考虑应急设施中断风险与防御的可靠性选址模型研究

为提高应急设施运行的可靠性和抵御中断风险的能力, 研究中断情境下的应急设施选址-分配决策问题。扩展传统无容量限制的固定费用选址模型, 从抵御设施中断的视角和提高服务质量的视角建立选址布局网络的双目标优化模型, 以应急设施的建立成本和抵御设施中断的加固成本最小为目标, 以最大化覆盖服务质量水平为目标, 在加固预算有限及最大最小容量限制约束下, 构建中断情境下应急设施的可靠性选址决策优化模型。针对所构建模型的特性利用非支配排序多目标遗传算法(NSGA-Ⅱ)求解该模型, 得到多目标的Pareto前沿解集。以不同的算例分析和验证模型和算法的可行性。在获得Pareto前沿的同时对不同中断概率进行灵敏度分析, 给出Pareto最优解集的分布及应急设施选址布局网络的拓扑结构。     

化工园区应急设施区间规划选址模型研究

应急设施选址受应急物资需求量的影响。为优化应急设施选址布局,提高突发事件应急处置能力,以化工园区突发事件为研究背景,对化工园区突发事故下应急设施选址进行研究。考虑到化工园区突发事件的随机性和复杂性、突发事件应急物资需求的不确定性等特点,以应急设施选址安全性最大、经济性和服务效益最好为目标,基于传统确定性应急设施选址模型,构建了不确定需求条件下化工园区应急设施选址区间规划数学模型。模型中应急物资需求量是一个区间值,通过引入区间规划理论和模糊理论对模型进行求解,不仅避免了不确定参数随机概率分布的波动率,而且也降低了模型求解过程中的不确定性。最后,以园区各企业潜在事故为工程背景进行实例分析,得到园区应急设施的布局方案。结果表明,模型的求解效果较好,可为园区应急设施选址决策提供参考依据。     

应急联动区域下选址分配协同优化模型研究

针对我国现有应急储备库按照属地管理布局的不足,例如当受灾点发生重大灾害时,各应急储备库实行均匀配置,导致应急系统救援效率低以及资源的浪费,文章引入集合覆盖选址模型和"覆盖满意度"思想,将应急联动区域内的服务需求分为第一时间救援服务需求和后续救援服务需求,以应急服务成本最小和覆盖满意度最大为目标,建立应急联动下区域储备库选址分配协同优化模型.对四川省地震灾害下的应急储备库选址分配问题进行案例分析,考虑到各区县抗灾能力的不同,采用TOPSIS方法对模型中受灾点的脆弱性进行评价,并利用NSGA-Ⅱ算法对模型求解.研究表明,模型能降低应急联动区域内的应急服务成本,提升应急服务水平,同时模型可以为决策者提供多种优化方案.     

需求不确定下应急医疗服务站鲁棒配置模型与算法

大型突发事件发生后需要快速启动应急救灾网络,合理配置应急医疗服务站。本文考虑各应急医疗服务站选址节点需求的不确定性,引入三个不确定水平参数,构建四类不确定需求集合(box, ellipsoid, polyhedron和interval-polyhedron)对应的应急医疗服务站鲁棒配置模型,运用分支-切割算法求解,最后,进行需求扰动比例的灵敏度分析。算例结果表明,四类不确定需求集下的鲁棒配置模型中,ellipsoid不确定需求集合配置模型开放设施较少,总成本最小,鲁棒性较好。决策者还可以根据风险偏好选择不确定水平和需求扰动比例的组合,以使得总成本最小。     

考虑设施中断情景的震后救援初期应急物流网络优化设计

在震后救援初期,构建合理的应急物流网络,对于快速有效供应应急物资、减轻灾情具有重大价值。在传统可靠性选址问题与应急设施选址-分配问题的基础上,考虑震后救援初期的阶段性特征、设施中断情景、多品种模糊需求、设施能力限制等因素,建立了一个适用于震后救援初期的应急设施选址-分配模型。通过三角模糊数的期望值公式将模糊需求去模糊化。在此基础上,考虑模型特点,设计了一种整数编码的混合遗传算法。最后,以5·12汶川地震为背景,构造算例进行数值仿真。验证了所提模型和算法。结果表明:考虑设施中断情景后,即使系统中的部分设施失效,整个网络仍能较好运行,且优化结果更具可靠性和稳健性。     

需求不确定的服务设施网络设计模型鲁棒性研究

由于选址决策的长期性,参数面临随机波动,在选址问题中考虑不确定因素至关重要。在选址模型中提出一种新的鲁棒方法,采用有界对称的“盒子”作为不确定需求的集合,通过调节不确定预算,来权衡解的鲁棒性与系统成本之间的关系。利用该方法得到的鲁棒模型不仅能够转化成线性规划,并且可以计算出设施的最低服务水平。然后,设计禁忌搜索算法来求解该问题,数值算例的结果表明了算法的有效性。最后,分析了不同鲁棒水平下,服务设施网络不同的拓扑结构,并得到服务水平与成本之间的权衡关系。同时对需求扰动作了敏感性分析,结果表明随着服务水平的提高,成本对需求扰动越来越敏感。     

应急物流LRP鲁棒双层优化模型研究

考虑到突发事件下受灾点对救灾物资需求的不确定性,针对应急物流设施的定位和车辆运输救灾物资路线进行协同研究,建立了应急物流设施定位-车辆路线选择问题(LRP)鲁棒双层优化模型.运用分散式决策方式下的转化定理,将所建立的含有不确定系数的层次关联协同优化模型进行确定性转化,并设计一种混合遗传算法对转化后的确定性双层规划模型进行求解,最后,通过实例验证了模型的合理性及算法的可行性.     

重大突发事件应急设施多重覆盖选址模型及算法

为了解决应对重大突发事件过程中应急需求的多点同时需求和多次需求问题,本文研究了应对重大突发事件的应急服务设施布局中的覆盖问题:针对重大突发事件应急响应的特点,引入最大临界距离和最小临界距离的概念,在阶梯型覆盖质量水平的基础上,建立了多重数量和质量覆盖模型。模型的优化目标是满足需求点的多次覆盖需求和多需求点同时需求的要求条件下,覆盖的人口期望最大,并用改进的遗传算法进行求解;最后给出的算例证明了模型和算法的有效性,从而应急设施的多重覆盖选址模型能够为有效应对重大突发事件的应急设施选址决策提供参考依据。     

基于多米诺效应需求分析的应急资源配置模型研究

台风自然灾害具有强大的破坏力经常会引起一系列的连锁事件导致多米诺效应。本文考虑在对初始事故多米诺效应分析的基础上预测应急资源的需求,并建立应急资源配置的鲁棒优化模型。首先,本文对初始事故多米诺效应发展机理进行分析,并结合经验估计方法确定若干不同情景,进行应急资源需求预测;然后,建立了两阶段应急资源配置规划模型,并利用鲁棒优化的思想和情景松弛算法对模型进行求解,从而得到合理的资源配置方案。数值实验表明,建立的模型是有效并且可行的。     

震后应急物流设施不确定失效情景下的LRP研究

针对震后应急物流设施不确定失效情景下的定位-路径问题,综合考虑灾区路网存在部分损毁、应急物资多方式配送与运达时间限制等因素,以应急物流设施最坏失效情景下的需求点覆盖期望最大、应急物资总配送时间最短为目标,采用情景建模方法构建多目标定位-路径问题的数学模型,并根据模型特点设计基于分层序列法的两阶段混合启发式求解算法,第一阶段设计改进贪婪算法进行应急物流设施定位分配,第二阶段采用蚁群算法优化应急物资配送路线。最后,通过算例验证了本文模型和算法的可行性与有效性。     

多目标应急物流中心选址的鲁棒优化模型

针对重大突发事件的应急物资救援,研究了应急物流中心的选址及应急物资的调运问题。利用离散的情景集合描述受灾点应急物资需求的不确定性以及应急物资运输成本和运输时间的不确定性,同时考虑应急救援成本和应急救援时间两个目标,建立了多目标应急物流中心选址的确定型模型和鲁棒优化模型。为将多目标问题转化为单目标问题,利用成本单目标和时间单目标的最优结果将多目标转化为相对值再加权处理,该方法既可消除多个目标之间的单位及数量级差异,还可以根据问题的数据变化进行动态调整。以提供应急物资救援服务的设施作为编码,设计了一种通用的混合蛙跳算法。为检验模型和算法的有效性,设计了一个多情景的算例,结果表明两个模型和算法具备良好的可行性和有效性,且鲁棒优化模型能较好地保持对各种不确定性的抗干扰能力;最后,讨论分析了成本偏好权重和鲁棒约束系数的影响,结果表明可根据成本偏好权重的取值范围来区分各种应急救援阶段,体现不同救援阶段的救援要求及特征,并给出了成本偏好权重和鲁棒约束系数的取值建议。     

