CN108428024B - 不确定信息下非常规突发事件应急资源分配决策优化方法 - Google Patents

不确定信息下非常规突发事件应急资源分配决策优化方法 Download PDF

Info

Publication number
CN108428024B
CN108428024B CN201810589712.XA CN201810589712A CN108428024B CN 108428024 B CN108428024 B CN 108428024B CN 201810589712 A CN201810589712 A CN 201810589712A CN 108428024 B CN108428024 B CN 108428024B
Authority
CN
China
Prior art keywords
emergency
disaster
rescue
resource allocation
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810589712.XA
Other languages
English (en)
Other versions
CN108428024A (zh
Inventor
刘晋
韩琦
吴政阳
翁腾飞
邓世琴
谯自强
邹瑞
齐东川
庞峥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Science and Technology
Original Assignee
Chongqing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Science and Technology filed Critical Chongqing University of Science and Technology
Priority to CN201810589712.XA priority Critical patent/CN108428024B/zh
Publication of CN108428024A publication Critical patent/CN108428024A/zh
Application granted granted Critical
Publication of CN108428024B publication Critical patent/CN108428024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computer Security & Cryptography (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种不确定信息下非常规突发事件应急资源分配决策优化方法，属于应急资源管理领域。该方法具体包括：从实际非常规突发事件应急管理应用中获取反映受灾地区受灾严重程度的情境因素及其不确定信息数据；对其进行预处理，转化为统一形式的数据信息；利用客观定权方法，求解所考虑的情境因素的权值；利用改进的模糊C均值聚类算法，将受灾地区各救援点进行受灾严重程度分级；在考虑应急决策者对灾害整体受灾严重程度认知和灾害各救援点受灾严重程度认知的主观因素条件下，建立应急资源分配决策优化模型；通过决策优化模型确定各救援点应急资源分配方案。本发明能够通过不确定信息数据建立合理、高效、公平的应急资源分配决策方案。

Description

不确定信息下非常规突发事件应急资源分配决策优化方法
技术领域
本发明属于应急资源管理领域，涉及不确定信息处理，决策心理影响，应急资源管理等技术领域，尤其涉及一种不确定信息下非常规突发事件的应急资源分配决策优化方法。
背景技术
应急资源管理一直是应急管理领域的研究热点之一。针对非常规突发事件的应急资源分配方法中，通过考虑各种非常规突发事件的应急资源和伤员救助特点，提出了适用于不同响应情境的应急物资分配方法，例如最小化应急时间、最小化运输费用，以及相应的多目标分配优化方法。然而，在实际的应急资源分配过程中，各受灾点提供的反映受灾严重程度的信息往往是不确定信息数据，以上方法缺少不确定信息数据的考虑。同时，在应急资源分配过程中，应急决策者的主观因素也会对最终的应急资源分配方案产生影响。
本发明在实际的非常规突发事件考虑应急资源分配公平性的基础上，通过考虑各受灾点严重程度情境因素，针对各情境因素的不确定信息数据，提出基于决策者主观因素的应急资源分配决策优化方法，最终建立合理、高效、公平的应急资源分配决策方案。
发明内容
有鉴于此，本发明的目的在于提供一种不确定信息下非常规突发事件应急资源分配决策优化方法，在所考虑情境因素的不确定信息数据的基础上，通过客观定权方法求解各情境因素的权值，在模糊C-均值聚类分析方法上进行改进并对各受灾点进行受灾严重程度分级。根据求得的各情境因素权值和受灾点分级情况，提出基于应急决策者对整体灾害受灾程度的整体应急资源分配偏好和对各受灾点受灾严重程度的定向分配偏好的应急资源分配决策优化方法，最终建立合理、高效、公平的应急资源分配决策方案。
为达到上述目的，本发明提供如下技术方案：
一种不确定信息下非常规突发事件应急资源分配决策优化方法，具体包括以下步骤：
S1：从实际非常规突发事件应急管理应用中获取反映受灾地区受灾严重程度的情境因素及其不确定信息数据；
S2：对获取的信息数据进行预处理，转化为统一形式的数据信息；
S3：利用客观定权方法，求解所考虑的情境因素的权值；
S4：利用改进的模糊C均值聚类算法，将受灾地区各救援点进行受灾严重程度分级；
S5：在考虑应急决策者对灾害整体受灾严重程度认知和灾害各救援点受灾严重程度认知的主观因素条件下，建立应急资源分配决策优化模型；
S6：通过决策优化模型确定各救援点应急资源分配方案。
进一步，在步骤S2中，所述的信息数据的预处理为：将不确定信息数据中的确定数、区间数和模糊值统一转化为模糊形式，并通过预处理将各情境因素的数值转化为统一量纲形式；具体包括以下步骤：
S21：如果第i个救援点的第j个情境因素值
Figure BDA00016902533900000221
是一个确定数，将其转化为模糊形式
Figure BDA0001690253390000021
其中
Figure BDA0001690253390000022
i∈{1,2,…,NEDPs}，j∈{1,2,…,MSFs}，NEDPs为应急救援点个数，MSFs表示选择的情境因素个数；
S22：如果第i个救援点的第j个情境因素值
Figure BDA0001690253390000023
是一个区间数
Figure BDA0001690253390000024
将其转化为模糊形式
Figure BDA0001690253390000025
其中
Figure BDA0001690253390000026
Figure BDA0001690253390000027
分别表示对应区间数的最小值和最大值；
S23：如果第i个救援点的第j个情境因素值
Figure BDA0001690253390000028
是一个模糊数
Figure BDA0001690253390000029
保持其模糊形式不变；
S24：通过以上步骤，得到不确定信息数据的统一模糊形式数据
Figure BDA00016902533900000210
其中
Figure BDA00016902533900000211
Figure BDA00016902533900000212
Figure BDA00016902533900000213
分别表示一个模糊数的最小值、中间值和最大值；
S25：获取各情境因素的最优情境值
Figure BDA00016902533900000214
和最坏情境值
Figure BDA00016902533900000215
Figure BDA00016902533900000216
其中j∈{1,2,…,MSFs}；
S26：用归一化公式(1)将数据转化为统一量纲的数据：
Figure BDA00016902533900000217
其中，k∈{1,2,3}，i∈{1,2,…,NEDPs}，j∈{1,2,…,MSFs}，
Figure BDA00016902533900000218
分别表示归一化后第i个救援点的第j个情境因素值模糊形式的最小值、中间值和最大值，；
S27：则预处理后的不确定信息数据为
Figure BDA00016902533900000219
其中
Figure BDA00016902533900000220
进一步，所述步骤S3具体包括以下步骤：
S31：选取各救援点的第j(j∈{1,2,…,MSFs})个情境因素特征集为：
Figure BDA0001690253390000031
用公式(2)和(3)计算其权值，
Figure BDA0001690253390000032
Figure BDA0001690253390000033
其中，
Figure BDA0001690253390000034
l∈{1,2,…,MSFs}；
S32：通过综合考虑方差和变异系数，通过公式(4)获得各情境因素的权值wj
Figure BDA0001690253390000035
进一步，所述步骤S4具体包括以下步骤：
S41：初始化隶属矩阵
Figure BDA0001690253390000036
其中uk,i∈[0,1]为随机数，c表示按照受灾严重程度将各应急救援点分为c类，即聚类中心数目；NEDPs为应急救援点个数，满足式中的约束条件
Figure BDA0001690253390000037
i＝1,2,...,NEDPs；分类对象
Figure BDA0001690253390000038
其中
Figure BDA0001690253390000039
i∈{1,2,…,NEDPs}，
Figure BDA00016902533900000310
表示有MSFs列的实数向量；
S42：用公式(5)计算聚类中心
Figure BDA00016902533900000311
k∈{1,2,…,c}；
Figure BDA00016902533900000312
其中，m为uk,i的幂次方，表示模糊性参数，m∈[1,∝)；
Figure BDA00016902533900000313
表示隶属度矩阵；Ik表示第k个聚类中心向量；
S43：用公式(6)转化聚类中心，其中k∈{1,2,…,c}，j,j′∈{1,2,…,MSFs}；
Figure BDA0001690253390000041
则转化后的聚类中心
Figure BDA0001690253390000042
k∈{1,2,…,c}；
S44：根据公式(7)计算目标函数，如果目标函数小于某个人为设定的阀值，或它相对上次目标函数值的改变量小于某个人为设定的阀值，算法停止，保留其隶属度矩阵U和聚类中心Ik；否则返回步骤S42和S43，得到新的聚类中心
Figure BDA0001690253390000043
k∈{1,2,…,c}，并用公式(8)重新计算新的U矩阵，直到算法停止；
Figure BDA0001690253390000044
Figure BDA0001690253390000045
其中，
Figure BDA0001690253390000046
为第k个类别中心与第i个数据点间的欧几里德距离，
Figure BDA0001690253390000047
表示第k个聚类中心向量，
Figure BDA0001690253390000048
表示第t个聚类中心向量，
Figure BDA0001690253390000049
表示第i个应急救援点的数据向量，k,t∈1,2,…,c，i∈1，2，…，NEDPs。
进一步，所述步骤S5具体包括以下步骤：
S51：根据各救援点距离最好和最坏情境的相对需求增益建立基于决策者主观因素的应急资源分配模型为
Figure BDA00016902533900000410
Figure BDA00016902533900000411
Figure BDA00016902533900000412
Figure BDA00016902533900000413
Figure BDA00016902533900000414
Figure BDA0001690253390000051
Figure BDA0001690253390000052
Figure BDA0001690253390000053
其中，
Figure BDA0001690253390000054
表示第i个救援点距离好情境的欧几里德距离，
Figure BDA0001690253390000055
表示最坏情境距离最好情境的欧几里德距离，α∈[0,1]表示截值因子，γ表示应急决策者对于灾害的全局认知指标，
Figure BDA0001690253390000056
应急决策者对第i个救援点所处类别的定向认知指标，
Figure BDA0001690253390000057
表示应急决策者对第q个救援点所处类别的定向认知指标，ki,kq∈{1,2},i,q∈{1,2,...,NEDPs}；
S52：根据步骤S51中建立的应急资源分配决策优化模型，将步骤S2中获得的预处理后的不确定信息数据V，步骤S3种获得各情境因素权值wj(j∈{1,2,…,MSFs})以及根据步骤S4中得到的各救援点受灾严重程度分级情况确定应急决策者对于灾害的全局认知指标γ和各灾害救援点受灾严重程度所处类别的定向认知指标
Figure BDA0001690253390000058
输入公式(9)获得各救援点的应急资源分配比例
Figure BDA0001690253390000059
Ri表示第i各救援点的应急资源分配比例，i∈1,2,…,NEDPs。
进一步，所述步骤S6具体包括：
根据步骤S5中获得的各救援点应急资源分配决策比例Ri(i＝1,...,NEDPs)，用公式(10)确定各救援分配应急资源量Ti：
Figure BDA00016902533900000510
其中，TCDH为可分配的应急资源总量，k∈1,2,…,NEDPs，Rk第k各救援点的应急资源分配比例。
本发明的有益效果在于：本发明在考虑反映灾害受灾严重程度的情境因素的不确定信息数据的基础上，通过建立基于决策者主观因素的应急资源分配决策优化方法，能够通过不确定信息数据建立合理、高效、公平的应急资源分配决策方案。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为本发明所述资源分配决策优化方法流程图；
