主管:中国科学院
主办:中国优选法统筹法与经济数学研究会
   中国科学院科技战略咨询研究院

中国管理科学 ›› 2014, Vol. 22 ›› Issue (7): 131-139.

• 论文 • 上一篇    下一篇

基于最小最大后悔值的应急救灾网络构建鲁棒优化模型与算法

张玲1, 陈涛2, 黄钧2   

  1. 1. 惠州学院经济管理系, 广东 惠州 516007;
    2. 中国科学院大学数学科学学院, 北京 100049
  • 收稿日期:2013-02-04 修回日期:2013-09-01 出版日期:2014-07-20 发布日期:2014-07-24
  • 作者简介:张玲(1980-),女(汉族),山东泰安人,惠州学院经济管理系,讲师,博士,研究方向:应急管理。
  • 基金资助:

    广东省优秀青年创新人才培养计划项目(LYM11119);广东省自然基金项目(S2011040004017);北京市哲学社会科学规划项目(13JGC089)

Emergency Network Model and Algorithm Based on Min-Max Regret Robust Optimization

ZHANG Ling1, CHEN Tao2, HUANG Jun2   

  1. 1. Department of Economics and Management, Huizhou University, Guangdong 516007, China;
    2. School of Mathematica Science, University of Chinese Academy of Sciences, Beijing 100049, China
  • Received:2013-02-04 Revised:2013-09-01 Online:2014-07-20 Published:2014-07-24

摘要: 应急救灾过程分为两个阶段:第一阶段启动应急救灾网络构建,在灾区附近设立临时应急配送中心,并由应急资源供应方向其紧急调配应急资源;第二阶段将应急资源从临时应急配送中心向灾区受灾点进行调度,以保证救灾过程顺利进行。本文研究第一阶段应急救灾网络的构建问题,考虑到突发灾害初期灾情相关参数概率分布情况难以获取,建立了基于情景的最小最大后悔值准则的应急救灾网络构建鲁棒优化模型。求解模型时,利用有限情景集表示第二阶段的不确定性数据,并将模型化为与其等价的混合整数规划模型,利用情景松弛的迭代算法进行求解。数值试验中给出相应的绝对鲁棒模型与本文偏差鲁棒模型作了比较,结果表明基于最小最大后悔值准则的应急救灾网络优化模型具有良好的鲁棒性,而且算法也是有效的。

关键词: 应急救灾网络, 不确定条件, 两阶段规划, 最小最大后悔准则, 鲁棒优化, 情景松弛

Abstract: After emergency, rescue process is represented by two stage. First stage is to start the emergency rescue network, including building temporary distribution centers, allocating reasonable emergency resource to assure rescue process working smoothly. The second stage is to dispatch emergency resource from temporary distribution centers to demand points. A min-max regret robust emergency network model is proposed for natural disasters under uncertainty, taking the second stage as auxiliary decision. Uncertain information is random and represented by finite scenarios. The proposed model is solved using scenario relaxation algorithm. Finally, a case study is proposed to highlight efficiency of the proposed model and solution algorithm.

Key words: emergency rescue network plan, uncertain information, two-stage programing, min-max regret criterion, robust optimization, scenairio relaxation

中图分类号: