应急物质调配模型研究综述.docx

应急物质调配模型研究综述.docx

《应急物质调配模型研究综述.docx》由会员分享，可在线阅读，更多相关《应急物质调配模型研究综述.docx（7页珍藏版）》请在冰豆网上搜索。

应急物质调配模型研究综述

应急物质调配模型研究综述

应急物资调配模型研究综述

摘要：

本文介绍了应急物资调配问题的特点，然后综述了国内外主要学者关于应急物资调配的研究模型及结论，重点分析了应急物资调配问题的研究现状、模型建立的限制条件及其优缺点。

关键词：

应急物资；调配模型；综述

1引言

随着工业化及全球化进程的加剧、社会结构的变迁，各种大规模自然灾害和公共安全事件等突发事件越来越频繁地侵袭着我们生存的世界，造成巨大的财产损失和人员伤亡。

因此开展应急物资调度、快速及时地将应急物资运送至受灾地点，对于提高应急响应能力、减少受灾范围、最大限度降低生命财产具有重大的现实意义。

应急资源调度是指为应对突发公共事件，在最短的时间内从各个供应点将应急资源调配调度给资源需求点，以提供救援所需的工作物资与资源，迅速恢复常态，其目标是追求事件效益最大化和灾害损失最小化。

由于突发事件应急救援中应急资源的分类及分布遇有复杂性，突发事件应急资源的抽象化模型必然是一个多目标多约束的问题。

由于突发事件的救援资源的调度和一般情况下资源的调度具有很大的不同，故突发事件发生情况下救援资源的调度首要考虑的目标是在最短的时间内调度所需的一定性质和数量的资源，即最小化资源调度时间，其次才考虑资源调度的成本问题。

2国内外研究现状

在应急资源调配时，如何选择应急物资储备点，运输方式，以及应急物资运送车辆的最优行驶路线成为研究的重点。

应急资源调度研究发展很快，很多文献的研究是基于VRP理论，并将模糊数学理论、博弈论、网络流理论、Agent理论、排队论、集对分析等应用于应急调度模型。

对应急物资调配问题的研究基本分为应急物资的静态调配和动态调配问题两种，静态调配问题主要表现在应急出救点的组合优化问题上，即指从多个备选的应急出救点中选择参与此次应急救援活动的出救点，并确定相应出救点提供的物资量，制定物资调配方案。

动态调配问题主要表现在把在紧急状态下的物资调配问题转变为对运输网络最短路的求解问题，使运输车辆尽可能地早到达应急物资需求点、在最早的时间开始应急救援工作。

由于存在多目标、多运输方式、多种类货物等约束条件，使得应急救援物资运输问题的建构与解决非常复杂，目前讨论此问题的文献较少，不能与其重要性及目前应用需要相适应。

2.1国外研究现状

在国外，一些学者将应急物资配送问题定义为时窗限制多运输方式多种类货物网络流问题。

Rathietal.（1992）研究了在紧急状态下多品种物资供应问题的线性规划模型。

在该模型中源点与目的点之间的路线以及在每条路线上货物运输量都是预先定义好的，解决的是每条线路上分配的最优运输车辆的数量，解出的最优车辆数不是整数时，则将车辆数都增加至大于这个实数的最小整数。

因为在问题中没有限制车辆的数量，这与应急物流的场景是不相符的，这个问题实际演化成商业物流中多车场情况下集货与送货一体化的车辆调度问题[1]。

AliHaghan和OhSei-Chang（1996）对灾害救助中的大规模、多商品、多模式、带时间窗的网络流问题建立了模型，并提出了2种启发式算法：

一种算法将模型分解为子问题来求解，另一种算法利用交互式fix-and-run方式，即在每次迭代逐步固定整数变量，直到所有整数变量都为定值[2]。

GoegreFList（1998）首先提出了危险品的应急物资调配模型，对辐射性废料泄漏事故中发生的应急救援物资调配问题进行了研究，认为在放射性危险品运输过程中应由离应急物资需求点最近的应急出救点参与应急救援活动，并建立了运输优化模型，但该模型没有考虑单个应急物资出救点不能满足应急物资需求点对物资需求的情况[3]。

