一种疫情下社区应急物资调度方法

1.本发明涉及疫情防控技术领域，尤其涉及一种疫情下社区应急物资调度方法。


背景技术：

2.在疫情的应急救援过程中，应急物资是抑制疫情扩散的关键，但在实际疫情防控工作中，由于配送中心的应急物资存储有限并且各社区的疫情风险等级不同，不能立刻满足所有社区要求，另一方面，由于民众的恐慌心理，各社区希望第一时间获得应急物资，忽略了配送成本问题，同时，配送中心为节约成本会制定相应配送方案，但不能保证受灾严重地区优先送达，导致社区和配送中心对应急物资送达时间的认知存在矛盾。考虑到疫情危害的严重性，如果不能对社区进行公平高效的应急物资调度，会导致灾情进一步恶化。因此，在某地疫情爆发后，如何对各社区合理分配应急物资，如何规划合理高效的配送路径十分关键。
3.中国发明专利申请cn 113869547 a公开了一种突发公共卫生事件应急物资配送路径优化方法，目的是得到高效率的配送方案。该方法在获得各小区的应急物资需求量后，通过一辆卡车进行物资配送，结合改进的路径优化算法求解最优路径，实现应急物资的及时配送并且降低工作人员感染风险。但该方法没有考虑到各小区的感染风险程度不同以及小区和配送中心对于应急物资送达时间的认知矛盾，不能保证应急物资不能公平分配和风险地区优先配送，造成疫情的进一步扩散。
4.现有技术单独考虑了配送路径规划问题，忽略了各社区的感染风险等级差异，导致应急物资不能公平分配和灾情严重区域不能优先送达。现有方法没有考虑到社区和配送中心对应急物资的送达时间存在差异，导致应急物资调度的效率降低。


技术实现要素：

5.本发明的目的在于提供一种疫情下社区应急物资调度方法。
6.本发明采用的技术方案是：
7.一种疫情下社区应急物资调度方法，其包括以下步骤：
8.步骤1，公平分配应急物资：建立社区风险度评估体系，进而利用er算法计算社区风险度，通过社区风险度获得各社区的应急物资实际分配量；
9.步骤2，构建应急物资配送模型：以封控区优先配送的同时降低配送成本为目标，构建双重时间窗下基于社区风险度的应急物资调度模型；
10.步骤3，利用改进遗传算法对应急物资调度模型进行求解，生成优化后的应急物资调度方案。
11.进一步地，步骤1的具体步骤如下；
12.步骤1-1，定社区风险度：将社区人口、困难群体比例、采购困难度、物资储备量和物资响应延迟度作为社区风险度的评估指标，采用er算法对社区风险度进行评估，将所有底层指标的模糊信度结构融合成最后的社区风险度；
13.步骤1.2确定社区应急物资分配量：在确定应急物资总量的条件下，通过各社区的需求风险度，计算不同社区的分配比例，最后得出各社区的应急物资分配量，如下公式所示：
[0014][0015]
其中：qj表示第j个社区实际分配到的应急物资量；uj表示社区j的社区风险度；q表示应急物资总量，j表示社区数。
[0016]
进一步地，步骤1-1的具体步骤如下：
[0017]
定义1：定义评价指标中第i(i＝1,2,...,i)个评价指标的评估值yi分别在评估等级hn和h
n+1
下的初始置信度为β
n,i
,β
n+1,i
。
[0018]
定义2：定义各评估指标的评价等级集合为h＝{h1,h2,
…hn
}，其评估效用为0＝u(h1)＜u(h2)＜...＜u(hn)＝1。
[0019]
定义3：定义评价指标的评估等级标准为{(h
n,i
,y
n,i
)；n＝1,2,...,n}；
[0020]
步骤1-1-1，将各指标的评估信息转换到相同的评估框架；获取各个指标的评估信息的精确数据yi，并计算yi的信度结构如下：
[0021][0022]
且yi等价转化为置信结构为：
[0023][0024]
其中，yi表示第i个评估指标的初始数据，yi分为定量数据和定性数据，定量数据通过实际统计文件得到，定量数据由专家评估得到；且y
n,i
＜y
n+1,i
，n，n+1∈[1,...,n]，n表示评估等级数，对指标评估的评估等级有n个级别，集合为h＝{h1,h2,
…
,hn,
…
,hn}，h的评估效用为0＝u(h1)＜u(h2)＜...＜u(hn)＝1，u为评估效用；β
n,i
,β
n+1,i
分别为评价指标中第i个评价指标的评估值yi在评估等级hn和h
n+1
下的初始置信度，i＝1,2,...,i，i表示评估指标数，共有i个评估指标；{(h
n,i
,y
n,i
)；n＝1,2,...,n}表示评价指标的评估等级标准；
[0025]
步骤1-1-2，结合各评估指标的权重和原始评估矩阵中的初始置信度，求基本概率分配，具体如下：
[0026]
定义4：对于评估指标i，若其等级置信度之和则属于合理的信度结构，否则属于不合理的信度结构。
[0027]
定义5：对于区间信度结构若且则属于合理地信度结构，否则属于不合理的信度结构。
[0028]
定义6：对于合理地区间信度结构若则为完全的信度结构；若则为不完全的信度结构，其不完全的置信区间为
其中，其中，
[0029]
步骤1-1-2，对于社区j(j＝1,2,...,j)，按照每一个评估指标作概率分配(m
n,i
)j,概率分配代表了社区j中评估指标i被评为等级为hn的支持度，基本概率分布计算如下：
[0030][0031][0032][0033][0034][0035]
其中，(β
n,i
)j表示社区j的评估指标i被分配到第n个等级的初始置信度；(m
n,i
)j表示社区j的评估指标i被分配到评估等级n的已知基本信度值；表示社区j的评估指标i由于评估指标权重而未被分配到评估等级的未知信度值；表示由于社区j的评估指标的不完整性i而引起的未知信度值；(m
h,i
)j表示在考虑到评估指标的权重和评估等级的未知信度值；
[0036]
步骤1-1-2，在基本概率分配的基础上，通过er解析算法对社区j的所有评估指标进行数据合成，最终得到社区风险度的区间值[(u
min
)j,(u
max
)j]，取其均值uj作为社区j的社区风险度，社区风险度的区间值的表达式如下
[0037][0038][0039]
(u
min
)j、(u
max
)j分别为社区j的最小社区风险度和最大社区风险度；
[0040]
对应的约束条件如下：
[0041][0042][0043][0044][0045][0046]
[0047][0048][0049][0050]
其中，(βn)j表示社区j分配给第n个评估等级的置信度；(βh)j表示社区j未分配给任何评估等级的置信度；(mn)j表示社区j被分配到评估等级n的已知基本信度值；表示社区j未被分配到任何评估等级的未知信度值；表示由于社区j评估指标的不完整性引起的未知信度值。(mh)j表示社区j在考虑到评估指标的权重和评估等级的未知信度值；kj表示社区j的评估信息的归一化因子；(u
min
)j,(u
max
)j分别为社区j的最小社区风险度和最大社区风险度。
[0051]
进一步地，步骤2的具体步骤如下：
[0052]
步骤2-1，根据社区风险度将社区分为封控区和管控区，将α设为社区风险等级的临界值，其中，社区风险度超过α的为封控区，低于α的为管控区，
[0053]
步骤2-2，以封控区优先运送和总成本z最小为目标构建双重时间窗下基于社区风险度的多配送中心的应急物资配送模，目标函数如下：
[0054][0055]
其中，目标函数包括车辆的运输成本和时间窗惩罚成本两部分，u表示所有节点的集合，u＝j∪p，j表示社区数量，j表示第j个社区，j的编号范围为1,2，...，j；p表示配送中心数量，p表示第p个配送中心，p的编号范围为1,2,...,p；ltj表示社区的期望时间窗，atj表示配送中心的可接受时间窗；k表示每个配送中心货车数量，k表示对应配送中心的第k辆火车；c0表示车辆运输成本为；c1和c2均为时间窗惩罚成本；qj表示第j个社区的实际物资量qj，q表示车辆的最大载重量；y
jp
表示社区j是否由配送中心p服务的决策变量，是则取1，否则取0；表示车辆k是否从节点a到j的决策变量，是则取1，否则取0；
[0056]
步骤2-3，在应急物资调度过程中，需要满足以下约束：
[0057][0058][0059][0060][0061][0062][0063]
式(21)表示每辆车的载货量不超过车辆的最大容量；式(22)表示每个社区都会有
一个配送中心进行服务；式(23)和(24)表示每个社区只需要1辆车运输并且只经过1次；式(25)表示每个社区仅能由1台车辆配送，其中r
pk
表示由第h个配送中心配送的第k条路径；式(26)表示从某配送中心离开的车辆最后回到该配送中心。
[0064]
具体地，为使模型更加合理同时方便计算，做出以下假设：(1)各配送中心和各社区的位置已知。(2)配送中心的车辆车型一致，运送时段车辆速度一定。(3)车辆的载货量不能超过车辆容量，且每个社区的物资量不会超过车辆容量。(4)每个社区都能被任意一个配送中心的车辆服务，但每个社区只由一辆车服务且只被服务一次。(5)所有车辆都是从所在的配送中心发车，完成运送后返回原配送中心。
[0065]
进一步地，步骤3的具体步骤如下：
[0066]
步骤3.1：染色体编码和种群初始化，通过分区确定每个配送中心的需要配送的社区生成第一部分染色体，以便基于每个配送中心派出车辆所负责的社区解码得对应染色体的配送方案；
[0067]
步骤3.2：适应度值计算：求得每条染色体i的目标函数值zi，取其倒数作为该染色体的适应度值，染色体的适应度值越大，则其被选择的概率越高，具体公式如下：
[0068][0069]
步骤3.3：染色体操作：
[0070]
(1)选择：采用轮盘赌来选择算子，将上一代个体中适应度值最大的个体选择出来进行交叉和变异，每个个体被遗传到下一代的概率为：
[0071][0072]
(2)交叉：针对两个父代染色体，选取染色体任意两个基因位作为交叉点，然后将两个染色体交叉点之间的部分进行交换，形成子代染色体，保证了种群的多样性。
[0073]
例如有父代“2-3-5-7-6-0-4-1-8”和“2-1-6-4-7-3-0-5-8”，随机产生两个数2和5，则两个父代的交叉段分别为“3-5-7-6”和“1-6-4-7”，将两个交叉段进行交换，根据交叉段的映射关系合法化得新染色体“2-1-6-4-7-10-3-5-8”和“2-3-5-7-6-1-0-4-8”。
[0074]
(3)变异：随机选择父代染色体的两个非0的变异点，交换两个变异点对应的配送路线，例如父代染色体“2-3-5-7-6-0-4-1-8”，随机确定2、4两个变异点，则变异后的子代为“2-7-5-4-6-0-4-1-8”。
[0075]
步骤3.4禁忌搜索操作：通过遗传操作选择出优良个体，当种群的进化代数为整体进化代数的80％时进入禁忌搜索操作，具体步骤如下：
[0076]
(1)选择遗传算法当前代中的较优解作为初始解x。
[0077]
(2)根据邻域函数为x产生若干邻域解，从中确定候选解集。
[0078]
(3)判断候选集是否为空？若为空，则进入下一轮迭代；若不为空，则选出其中的最优解s，进入(4)。
[0079]
(4)判断s是否满足藐视准则？若满足，则令x＝s并将s加入禁忌表；若不满足，则进入(5)。
[0080]
(5)判断s的禁忌属性。若s属于禁忌表，则删除s，返回(3)；若不属于，则令x＝s并
将s加入禁忌表。
[0081]
(6)判断进化代数是否达到规定数值，若是，输出最优结果；否则返回(2)。
[0082]
步骤3.5，经过改进遗传算法对模型进行求解，最终生成优化后的应急物资配送路径。
[0083]
具体地，利用改进遗传算法对步骤二中的模型进行求解，生成优化后的应急物资调度方案。遗传算法(genetic algorithm,ga)是一种可以有效解决vrp问题的启发式算法，但其存在易早熟和收敛速度慢的缺点，容易陷入局部最优解，导致全局寻优失败，为跳出局部最优解，增强生成全局最优解的高绿，将禁忌搜索引入遗传算法中。
[0084]
本发明采用以上技术方案，考虑到疫情下各社区的风险等级不同，利用er算法确定社区的社区风险度，在此基础上获得各社区的应急物资分配量，同时，考虑到社区和配送中心对于应急物资的送达时间的认知不一致，以封控区优先配送和总成本最小化为目标，建立双重时间窗下基于社区风险度的多配送中心调度模型，结合改进遗传算法的求解方法，实现了封控区优先配送的同时降低总配送成本，兼顾了公平、效率和成本，为决策提供了疫情下应急物资从分配到运送完整的调度方案。
附图说明
[0085]
以下结合附图和具体实施方式对本发明做进一步详细说明；
[0086]
图1为本发明一种疫情下社区应急物资调度方法的流程示意图；
[0087]
图2为遗传算法的流程示意图。
具体实施方式
[0088]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图对本技术实施例中的技术方案进行清楚、完整地描述。
[0089]
本发明为满足社区应急物资的公平分配和低成本高效率运输方案的要求，首先，利用er算法评估社区风险度，并在此基础上进行物资分配，其次，考虑到社区和配送中心对应急物资送达时间认知存在差异，构建了双重时间窗下基于社区风险度的应急物资调度模型，利用结合改进遗传算法的求解方法，保证了应急物资在封控区优先配送且配送总降低配送成本，可为疫情下社区应急物资调度的决策提供指导。
[0090]
如图1或2所示，本发明公开了一种疫情下社区应急物资调度方法，其包括以下步骤：
[0091]
步骤1：公平分配应急物资。建立社区风险度评估体系，进而利用er算法计算社区风险度，通过社区风险度获得各社区的应急物资实际分配量。具体如下：
[0092]
步骤1.1确定社区风险度
[0093]
将社区人口、困难群体比例、采购困难度、物资储备量和物资响应延迟度作为社区风险度的评估指标，采用er算法对社区风险度进行评估，将所有底层指标的模糊信度结构融合成最后的社区风险度。
[0094]
(1)评估框架转换
[0095]
将各指标的评估信息转换到相同的评估框架中，如下所示：
[0096]
定义1：定义评价指标中第i(i＝1,2,...,i)个评价指标的评估值yi分别在评估等
级hn和h
n+1
下的初始置信度为β
n,i
,β
n+1,i
。
[0097]
定义2：定义各评估指标的评价等级集合为h＝{h1,h2,
…hn
}，其评估效用为0＝u(h1)＜u(h2)＜...＜u(hn)＝1。
[0098]
定义3：定义评价指标的评估等级标准为{(h
n,i
,y
n,i
)；n＝1,2,...,n}；对于精确数值yi，存在其中，y
n,i
＜y
n+1,i
(n,n+1∈[1,...,n])，其信度结构的计算如下：
[0099][0100]
因此，yi等价转化为置信结构
[0101][0102]
(2)确定社区风险度
[0103]
首先，结合各评估指标的权重ωi和原始评估矩阵中的初始置信度，求基本概率分配：
[0104]
定义4：对于评估指标i，若其等级置信度之和则属于合理的信度结构，否则属于不合理的信度结构。
[0105]
定义5：对于区间信度结构若且则属于合理地信度结构，否则属于不合理的信度结构。
[0106]
定义6：对于合理地区间信度结构若则为完全的信度结构；若则为不完全的信度结构，其不完全的置信区间为其中，
[0107]
对于社区j(j＝1,2,...,j)，按照每一个评估指标作概率分配(m
n,i
)j,代表了社区j中评估指标i被评为等级为hn的支持度。其基本概率分布计算如下：
[0108][0109][0110][0111][0112][0113]
其中，(β
n,i
)j表示社区j的评估指标i被分配到第n个等级的初始置信度；(m
n,i
)j表示社区j的评估指标i被分配到评估等级n的已知基本信度值；表示社区j的评估指标i由于评估指标权重而未被分配到评估等级的未知信度值；表示由于社区j的评估指标的不完整性i而引起的未知信度值。(m
h,i
)j表示在考虑到评估指标的权重和评估等级的
未知信度值。
[0114]
其次，在基本概率分配的基础上，通过er解析算法，对社区j的所有评估指标进行数据合成，最终得到社区风险度的区间值[(u
min
)j,(u
max
)j]，取其均值uj作为社区j的社区风险度。
[0115][0116][0117]
其约束条件如下：
[0118][0119][0120][0121][0122][0123][0124][0125][0126][0127]
其中，(βn)j表示社区j分配给第n个评估等级的置信度；(βh)j表示社区j未分配给任何评估等级的置信度；(mn)j表示社区j被分配到评估等级n的已知基本信度值；表示社区j未被分配到任何评估等级的未知信度值；表示由于社区j评估指标的不完整性引起的未知信度值。(mh)j表示社区j在考虑到评估指标的权重和评估等级的未知信度值；kj表示社区j的评估信息的归一化因子，(u
min
)j,(u
max
)j分别为社区j的最小风险度和最大风险度。
[0128]
步骤1.2确定社区应急物资分配量
[0129]
在确定应急物资总量的条件下，通过各社区的需求风险度，计算不同社区的分配比例，最后得出各社区的应急物资分配量，如式(19)所示。
[0130][0131]
式中：qj表示第j个社区实际分配到的应急物资量；uj表示社区j的社区风险度；q表示应急物资总量。
[0132]
步骤2：构建应急物资配送模型。以封控区优先配送的同时降低配送成本为目标，构建双重时间窗下基于社区风险度的应急物资调度模型。具体如下：
[0133]
首先，为使模型更加合理同时方便计算，做出以下假设：
[0134]
(1)各配送中心和各社区的位置已知。
[0135]
(2)配送中心的车辆车型一致，运送时段车辆速度一定。
[0136]
(3)车辆的载货量不能超过车辆容量，且每个社区的物资量不会超过车辆容量。
[0137]
(4)每个社区都能被任意一个配送中心的车辆服务，但每个社区只由一辆车服务且只被服务一次
[0138]
(5)所有车辆都是从所在的配送中心发车，完成运送后返回原配送中心。
[0139]
其次，根据社区风险度将社区分为封控区和管控区，将α设为社区风险等级的临界值，其中，社区风险度超过α的为封控区，低于α的为管控区，其次以封控区优先运送和总成本z最小为目标构建双重时间窗下基于社区风险度的多配送中心的应急物资配送模。
[0140][0141]
式(21)为目标函数，有车辆的运输成本和时间窗惩罚成本两部分组成。其中，所有节点的集合为u＝j∪p；其中社区共有j个，编号为1,2，...，j；配送中心共有p个，编号为1,2,...,p；社区的期望时间窗为ltj，配送中心的可接受时间窗atj；每个配送中心有货车k辆；车辆运输成本为c0；时间窗惩罚成本分别为c1和c2；社区j的实际物资量为qj，车辆的最大载重量为q；y
jp
表示决策变量社区j由配送中心p服务时取1否则取0；表示决策变量，车辆k从节点a到j时取1，否则取0。
[0142]
在应急物资调度过程中，需要满足以下约束：
[0143][0144][0145][0146][0147][0148][0149]
式(21)表示每辆车的载货量不超过车辆的最大容量；式(22)表示每个社区都会有
一个配送中心进行服务；式(23)和(24)表示每个社区只需要1辆车运输并且只经过1次；式(25)表示每个社区仅能由1台车辆配送，其中r
pk
表示由第h个配送中心配送的第k条路径；式(26)表示从某配送中心离开的车辆最后回到该配送中心。
[0150]
步骤3：模型求解。利用改进遗传算法对步骤二中的模型进行求解，生成优化后的应急物资调度方案。遗传算法(genetic algorithm,ga)是一种可以有效解决vrp问题的启发式算法，但其存在易早熟和收敛速度慢的缺点，容易陷入局部最优解，导致全局寻优失败，为跳出局部最优解，增强生成全局最优解的高绿，将禁忌搜索引入遗传算法中，算法求解流程如图2所示。具体操作如下：
[0151]
步骤3.1：染色体编码
[0152]
遗传算法的核心之一是对染色体进行编码，本发明的染色体第一部分为每个配送中心派出车辆1，依次遍历相应社区，再返回该配送中心。现有2个配送中心p1和p2向8个社区进行物资配送，首先通过分区确定每个配送中心的需要配送的社区，生成第第一部分染色体。假设染色体第一部分编码是2-3-5-7-6，配送中心p1的第一辆车负责社区2、3，第2辆车负责社区5、7、6，通过解码得该染色体配送方案：同理，得到配送中心p2的配送方案染色体编码。则整条染色体为：2-3-5-7-6-0-4-1-8。
[0153]
步骤3.2：适应度值计算
[0154]
通过式(27)求得每条染色体i的目标函数值zi，取其倒数作为该染色体的适应度值，染色体的适应度值越大，则其被选择的概率越高。
[0155][0156]
步骤3.3：染色体操作
[0157]
(1)选择
[0158]
本发明采用轮盘赌来选择算子，将上一代个体中适应度值最大的个体选择出来进行交叉和变异，每个个体被遗传到下一代的概率为：
[0159][0160]
(2)交叉
[0161]
针对两个父代染色体，选取染色体任意两个基因位作为交叉点，然后将两个染色体交叉点之间的部分进行交换，形成子代染色体，保证了种群的多样性。例如有父代“2-3-5-7-6-0-4-1-8”和“2-1-6-4-7-3-0-5-8”，随机产生两个数2和5，则两个父代的交叉段分别为“3-5-7-6”和“1-6-4-7”，将两个交叉段进行交换，根据交叉段的映射关系合法化得新染色体“2-1-6-4-7-10-3-5-8”和“2-3-5-7-6-1-0-4-8”。
[0162]
(3)变异
[0163]
随机选择父代染色体的两个非0的变异点，交换两个变异点对应的配送路线，例如父代染色体“2-3-5-7-6-0-4-1-8”，随机确定2、4两个变异点，则变异后的子代为“2-7-5-4-6-0-4-1-8”。
[0164]
步骤3.4禁忌搜索操作
[0165]
通过遗传操作选择出优良个体，当种群的进化代数为整体进化代数的80％时进入
禁忌搜索操作，具体步骤如下：
[0166]
(1)选择遗传算法当前代中的较优解作为初始解x。
[0167]
(2)根据邻域函数为x产生若干邻域解，从中确定候选解集。
[0168]
(3)判断候选集是否为空？若为空，则进入下一轮迭代；若不为空，则选出其中的最优解s，进入(4)。
[0169]
(4)判断s是否满足藐视准则？若满足，则令x＝s并将s加入禁忌表；若不满足，则进入(5)。
[0170]
(5)判断s的禁忌属性。若s属于禁忌表，则删除s，返回(3)；若不属于，则令x＝s并将s加入禁忌表。
[0171]
(6)判断进化代数是否达到规定数值，若是，输出最优结果；否则返回(2)。
[0172]
经过上述改进遗传算法对模型进行求解，最终生成优化后的应急物资配送路径。
[0173]
本发明采用以上技术方案，基于疫情下各社区的风险等级不同建立社区风险度评估体系，进而利用er算法计算社区风险度，通过社区风险度获得各社区的应急物资实际分配量；考虑到社区和配送中心对于应急物资的送达时间的认知不一致，以封控区优先配送的同时降低配送成本为目标，构建双重时间窗下基于社区风险度的应急物资调度模型；利用改进遗传算法对应急物资调度模型进行求解，生成优化后的应急物资调度方案。本发明具有如下技术特点：(1)本发明可以实现封控区优先被服务，兼顾调度过程中的成本和效率，解决了已有模型中“就近配送”的缺陷，避免了各社区出现较大的应急物资短缺，更符合实际情况。(2)本发明采用多配送中心多车辆的配送模式，更适合应急物资运送，能够有效解决单一配送中心路径优化复杂和车辆调度失衡的难题，而且降低了由于不合理的路径规划增加的运送成本，同时提高应急物资的配送效率。(3)在实际运送问题中，如果只考虑社区对物资送达的时间要求，则会导致应急物资以“就近运送”原则送至各社区，严重拖慢运送效率且提高了配送成本；若只考虑配送中心的时间窗，则不能保证封控区可以优先获得应急物资，从而导致感染情况加剧。针对社区和配送中心对于物资送达时间的认知差异性，本发明通过双重时间窗可以有效解决这种矛盾，提高应急物资的运送效率。
[0174]
显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。

技术特征：
1.一种疫情下社区应急物资调度方法，其特征在于：其包括以下步骤：步骤1，公平分配应急物资：建立社区风险度评估体系，进而利用er算法计算社区风险度，通过社区风险度获得各社区的应急物资实际分配量；步骤2，构建应急物资配送模型：以封控区优先配送的同时降低配送成本为目标，构建双重时间窗下基于社区风险度的应急物资调度模型；步骤3，利用改进遗传算法对应急物资调度模型进行求解，生成优化后的应急物资调度方案。2.根据权利要求1所述的一种疫情下社区应急物资调度方法，其特征在于：步骤1的具体步骤如下：步骤1-1，定社区风险度：将社区人口、困难群体比例、采购困难度、物资储备量和物资响应延迟度作为社区风险度的评估指标，采用er算法对社区风险度进行评估，将所有底层指标的模糊信度结构融合成最后的社区风险度；步骤1.2确定社区应急物资分配量：在确定应急物资总量的条件下，通过各社区的需求风险度，计算不同社区的分配比例，最后得出各社区的应急物资分配量，如下公式所示：其中：q
j
表示第j个社区实际分配到的应急物资量；u
j
表示社区j的社区风险度；q表示应急物资总量，j表示社区数。3.根据权利要求2所述的一种疫情下社区应急物资调度方法，其特征在于：步骤1-1的具体步骤如下：步骤1-1-1，将各指标的评估信息转换到相同的评估框架；获取各个指标的评估信息的精确数据y
i
，并计算y
i
的信度结构如下：且y
i
等价转化为置信结构为：其中，y
i
表示第i个评估指标的评估值，y
i
分为定量数据和定性数据，定量数据通过实际统计文件得到，定量数据由专家评估得到；且y
n,i
＜y
n+1,i
，n，n+1∈[1,...,n]，n表示评估等级数，对指标评估的评估等级有n个级别，集合为h＝{h1,h2,
…
,h
n
,
…
,h
n
}，h的评估效用为0＝u(h1)＜u(h2)＜...＜u(h
n
)＝1，u为评估效用；β
n,i
,β
n+1,i
分别为评价指标中第i个评价指标的评估值y
i
在评估等级h
n
和h
n+1
下的初始置信度，i＝1,2,...,i，i表示评估指标数，共有i个评估指标；{(h
n,i
,y
n,i
)；n＝1,2,...,n}表示评价指标的评估等级标准；步骤1-1-2，结合各评估指标的权重和原始评估矩阵中的初始置信度，对于社区j(j＝1,2,...,j)，按照每一个评估指标作概率分配(m
n,i
)
j
,概率分配代表了社区j中评估指标i被评为等级为h
n
的支持度，基本概率分布计算如下：的支持度，基本概率分布计算如下：
其中，(β
n,i
)
j
表示社区j的评估指标i被分配到第n个等级的初始置信度；(m
n,i
)
j
表示社区j的评估指标i被分配到评估等级n的已知基本信度值；表示社区j的评估指标i由于评估指标权重而未被分配到评估等级的未知信度值；表示由于社区j的评估指标的不完整性i而引起的未知信度值；(m
h,i
)
j
表示在考虑到评估指标的权重和评估等级的未知信度值；步骤1-1-3，在基本概率分配的基础上，通过er解析算法对社区j的所有评估指标进行数据合成，最终得到社区风险度的区间值[(u
min
)
j
,(u
max
)
j
]，取其均值u
j
作为社区j的社区风险度，社区风险度的区间值的表达式如下区风险度，社区风险度的区间值的表达式如下(u
min
)
j
、(u
ma
)
j
分别为社区j的最小社区风险度和最大社区风险度；对应的约束条件如下：对应的约束条件如下：对应的约束条件如下：对应的约束条件如下：对应的约束条件如下：对应的约束条件如下：对应的约束条件如下：对应的约束条件如下：对应的约束条件如下：其中，(β
n
)
j
表示社区j分配给第n个评估等级的置信度；(β
h
)
j
表示社区j未分配给任何评估等级的置信度；(m
n
)
j
表示社区j被分配到评估等级n的已知基本信度值；表示社区j
未被分配到任何评估等级的未知信度值；表示由于社区j评估指标的不完整性引起的未知信度值；(m
h
)
j
表示社区j在考虑到评估指标的权重和评估等级的未知信度值；k
j
表示社区j的评估信息的归一化因子；(u
min
)
j
,(u
max
)
j
分别为社区j的最小社区风险度和最大社区风险度。4.根据权利要求1所述的一种疫情下社区应急物资调度方法，其特征在于：步骤2的具体步骤如下：步骤2-1，根据社区风险度将社区分为封控区和管控区，将α设为社区风险等级的临界值，其中，社区风险度超过α的为封控区，低于α的为管控区，步骤2-2，以封控区优先运送和总成本z最小为目标构建双重时间窗下基于社区风险度的多配送中心的应急物资配送模，目标函数如下：其中，目标函数包括车辆的运输成本和时间窗惩罚成本两部分，u表示所有节点的集合，u＝j∪p，j表示社区数量，j表示第j个社区，j的编号范围为1,2，...，j；p表示配送中心数量，p表示第p个配送中心，p的编号范围为1,2,...,p；lt
j
表示社区的期望时间窗，at
j
表示配送中心的可接受时间窗；k表示每个配送中心货车数量，k表示对应配送中心的第k辆火车；c0表示车辆运输成本为；c1和c2均为时间窗惩罚成本；q
j
表示第j个社区的实际物资量q
j
，q表示车辆的最大载重量；y
jp
表示社区j是否由配送中心p服务的决策变量，是则取1，否则取0；表示车辆k是否从节点a到j的决策变量，是则取1，否则取0；步骤2-3，在应急物资调度过程中，需要满足以下约束：3，在应急物资调度过程中，需要满足以下约束：3，在应急物资调度过程中，需要满足以下约束：3，在应急物资调度过程中，需要满足以下约束：3，在应急物资调度过程中，需要满足以下约束：3，在应急物资调度过程中，需要满足以下约束：式(21)表示每辆车的载货量不超过车辆的最大容量；式(22)表示每个社区都会有一个配送中心进行服务；式(23)和(24)表示每个社区只需要1辆车运输并且只经过1次；式(25)表示每个社区仅能由1台车辆配送，其中r
pk
表示由第h个配送中心配送的第k条路径；式(26)表示从某配送中心离开的车辆最后回到该配送中心。5.根据权利要求1所述的一种疫情下社区应急物资调度方法，其特征在于：步骤3的具体步骤如下：步骤3.1：染色体编码和种群初始化，通过分区确定每个配送中心的需要配送的社区生
成第一部分染色体，以便基于每个配送中心派出车辆所负责的社区解码得对应染色体的配送方案；步骤3-2：适应度值计算：求得每条染色体i的目标函数值z
i
，取其倒数作为该染色体的适应度值，染色体的适应度值越大，则其被选择的概率越高，具体公式如下：步骤3-3，对染色体进行选择、交叉、变异操作：步骤3-4，禁忌搜索操作：通过遗传操作选择出优良个体，当种群的进化代数为整体进化代数的80％时进入禁忌搜索操作；步骤3-5，经过改进遗传算法对模型进行求解，最终生成优化后的应急物资配送路径。6.根据权利要求5所述的一种疫情下社区应急物资调度方法，其特征在于：步骤3-3的具体步骤为：步骤3-3-1，选择：采用轮盘赌来选择算子，将上一代个体中适应度值最大的个体选择出来进行交叉和变异，每个个体被遗传到下一代的概率为：步骤3-3-2，交叉：针对两个父代染色体，选取染色体任意两个基因位作为交叉点，然后将两个染色体交叉点之间的部分进行交换，形成子代染色体，保证了种群的多样性；步骤3-3-3，变异：随机选择父代染色体的两个非0的变异点，交换两个变异点对应的配送路线。7.根据权利要求5所述的一种疫情下社区应急物资调度方法，其特征在于：步骤3-4的具体步骤为：步骤3-4-1，选择遗传算法当前代中的较优解作为初始解x；步骤3-4-2，根据邻域函数为x产生若干邻域解，从邻域解中确定候选解集；步骤3-4-3，判断候选集是否为空；是则，进入下一轮迭代执行步骤3-4-6；否则，选出候选集中的最优解s并进入步骤3-4-4，步骤3-4-4，判断s是否满足藐视准则；是则，令x＝s并将s加入禁忌表；否则，进入步骤3-4-5，步骤3-4-5，判断s的禁忌属性是否为禁忌表；是则，删除s并返回步骤3-4-3；否则，令x＝s并将s加入禁忌表；步骤3-4-6，判断进化代数是否达到规定数值；是则，输出最优结果；否则，返回步骤3-4-2。

技术总结
本发明公开一种疫情下社区应急物资调度方法，基于疫情下各社区的风险等级不同建立社区风险度评估体系，进而利用ER算法计算社区风险度，通过社区风险度获得各社区的应急物资实际分配量；考虑到社区和配送中心对于应急物资的送达时间的认知不一致，以封控区优先配送的同时降低配送成本为目标，构建双重时间窗下基于社区风险度的应急物资调度模型；利用改进遗传算法对应急物资调度模型进行求解，生成优化后的应急物资调度方案。本发明实现了封控区优先配送的同时降低总配送成本。先配送的同时降低总配送成本。先配送的同时降低总配送成本。


技术研发人员：杜嘉玮 胡永仕
受保护的技术使用者：福建工程学院
技术研发日：2023.03.01
技术公布日：2023/7/19