考虑需求不确定的多级应急物流设施选址研究

为了对急物流设施选址问题进行合理的研究,建立了包含配送中心、配送点和需求点的多级应急物流网络。基于应急物资需求特点,使用三角模糊数表示应急物资需求的不确定性,同时考虑应急救援成本和应急救援时间两个目标,建立了应急物流设施选址模型。采用去模糊化方法将三角模糊数转化为确定数,利用成本和时间的单目标的最优结果将多目标转化为相对值,再对时间和成本目标进行加权处理,既消除了不同目标之间的单位及数量级差异,还可以进行动态调整。设计了遗传算法对模型进行求解,通过实际算例表明了模型和算法可以有效地解决应急物流设施选址问题。     

The \alpha -cost minimization model for capacitated facility location-allocation problem with uncertain demands

Facility location-allocation problem aims at determining the locations of some facilities to serve a set of spatially distributed customers and the allocation of each customer to the facilities such that the total transportation cost is minimized. In real life, the facility location-allocation problem often comes with uncertainty for lack of the information about the customers’ demands. Within the framework of uncertainty theory, this paper proposes an uncertain facility location-allocation model by means of chance-constraints, in which the customers’ demands are assumed to be uncertain variables. An equivalent crisp model is obtained via the \(\alpha \) -optimistic criterion of the total transportation cost. Besides, a hybrid intelligent algorithm is designed to solve the uncertain facility location-allocation problem, and its viability and effectiveness are illustrated by a numerical example.     

Location and sizing of facilities on a line

The location-allocation problem in its basic form assumes that the number of new facilities to be located is known and the capacities are unlimited. When the locations of the facilities and demand points (or customers) are restricted to the real line, the basic model may be solved efficiently by dynamic programming. In this note, we show that when the number of facilities and their capacities are included in the decision process, the problem may actually be easier to solve.     

Applying the flow-capturing location-allocation model to an authentic network: Edmonton, Canada

Traditional location-allocation models aim to locate network facilities to optimally serve demand expressed as weights at nodes. For some types of facilities demand is not expressed at nodes, but as passing network traffic. The flow-capturing location-allocation model responds to this type of demand and seeks to maximize one-time exposure of such traffic to facilities. This new model has previously been investigated only with small and contrived problems. In this paper, we apply the flow-capturing location-allocation model to morning-peak traffic in Edmonton, Canada. We explore the effectiveness of exact, vertex substitution, and greedy solution procedures; the first two are computationally demanding, the greedy is very efficient and extremely robust. We hypothesize that the greedy algorithm's robustness is enhanced by the structured flow present in an authentic urban road network. The flow-capturing model was derived to overcome flow cannibalization, wasteful redundant flow-capturing; we demonstrate that this is an important consideration in an authentic network. We conclude that real-world testing is an important aspect of location model development.     

Location of slaughterhouses under economies of scale

The facility location problem described in this paper comes from an industrial application in the slaughterhouse industry of Norway. Investigations show that the slaughterhouse industry experiences economies of scale in the production facilities. We examine a location-allocation problem focusing on the location of slaughterhouses, their size and the allocation of animals in the different farming districts to these slaughterhouses. The model is general and has applications within other industries that experience economies of scale.We present an approach based on linearization of the facility costs and Lagrangean relaxation. We also develop a greedy heuristic to find upper bounds. We use the method to solve a problem instance for the Norwegian Meat Co-operative and compare our results to previous results achieved using standard branch-and-bound in commercial software.     

Optimal transport and a bilevel location-allocation problem

In this paper a two-stage optimization model is studied to find the optimal location of new facilities and the optimal partition of the consumers (location-allocation problem). The social planner minimizes the social costs, i.e. the fixed costs plus the waiting time costs, taking into account that the citizens are partitioned in the region according to minimizing the capacity costs plus the distribution costs in the service regions. By using optimal transport tools, existence results of solutions to the location-allocation problem are presented together with some examples.     

铁路应急设施非概率可靠性选址优化研究

为解决小样本、贫信息下铁路应急资源储备点的可靠性选址问题,创新性地将选址-路径问题与区间非概率可靠性方法结合起来,考虑灾情发生后应急设施点在可接受的时间范围内响应受灾点的需求能力及其稳定程度,采用区间值度量路段阻抗,基于区间非概率可靠性理论及区间运算规则,提出路径的非概率可靠性度量及可靠最短路径选择方法;建立基于区间时间阻抗下可靠最短路径的无容量设施选址模型,提出约束条件限制的Monte Carlo改进算法,确定了铁路资源储备点选址的最优方案。实例表明,本文的优化方案能更好地保证救援的时间可靠性,改进的求解算法具有更小的时间复杂度,有效地缩短了运算时间,改善了解的质量。本文的方法与模型体系对于实现铁路应急设施可靠性选址,为决策者提供决策支持,提高铁路应急响应能力具有重要的指导意义。