本发明专利技术涉及一种混合多目标粒子群算法解决应急调度问题方法，属于应急调度算法技术领域。包括：（1）设置算法的相关参数,生成规模为M的初始粒子群；（2）筛选出初始粒子群中非劣个体,用于初始化外部精英集；（3）进行是否满足局部搜索条件判断，满足则执行局部搜索（4）判断外部精英集中个体数是否超过3个；（5）选出全局最佳位置,调整速度更新公式中自适应参数,然后更新个体的速度和位置；（6）进行非梯度侧步爬山搜索；（7）进行小概率变异,并维护越界变量；（8）评价粒子群中所有个体；本发明专利技术将该模型与算法在实现应急点满意度与应急物资调度费用两个目标协同的同时,获得了较高的满意度与较低的应急物资调度费用。
【技术实现步骤摘要】
本专利技术属于优化调度
，尤其是一种应急物资调度问题求解方法，特点适 用于非线性连续消耗应急物资调度问题方面。
技术介绍
大规模突发性公共事件除了具有一般突发事件的突然性、危害性、不确定性、衍生 性等特征以外，更具有受灾面积大、影响范围广、持续时间长、受灾人群多、应急需求点多、 应急物资需求量大、应急物资供应不足的特点。这些特点决定了大规模突发事件应急物资 的调度的复杂性远远超出一般规模的突发事件，不仅要考虑单出救点到多需求点的调度， 还要考虑多出救点到多需求点的调度；不仅要考虑不同应急阶段应调度不同种类的应急物 资，还要考虑不同阶段应采用不同的调度方式。尽管应急物资调度已由单一优化目标发展 到如今多个优化目标，但是以应急点满意度为优化目标构建的应急物资调度模型还比较 少见.此外，目标权重由决策者的偏好决定，如何科学地确定目标权重也有一定地难度。 何建敏等针对线性连续消耗应急物资调度问题，建立了单应急点的应急物资调 度模型，并给出模型的解决方法，实现应急物资一次性消耗向连续性消耗的转变，但是现 实生活中应急物资往往是非线性连续消耗的，恒定的消耗速度与应急物资调度的实践有 一定的差距.随着大规模自然灾害的频繁发生，单应急点的调度模型难以完成大规模的应 急物资调度.李进等在满足物资量限制、配送时间约束的情况下，能够解决多应急点、多出 救点的应急物资调度问题，但是忽略了各个应急点的实际灾情，要制定切实可行的应急物 资调度方案，必须考虑应急点的差异性.应急点对应急物资调度的满意程度已经成为当今 应急决策首要考虑的关键因素.王旭平等重点研究了灾民对救援时间的感知满意度衡量 方法。
技术实现思路
本专利技术就是针对上述问题提出来的，目的是提供非线性连续消耗应急物资调度问 题求解方法，为决策者提供一种应急物资调度的方法。 -种混合多目标粒子群算法解决应急调度问题方法，包括以下步骤： 步骤1:设置算法的相关参数，生成规模为M的初始粒子群，评价粒子群中所有 个体，并将当前各个个体的位置和目标值保存到各个体的个体最优值Pt ib中； 相关参数：初始化个体飞行速度为0，初始化种群的迭代代数t = 0。 步骤2:根据带约束的Pareto支配关系筛选出初始粒子群中非劣个体，用于初始 化外部精英集； 外部精英集，保存Pareto非劣个体。重新设计粒子群中个体最佳位置的更新方式 和全局最佳位置的选取方式，使得粒子群算法能够求解基于Pareto最优解的多目标应急 物资调度问题。 步骤3:若t〈maxgen/3 (maxgen迭代代数），且t% It关0，则不满足局部搜索条 件，执行步骤4,否则转步骤6 ; 步骤4:当外部精英集中个数超过3个的时候，计算每个个体的拥挤距离di，并 降序排列外部精英集； 步骤5:从拥挤距离di较大的备选集中随机选出全局最佳位置Pt g，调整速度更 新公式中自适应参数，然后更新个体的速度和位置，并转步骤7; 步骤6:粒子群中个体以概率plser进行非梯度侧步爬山搜索； 步骤7:产生0?1之间的随机数，若小于变异概率pMut，则粒子群进行小概率 变异，并维护越界变量； 步骤8:评价粒子群中所有个体，然后更新个体最优值pt ib和外部精英集，并 将t加1，如果t〈maxgen,重复步骤3，否则，结束算法，输出外部精英集，获得Pareto 解集. 有益效果： (1)该模型将物资调度总费用（物资运输费用、物资缺失损失和物资超额费用）最 小化和应急点满意度最大化作为优化目标，不仅考虑节省物资调度费用，而且更加关注应 急点对物资调度的满意程度，使得该模型更具实际意义； (2)设计了能够反映物资调度效果的物资缺失惩罚和满意度函数，在优先供给需 求紧迫度较高的应急点的同时，还限制了其他应急点的物资供应时延，确保物资缺失损失 是可接受的； (3)应急物资调度需要同时考虑物资调度总费用和应急点满意度两个目标，根据 粒子群算法和非梯度侧步爬山算法各自的优势，将一种改进的粒子群算法与非梯度侧步 爬山算法相结合，提出一种基于Pareto支配的混合多目标粒子群算法用于求解多目标应 急物资调度问题。 【附图说明】 图1非线性连续消耗下大规模应急物资调度方法过程示意图； 图2多目标应急物资调度模型的Pareto解的分布实例图。 【具体实施方式】 下面参见本专利技术的附图并结合具体实施例对本专利技术进行进一步详细说明，但本发 明的保护范围不受具体的实施例所限制，以权利要求书为准。另外，以不违背本专利技术方案的 前提下，对本专利技术所作的本领域普通技术人员容易实现的任何改动或改变都将落入本专利技术 的权利要求范围之内。 本专利采用一种结合改进粒子群算法和非梯度侧步爬山搜索算法的混合多目标 粒子群算法对基于Pareto最优解的多目标问题求解。 算法的具体步骤如下： 步骤1:设置算法的相关参数，生成规模为M的初始粒子群，评价粒子群中所有 个体，并将当前各个个体的位置和目标值保存到各个体的个体最优值Pt ib中。 相关参数：初始化个体飞行速度为0，初始化种群的迭代代数t = 0 ; 步骤2:根据带约束的Pareto支配关系筛选出初始粒子群中非劣个体，用于初始 化外部精英集； 外部精英集，保存Pareto非劣个体。重新设计粒子群中个体最佳位置的更新方式 和全局最佳位置的选取方式，使得粒子群算法能够求解基于Pareto最优解的多目标应急 物资调度问题。 步骤3:若t〈maxgen/3 (maxgen迭代代数），且t% It关0，则不满足局部搜索条 件，执行步骤4,否则转步骤6 ; 步骤4:当外部精英集中个数超过3个的时候，计算每个个体的拥挤距离di，并 降序排列外部精英集； 拥挤距离：为了估计外部精英集中一个个体周围其他个体的密集程度，需要计算 个体的拥挤距离di，具体步骤如下： (1):初始化外部精英集中每个个体的拥挤距离di = 0 ; (2):外部精英集中的个体分别沿着目标函数Zi和Si的大小升序排列； (3):排序后，边界个体的拥挤距离设为无穷大，其余个体的拥挤距离，具体计算公 式如下： (Ii = (Zw-ZiH(Sw-Si) (1) 计算所得拥挤距离越小，则所得的个体越密集，其多样性越差；反之说明所得个体 越稀疏，则多样性越好，从而达到均匀分布精英集中个体的目的。 步骤5:从拥挤距离di较大的备选集中随机选出全局最佳位置pt g，调整速度更 新公式中自适应参数，然后更新个体的速度和位置，并转步骤7; 惯性系数w的大小影响着个体的飞行速度和方向。较大的w有利于全局搜索， 反之，则有利于局部开发。因此，本文将动态调整w值：随着迭代次数的增加，w的最大值 从〇. 9线性递减到0. 4。同时为保证粒子群的多样性，粒子群中每个个体的惯性权重为： Wi (t) = _r*i/M+(W1-W2) *t/maxgen+w2 (2) 式中，r 为 0? 3, W1 取 0? 5, W2 取 0? 9。 加速因子C1和C2用来平衡个体和群体的认知能力。将C 2保持2. 本文档来自技高网...
【技术保护点】
一种混合多目标粒子群算法解决应急调度问题方法，其特征在于，所述方法依次含有以下方案和步骤为：一种混合多目标粒子群算法解决应急调度问题方法，包括以下步骤：步骤 1: 设置算法的相关参数, 生成规模为M的初始粒子群, 评价粒子群中所有个体, 并将当前各个个体的位置和目标值保存到各个体的个体最优值pt ib中；相关参数：初始化个体飞行速度为0, 初始化种群的迭代代数t=0; 步骤 2: 根据带约束的Pareto支配关系筛选出初始粒子群中非劣个体, 用于初始化外部精英集; 外部精英集，保存Pareto非劣个体；重新设计粒子群中个体最佳位置的更新方式和全局最佳位置的选取方式，使得粒子群算法能够求解基于Pareto最优解的多目标应急物资调度问题；步骤 3: 若t<maxgen/3(maxgen 迭代代数), 且t% It0,则不满足局部搜索条件, 执行步骤4, 否则转步骤6; 步骤 4: 当外部精英集中个数超过3个的时候, 计算每个个体的拥挤距离di, 并降序排列外部精英集; 步骤 5: 从拥挤距离di较大的备选集中随机选出全局最佳位置pt g, 调整速度更新公式中自适应参数, 然后更新个体的速度和位置, 并转步骤7; 步骤 6: 粒子群中个体以概率plser进行非梯度侧步爬山搜索; 步骤 7: 产生0~1之间的随机数, 若小于变异概率pMut, 则粒子群进行小概率变异, 并维护越界变量; 步骤 8: 评价粒子群中所有个体, 然后更新个体最优值pt ib和外部精英集, 并将t加1, 如果t<maxgen, 重复步骤3, 否则, 结束算法, 输出外部精英集, 获得Pareto解集。...
【技术特征摘要】
1. 一种混合多目标粒子群算法解决应急调度问题方法，其特征在于，所述方法依次含 有以下方案和步骤为： 一种混合多目标粒子群算法解决应急调度问题方法，包括以下步骤： 步骤1:设置算法的相关参数，生成规模为M的初始粒子群，评价粒子群中所有个 体，并将当前各个个体的位置和目标值保存到各个体的个体最优值Pt ib中； 相关参数：初始化个体飞行速度为〇，初始化种群的迭代代数t=0; 步骤2:根据带约束的Pareto支配关系筛选出初始粒子群中非劣个体，用于初始化 外部精英集； 外部精英集，保存Pareto非劣个体； 重新设计粒子群中个体最佳位置的更新方式和全局最佳位置的选取方式，使得粒子群 算法能够求解基于Pareto最优解的多目标应急物资调度问题； 步骤3:若t〈maxg...
【专利技术属性】
技术研发人员：宋晓宇，王守金，曹阳，赵明，
申请(专利权)人：沈阳建筑大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。