论文部分内容阅读
本文针对两个应急物流中的关键问题进行了研究,一个是多出救点、单受灾点多物资应急调度问题,另一个是单出救点、多受灾点应急物流路径优化问题。在多出救点、单受灾点多物资应急调度问题上,提出了一种新的考虑连续消耗的多出救点、多物资应急调度算法,该算法在依次选择出救点的过程中,综合考虑了每一个出救点的满足灾区需求的能力的大小和该出救点的选择对选择下一个出救点的影响,从而得到了一系列非劣候选出救点,然后让每一个候选出救点尝试参与出救,来寻找出救点最少的出救方案。在对单出救点、多受灾点应急物流路径优化问题进行研究之前,先分别对其子问题进行了研究,并提出了两个算法。一个是改进的求解TSP问题的蚁群算法,它以节约算法找到的路径作为初始最短路径,使得该改进的蚁群算法在一个高起点上进行优化;为了抓住最优路径的的某些局部特征,为蚂蚁的概率选择公式提供了更全面的先验知识;通过加强找到的最短路径上的信息素的相对引导作用,来提高算法向最短路径收敛的速度;以对局部最短路径应用禁忌策略,来避免算法陷入局部最优。在求解TSP问题上,将该算法同带最大最小蚁群算法进行了比较,发现该算法的收敛速度更快,解的质量更高。另一个是求解车辆路径优化问题的两阶段算法,算法先将所有物资需求点分为若干组,使得每一组的需求可由由一辆车来配送。再用改进的蚁群算法对每一辆车的配送路径进行优化,然后将它们整合在一起,就可得到一个较优的车辆配送路径。最后,本文提出了受灾点的物资需求和车辆在每两个受灾点之间的行驶时间都为区间的、受灾点有时间限制的应急物流路径优化算法。该算法在处理受灾点的物资需求和车辆的行驶时间时,先求得车辆所服务的受灾点的物资需求和车辆的行驶时间的各自的联合分布函数,然后计算这一辆车是否能以较高的概率满足它所要选择的下一个受灾点的物资需求和时间限制,如果能,则以概率选择的方式选择该受灾点;如果这一辆车不能以一个较高的概率满足选择任何一个受灾点,则让它返回出救点,而让另一辆车来对剩下的受灾点进行物资输送。由于该算法运用了前面改进的蚁群算法,所以算法结束后可得到一个总的耗费比较少的出救方案。最后,通过一个实例说明了该算法的有效性。