基于非线性规划的分级应急物资分配方法及系统与流程

1.本公开涉及物资智能分配技术领域，特别涉及一种基于非线性规划的分级应急物资分配方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
3.各种突发灾害频频爆发，极大地影响了人们正常的生产生活。大规模突发灾害经常导致大量人员伤亡和设施损毁，造成大量的经济损失。突发灾害发生后，受灾地区会在极短时间内产生大量的应急物资需求，然而灾后初期可供调用的应急物资是很有限的。因此，如何确定物资运输策略，科学分配有限的物资并及时地进行运送，对保障灾区生命安全以及减少灾区损失具有非常重要的作用。
4.通常会依据受灾点的人口数、伤员数和灾害等级强度，向受灾严重、物资需求量大的地区运输应急救援物资，一般首先依据受灾点的人口数量、伤员数量对物资需求进行预估，然后依据成本、公平性等因素来确定物资运输策略，从不同的应急储备库运送应急救援物资到不同受灾点。
5.发明人发现，现有的应急物资分配模型，大多没有考虑应急物资需求的紧迫程度，降低了应急物资的调配和运输效率，增大了灾民的心理压力。


技术实现要素：

6.为了解决现有技术的不足，本公开提供了一种基于非线性规划的分级应急物资分配方法及系统，对于紧急级物资，以运输成本最小、惩罚成本最小和运输时间最小作为目标函数；对于一般级物资，以最小化运输和惩罚成本作为目标函数，分别建立多目标非线性规划模型，公平合理地进行应急物资优化配置，最大化救援物资的效用，最小化救援时间，减少了灾民的灾后伤亡。
7.为了实现上述目的，本公开采用如下技术方案：
8.本公开第一方面提供了一种基于非线性规划的分级应急物资分配方法。
9.一种基于非线性规划的分级应急物资分配方法，包括以下过程：
10.对当前应急物资按适用范围进行分类；
11.根据应急物资的类别，将受灾点预设时间段内的物资需求进行量化；
12.根据量化结果和应急物资的使用紧急程度，将应急物资分为紧急级物资和一般级物资；
13.根据得到的紧急级物资，结合以运输成本最小、惩罚成本最小以及运输时间最短为目标构建的第一多目标非线性规划模型，得到紧急级物资分配方案；
14.根据得到的一般级物资，结合以运输成本最小和惩罚成本最小为目标构建的第二多目标非线性规划模型，得到一般级物资分配方案。
15.进一步的，根据受灾点的人数、受灾点的受伤者人数和受灾点的无家可归的人数，
将受灾点预设时间段内的物资需求进行量化。
16.进一步的，第一多目标非线性规划模型和第二多目标非线性规划模型中，运输成本最小，包括：
[0017][0018]
其中，t
ij
表示从储备库j到受灾点i的运输时间，y
ij
表示储备库j是否为受灾点i分配应急物资的二进制矩阵，c表示应急物资运输成本矩阵，m为储备库的数量，n为受灾点的数量。
[0019]
进一步的，第一多目标非线性规划模型中，运输时间最短，包括：
[0020][0021]
其中，t
ij
为从储备库j到受灾点i的运输时间，y
ij
为储备库j是否为受灾点i分配应急物资的二进制矩阵，m为储备库的数量，n为受灾点的数量。
[0022]
进一步的，第一多目标非线性规划模型和第二多目标非线性规划模型中，惩罚成本最小至少包括各应急物资未满足需求的惩罚成本最小：
[0023][0024]
其中，x
i
′
为受灾点i对应急物资的需求数量矩阵，x
ij
为受灾点i从储备库j取得的应急物资数量矩阵，w1为应急物资未满足需求的单位惩罚成本矩阵，m为储备库的数量，n为受灾点的数量。
[0025]
进一步的，第一多目标非线性规划模型和第二多目标非线性规划模型中，惩罚成本最小还包括以及不同受灾点间未满足需求差值的惩罚成本最小：
[0026][0027]
其中，x
i
′
为受灾点i对应急物资的需求数量矩阵，x
p
′
为受灾点p对应急物资的需求数量矩阵,x
ij
为受灾点i从储备库j取得的应急物资数量矩阵，x
pj
为受灾点p从储备库j取得的应急物资数量矩阵，w1为应急物资未满足需求的单位惩罚成本矩阵，m为储备库的数量，n为受灾点的数量，w2为不同受灾点间应急物资未满足需求差值的单位惩罚成本的矩阵。
[0028]
进一步的，第一多目标非线性规划模型和第二多目标非线性规划模型中，至少包括如下约束：
[0029]
各受灾点实际分配得到的应急物资总量小于或等于需求量；
[0030]
各受灾点的物资需求量大于各存储库的物资存储量之和；
[0031]
1减去储备库j是否为受灾点i分配应急物资的二进制矩阵，再与受灾点i从储备库j取得的应急物资数量矩阵的乘积为零。
[0032]
本公开第二方面提供了一种基于非线性规划的分级应急物资分配系统。
[0033]
一种基于非线性规划的分级应急物资分配系统，包括：
[0034]
物资分类模块，被配置为：对当前应急物资按适用范围进行分类；
[0035]
需求量化模块，被配置为：根据应急物资的类别，将受灾点预设时间段内的物资需
求进行量化；
[0036]
物资分级模块，被配置为：物资根据量化结果和应急物资的使用紧急程度，将应急物资分为紧急级物资和一般级物资；
[0037]
紧急物资分配模块，被配置为：根据得到的紧急级物资，结合以运输成本最小、惩罚成本最小以及运输时间最短为目标构建的第一多目标非线性规划模型，得到紧急级物资分配方案；
[0038]
一般物资分配模块，被配置为：根据得到的一般级物资，结合以运输成本最小和惩罚成本最小为目标构建的第二多目标非线性规划模型，得到一般级物资分配方案。
[0039]
本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于非线性规划的分级应急物资分配方法中的步骤。
[0040]
本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于非线性规划的分级应急物资分配方法中的步骤。
[0041]
与现有技术相比，本公开的有益效果是：
[0042]
本公开所述的方法、系统、介质或电子设备，对于紧急级物资，以运输成本最小、惩罚成本最小和运输时间最小作为目标函数；对于一般级物资，以最小化运输和惩罚成本作为目标函数，分别建立多目标非线性规划模型，公平合理地进行应急物资优化配置，最大化救援物资的效用，最小化救援时间，减少了灾民的灾后伤亡。
附图说明
[0043]
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0044]
图1为本公开实施例1提供的基于非线性规划的分级应急物资分配方法的流程示意图。
[0045]
图2为本公开实施例1提供的遗传算法(ga)流程示意图。
[0046]
图3为本公开实施例1提供的求解紧急级物资的收敛曲线一。
[0047]
图4为本公开实施例1提供的求解一般级物资的收敛曲线二。
具体实施方式
[0048]
下面结合附图与实施例对本公开作进一步说明。
[0049]
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
[0050]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0051]
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0052]
实施例1：
[0053]
如图1所示，本公开实施例1提供了一种基于非线性规划的分级应急物资分配方法，包括以下过程：
[0054]
s1：对应急物资按适用范围进行分类；
[0055]
s2：对受灾点一天的物资需求按s1分类出来的应急物资的类别分别进行量化；
[0056]
s3：按照应急物资的使用紧急程度，将应急物资分为紧急级物资和一般级物资；
[0057]
s4：以s3得出的紧急级物资，以运输成本最小、惩罚成本最小以及运输成本最短建立目标函数，建立第一多目标非线性规划模型；
[0058]
s5：以s4得出的第一多目标非线性规划模型，运用智能遗传算法求解紧急级物资分配方案；
[0059]
s6：以s3所得出的一般级物资，以运输成本最小、惩罚成本最小建立目标函数，建立第二多目标非线性规划模型；
[0060]
s7：以s6得出的第二多目标非线性规划模型，运用智能遗传算法求解一般级物资分配方案；
[0061]
s1中，对应急物资按适用范围进行分类。
[0062]
对于饮食类这种连续消耗性物资，主要为满足灾区存活者需求；对于御寒生活类物资这种能够长期使用的物资，面向的对象主要是灾区存活者中的无家可归者；对于医疗药品类物资，面向的对象则是灾后的受伤者。
[0063]
s2中，利用前面所述的物资分类对灾区一天的物资需求进行量化。
[0064]
本实施例中，给出不同受灾点一天对不同应急物资的需求量x
ik
。
[0065][0066]
其中，a
k