图2为决策者的不同定向偏好指标下的应急资源分配差异比较示意图。
具体实施方式
下面将结合附图，对本发明的优选实施例进行详细的描述。
应急资源分配决策优化方案用于非常规突发事件的应急资源分配，例如某地区发生传染性疾病事件，需要将有限的10000支疫苗高效、合理、公平的分配到30个应急点，已有的30个救援点的不确定信息数据如表1。
表1.不确定信息原始数据
Figure BDA0001690253390000061
下面以具体实施例子来说明本发明的优越性。
如图1所示，不确定信息下非常规突发事件应急资源分配决策优化方法，具体包括以下步骤：
S1：从实际非常规突发事件应急管理应用中获取反映受灾地区受灾严重程度的情境因素及其不确定信息数据，如表1所示；
S2：对获取的信息数据进行预处理，转化为统一形式的数据信息，具体包括：
S21：如果第i个救援点的第j个情境因素值
Figure BDA0001690253390000071
是一个确定数，将其转化为模糊形式
Figure BDA0001690253390000072
其中
Figure BDA0001690253390000073
i∈{1,2,…,NEDPs}，j∈{1,2,…,MSFs}，NEDPs为应急救援点个数，MSFs表示选择的情境因素个数；
S22：如果第i个救援点的第j个情境因素值
Figure BDA0001690253390000074
是一个区间数
Figure BDA0001690253390000075
将其转化为模糊形式
Figure BDA0001690253390000076
其中
Figure BDA0001690253390000077
Figure BDA0001690253390000078
分别表示对应区间数的最小值和最大值；
S23：如果第i个救援点的第j个情境因素值
Figure BDA0001690253390000079
是一个模糊数
Figure BDA00016902533900000710
保持其模糊形式不变；
S24：通过以上步骤，得到不确定信息数据的统一模糊形式数据
Figure BDA00016902533900000711
其中
Figure BDA00016902533900000712
Figure BDA00016902533900000713
分别表示一个模糊数的最小值、中间值和最大值；
S25：获取各情境因素的最优情境值
Figure BDA00016902533900000714
和最坏情境值
Figure BDA00016902533900000715
Figure BDA00016902533900000716
其中j∈{1,2,…,MSFs}；
S26：用归一化公式(1)将数据转化为统一量纲的数据：
Figure BDA00016902533900000717
其中，k∈{1,2,3}，i∈{1,2,…,NEDPs}，j∈{1,2,…,MSFs}，
Figure BDA00016902533900000718
分别表示归一化后第i个救援点的第j个情境因素值模糊形式的最小值、中间值和最大值，；
S27：则预处理后的不确定信息数据为
Figure BDA00016902533900000719
其中
Figure BDA00016902533900000720
步骤S2完成后，转化后的不确定信息如表2所示：
表2.处理后的不确定信息数据
Figure BDA00016902533900000721
Figure BDA0001690253390000081
S3：利用客观定权方法，求解所考虑的情境因素的权值，具体包括以下步骤：
S31：选取各救援点的第j(j∈{1,2,…,MSFs})个情境因素特征集为：
Figure BDA0001690253390000082
用公式(2)和(3)计算其权值，
Figure BDA0001690253390000083
Figure BDA0001690253390000084
其中，
Figure BDA0001690253390000085
l∈{1,2,…,MSFs}；
S32：通过综合考虑方差和变异系数，通过公式(4)获得各情境因素的权值wj
Figure BDA0001690253390000091
步骤S3完成后，每个情境因素的权值为：
w＝[w1；w2；w3；w4]＝[0.26386；0.25576；0.21237；0.26801]。
S4：利用改进的模糊C均值聚类算法，将受灾地区各救援点进行受灾严重程度分级，进一步，具体包括以下步骤：
S41：初始化隶属矩阵
Figure BDA0001690253390000092
其中uk,i∈[0,1]为随机数，NEDPs为应急救援点个数，满足式中的约束条件
Figure BDA0001690253390000093
i＝1,2,...,NEDPs；分类对象
Figure BDA0001690253390000094
其中
Figure BDA0001690253390000095
i∈{1,2,…,NEDPs}，
Figure BDA0001690253390000096
表示有MSFs列的实数向量；
S42：用公式(5)计算聚类中心
Figure BDA0001690253390000097
