[发明专利]基于优化烟花算法的医疗物资应急调度优化方法

说明书

本发明公开了一种基于优化烟花算法的医疗物资应急调度优化方法，其包括如下步骤：步骤一、随机生成n个烟花形成烟花种群；步骤二、将烟花种群进行爆炸；步骤三、对新的烟花种群的各个烟花依次进行交叉、变异操作；步骤四、采用禁忌算法对变异后的烟花种群进行优化；步骤五、从优化后的烟花种群中选出n个烟花作为下一代烟花种群；步骤六、判断迭代次数是否达到最大值，若是，则输出最优烟花对应的运输路径及其对应的适应度值；否则返回步骤二，且迭代次数加1。本发明在求解突发情况下的多需求点医疗物资应急调度问题时，可以针对各需求点的需求更快速、更准确的求出最短运输时间。

技术领域

本发明涉及资源调度技术领域。更具体地说，本发明涉及一种基于优化烟花算法的医疗物资应急调度优化方法。

背景技术

近些年，世界范围性的突发疫情频繁爆发，不仅危害了人类的身体健康，还严重影响了国家经济的发展。从2003年的“非典”到如今的“新冠肺炎”等大规模灾害事件的突发，让我们明白了不仅要控制城市的交通来防止疫情蔓延，还要保证在突发事件下有足够的医疗物资来保障病人的人身安全。

随着各类突发事件的频发爆发，应急调度作为应急物流研究的分支之一，成为国内外学者广泛研究的重点问题。应急调度问题除了包括需求点、供应点、应急物资等几个基本要素之外，还要有限制车辆载重、资源种类和到达时间的约束条件，确定最快到达时间或最短路程的目标函数等构成要素。应急调度的目的是在重大疫情突发后的救援工作中，决策者利用供应点现存的资源和条件，采取有效措施，科学有序的将需求点所需要的应急物资快速、准确的送达目的地，从而控制疫情的扩大与恶化，最大限度地降低病人的生命损失。其与普通物流运输相比具有一定的特殊性，主要包括以下几个特点：突发性、不确定性、非常规性、弱经济性、资源有限性等。

应急医疗物资具有不可替代性、时效性、滞后性等特点，是治疗病人及减少生命损失的重要保障，在疫情防控中起着决定性的作用。本发明主要针对医用口罩、防疫药品、消毒设备三种医疗物资的调度进行研究，与一般物资调度相比，这三种医疗物资调度具有弱经济性、多需求性、动态性等特征，因此对于不可预测的突发疫情来说，医疗物资的合理分配和紧急调度是疫情防控的基础。

对于医疗物资应急调度问题的求解问题，现有的技术主要是遗传算法及烟花算法。

遗传算法(Genetic Algorithm，GA)：是一种随机搜索算法，与传统的算法不同，大多数古典的优化算法是基于一个单一的度量函数的梯度或较高次统计，以产生一个确定性的试验序列；遗传算法不依赖于梯度信息，而是通过模拟自然进化过程来搜索最优解，它利用某种编码技术，作用域成为染色体的数字串，模拟由这些串组成的群体的进化过程。遗传算法对生物学自然选择和遗传过程中发生的选择、交叉和变异等现象进行模拟，随机产生初始种群作为第一代染色体，经过选择、交叉和变异运算，产生新的更适应环境的种群，使种群向着搜索空间中最优解的方向进化，通过一代一代不断的进化，最后收敛到一群最适应环境的染色体，求得问题的最优解。

烟花算法(Firework Algorithm,FWA)：是受到夜空中烟花爆炸的启发而提出的一种群体智能算法。在烟花算法中,每一个烟花被看作为解空间中的一个可行解,其邻域搜索的过程为烟花爆炸产生一定数量火花的过程。每个烟花的爆炸半径和爆炸火花数是不同的,适应度值差的烟花爆炸半径较大,使其具有全局搜索能力；而适应度值好的烟花的爆炸半径较小,使其具备局部搜索能力,烟花按照各自适应度值进行资源分配和信息交互使得整个种群能够在全局搜索能力和局部搜索能力之间达到平衡。爆炸火花实现了算法中的邻域搜索,高斯变异火花的引入可以进一步增加种群的多样性,避免算法陷入局部最优。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。