基于灰色理论的应急物流最优路径选择

合集下载

应急救援物资车辆运输线路的选择

应急救援物资车辆运输线路的选择
车辆与动力工程学院,河南洛阳471003)
摘要:为了给紧急救援物资支持保障中心的物资调度人员提供科
学的车辆路线调度决策方法,提高应急救援工作的响应能力,基于应
急条件下物资运输调度的时效性、安全性和经济性特征,运用旅行商
理论,对上述3个决策属性分量进行了数学描述,构造了它们的目标
函数,并进行了无量纲和权重聚合处理,继而按照多属性决策理论建
第6卷第3期 2006年6月
安全与环境学报
Jo哪al of Safety and Envim肿ent
V01.6 No.3 Jun,2006
文章编号:1009.6094(2006)03.0051一03
应急救援物资车辆运输 线路的选择*
张毅1,一,郭晓汾1,王笑风1 (1长安大学汽车学院,西安710064;2河南科技大学
立了用来评价备选线路决策效用函数的数学模型。利用期望效用属
性合并所搜集的信息,将多属性决策问题转化成单属性决策问题,确
立了选择具有最高期望效用方案的方法,最后进行了实例分析。结果
表明,应急救援条件下的运输调度与正常环境下的企业运输调度决策
目标之间存在明显的差异,前者虽然本质上属于图论中最短路线问题
的范畴,但由于多个决策目标的存在,不能直接运用最短路线模型和
1 mx
mi8
由于%。≤0≤k,所以gi,’∈[o,1]。同时,一越小,
丁~一L越大,g;"也越大,说明时效性越好的运输线路,其
无量纲指标g;,’越大。
设gi一为第,,条备选线路运输安全的无量纲指标,第,, 条线的安全通过概率为P,,同时为保证属性分量指标的一致
性,希望g∥也是越大越好,即gi"随着线路安全通过概率的 增大而增大,则有
时间m

基于灰狼优化器改进蚁群算法的物流配送路径优化算法

基于灰狼优化器改进蚁群算法的物流配送路径优化算法

Figure 2. Distance relationship among N cities 图 2. N 个城市之间的距离关系
DOI: 10.12677/csa.2021.114092
893
计算机科学与应用
周子程 等
出修正方案,或者将其他更先进的思想融入到蚁群算法上。例如李伟等人[4]提出在蚁群算法的参数设置 过程中结合遗传算法的交叉变异特性来进行调整。刘玉霞[5]等通过在蚁群算法中引入逆向蚂蚁,同时结 合模拟退火加快了整体收敛速度。文献[6]提出一种基于长短记忆网络和自适应的通信策略的多优化算法, 加速了收敛,提高了收敛精度,帮助算法跳出局部最优解。改进的蚁群算法可以在一定程度上弥补自身 缺陷,适应某一些特定领域的问题。文献[7]在蚁群算法的基础上,为了解决约束满足(CSP)问题而提出了 自动蚁群算法(AU-ACO),该算法会保留优秀的变量,而不会对所有变量进行赋值,这样在一定程度上降 低了算法的赋值度,提高了收敛速度,并且会有更多的机会接近最优解,极大的提高了算法的性能。在 文献[8]中,就考虑到了蚁群算法的一些缺陷,对它进行了一定改进后,应用到船舶路径规划中。蚁群算 法的本质是一种遗传算法,它具有自然界的一些特征,比如弱肉强食,弱者淘汰的自然法则。种类算法 的搜索代理往往具有一定的随机性,借助这种性质,可以让它解决一些传统算法难以解决的问题。如文 献[9]中提到的,比如 TSP 问题、生产调度以及聚类问题等。如果直接搜索或者动态规划计算,问题的计 算量会非常大。蚁群算法则可以省略了很多搜索的路径并且得到一个不是很差的结果。但是蚁群算法在 不同的环境模型中的最优参数大不相同,且使用者在使用的过程中往往要花费大量的精力来调整参数, 而且会很大程度上受到主观性影响。目前,蚁群算法在多任务路径规划系统方面,参数的选取在在业界 内缺乏明确的标准。

基于灰色新陈代谢—马尔科夫链的应急物资需求量预测

基于灰色新陈代谢—马尔科夫链的应急物资需求量预测

基于灰色新陈代谢—马尔科夫链的应急物资需求量预测
罗建锋;周凌云
【期刊名称】《生产力研究》
【年(卷),期】2012(000)005
【摘要】灾害物资需求量的预测是应急物流管理的关键所在.针对应急储备指数等方法存在不足,文章将灰色新陈代谢理论与马尔科夫链理论相结合,建立了灾害应急物资需求预测模型.本模型补充了反映应急能力提高的新信息,克服了随机波动数据对需求影响.针对应急数据首先用灰色新陈代谢GM(1,1)进行了趋势预测,然后采用马尔科夫链状态概率转移矩阵的预测方法对其预测值进行了二次拟合,实证分析表明预测精度有了显著提高.
【总页数】3页(P84-86)
【作者】罗建锋;周凌云
【作者单位】淮阴工学院交通工程学院,江苏淮安223003;淮阴工学院交通工程学院,江苏淮安223003
【正文语种】中文
【中图分类】F224
【相关文献】
1.基于改进GM(1,1)模型的应急物资需求量预测 [J], 宋晓宇;刘春会;常春光
2.融合灰色理论与马尔科夫链的青岛市物流需求量预测 [J], 周盛世;杨丽红;黄永强
3.基于灰色马尔科夫链的江苏城镇居民冷链物流需求量预测 [J], 周倩倩;彭本红;谷
晓芬
4.基于灰色-马尔科夫链的冷链物流需求量预测\r——以昆明市鲜切花为例 [J], 宋志兰;孔民警;黄益;周文婧;项祎麒
5.基于灰色-马尔科夫链的冷链物流需求量预测——以昆明市鲜切花为例 [J], 宋志兰[1];孔民警[1];黄益[1];周文婧[1];项祎麒[1]
因版权原因,仅展示原文概要,查看原文内容请购买。

重大突发事件下应急物资分配优化模型

重大突发事件下应急物资分配优化模型

重大突发事件下应急物资分配优化模型
相晨宇;刘宁
【期刊名称】《物流技术》
【年(卷),期】2024(43)1
【摘要】为了降低突发事件带来的影响,基于灰色预测与熵权法理论基础,针对重大突发事件下应急物资管理发放是否合理的问题,在利用灰色预测法预测出未发放应急物资情况的基础上,将其与已发放应急物资的状况进行对照分析,并通过后验差检验保证了模型的准确性。

在此基础上,选择影响应急物资发放数量的评价指标,构建熵权法评价模型对应急物资发放点的数量进行了优化。

结合实例研究,探讨了长春市不同区域投放点数量的合理性,分析了长春市发放应急物资对疫情防控的作用,并通过分析对投放点的数量进行了优化。

【总页数】9页(P139-147)
【作者】相晨宇;刘宁
【作者单位】沈阳建筑大学管理学院
【正文语种】中文
【中图分类】F252.8;F224
【相关文献】
1.突发事件下的应急物资优化调配模型
2.重大突发事件下应急物流车辆路径优化模型与算法
3.国家社会科学基金重点项目“重大突发事件社会动员视角下提升我国
供应链应急物资保障能力策略研究”(21AGL031)项目介绍4.突发事件下应急物资多目标优化调度模型与算法研究:以新冠肺炎疫情为例
因版权原因,仅展示原文概要,查看原文内容请购买。

突发公共卫生事件下城市应急物流中心选址及路径优化研究

突发公共卫生事件下城市应急物流中心选址及路径优化研究

突发公共卫生事件下城市应急物流中心选址及路径优化研究突发公共卫生事件下城市应急物流中心选址及路径优化研究随着城市化进程的加速,突发公共卫生事件的风险也在不断增加。

在这种情况下,建立高效的城市应急物流体系成为了保障公共安全和应对突发事件的重要手段。

其中,城市应急物流中心的选址和路径优化是提高物流应急响应能力的关键因素。

一、城市应急物流中心选址研究城市应急物流中心选址是基于城市规模、人口分布、交通网络等因素进行综合评价和分析的过程。

在突发公共卫生事件中,应急物流中心的选址需要考虑以下几个因素:1. 人口密度和分布情况。

根据突发公共卫生事件的传播特点,人口密集区域更容易传播病毒,因此物流中心的选址应尽量远离人口密集区。

2. 交通网络的便捷程度。

应急物流中心的选址应考虑到交通通达性,选择交通网络覆盖面广、交通枢纽节点多的地区,以便物资及时调配。

3. 医疗资源和应急设施配套情况。

选址时需要考虑周边的医疗资源和应急设施的配套情况,确保应急物流中心能够及时获取医疗救援资料和设备。

4. 地理位置和气候条件。

选址时应考虑地理位置和气候条件的合适性,避免选择易受自然灾害侵袭的区域。

以上因素需要通过空间数据分析、社会经济调查和专家意见综合评估,利用GIS技术等工具对不同选址方案进行比较和优化。

二、路径优化研究城市应急物流的路径优化是保证物资快速准确运送的关键,主要包括以下几个方面:1. 运输网络规划与建设。

在突发公共卫生事件中,需要对城市运输网络进行规划和建设,以确保紧急物资能够快速到达目的地。

规划建设的运输网络应考虑到主要道路的通畅性,尽量避开交通繁忙区域、病毒传播高风险区域和道路拥堵情况。

2. 物流运输路径优化。

物流路径优化是通过数学模型和算法计算得出的,可以考虑各种因素如距离、时间、成本、交通状况等。

在突发公共卫生事件中,应急物流的路径优化需要根据实时的疫情数据和交通情况来调整,以保证物资能够按需运送。

3. 配送点选择和安排。

应急物资配送中心选址-路径优化研究

应急物资配送中心选址-路径优化研究
R
公式中:s为作业成本的分摊结果;E为作业价值;R为作业
动因量。将偏差值进行整合后,形成了相关成本管控状况的数据
根据专家打分构建出物流企业绩效评价模糊层次矩阵,得到
n
其矩阵的互补矩阵结果,对矩阵进行求和的公式为:a=a (2) ik k=1
公式中:a为互补矩阵结果。对不同指标层的权重进行计算,
11a 并获得不同因素中的权重行列式表示为:w= - + (3)
段,以基于目标成本管理的物流企业绩效评价方法为研究目标,
1.2模糊层次法建立企业绩效指标
结合实际情况进行实验与分析。
设定模糊矩阵为 R,如果矩阵 R满足 0≤r≤1,则 R表示为
1.物流企业绩效评价方法
模糊矩阵。当矩阵满足上述条件,且 rij+rij=1时,矩阵表示为模糊
1.1目标成本管理作业流程划分
n∈ N
n∈ N
X X ,i∈J,o∈O (9)
mio
iom
i∈ J i∈ J
3.算例分析 本 文 运 用 NSGA-Ⅱ 算 法 对 LRP问 题 标 准 数 据 集 中 的 Ch69中的数据,对模型进行求解此数据集中共包含 75组需求 点数据和 10组备选配送中心数据,包括需求点和备选配送中心 X、Y坐标、需求量、配送中心容量,每个配送中心均有 7辆车。 3.1参数设置 本文设置种群 200,迭代次数 300,该算法采用 MAT-
T=Q -dX ,m∈M
mm
n mno
点集合,J=M∪N;O:表示运输车辆集合,O= {1,2,3,…,o};
o∈ On∈ N
(18)
AC:表示配送中心 m 的运营成本;V:表示车辆 o的行驶速度;
m
0
X ,U ,M ={0,1}

泊松分布灰色理论在物流需求预测中的应用


Application Research of Poisson Distribution Grey Theory in Logistics Demand Forecasting
YAN Juan1 , LI Ping2
( 1. Network Center,Henan Normal University,Xinxiang Henan 453007 ,China; 2. Zhengzhou University of Light Industry, Zhengzhou Henan 450002 ,China) ABSTRACT: This article mainly aims at the requirement forecasting of logistics data and nonlinear characteristic. Aiming at this problem,this paper put forward a new Poisson distribution based neural network forecasting algorithm. The method first employed a Poisson distribution algorithm for the logistics of the overall demand for classification, and then used the gray theory algorithm for the selection of logistics demand influence factor to predict the demand for logistics in real - tim. Simulation and experimental results show that the logistics demand forecast method is better than the traditional gray theory,and BP neural network prediction model has higher prediction accuracy,effectively improves the regional logistics demand forecast accuracy,and has a certain practical value. KEYWORDS: Poisson distribution; Regional logistics; Grey theory; Neural network; Forecast precision 最小化原则和大数定理的机器学习方法, 要求数据样本大, 但区域经济发展刚起步, 获得历史数据属于典型小样本数 据, 往往不能满足大样本这一要求, 因此在实际预测过程中, 预测结果易出现过拟合 、 泛化能力差等缺陷。 本文主要针对物流需求预测中存在数据小以及非线性 针对该问题, 提出了一种新的基于泊松分布的神经网 特点, 络需求预测算法。 方法首先采用了泊松分布算法对物流的 整体需求进行分类, 然后采用 RBF 神经网络算法选择物流 对物流的需求进行实时的预测, 仿真结果表 需求影响因子, 明, 提出的物流需求预测方法比传统的 BP 神经网络具有更 高的预测精确度, 有效的提高了区域物流需求的预测的准确 度, 具有一定的实际应用价值 。

应急物流配送路径优化问题研究

应急物流配送路径优化问题研究作者:李东宝王永良来源:《价值工程》2011年第28期摘要:文章通过对应急物流配送路径优化问题进行分析,建立了应急物流配送路径优化问题的模型,在此基础上提出了模型的求解方法,最后通过实例应用对应急物流配送路径优化问题求解过程进行了说明,并对结果进行了进一步讨论。

Abstract: Through the analysis of path optimization of emergency logistics distribution, the article establishes its model, proposes the solving method on this basis. Finally, through an example application of path optimization of emergency logistics distribution, the solving process are described, and the results are further discussed.关键词:物流;应急配送;路径优化Key words: logistics;emergency distribution;path optimization中图分类号:F253 文献标识码:A 文章编号:1006-4311(2011)28-0025-020 引言随着市场经济的发展和竞争的加剧,市场呈现多品种、小批量产品多样化、消费多样化的趋势,物流配送就是为适应这种趋势而产生的一个重要环节,它是指对局域范围内的客户进行的多客户、多品种的按时联合送货活动。

配送的“送”就是送货运输。

从这个角度来看,物流配送中送货路线的选择,是影响物流成本的一项重要因素。

从降低物流成本的途径来看,提高物流速度,可以减少资金占用和,缩短在物物流周期,降低储存费用,从而节省物流成本。

基于层次分析的企业应急物流方案选择研究

基于层次分析的企业应急物流方案选择研究在当今社会,企业面临各种突发事件,如自然灾害、恶劣天气、交通事故等,这些不可预测的事件可能会对企业的正常运营造成重大影响。

因此,制定科学合理的应急物流方案对于企业的可持续发展至关重要。

本文将基于层次分析法,探讨企业应急物流方案的选择研究。

一、层次分析法介绍层次分析法是一种定量分析方法,它通过将问题分解为不同层次的准则和子准则,建立层次结构模型,然后运用数学计算的方法进行综合评价,最终得出最优决策方案。

二、企业应急物流方案选择的层次结构企业应急物流方案的选择是一个复杂的决策过程,可以将其分解为以下几个层次的准则和子准则:1.一级准则:企业应急物流方案的整体效益和可行性。

2.二级准则:物流运输效率、成本和安全性等方面。

3.三级准则:运输方式的选择、配送路径的规划和仓储管理等。

三、层次分析法的具体步骤1.建立层次结构模型:根据企业应急物流方案选择的准则和子准则,构建准则层和子准则层的层次结构模型。

2.构造判断矩阵:通过专家访谈、问卷调查等方式,对准则和子准则之间的重要性进行两两比较,构造判断矩阵。

3.计算权重向量:利用层次分析法的特征根法确定判断矩阵的最大特征值和对应的特征向量,通过归一化处理得到权重向量。

4.一致性检验:计算一致性指标和一致性比例,判断判断矩阵的一致性程度。

5.综合评判:将得到的权重向量与准则和子准则之间的关系矩阵相乘,得出各准则和子准则的权重,进行综合评判。

6.最优方案选择:根据综合评判得出的权重,选择最优的企业应急物流方案。

四、案例分析以电子产品制造企业为例,面临台风可能导致交通中断的应急情况,需要选择最佳的应急物流方案。

根据层次分析法的步骤,首先建立层次结构模型,分为一级准则:整体效益和可行性;二级准则:物流运输效率、成本和安全性;三级准则:海运、铁路运输和空运。

然后通过专家访谈和问卷调查等方式,对各准则和子准则之间的重要性进行两两比较,构造判断矩阵。

针对应急预案制定与选择的灰色模型

决 策 白 化 数 矩 阵 Q fi 按 必 须 采 用 (0分 )采 用 (0 =d1 l, 8 、 6
rnn l i j/ =
2 预 案 与 事 件 处 置 的关 联
对 于一 个确定 的事 件 .可 以有 多 个预案 可 以采
用 , 么 就 有 一 个 对 这 些 候 选 方 案 排 序 的 问 题 。 可 按 那
维普资讯
针对应 急预案 制定 与选择 的灰 色模 型
潘 国瑞
( 山市 信息 中心 ,中山 5 8 0 ) 中 24 3
摘 要 : 色 模 型 是 针 对 数 据 样 本 空 间 有 限状 态 。 用 灰 色理 论 和 模 糊 决 策 方 法 , 出应 急 预 案 制 灰 利 提
1N) . 对事 件 的每 一级 的候 选 方案f 有 9个 1 . 设 独立 按
好 、 、 三级 ( 为值 2 10 给 出判别 值 d( 1 , 代 中 差 设 ,,) i= …N j i J l ) 求 出 该 事 件 每 级 别 的 对 于 每 个 候 选 方 案 的 计 = …Q , 权重( / 4, 公式 )按权重 的从大至小排 序 。排在最前 面的
第 i 方案对第 个灰类 决策权是 : 个
N个 方案按 10分制 的方式 f 0 每个专 家 的 N个方 案分 数 总 和 为 10分 ) 分 别 给 出 自 己 的 分 数 d i 1 , 0 ∈f, M1 i 1 1 ∈f, 。利用灰 色统计方式 , N 将他们 所给分数构 造成
现状 , 用灰 色理论 和模 糊决 策方 法 , 出 了预案制 利 提
定 选 择 、 计 特 征 量 提 取 、 案 与 事 件 关 联 方 法 的一 统 预 套 模 型 , 成 功 运 用 在 中小 城 市 智 能 交 通 平 台 中 。 并
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

物流技术2008年第27卷第1期(总第184期)1引言

人类社会进入21世纪以来,诸如“9.11”恐怖活动、SARS和禽流感公共卫生事件、地震等各种“天灾”、“人祸”频繁发生,世界各国开始广泛关注突发事件并制定相应的紧急事件防御战略。在这种背景下,为了防止突发事件下灾难的扩大,减少受灾面积、人物损失,恢复生产、生活秩序,从而产生了巨大的临时物流需求,应急物流应运而生,它将现代物流与应急管理结合,符合现代社会发展趋势。突发事件发生时,运输网络具有高度的不确定性。一般地,突发事件会造成运输系统的恶化,如道路被洪水或山体滑坡阻断等。因此,应急物流运输的时间,道路的拥挤程度等有着强烈的随机性,也就是说实际中应急物流的路径选择受到多种制约因素的影响,是一个复杂的系统。但由于时间的不允许,我们收集到的信息往往是不完全的,是灰色信息,因此应急物流的路径选择问题是“灰色”的,可以利用灰色系统理论,对多条合理路径评定优劣顺序,选择最优路径,本文正是基于这一点给出了基于灰色理论的应急物流路径选择方法。2应急物流基本特性应急物流是指以提供重大自然灾害、突发性公共卫生事件及公共安全事件等突发性事件所需应急物资为目的,以追求时间效益最大化和灾害损失最小化为目标的特种物流活动。应急物流与普通物流一样,由流体、载体、流向、流量、流程、流速等要素构成,具有空间效用、时间效用和形质效用。普通物流既强调物流的效率,又强调物流的效益,而应急物流由于其自身的特殊性,在许多情况下是通过物流效率的实现来完成其效益的实现[1]。应急物流是一般物流活动的一个特例,具有区别于一般物流活动的特点。由于突发事件的发生时间、地点是无法预测的,

基于灰色理论的应急物流最优路径选择邹志云1,2,宋程2,虢向阳3(1.北京交通大学交通运输学院,北京100044;2.华中科技大学交通科学与工程学院,湖北武汉430074;3.武汉市城市规划咨询服务中心,湖北武汉430014)

[摘要]以应急物流的概念与特性为切入点,确定了行驶时间、拥挤程度、行驶困难度、货物运输的安全性和运输组织的便捷性五

个评价指标,并利用带有专家可信度的非线性优化层次分析法来确定各评价指标的权重系数,运用灰色系统理论建立了应急物流的路径选择方法。[关键词]灰色理论;应急物流;最优路径选择;信息矩阵

[中图分类号]F224.0;U116.2[文献标识码]A[文章编号]1005-152X(2008)01-0046-03

HowtoSelecttheOptimalEmergentLogisticsRouteBasedonGreyTheoryZOUZhi-yun1,2,SONGCheng2,GUOXiang-yang3

(1.SchoolofTraffic&Transportation,BeijingJiaotongUniversity,Beijing100044;2.SchoolofTrafficScience&Engineering,HUST,Wuhan430074;3.WuhanUrbanPlanningServiceCenter,Wuhan430014,China)Abstract:Thepaperdeterminesfiveevaluationindexes,namelythetraveltime,thedegreeofcongestion,degreeoftraveldifficulties,safetyofthefreight,theconvenienceoftransportorganization,ascertainsweightcoefficientofevaluationindexesusingnon-linearoptimizationanalytichierarchyprocesswithexpertreliabilityandbuildsuptherouteselectionmethodforemergencylogisticsonthebasisofgreysystemtheory.Keywords:greytheory;emergencylogistics;optimalrouteselection;informationmatrix

[收稿日期]2007-11-19[作者简介]邹志云(1968-),男,湖南祁东人,北京交通大学博士研究生,华中科技大学副教授,研究方向:交通运输工程;宋程(1983-),男,湖

北秭归人,华中科技大学硕士研究生,研究方向:交通运输工程;虢向阳(1981-),湖北公安人,武汉市城市规划咨询服务中心助理工程师,研究方向:交通运输工程。

技术与方法46--而且受灾程度也是事先无法预测的,这就导致对应急物资的需求具有突发性、不确定性、急迫性、多样性和弱经济性的特点。3应急物流最优路径选择指标体系应急物流的特性决定了运输环节的重要性和特殊性。在运输路径的决策中,成本最低的原则已不重要,它更加注重时间效率,是以效率来体现效益的。综合考虑应急物流的特性及最优路径选择的影响因素,选择行驶时间、拥挤程度、行驶困难度、货物运输安全性和运输组织便捷性作为最优路径的评价指标,如图1所示。行驶时间为从货物收集点到货物需求点的整个运送时间;拥挤程度指运输各环节的衔接合理程度及运输路径的拥挤状况;行驶困难度主要是针对突发事件下道路破坏对应急物流运输车辆行驶的影响程度;货物运输安全性指运输过程中无货损和货差,保证货物完整,以路径的货损率和货差率为考核对象;运输组织便捷性反映的是运输工具组织调度的方便程度和各运输方式间的组织协调便捷程度。图1应急物流最优路径评价指标体系4应急物流最优路径选择的灰色评价4.1符号说明G:评价指标集合,G={Gi│i=1,2,…,m};W:评价指标权重向量;j:评价灰类序号,j=1,2,…,p;φj:第j个灰类对于评价值的白化权函数;rki:第k(k=1,2,…,n)条合理路径的第i个评价指标值;δki:rki归一化处理后的值;δ=(δki)n×m:评价信息矩阵;X(k)ij:第k条合理路径的评价指标Gi属于第j个灰类的灰色评价系数;X(k)i:第k条合理路径的评价指标Gi属于各个评价灰类的总灰色评价系数;d(k)iv:第k条合理路径的评价指标Gi属于第j个灰类的灰色评价权;d(k)i:第k条合理路径的评价指标Gi对于各灰类的灰色权

评价权向量;

D(k):第k条合理路径的各指标对于各评价灰类的灰色评

价权矩阵;y(k):第k条合理路径的综合评价结果向量;

Y:n条合理路径的综合状况矩阵;

xj:第j灰类的权系数;

X:xj的列向量;

Z:n条合理路径的综合评价值向量。

4.2合理路径评价信息矩阵δ=(δki)n×m

应急物流的合理路径评价指标可由交通流诱导系统的控

制中心或应急指挥决策中心根据实际情况确定。由于各指标的计量单位与标准不同,因此需要进行归一化处理。在进行归一化处理时,将指标分为“越大越优型”和“越小越优型”两类,分别按下述方法进行处理:(1)评价指标越大越优时,可用上限效果测度。即:δki=rki/maxirki;

(2)评价指标越小越优时,可用下限效果测度。即:

δki=rki/minirki/rki。

所有指标归一化处理后,可得到评价信息矩阵δ=(δki)n×m。4.3评价灰类及白化函数值

评价信息值实际上是一个灰数的白化值,为了真正反映评价对象属于某类的程度,需要确定评价灰类。评价灰类的确定就是确定评价灰类的等级、灰类的灰数及灰数的白化权函数,一般情况下视实际评价问题分析确定[2]。针对路径选择问题,本文将评价灰类分为优、良、中、差四类,相应的白化权函数为:第一灰类:优(j=1),设定灰数,白化函数φ1如图2(a);

第二灰类:良(j=2),设定灰数,白化函数φ2如图2(b);

第三灰类:中(j=3),设定灰数,白化函数φ3如图2(c);

第四灰类:差(j=4),设定灰数,白化函数φ4如图2(d)。

图2各灰类白化权函数4.4计算灰色评价权向量及权矩阵

对于评价指标Gi,第k条合理路径属于第j个评价灰类的

灰色评价系数X(k)ij为:

邹志云,等:基于灰色理论的应急物流最优路径选择技术与方法47--物流技术2008年第27卷第1期(总第184期)故第k条合理路径的评价指标Gi属于各个评价灰类的总灰色评价系数X(k)i为:

因此,对于评价指标Gi,第k条合理路径属于第j个灰类

的灰色评价权dij(k)为:

因为评价灰类有4个,所以第k条合理路径的评价指标Gi

对于各灰类的灰色权评价权向量di(k)为:

由此得第k条合理路径的各指标对于各评价灰类的灰色评价权矩阵D(k):

4.5评价指标权重

在最优路径选择过程中,各评价指标对综合评价的影响程度不一,因此,各指标需确定一个权重系数。本文权重系数的确定采用带有专家可信度的非线性优化层次分析法[3]。其思想是:先确定参与评价的专家可信度,再采用专家问卷调查法来构造判断矩阵,把判断矩阵的一致性问题归结为一非线性规划问题,然后利用加速遗传算法[4]来求解该优化问题,得出每个专家对指标体系中各项指标赋予的权重,最后用含有专家可信度的线性加权来确定群体专家对各项指标的综合权重W。权重确定

的具体方法见文献[2]。4.6应急物流最优路径的选择

第k条合理路径的综合评价结果y(k)为:

y(k)

是个向量,表示第k条合理路径综合状况分类程度。则

Y为:

为了充分利用Y所提供的消息对合理路径的优劣程度进行排序,对Y作进一步处理,使各条可选路径的评价结果单值化。取x1=1.0,x2=0.8,x3=0.6,x4=0.4

,则合理路径的综合评价值为:

z1,z2,…,zn为第1,2,…,n条可选路径的综合评价值。综合

评价值最大的路径即为最优路径。

5算例分析

假设某地A发生灾难,有5条合理路径可以进行紧急物资运输,5条路径信息经统一化处理后的信息矩阵见表1:

根据上述方法,求得各指标的权重为W=(0.37,0.21,0.16,0.12,0.14);

,则y(1)=(0.404,0.371,0.225,0)。同理可求出y(2)、y(3)、y(4)、y(5),则

,得Z=(0.8360,0.8180,0.8260,0.7983,0.8132)T根据计算结果,各路径的优劣排序为路径1、路径3、路径2、路径5、路径4,则最优路径为路径1。

6结论

应急物流的典型特征是运输的紧迫性,用时间效率来体现其价值。而应急物流的影响因素具有明显的灰色特征。本文以行驶时间、拥挤程度、行驶困难度、运输安全性和运输组织便捷性为评价指标,采用带有专家可信度的非线性优化层次分析法来确定权重系数,利用灰色系统理论知识,给出了基于灰色理论的应急物流最优路径选择方法。实例表明,该方法对应急物流的路径选择具有较好的效果。

相关文档
最新文档