k∈{1,2,…,c}，其中c＝2；
Figure BDA0001690253390000098
其中，m为uk,i的幂次方，表示模糊性参数，m∈[1,∝)；
Figure BDA0001690253390000099
表示隶属度矩阵；Ik表示第k个聚类中心向量；
S43：用公式(6)转化聚类中心，其中k∈{1,2}，j,j′∈{1,2,…,MSFs}；
Figure BDA00016902533900000910
则转化后的聚类中心
Figure BDA00016902533900000911
k∈{1,2}；
S44：根据公式(7)计算目标函数，如果目标函数小于某个人为设定的阀值，或它相对上次目标函数值的改变量小于某个人为设定的阀值，算法停止，保留其隶属度矩阵U和聚类中心Ik；否则返回步骤S42和S43，得到新的聚类中心
Figure BDA00016902533900000912
k∈{1,2}，并用公式(8)重新计算新的U矩阵，直到算法停止；
Figure BDA00016902533900000913
Figure BDA00016902533900000914
其中，di,k＝||Ik-Vi||为第k个类别中心与第i个数据点间的欧几里德距离，Ik表示第k个聚类中心向量，It表示第t个聚类中心向量，Vi表示第i个应急救援点的数据向量，k，t∈1，2，…，c，i∈1，2，…，NEDPs；m∈1,∞是一个加权指数；c＝2为聚类中心数目。
步骤S4完成后，各个救援点所处的受灾严重程度等级被分为2类，受灾较轻一类定义其定向偏好指标为
Figure BDA0001690253390000101
受灾较严重一类定义其偏好指标为
Figure BDA0001690253390000102
且i≠j。
S5：在考虑应急决策者对灾害整体受灾严重程度认知和灾害各救援点受灾严重程度认知的主观因素条件下，建立应急资源分配决策优化模型，具体包括以下步骤：
S51：如公式(9)，根据各救援点距离最好和最坏情境的相对需求增益建立基于决策者主观因素的应急资源分配模型，令α＝0.4，
Figure BDA0001690253390000103
Figure BDA0001690253390000104
Figure BDA0001690253390000105
Figure BDA0001690253390000106
Figure BDA0001690253390000107
Figure BDA0001690253390000108
Figure BDA0001690253390000109
Figure BDA00016902533900001010
其中，
Figure BDA00016902533900001011
表示第i个救援点距离好情境的欧几里德距离，
Figure BDA00016902533900001012
表示最坏情境距离最好情境的欧几里德距离，α∈[0,1]表示截值因子，γ表示应急决策者对于灾害的全局认知指标，dki应急决策者对第i个救援点所处类别的定向认知指标，
Figure BDA0001690253390000111
表示应急决策者对第q个救援点所处类别的定向认知指标，ki,kq∈{1,2},i,q∈{1,2,...,NEDPs}；
S52：根据步骤S51中建立的应急资源分配决策优化模型，将步骤S2中获得的预处理后的不确定信息数据V，步骤S3种获得各情境因素权值wj(j∈{1,2,…,MSFs})以及根据步骤S4中得到的各救援点受灾严重程度分级情况确定决策者对整体受灾严重程度认知指标γ＝0.5和各灾害救援点受灾严重程度所处类别的定向认知指标
Figure BDA0001690253390000112
[0.9,0.1]，[0.7,0.3]或[0.5,0.5](kq∈{1,2},q∈{1,2,…,NEDPs})输入公式(9)获得各救援点的应急资源分配比例
Figure BDA0001690253390000113
Ri表示第i各救援点的应急资源分配比例，i∈1,2,…,NEDPs。
S52：根据步骤S51中建立的应急资源分配决策优化模型，将步骤S2中获得的预处理后的不确定信息数据V，步骤S3种获得各情境因素权值wj(j∈{1,2,…,MSFs})以及根据步骤S4中得到的各救援点受灾严重程度分级情况确定应急决策者对于灾害的全局认知指标γ和各灾害救援点所处类别的受灾严重程度定向认知指标
Figure BDA0001690253390000114
输入公式(9)获得各救援点的应急资源分配比例
Figure BDA0001690253390000115
Ri表示第i各救援点的应急资源分配比例，i∈1,2,…,NEDPs。
S6：通过决策优化模型得到如图2所示的决策者的不同定向偏好指标下的应急资源分配差异比较示意图和表3所示的决策者的不同定向偏好指标下的应急资源分配方案。
表3.决策者的不同定向偏好指标下的应急资源分配方案
Figure BDA0001690253390000116
从图2中可看出：如果根据灾害的受灾严重程度将各救援点分为受灾较为严重和不较为严重两类，两类间的受灾严重程度定向认知指标的差异性越大，各救援点分配的应急资源比例就越大，从而得出应急决策者的对于不同类别间灾害受灾严重程度的定向认知指标的差异性对应急资源比例的分配有一定的影响。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (5)

1.一种不确定信息下非常规突发事件应急资源分配决策优化方法，其特征在于：该方法具体包括以下步骤：
S1：从实际非常规突发事件应急管理应用中获取反映受灾地区受灾严重程度的情境因素及其不确定信息数据；
S2：对获取的信息数据进行预处理，转化为统一形式的数据信息；
S3：利用客观定权方法，求解所考虑的情境因素的权值；
S4：利用改进的模糊C均值聚类算法，将受灾地区各救援点进行受灾严重程度分级；
S5：在考虑应急决策者对灾害整体受灾严重程度认知和灾害各救援点受灾严重程度认知的主观因素条件下，建立应急资源分配决策优化模型，具体包括以下步骤：
S51：根据各救援点距离最好和最坏情境的相对需求增益Ri建立基于决策者主观因素的应急资源分配模型为：
Figure FDA0003037422690000011
Figure FDA0003037422690000012
Figure FDA0003037422690000013
Figure FDA0003037422690000014
Figure FDA0003037422690000015
Figure FDA0003037422690000016
Figure FDA0003037422690000017
Figure FDA0003037422690000018
其中，
Figure FDA0003037422690000019
表示第i个救援点距离好情境的欧几里德距离，
Figure FDA00030374226900000110
表示最坏情境距离最好情境的欧几里德距离，α∈[0,1]表示截值因子，γ表示应急决策者对于灾害的全局认知指标，
Figure FDA0003037422690000021
分别表示归一化后第i个救援点的第j个情境因素值模糊形式的最小值、中间值和最大值，
Figure FDA0003037422690000022
表示应急决策者对第i个救援点所处类别的定向认知指标，
Figure FDA0003037422690000023
表示应急决策者对第q个救援点所处类别的定向认知指标，ki,kq∈{1,2},i,q∈{1,2,...,NEDPs}；
S52：根据步骤S51中建立的应急资源分配决策优化模型，将步骤S2中获得的预处理后的不确定信息数据V，步骤S3 中 获得各情境因素权值wj(j∈{1,2,…,MSFs})以及根据步骤S4中得到的各救援点受灾严重程度分级情况确定决策者对整体受灾严重程度认知指标γ和各灾害救援点受灾严重程度所处类别的定向认知指标
Figure FDA0003037422690000024
和
Figure FDA0003037422690000025
输入公式(1)获得各救援点的相对需求增益；
S6：通过决策优化模型确定各救援点应急资源分配方案。
2.根据权利要求1所述的不确定信息下非常规突发事件应急资源分配决策优化方法，其特征在于：在步骤S2中，所述的信息数据的预处理为：将不确定信息数据中的确定数、区间数和模糊值统一转化为模糊形式，并通过预处理将各情境因素的数值转化为统一量纲形式；具体包括以下步骤：
S21：如果第i个救援点的第j个情境因素值
Figure FDA0003037422690000026
是一个确定数，将其转化为模糊形式
Figure FDA0003037422690000027
其中
Figure FDA0003037422690000028
NEDPs为应急救援点个数，MSFs表示选择的情境因素个数；
S22：如果第i个救援点的第j个情境因素值
Figure FDA0003037422690000029
是一个区间数
Figure FDA00030374226900000210
将其转化为模糊形式
Figure FDA00030374226900000211
其中
Figure FDA00030374226900000212
Figure FDA00030374226900000213
分别表示对应区间数的最小值和最大值；
S23：如果第i个救援点的第j个情境因素值
Figure FDA00030374226900000214
是一个模糊数
Figure FDA00030374226900000215
保持其模糊形式不变；
S24：通过以上步骤，得到不确定信息数据的统一模糊形式数据
Figure FDA00030374226900000216
其中
Figure FDA00030374226900000217
Figure FDA00030374226900000218
Figure FDA00030374226900000219
分别表示一个模糊数的最小值、中间值和最大值；
S25：获取各情境因素的最优情境值
Figure FDA00030374226900000220
和最坏情境值
Figure FDA00030374226900000221
Figure FDA0003037422690000031
其中j∈{1,2,…,MSFs}；
S26：用归一化公式(2)将数据转化为统一量纲的数据：
Figure FDA0003037422690000032
其中，k∈{1,2,3}，i∈{1,2,…,NEDPs}，j∈{1,2,…,MSFs}，
Figure FDA0003037422690000033
分别表示归一化后第i个救援点的第j个情境因素值模糊形式的最小值、中间值和最大值；
S27：则预处理后的不确定信息数据为
Figure FDA0003037422690000034
其中
Figure FDA0003037422690000035
3.根据权利要求2所述的不确定信息下非常规突发事件应急资源分配决策优化方法，其特征在于：所述步骤S3具体包括以下步骤：
S31：选取各救援点的第j(j∈{1,2,…,MSFs})个情境因素特征集为：
Figure FDA0003037422690000036
用公式(3)和(4)计算其权值，
Figure FDA0003037422690000037
Figure FDA0003037422690000038
其中，
Figure FDA0003037422690000039
S32：通过综合考虑方差和变异系数，通过公式(5)获得各情境因素的权值wj
Figure FDA00030374226900000310
4.根据权利要求3所述的不确定信息下非常规突发事件应急资源分配决策优化方法，其特征在于：所述步骤S4具体包括以下步骤：
S41：初始化隶属矩阵
Figure FDA00030374226900000311
其中uk,i∈[0,1]为随机数，c表示按照受灾严重程度将各应急救援点分为c类，即聚类中心数目；NEDPs为应急救援点个数，满足式中的约束条件
Figure FDA0003037422690000041
分类对象
Figure FDA0003037422690000042
其中
Figure FDA0003037422690000043
Figure FDA0003037422690000044
表示有MSFs列的实数向量；
S42：用公式(6)计算聚类中心
Figure FDA0003037422690000045
Figure FDA0003037422690000046
其中，m为uk,i的幂次方，表示模糊性参数，m∈[1,∞)；
Figure FDA0003037422690000047
表示隶属度矩阵；Ik表示第k个聚类中心向量；
S43：用公式(7)转化聚类中心，其中k∈{1,2,…,c}，j,j′∈{1,2,…,MSFs}；
Figure FDA0003037422690000048
则转化后的聚类中心
Figure FDA0003037422690000049
S44：根据公式(8)计算目标函数，如果目标函数小于某个人为设定的阀值，或它相对上次目标函数值的改变量小于某个人为设定的阀值，算法停止，保留其隶属度矩阵U和聚类中心Ik；否则返回步骤S42和S43，得到新的聚类中心
Figure FDA00030374226900000410
并用公式(9)重新计算新的U矩阵，直到算法停止；
Figure FDA00030374226900000411
Figure FDA00030374226900000412
其中，
Figure FDA00030374226900000413
为第k个类别中心与第i个数据点间的欧几里德距离，
Figure FDA00030374226900000414
表示第k个聚类中心向量，
Figure FDA00030374226900000415
表示第t个聚类中心向量，
Figure FDA00030374226900000416
表示第i个应急救援点的数据向量，k,t∈{1,2,…,c}，i∈{1,2,…,NEDPs}。
5.根据权利要求4所述的不确定信息下非常规突发事件应急资源分配决策优化方法，其特征在于：所述步骤S6具体包括：
根据步骤S5中获得的各救援点的相对需求增益Ri(i＝1,...,NEDPs)，用公式(10) 确定各救援分配应急资源量Ti：
Figure FDA0003037422690000051
其中，TCDH为可分配的应急资源总量，k∈{1,2,…,NEDPs}，Rk第k个救援点的相对需求增益。
CN201810589712.XA 2018-06-08 2018-06-08 不确定信息下非常规突发事件应急资源分配决策优化方法 Active CN108428024B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810589712.XA CN108428024B (zh) 2018-06-08 2018-06-08 不确定信息下非常规突发事件应急资源分配决策优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810589712.XA CN108428024B (zh) 2018-06-08 2018-06-08 不确定信息下非常规突发事件应急资源分配决策优化方法

Publications (2)

Publication Number Publication Date
CN108428024A CN108428024A (zh) 2018-08-21
CN108428024B true CN108428024B (zh) 2021-06-15

Family

ID=63164781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810589712.XA Active CN108428024B (zh) 2018-06-08 2018-06-08 不确定信息下非常规突发事件应急资源分配决策优化方法

Country Status (1)

Country Link
CN (1) CN108428024B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110046760B (zh) * 2019-04-10 2022-06-14 武汉理工大学 一种考虑受灾点需求紧迫性的医疗救援点选址方法
CN110120150B (zh) * 2019-04-16 2021-05-11 东南大学 一种高速公路网清障机械设备配置方法
CN110503320B (zh) * 2019-08-07 2023-04-07 卓尔智联(武汉)研究院有限公司 疫苗资源配置方法、装置及存储介质
CN111275327B (zh) * 2020-01-19 2024-06-07 深圳前海微众银行股份有限公司 一种资源配置方法、装置、设备及存储介质
CN111582595B (zh) * 2020-05-13 2023-09-26 内蒙古工业大学 用于自然灾害的应急决策方法、装置及电子设备
CN112633718A (zh) * 2020-12-28 2021-04-09 航天科工网络信息发展有限公司 基于证据推理的公共卫生突发事件应急物资分级方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5011408B2 (ja) * 2010-02-22 2012-08-29 株式会社日立製作所 通信装置および通信システム
CN104504544A (zh) * 2014-11-26 2015-04-08 沈阳建筑大学 一种不确定应急物资分配的决策方法
CN107193990A (zh) * 2017-05-31 2017-09-22 民政部国家减灾中心 基于历史案例信息的地震灾害死亡人口估算方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5011408B2 (ja) * 2010-02-22 2012-08-29 株式会社日立製作所 通信装置および通信システム
CN104504544A (zh) * 2014-11-26 2015-04-08 沈阳建筑大学 一种不确定应急物资分配的决策方法
CN107193990A (zh) * 2017-05-31 2017-09-22 民政部国家减灾中心 基于历史案例信息的地震灾害死亡人口估算方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于区间情境理论的军民联合救援应急物资分配方法;庞国楹等;《军事交通学院学报》;20180531;第20卷(第5期);全文 *
应急医疗物资直升机与车辆联合运送优化;阮俊虎;《中国博士学位论文全文数据库》;20151015(第10期);全文 *

Also Published As

Publication number Publication date
CN108428024A (zh) 2018-08-21

Similar Documents

Publication Publication Date Title
CN108428024B (zh) 不确定信息下非常规突发事件应急资源分配决策优化方法
CN106923846B (zh) 一种心理压力评估与反馈***
CN103914705B (zh) 一种基于多目标免疫克隆的高光谱图像分类和波段选择的方法
CN103699678B (zh) 一种基于多阶段分层采样的层次聚类方法和***
CN111046926B (zh) 一种计算机视觉图像分类集成学习方法
CN109684922A (zh) 一种基于卷积神经网络的多模型对成品菜的识别方法
CN110245783B (zh) 一种基于c-均值聚类模糊粗糙集的短期负荷预测方法
CN114203284A (zh) 一种应急血液调度方法
CN110930030A (zh) 医生技术水平评级方法
CN109377064B (zh) 基于综合评价信息的城市多水库水源水量分配方法
CN114219228A (zh) 一种基于em聚类算法的体育场疏散评价方法
CN111914900B (zh) 一种用户用电模式分类方法
CN116933139A (zh) 一种综合隶属度数值、等级和序位的村庄分类方法
CN116433679A (zh) 一种基于空间位置结构先验的内耳迷路多级标注伪标签生成与分割方法
TWI599896B (zh) 多輸出決策屬性選擇暨資料離散化分類方法
CN115392582A (zh) 基于增量模糊粗糙集属性约简的作物产量预测方法
CN115510634A (zh) 一种考虑疏散人员心理异质性的疏散速度修正方法
CN113128789A (zh) 一种基于概率预测的城市路面塌陷预防方法、***及存储介质
CN111933226A (zh) 一种基于分级分类模型的人工智能筛选材料方法
CN111563665A (zh) 一种电压质量管理方法
CN109214459A (zh) 一种地理适宜性的聚类划分方法
CN115859223A (zh) 多源数据行业融合分析方法及***
CN109145967B (zh) 洪水全要素异变的诊断方法
CN107330442A (zh) 一种结合类内紧致性和类间分离性的增量模糊聚类方法
CN117708690B (zh) 一种基于人工智能的建筑火灾危险预测***及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant