行了验证分析。
李周清等（2011）［2］考虑震后物资调度的中转设施定位，以时间和成本最优为目标，建立了中转网点的定位模型，并用遗传算法求解。
于鹏等（2012）［3］考虑设备应急抢修的时限要求和整个应急抢修系统的服务质量要求，采用0-1 整数规划模型描述应急抢修点选址定位问题，针对该问题设计了一种混合遗传算法，并通过算例计算结果表明，该算法求得的结果要优于基于罚函数和采用简单修复算法的遗传算法。
张刚红（2013）［4］考虑大规模应急设施的选址定位成为应急管理系统的关键，构建应急设施选址问题的集合覆盖模型，提出一种改进的并行遗传算法，并在Hadoop 平台上编程实现。
付德强等（2014）［5］研究了应急物资储备库的多目标选址决策模型，并设计了相应的多目标非支配排序遗传算法。
（二）基于遗传算法的应急物资分配问题。
重大地震灾害发生以后，对应急物资进行科学合理的分配是震后应急物资保障系统的关键。
于振涛（2011）［6］研究应急物流系统中多级设施和多式联运救灾情况下的应急物资分配与调运问题，建立一个具有主从递阶关系结构的双层优化模型，并根据所建立的模型提出了一种改进的遗传算法。
王增（2011）[7] 考虑连续软时间窗限制，构建人员
物资损失最小化和多点“物资消耗终点时间方差最小化”的双目标物资分配模型，采用遗传算法进行模型求解。
赵明等（2012）[8] 研究多供应点、多需求点的应急物资分配特性，构建以开始时间最早和出救点数目最少为目标的多目标优化模型，设计了遗传算法对最优调度方案进行求解。
王旭坪（2013）[9] 针对大规模突发事件下应急物资动态调度问题，构建以最小化灾民损失和车辆调度费用为目标的混合整数规划模型，设计了遗传算法进行求解。
李沁鲜（2013）[10]运用遗传算法对所建立的应急救助物资配送车辆路径优化模型进行了求解和实例验证。
（三）基于遗传算法的应急定位- 分配问题。
定位-分配问题（Location-Allocation Problems，简称LAP）是根据需求点的地理分布、物资需求量，确定出某一地理范围内供应点的位置、数量和与需求点的指派方案。
李周清等（2010）[11] 考虑增强大规模区际救援物资运作效率，建立了以运输成本和中转作业变动费用总和最小化为优化目标的应急物资中转设施点的定位-配给模型，并设计了一种运用矩阵编码的遗传算法。
庄艳玲（2011）[12] 考虑
对于脆弱性高的受灾点提高覆盖水平，对脆弱性高的路线减少其运送物资的数量，在此基础上建立多目标优化模型，利用多目标的模糊处理将多目标模型转化成单目标模型，并设
计两个遗传算法进行求解。
俞武扬（2011）[13]考虑震后应
急物资需要大规模协调配送的特性，构建了两级应急物流网络定位
-分配模型，设计了一种基于整数编码的遗传算法并利用嵌入运输问题线性规划子算法进行求解。
宫本东（2011 ）[14]考虑系统时间、成本和需求点受灾程度，构建冲突性多目标应急CLRIP模型以解决非常规突发事件环境下物流系统设施选址、路线选择和资源分配问题，并设计了多目标遗传模拟退火算法（GASA对该模型进行求解。
艾云飞等（2015）[15]将应急物资储备库选址定位问题和应急需求分配问题集成考虑，基于集合覆盖理论和引力模型，建立水上应急物资储备库选址-分配优化模型，并针对模型设计遗传算法。
三、综合评述综上可以看出，我国对于应急救援物流的研究起步较晚，现有研究成果较少，但对于基于遗传算法求解的应急物资供应点的定位-分配问题的研究已经相对成熟。
现有研究主要总
结为下面几个方面：首先，以往的应急物资分配问题没有考虑到运输时间带来的时间延迟，总是将时间延迟和应急物资不同时段所带来的一个应急物资分配的多阶段问题忽略为单一阶段的救援问题；其次，现有研究主要是针对单一需求物资的分配问题，对于多种物资组合的物资分配问题研究是很有限的；再次，以往的震后应急定位-分配问题一般将目标设置为最小化期望成本、最大化期望收益、最大化期望满意度、最小化期望响应时间等，以期在突发事件前做好预案，使突发事件发生后能在最短时间内达到较好应急救援效果。
因此，现有研究还没有考虑到将受灾点对应急物资需求效用最
大和以任意两受灾点需求效用未满足率差最小来表示的物资分配公平性最大作为优化目标。
而对于多供应点、多受灾点、多应急物资种类、多目标、多周期动态的应急物资供应点定位-分配问题还有待进一步地深入研究。
（作者单位：重庆工商大学商务策划学院）基金项目：重庆工商大学研究生“创新型科研项目” ，
项目编号：yjscxx2015-41-18，项目名称：震后应急物资供应点的多目标动态定位-分配问题研究。
参考文献：
[1] 刘洪娟，罗挺，等.基于遗传算法的应急物流多设施
选址模型研究[J].后勤工程学院学报，2010, 03: 46-50.
[2] 李周清，马祖军.基于改进GA 的救援物资中转网点
定位[J]•计算机工程，2011，37（5）：4-6.
[3] 余鹏，隽志才.混合遗传算法求解应急抢修点选址问
题[J].计算机应用研究，2012，30（2）: 360-363.
[4] 张刚红.Hadoop 下并行遗传算法研究及在应急设施
选址中的应用[J].互联网天地，2013，5（8）：11-14.
[5] 付德强，王旭，张伟.基于NSGA-H的应急储备库多
目标选址决策模型及算法研究[J].运筹与管理，2014,23（4）:
64-69.
[6] 于振涛.震后应急物资分配与调运模型及算法研究
[D]. 西南交通大学，2011.
[7] 王增.基于连续软时间窗限制的应急物资分配模型
[D]. 华中科技大学，2011.
[8] 赵明，宋晓宇.利用遗传算法求解应急物资调度优化问题[J].沈阳建筑大学学报，2012, 28 (5): 944-948.
[9] 王旭坪，马超，阮俊虎.运力受限的应急物资动态调
度模型及算法[J].系统工程理论与实践，2013 , 6: 1492-1500.
[10] 李沁鲜.基于需求分析的灾害应急物资配送问题研
究[D].兰州交通大学，2013.
[11] 李周清，马祖军.区际救援物资中转运输网点的定位
-配给问题研究[J].计算机应用研究，2010，27( 8)：2872-2874.
[12] 庄艳玲.考虑拓扑脆弱性的应急储备点选址与物资分配模型研究[D].东北大学，2011.
[13] 俞武扬.大规模应急物资中转运输问题研究[J].计算
机工程与应用，2011，47(17): 1-3.
[14] 宫本东. 面向非常规突发事件的集成定位-路径-分配模型与算法研究[D].东北大学，2011.
[15] 艾云飞，吕靖，张丽丽.水上应急物资储备库选址-
分配优化模型[J].大连海事大学学报，2015，2：62-66.。