基于免疫—蚁群算法应急物流配送网络优化探究.doc

基于免疫—蚁群算法应急物流配送网络优化探究摘要：论文针对应急物流的配送车辆路径优化问题，建立以应急物流初期有限资源的分配达到整体的最优化（时间短、效率高、安全高、成本低）的多目标模型，结合模型的特点，利用免疫算法和蚁群算法相融合的启发式算法进行求解，最后进行算例分析，解决应急物流配送车辆路径选择的实际问题。 关键词：应急物流；物资调配；蚁群—免疫混合算法；车辆路径 中图分类号：F252.14 文献标识码：A 近几年来突发事件应急处理提升到一定的高度，应急物流系统开始得到学术界的重视。而配送问题是应急物流中的一个重要分支，所以应急物流配送网络优化问题的研究很有必要，其对提高应对突发事件能力和灾害应急管理水平有非常重要的意义。 对应急物流配送网络的优化问题，包括节点的优化及节点之间线路的优化，本文重点介绍应急物流配送路线的选择，实际上，将配送车辆的路径优化问题和应急物流结合起来研究有一定的难度，然而将二者统一的具体研究，更贴近目前物流系统复杂的实际特征，所以对它的研究很有价值。目前对于配送车辆路径优化的研究，多是以一般物流为基础，但是，应急物流与一般物流却存在着很多区别，例如：自然灾害等突发事件可能造成部分道路毁坏、信息不畅通、物资需求变动等，导致运输网络容量具有很大的不确定性；应急物流的配送车辆的路径优化问题主要是以时间效益最大化和损失最小化，而不是仅以成本最小化为目标，因此，应急物流配送车辆路径优化模型的目标、参数及约束条件与一般物流还是存在着一定区别的。国内外的相关文献大多分为关于运输时间最小化为目标的研究和关于运输成本最小化为目标的研究：Ae Young Choi研究了在路网情况不确定情况下如何分配有限的资源（如救护车和其它应急救灾车辆）将受伤人员运输到医院，目标是使受伤人员存活数最大[1]。Gulay提出了一种分层多标准方法解决直升机在救灾中的调度问题，使派遣的直升机和飞行员数目在满足需求下成本最低[2]。国内的研究有计雷，池宏等研究员提出在突发事件中，物资运输的首要问题是研究尽快将物资运送到指定的灾害发生地，此时的运输问题变成了带时间约束的运输问题，目标函数不仅仅是成本最小化，更重要的是运送时间最小化。卢安文等人于2003研究了紧急情况下的物流配送的必要性，建立了考虑公路运输的紧急情况下的物流配送模型，并考虑多种运输方式，以时间、费用为目标建立了0—1整数规划模型及目标规划模型[3]。 目前研究中存在的问题：首先，以往研究较少涉及灾后沿街建筑倒塌、避难人群疏散及道路受损引起车辆运行时间的随机性等因素；多数文献中的模型参数大都是固定不变的，很少考虑到实际中车辆数、车场等这些随时变化的参数[4]；对应急物流配送网络的研究通常以一般物流为基础，这明显不符合实际：首先，在应急突发事件发生的情况下，配送中的车辆路线选择所考虑的影响因素明显不同于一般物流；其次，一般物流配送车辆的路径优化模型都是以成本最小化为单一目标，在重大突发事件发生的情况下，应急物流配送的目标是以较快的速度安全地将有限的物资送达需求地，是多目标问题。 1 模型的构建 1.1 模型的描述和符号说明 4 结束语 本文综合考虑了应急救援物资调度在运输时效性、经济性和安全可靠性等要求，而不是把应急物资的调度的研究目的仅仅局限在运输成本最小或是应急时间最短；考虑多物资运输，多类型车辆，和道路受损引起车辆运行时间的随机性等因素；在求解模型时，运用人工免疫算法和蚁群算法的混合算法，快速求解实时应急求援物资运输问题，有效提高寻优精度和响应速度。并对其进行实证研究，通过不同算法的比较，验证本文模型和算法的可行性和有效性，为应急管理部门提供有效的辅助建议。 参考文献： [1] Jae Young choi. Stochastic Scheduling Problems for Minimizing Tardy Jobs with Application to Emergency Vehicle Dispatchingon Unreliable Road Network[D]. Unpublished Doctors Thesis， University of New York， 2003：61—68. [2] Gulay Barbarosoglu， Linet Ozdamar， Ahmet Cevik. An Interactive Approach for Hierarchical Analysis of Helicopter Logistics in Disaster Relief Operations[J]. European Journal of Operational Research， 2002，140（1）：118—1