摘 要: 减灾系统的定位-路径问题(Location-RoutingProblem, LRP)的研究对提高应对突发事件能力和灾害应急管理水平有着重要的意义。本论文将系统的定位-路径问题划分为应急服务设施选址和应急资源运输路线安排两个子问题,针对两个子问题建立了以总成本(包括应急服务服务设施点建设成本,运输成本和灾害损失成本)最小为目标的LRP模型,并利用一个两阶段的启发式算法进行求解。最后选择以某一典型台风灾害为例,对基于应急物流的减灾系统的LRP模型进行算例分析,结果表明了模型的合理性和算法的可行性。
关键词: 应急物流;减灾系统;LRP模型;聚类方法;蚁群算法
尽管当今世界科技高度发达,突发性自然灾害、公共卫生事件、恐怖主义、地区性军事冲突等仍时有发生。正是在这样的背景下,本文选取了一种典型的应急物流——减灾物流作为研究的对象。减灾物流所研究的是针对各种自然灾害、人为灾害和突发性安全事故救助相关的物流活动。其中,应急服务设施点选址问题和应急物资调度问题是救灾物流研究的重点内容,也是本文研究所要解决的两大问题。
在设施选址方面,H.Z. Jia等(2007)研究了多点发生大规模突发事件中医疗服务(EMS)设施选址系统问题的改进模型,考虑了设施在突发事件场景k下服务能力的降低[1],孙树垒(2009)针对目前网络选址研究中大多分别研究中心点和中位点的片面性,分析综合考虑中心点和中位点的网络选址问题[2], 张玲等人(2008)利用灾难分类分级的原则,考虑了两种水平下的应急物资布局情形,设计了基于拉格朗日松弛的启发式算法[3];在物质调度方面,EIDessouki(2001)研究了应急管理系统的随机用户需求任务,多周期运输网络设计和物资配送分发问题,提出相应的模型和应用解决方案[4],Chang(2007)以台北的洪水为背景,引入情景以及情景发生的概率,来刻画各种需求的不确定性,从而建立随机规划模型求解应急资源调度问题[5],Yi(2007)设计了基于蚁群优化(ACO)的启发式方法,把最初的应急物流问题分解成两阶段的决策问题,给出了一个基于网络流的求解方法[6]。
国内外学者在研究减灾系统的定位配给和运输路径选择问题时,大部分是分别对这两个问题建立模型,鲜有将二者结合起来研究的文章。但是作为应急物流系统中的两个功能子模块,它们之间相互影响,若单独研究其中一部分内容难免顾此失彼,无法得到整体优化策略。本论文综合分析了影响二者的各种因素,建立了多目标决策模型,制定应急服务设施选址策略以及高效快速的应急资源调度系统,从而得出以总成本最小化为目标的减灾系统的定位-路径问题(Location-RoutingProblem, LRP)策略。
一、基于应急物流的减灾系统LRP模型构建
基于应急物流的减灾系统LRP研究包括应急服务设施点的选址与应急资源运输路线安排两个子问题。本文将模型分为问题提出及搜集数据、建立模型及模型求解四大部分。在数学模型部分,首先当灾害发生后,以各受灾点的位置、需求量、救援时间限制及各备选应急服务设施点位置数据作为约束条件来建立以总成本最小为目标的LRP模型;其次,用聚类方法求解将需求点分成若干子类,并进一步得到应急服务设施点选址和需求点分配的最终方案;最后,在前面的基础上用蚁群算法得到运输路线的初始方案并进一步利用实时数据进行优化而得到最终方案。具体模型如下图所示: