面向突发事件的应急资源调度模型的构建和求解

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (31): 220-223.

面向突发事件的应急资源调度模型的构建和求解

张杰1，王志勇1，许维胜1，杨继君2

1.同济大学电子与信息工程学院，上海 201804
2.同济大学经济与管理学院，上海 201804

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-01 发布日期:2011-11-01

Scheduling model and solution of relief resources for emergencies

ZHANG Jie1，WANG Zhiyong1，XU Weisheng1，YANG Jijun2

1.College of Electronics and Information Engineering，Tongji University，Shanghai 201804，China
2.College of Economics and Management，Tongji University，Shanghai 201804，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要： 针对突发事件发生后存在多个事故、应急资源有限的情况，提出了基于非合作博弈的应急资源调度模型和算法。在该调度模型中，各个事故点被视为博弈模型的局中人，可能的资源调度方案映射为策略集，将应急资源的调度问题转化为对非合作博弈调度模型的Nash均衡点求解问题，并对基本蚁群算法进行了改进，嵌入了遗传算法的交叉操作和变邻域搜索策略，将其应用于求解该博弈模型的Nash均衡解。最后通过算例测试验证了模型和算法的有效性和可行性。

关键词: 资源调度, 博弈论, 蚁群算法, 突发事件

Abstract: The available resources may be limited when multiple emergencies occur simultaneously.A non-cooperative games model for scheduling of relief resources and an algorithm for calculating Nash Equilibrium（NE） are proposed.In this model，the players represent the multiple emergency locations，strategies correspond to possible resource allocations.Then an improved Ant Colony Optimization（ACO） algorithm to obtain the NE is developed by introducing crossover operation of Genetic Algorithm（GA） and variable neighbourhood search method.Experimental results demonstrate the feasibility and availability of the proposed model and algorithm.

Key words: resources scheduling, game theory, ant colony algorithm, emergency

张杰1，王志勇1，许维胜1，杨继君2. 面向突发事件的应急资源调度模型的构建和求解[J]. 计算机工程与应用, 2011, 47(31): 220-223.

ZHANG Jie1，WANG Zhiyong1，XU Weisheng1，YANG Jijun2. Scheduling model and solution of relief resources for emergencies[J]. Computer Engineering and Applications, 2011, 47(31): 220-223.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[10]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[11]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[12]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[13]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[14]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[15]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.