表示每位灾民一天对应急物资k的平均需求量，s(i)表示受灾点i的人数，p(i)表示受灾点i的受伤者人数，h(i)表示受灾点i的无家可归的人数。
[0067]
s3中，按照应急物资的使用紧急程度，对应急物资进行分级。
[0068]
对应急物资按照使用紧急程度进行分级，分别为一般和紧急。一般级的应急物资指的是有利于减少灾害损失的必要物资，紧急级应急物资一般指对救援工作、挽救受灾人员生命和财产极为重要的物资。
[0069]
对于紧急级应急物资，对救援工作、挽救受灾人员生命和财产极为重要的物资，同时考虑运输时间、运输成本和惩罚成本，以便在最快的时间内送达受灾地，分发到每一位灾民手中，满足灾民基本的生活需要，并同时保证各个受灾点的物资满足度尽可能相同，进行公平分配。对于一般级应急物资，考虑运输成本和惩罚成本，对各个受灾点进行公平分配，保证经济成本最低。
[0070]
具体的，s4和s5中，对紧急级物资，以运输成本最小、惩罚成本最小以及运输成本最短建立目标函数，建立第一多目标非线性规划模型，运用智能遗传算法求解，得到紧急级物资分配方案。
[0071]
采用两个惩罚成本，保证对各个受灾点进行公平分配。一个惩罚成本是未满足需
求单位的惩罚成本，一个是不同受灾点间未满足需求差值的单位惩罚成本，该参数主要是体现公平分配的一个惩罚成本，保证每个受灾点的未满足需求尽可能相等，例如有1000单位的物资要分配给2个受灾点(需求均为1000)，如果把900单位的物资分配给一个受灾点、100单位分配给另一个受灾点，那么2个受灾点的未满足需求分别为100和900，则存在不公平分配的情形(一个分的多，一个分的少)，要对其进行惩罚，具体由“(900
‑
100)*未满足需求差值的单位惩罚成本”来计算。
[0072]
假设有10个受灾点和6个储备库，共确定如下四个优化目标：
[0073]
物资的运输成本尽可能小：
[0074][0075]
物资的运输时间尽可能短：
[0076][0077]
各应急物资未满足需求的惩罚成本尽可能小：
[0078][0079]
不同受灾点间未满足需求差值的惩罚成本尽可能小：
[0080][0081]
用f(x)表示应急物资分配的策略：
[0082]
f(x)＝f1 f2 f3 f4ꢀꢀ
(6)
[0083]
其中，t
ij
表示从储备库j到受灾点i的运输时间，y
ij
表示储备库j是否为受灾点i分配应急物资的二进制矩阵，如果储备库j为受灾点i分配应急物资，则y
ij
＝[1,1,1]
t
。c表示应急物资运输成本矩阵，x
i
′
表示受灾点i对应急物资的需求数量矩阵，x
ij
表示受灾点i从储备库j取得的应急物资数量矩阵，w1应急物资未满足需求的单位惩罚成本矩阵，w2表示不同受灾点间应急物资未满足需求差值的单位惩罚成本的矩阵。
[0084]
接下来对约束条件进行分析：
[0085][0086]
其中，i表示受灾点集合，i＝{i|i＝1,2,...,m}，储备库集合，j＝{j|j＝1,2,...,n}。
[0087]
式(7)表示在突发灾害发生后，受灾地区会在极短时间内产生大量的应急物资需求，然而灾后初期可供调用的应急物资是很有限的，各灾区实际分配得到的应急物资总量应不大于其需求量；式(8)表示各灾区的物资需求量大于各存储库的物资存储量之和；式(9)保证了x
ij
与y
ij
取值的一致性；式(10)、(11)、(12)、(13)、(14)、(15)为模型中相关变量的非负约束。
[0088]
s6和s7中，建立一般级物资分配的第二非线性规划模型。
[0089]
与紧急级物资分配的第一非线性规划模型相比，共确定三个优化目标，约束条件与第一非线性规划模型相同：
[0090]
物资的运输成本尽可能小：
[0091][0092]
各应急物资未满足需求的惩罚成本尽可能小：
[0093][0094]
不同受灾点间未满足需求差值的惩罚成本尽可能小：
[0095][0096]
根据非线性规划模型，运用智能遗传算法求解紧急级应急物资和一般级应急物资的分配方案。
[0097]
本实施例提供一种具体的案例：
[0098]
采用的数据为某灾害发生后，10个受灾点的灾区人数、受伤人数、无家可归人数情
况，数据共有10行3列，其中每行为一个受灾点数据，每列为一个人数数据；6个储备库的饼干、饮用水、棉被、帐篷以及药品的储备量，数据共有6行5列，其中每行为一个储备库数据，每列对应5种应急物资的储备量。
[0099]
其中，饼干、饮用水为连续性消耗物资，棉被和帐篷为御寒生活类物资，药品为医疗药品类物资，接下来对各灾区一天的需求量进行量化。
[0100]
本实例采用的每位灾民一天对各应急物资的平均需求量相关参数如表1所示。
[0101]
表1：每位灾民一天对各应急物资的平均需求量。
[0102][0103][0104]
计算得出不同受灾点一天对不同应急物资的需求量，将饼干、饮用水和药品划分为能挽救受灾人员生命和财产极为重要的紧急级应急物资，将棉被和帐篷划分为能有利于减少灾害损失的一般级应急物资。
[0105]
对饼干、饮用水和药品的紧急级应急物资分配，同时考虑运输时间、运输成本和惩罚成本，建立多目标非线性规划模型，以便在最快的时间内送达受灾地，分发到每一位灾民手中，满足灾民基本的生活需要，并同时保证各个受灾点的物资满足度尽可能相同，进行公平分配。对棉被和帐篷的一般级紧急物资分配，考虑运输成本和惩罚成本，建立多目标非线性规划模型，对各个受灾点进行公平分配，保证经济成本最低。
[0106]
采用遗传算法对模型进行求解，如图2所示，包括以下过程：
[0107]
(1)确定各遗传算法中相应的参数，如种群规模m，变异概率p
m
，交叉概率p
c
，进化代数阈值max_iter等；
[0108]
(2)随机生成种群，即初始化种群；
[0109]
(3)计算目标函数值以评价群体；
[0110]
(4)进行遗传操作，即选择，交叉，变异，生成新一代群体；
[0111]
(5)重新评价适应值，更新最优染色体；
[0112]
(6)若满足停止条件(算法已收敛、超过进化代数等)，则算法结束；否则，回到(4)。
[0113]
进一步，运用智能遗传算法对紧急级物资和一般级物资多目标非线性规划模型进行求解，得到的物资分配方案如表2所示。
[0114]
表2：紧急级物资和一般级物资的分配方案。
[0115][0116]
智能遗传算法求解紧急级物资和一般级物资的收敛曲线分别如图3和图4所示。
[0117]
实施例2：
[0118]
本公开实施例2提供了一种基于非线性规划的分级应急物资分配系统，包括：
[0119]
物资分类模块，被配置为：对当前应急物资按适用范围进行分类；
[0120]
需求量化模块，被配置为：根据应急物资的类别，将受灾点预设时间段内的物资需求进行量化；
[0121]
物资分级模块，被配置为：物资根据量化结果和应急物资的使用紧急程度，将应急物资分为紧急级物资和一般级物资；
[0122]
紧急物资分配模块，被配置为：根据得到的紧急级物资，结合以运输成本最小、惩罚成本最小以及运输时间最短为目标构建的第一多目标非线性规划模型，得到紧急级物资分配方案；
[0123]
一般物资分配模块，被配置为：根据得到的一般级物资，结合以运输成本最小和惩罚成本最小为目标构建的第二多目标非线性规划模型，得到一般级物资分配方案。
[0124]
所述系统的工作方法与实施例1提供的基于非线性规划的分级应急物资分配方法相同，这里不再赘述。
[0125]
实施例3：
[0126]
本公开实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例1所述的基于非线性规划的分级应急物资分配方法中的步骤。
[0127]
实施例4：
[0128]
本公开实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例1所述的基于非
线性规划的分级应急物资分配方法中的步骤。
[0129]
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0130]
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0131]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0132]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0133]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read
‑
only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
[0134]
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。