Knott（1988）以总运输费用最小化和运输物资量最大化为目标，建立应急物资调度线性规划模型，用于提高应急物资调度效率。

作者认为应急物资调度的总体目标是在正确的时间里把合理数量的物资配送灾民，约束条件包括三个，一是每个时段内的应急物资供应数量要大于需求量，二是运载车辆使用时间限制，三是应急物资配送数量要小于可用数量。

总体来说，该文献是对单一物品、单一运输方式进行研究的网络流问题[4]。

Fiedrich等人（2000）通过建立动态规划模型，讨论了在时间、资源数量、资源种类有限的情况下，使死亡人数最少的资源配置问题，给出了地震后向多个应急物资需求点分配资源的最优化模型[5-6]。

Konstaninos（2002）对公路事故的应急救援物资调配问题进行了研究，建立了以应急响应时间最短为目标的适时决策支持系统的公路网事故响应模型[7]。

GulayBarbarosoglu等人（2002）对灾害应急中重要救援物资的调配问题进行了研究，将应急物资分为多个品种、采用多种运输方式运输，根据应急物资的供应和需求以及运输网络容量的随机性，建立两阶段随机规划模型，并用GAMS软件进行求解。

模型通过递回机制有效的将目标冲突的两个决策层协同起来，能够协同的原因是其总目标是一致的，即制定有效的物资配送方案。

由于文章目的在于提出解决问题的思路而非方法，故并没有给出模型的算法。

该文献的另一贡献在于加入了人员安排，并考虑到决策者的偏好，使模型的可操作性大大增强[8-9]。

Mete等（2003）用一个两阶段随即规划方法来应对不同灾难类型和等级情况下的应急药品存储和调度问题。

第一个阶段是准备阶段的随机规划（SP）模型，用来决策可能的药品存储医院的位置和它们的库存水平;第二阶段是应急反应阶段的混合整数规划（MIP）模型，用来决策药品调度数量和运输路径。

最后用美国西雅图地区的地震情景，展示了此两阶段随机规划方法的效果，根据地震可能发生的概率和情景，从5个备选医院中选出3个作为应急药品存储中心，并确定了各医院的运输车辆数目[10]。

JaeYoungChoi（2003）研究了在路网变动情况不确定条件下如何进行调度物资的问题，建立了以灾害中受伤人员存活数最大为目标的有限资源物资调配的模型[11]。

Kannan等（2004）对地震后的关键路径识别进行研究，设计了双目标规划模型，目标一是最小化总的运输费用，目标二是关键路径必须覆盖尽可能多的灾民，模型的约束条件包括物资流量守恒，路径覆盖需求点约束，关联费用消耗，预算总额约束等等，并利用分支定界的方法来求解该模型[12]。

KaanOzbay等人（2004）针对应急物资资源的有效可利用性和应急物资需求的不确定性，建立了具有随机模型[13]。

LinetOzdamarL等人（2004）研究了地震事故灾害中应急物流系统与多种类物资分配问题，将多物资网络流问题与运输路线问题结合在一起研究，描述了应急救援物资运输的限制条件：

包括供应物资有限，使用运输方式与工具种类较多，车辆数、物资供应量、车场等各种问题参数都是随时变化的等等，并将多物资调配问题分解成两个多物资网络流问题，提出应急物资运输目标函数是尽量减少货物运输延迟，车辆完成运输任务后不需要回到出发车场等，同时根据以上条件设计了宏观应急物资运输计划模型，这个模型主要解决的是随时间变化的动态货物运输问题。

但此模型完全没有考虑运输成本的最小化问题，同时目标函数是最小化各周期内未满足货物量的总和，这实际上给量大的物资赋予较高的运输优先权，从而使一些重要比重小的物资如药品最后运输，对应急实践的指导作用有限[14-15]。

Sheu等人（2007）针对大规模自然灾害事故中应急物资分配的问题，用混合模糊聚类—优化方法，以参与出救点设施设备数量最小化为目标，建立了多目标动态规划模型[16]。

Sheu等人（2010）又针对大规模自然灾害事故提出动态救援管理规划模型，文章建立了短期动态需求预测模型来对受灾地区随时间变化的需求进行预测，在运输之前对灾区进行划分并根据受灾程度确定配送优先级。

通过将时间分成不同的时段，当供给量、需求量、车辆数等发生变化时，可以按照时段重新调整计划，从而解决了模型参数随时间变化的问题[17]。

Teng等人（2007）应用模糊多目标规划研究了应急物资分配问题，以总成本最小（效率目标）、总运输时间最短（效率目标）、最低保障满足程度最大（公平目标）为目标建立了多目标规划模型[18]。

CarmenG.Rawls等人（2010）针对大规模灾害救援问题，以提高应急响应效率为目标，建立了两阶段随机混合整数规划模型，并用拉格朗日的启发式算法求解[19]。

2.2国内研究现状

刘春林、何建敏等人（1999）首先针对“多出救点到单需求点”的单物资应急系统特点，对于一次性消耗应急系统（物资全部到达时才可进行应急活动）的调配问题进行了研究[20]。

研究中以“应急活动最早开始时间”作为目标函数，建立组合优化模型，运用模糊多目标规划的思想，实现了对模型的求解，并针对目标函数值离散的特点，对模糊多目标方法做了改进。

但是以“应急活动最早开始时间”作为目标函数的方案可能有很多种。

从系统的稳定和费用的角度出发，在不延迟应急开始时间的情况下，包含出救点个数尽可能少的方案更具有实际意义。

因此刘春林、何建敏等人（2001）在原有研究的基础上，建立了在“应急活动最早开始时间”前提下，以“出救点最少”为目标函数的两阶段组合优化模型，并通过定义临界下标、可行方案、非劣方案等方法实现了对模型的快速求解[21]。

但在实际的救援过程中，从出救点调配至应急需求点的物资是种类繁多的，因此许多情况下都不可避免地涉及多资源问题。

汪欲、何建敏等人（2002）建立了在“多出救点对单需求点”多资源的应急系统中以“出救点个数最少”和“应急开始时间最早”的多目标的调配模型，分别求出各个目标函数的最优解和最劣解，寻找使出救点个数为最优情况下使应急开始时间最早的解，并将原问题转化为求解使正负理想点接近度最大的非劣调配方案，最后采用模拟数据的算例验证了该算法的可行性[16]。

在此基础之上，刘春林，施建军，李春雨（2003）针对一次性消耗应急系统，综合考虑了资源需求、应急开始时间和出救点的个数三个因素，并引入模糊集理论，运用模糊优化方法研究了带资源需求约束条件的多出救点应急组合调度方案的问题[22]。

在实际的应急救援工作中，并不是要等到所有物资全部到达物资需求点后才可以开展救援工作，而是只要出救点有应急物资就立刻开展物资调配工作，并且要保证物资供应的连续性。

刘春林，盛昭瀚等人（1999）针对应急系统“多出救点对单需求点”问题的特点，研究了单物资连续供应（应急活动一旦开始就有物资消耗，且保证任何时刻己经到达的物资量满足物资消耗）条件下的物资调配问题[23]。

在问题描述中，假设单一物资的消耗速度是匀速的，且需求点是确定的，建立了以“应急活动最早开始时间”为目标函数的模型，并证明了模型的正确性。

戴更新、达庆利（2000）在此基础上研究了连续消耗多资源组合的多出救点组合问题，给出了多资源连续可行性方案以及相关问题的求解方法[24]。

刘春林、何建敏等人（2001）研究了在保证物资供应连续条件下，将已经求得的最早应急开始时间看作是应急限制期，满足“应急开始时间最早”和“出救点最少”目标函数的出救点组合方案，并证明了模型求解的正确性[25]。

但在实际的救援工作中，并不是所有的应急出救点都能够向应急需求点提供物资，造成这种情况的原因是多样的，例如由于地震道路遭到破坏、道路拥挤堵塞、运输车辆有限等原因致使某些出救点不能向应急物资需求点提供救援物资。

高淑萍等（2003）以应急时间最短为前提，建立了使出救点数目最少的二层优化数学模型，并给出求解算法，并用数值算例验证了模型的合理性与算法的有效性[26]。

但该模型针对的是单受灾点的组合点优化问题，并不适用于多受灾点并存的大规模突发事件应急，王苏生，王岩（2008）将组合点优化问题延伸到多受灾点，兼顾及时性与公平性，建立了一种以双层决策方法为基础的多受灾点应急资源配置模型，可以说是应急物资调度研究的一大跨越，并依据应急出救的就近原则，提出一种多受灾点—多出救点应急资源配置动态优选策略，解决了多受灾点应急资源配置过程中出现的分配不均和资源竞争问题，可用于大规模突发事件应急物资的调度，但没有根据各受灾点的实际灾情给予灾情严重的受灾点以更大的优先权，而仅仅考虑公平性原则[27]。

刘兴（2005）等研究了有时间约束的机遇多车辆写作的随机路径问题，提出了问题的随机规划期望值模型，设计了一种遗传算法对模型进行求解，采用时间惩罚过滤算子优化了初始种群，提高了收敛速度[28]。

缪成，许维胜和吴启迪（2006）基于救援物资运输问题综合了多货物多起止点网络流问题与多种运输方式满载车辆调度问题的观点，设计了一种多模式分层网络，利用延期费用和划分时段的方法构建了多目标数学规划模型[29]。

王杏（2007）研究了单物资调运模型及算法、多物资调运模型及算法和多目标与动态条件下的调运模型[30]。

刘北林（2007）对应急救灾物资紧急调度问题建立了时间最短、成本最小的多目标数学模型，并利用理想点法对此问题进行优化求解，得出了令人满意的结果[26]。

潘郁、余佳和达庆利（2007）考虑每个出救点应急资源的起始运输量，以应急系统施救成本费用和因施救不及时造成损失为目标构造模型，设计粒子群算法求解方法和步骤，实现了一步求解，讨论了不同参数组合对粒子群算法求解的影响，并用数值算例验证了所建立模型的合理性及粒子群算法的可行性和有效性[31]。

高慧和蒲云虎（2007）建立了救灾应急物资道路车辆调度的混合整数规划模型，并利用软件验证了模型的有效性。

计国君和朱彩（2007）[32]针对突发事件的动态性和不确定性，综合考虑后继一定时间内系统中灾情的发展状况及对抗灾物资的需求情况，利用机会成本的关系，建立了整数规划模型[33]。

何建敏和刘春林等 （2007）构建了区间数网络最小风险路径选取模型和模糊网络最大路径选取模型[34]。

唐连生等（2008）提出了一种用于解决突发事件下，物流配送多目标优化问题的蚁群聚类优化模型[35]。

邹志云等（2008）以应急物流的特性为切入点，运用灰色系统理论建立了应急物流路径选择模型[36]。

邬开俊，王铁君（2012）研究时间限制下的多出救点应急资源调度优化问题，建立了满足应急时间限制下系统总费用最小的数学模型。

针对传统优化算法搜索速度慢、易陷入局部最优解的缺点，提出一种新的基于高斯函数的混沌粒子群优化算法，该算法利用高斯函数的分布曲线特性和混沌的遍历性来增强粒子群优化算法的寻优能力[37]。

赵姝迪（2012）以特大地震灾害中的应急物资需求特性及物资调配特性研究为基础，将应急物资调配问题作为研究对象，按照“强时效性，弱经济性”的原则，在考虑应急物资供应点运输能力限制、路网连通性和应急物资最佳调配期限要求的前提下，分别针对“多供应点对单需求点”和“多供应点对多需求点”两种类型的应物资调配问题，建立更符合实际情况的多目标模型，并对其求解方法进行研究讨论[38]。

3总结

由于存在多目标、多运输方式、多种类货物等约束条件,使得应急救援物资运输问题的建构与解决非常复杂。

尽管关于应急物资调度问题的研究己有一定基础，但大都局限于中小规模突发事件应急物资的调度，研究应急物资供应能力无穷大的文献较多，对于发生大规模突发事件应急物资供不应求时的调度研究不足。

研究多出救点、单需求点的文献较多，而研究单出救点、多需求量或多出救点、多需求点的文献不足。

尽管也有学者研究了大规模突发事件的应急调度，但是针对的是应急车辆的调度，而没有涉及到应急物资的调度，王苏生，王岩（2008）研究了多受灾点的应急调度，能适用于大规模突发事件，但仍然基于应急物资供过于求的前提，事实上，在应急过程的初期、中期和后期，应急物资调度的方式、应急调度的任务以及调度物资的种类都是不同的，应急物资供过于求的假设只是在应急过程的后期才能成立，而且，作者还认为每个受灾点的应急应基于公平原则，实际上由于每个受灾点的严重程度不同，应急时应考虑到每个受灾点的轻重缓急。

在大规模突发事件应急物资的调度中，应抓住多供应点供应量和多需求点需求量的动态变化，以解决大规模突发事件的物资需求与供应之间的矛盾为目标，建立多约束、动态物资的调配机制与模型。

参考文献

[1]Rathi.A.K., Church, R.L., Solanki, R.S., 1992. Allocating resources to support a multi-commodity flow with time windows[J]. Logistics and Transportation Review 28 

（2）, 167–188.

[2]]AliHaghan，Sei-ChangOh.FormulationandSolutionofaMulti-Commodity，Multi-ModalNetworkFlowModelforDisasterRelief0perations[J].TransportReseareh，1996，30（3）:

231-250

[3]GeorgeFL.Routingandemergency-response-teamsitingforhigh-levelradio-activewasteshipments[J].IEEETransactionsonEngineeringManagement,1998,45

（2）:

141-152.

[4]MeteH0,ZabinskyZB.Stochasticoptimizationofmedicalsupplylocationanddistributionindisastermanagement[J].Int.J.ProductionEconomics,2010,126

（1）:

76-84.

[5]FiedrichF,GehbauerF,RickersU.Optimizedresourceallocationforemergencyresponseafterearthquakedisasters[J].SafetyScience,2000,35

（1）:

41-57.

[6]FioruedP,GaetantiF,MinciardiR,etal.Realtimeoptimalresourceallocationinnationalhazardmanagement[C].ProeeedingofIEMSS2004-complexityandintegratedresourcemanagementOsnabreuck（Gennany）.2004.

[7]KonstantinosGZ,KonstantinosN,Androutopoulos,GeorgeM,Vasilakis[J].ArealtimeDecisionSupportSystermforRoadwayNetworkResponseLogisticsTransportationResearchPartC,2002,（10）:

1-18.

[8]BarbarosogluG,OzdamarL,CevikA.Aninteractiveapproachforhierarchicalanalysisofhelicopterlogisticsindisasterreliefoperation[J].EuropeanJournalofOperationResearch,2002,140

（1）:

118-133.

[9]BarbarosogluG,ArdaY.Atwo-stagestochasticprogrammingframeworkfortransportationplanningindisasterresponse[J],JournaloftheOperationalResearchSociety,2004,55

（1）:

43-53.

[10]MeteH0,ZabinskyZB.Stochasticoptimizationofmedicalsupplylocationanddistributionindisastermanagement[J].Int.J.ProductionEconomics,2010,126

（1）:

76-84.

[11]JaeY.Stochasticschedulingproblemsforminimizingtardyjobswithapplicationtoemergencyvehicledispatchingonunreliableroadnetworks[D].NewYork:

UniversityofNewYork,2003.

[12]KannanViswanathl,SrinivasPeeta.TheMulticommodityMaximalCoveringNetworkDesignProblemforPlanningCriticalRoutesforEarthquakeResponse[A].82ndAnnualMeetingoftheTransportationResearchBoard,WashingtonD.C,2003,568-588.

[13]OzbayK,XiaoWH,CemIyigun;MelikeBaykal-Gursoy.Probabilisticprogrammingmodelsforresponsevehicledispatchingandresourceallocationintrafficincidentmanagement[R],RutgersUniversity,I&SE-Workingpaper.2004.4-14.

[14]OzdamarL,EkinciE,KucukyaziciB.Emergencylogisticsplanninginnaturaldisaster[J].AnnalsofOperationResearch,2004,129（4）:

217-245.

[15]LinetOzdamar.LinetOzdamar.EmergencyLogisticsPlanninginNaturalDisasters[J].AnnalsofOperationReaearch,2004,129:

218-219.PlanninginNaturalDisasters[J].AnnalsofOperationReaearch,2004,129:

218-219.

[16]SheuJB.Challengesofemergencylogisticsmanagement[J].TransportationResearchPartE,2007,43

（2）:

655-659.

[I7]SheuJB.Dynamicrelief-demandmanagementforemergencylogisticsoperationsunderlargescaledisaster[J].TransportationResearchPartE,2010,46（4）:

1-17.

[18]Gwo-HshiungTzeng,Hsin-JungChengandTsungDowHuang.Multi-objectiveoptimalplanningfordesigningreliefdeliverysystems[J].TransportationResearchPartE