自然灾害下的紧急物流计划.ppt

1、自然灾害下的应急物流规划，内容，1。导言，2 .数学模型，3。案例测试，4。摘要，作者，linetzd Amar南洋理工大学，机械与生产工程学院EDIZ EKINCI上尉，土耳其武装部队，土耳其BESTE KKYAZICI Yeditepe大学，土耳其系统工程系，背景介绍，1999年土耳其两次地震，物流决策支持系统，材料运输计划和车辆时刻表，大规模自然灾害下的整数多阶段多材料网络流(拉格朗日松弛法)，研究问题，1。在应急物流中，供给在当前期间和未来指定期间是有限的，需求在当前期间是已知的，并且可以在未来期间预测。2.接收货物的节点可视为正式仓库。3.运输在节点处停止，等待物流协调中心的下一个命

2、令。4.文献综述(VRP)，贡献，将多物质网络流问题和运输路线问题的模型分解为多物质网络流问题的两个子模型。拉格朗日松弛算法已经通过小事件和实际规模地震进行了测试。数学模型和运输方式应注意：一对节点之间可能有一个以上的连接(弧)。每个环节代表一种运输方式。运输时间取决于运输方式。不失一般性，运输方式之间的转换时间被忽略。例如，火车上的货物被卸下并分成卡车，也就是说，铁路运输被转换为地面运输。(地面运输)集，T3360计划范围长度，(计划周期长度)C :所有节点集，(节点集)M:运输模式集，(运输模式集)cd:需求节点集包括中转节点，(需求节点集)CS:供应节点集，(供应节点集)do:虚拟节点定

3、义为表示车辆可用性，(虚拟节点)ro3360节点集不包括虚拟节点；RO=Cdo，(虚拟节点的互补集)A:商品集，(商品集)，vm3360为每种运输模式m定义的车辆类型集，(运输模式m的模型集)m:在运输模式m中穿越弧线(o，p)所需的时间；对于不存在的链接，Topm为零，(o p往返时间)daot:在时间t在节点o要求或供应的a类商品的数量，对于供应为正，对于需求为负，(t期间在节点a的商品的需求(-)或供应()AVO vmt:在时间t在节点o添加到车队的v类运输模式m的车辆数量。 (T期车队增加了O点M运输方式的V型车数量)商品A单位重量：(商品A单位数量)CAP VM :车辆类型V型运输方

4、式M装载能力，(M型V型车装载)K:是一个大数字。 (大量)、参数、决策变量、Zao PMT :使用运输模式m在时间t穿越弧线(o，p)的a类商品数量(在t期间m模式下从o到p交付的a类商品数量)开发AOT :在时间t在节点o的a类商品未保存需求数量， (T周期内节点O处的商品a的未满足需求)在T时间点：整数数量的V型运输模式M穿过弧线(O，p)的车辆(T周期内o-p之间往返的M型V型车的数量)在T时间点：数量的V型运输模式M在节点O处等待的车辆(T周期内O点处等待的M型V型车的数量)，模型的第一部分(约束)是线性多商品第二部分(约束，5，6)，是一个整数多商品网络流问题，但右侧的约束也包含变

5、量，所以它比一般的整数多商品网络流问题更复杂。第一部分的商品流驱动第二部分的车辆流。模型解释，重新规划(迭代操作中的分配问题)，案例分析，网络流：车辆流：公路运输，铁路运输，海运，空运，物流，医疗用品和食品注意：为了简单和直观，模型中没有标记虚拟节点。，模型状态描述，局部最优解，模型P解，T期弧opm的数量承载能力不能满足需求，T期弧opm的数量承载能力超过需求，T期弧opm的数量不能满足运输承载能力，算法思想，第一部分商品流驱动第二部分车辆流，首先计算p1，根据p1计算最优商品流， 计算每个弧上的车辆通过能力需求，然后计算p2，使p2的目标最小化，此时可以得到最优的车辆流量，但是车辆流量不能

6、满足商品流量对通过能力的需求。 在这种情况下，p2得到一个正的目标函数值，然后将最优车辆流量反馈给p1，作为商品流量可以获得的运载能力的上限，然后计算p1，并执行第二次迭代。这样，p1和p2交替求解。参数被交换，直到达到一定的迭代次数。当p2的目标函数值为时，拉格朗日松弛法收敛于一点，这意味着得到了一个可行解。最后，p1的目标函数值是原始模型(b)的目标函数值的上限。算法步骤、子模型分析、改进的最短路径法(orlin 1993)基于分解的方法和列生成技术(aewrbuch和Leighton琼斯等人。Frangioni)，模型P2整数多材料网络流问题算法启发式算法(Barnhart1993 Ag

7、garwal等人，1995)穷举法(巴恩哈特等人，1996)割平面法(Brunetta等人，1995)，注：在求解大规模网络问题时，算法的高效率是非常重要的。从上表中我们可以看出以下结论：在所有问题中，枚举法需要大量的迭代，除了12号和16号，偏差稍大。平均而言，与最优解相比，平均偏差为1.96%。当计划系统需要频繁更改或需要提供快速答案时，很难应用枚举法(例如，表中的问题17和18)。运输能力的不足导致算法的偏差。拓扑结构的复杂性也影响算法的偏差。该模型在实际紧急情况下的应用：1999年土耳其发生地震，地震区的死伤人数，货物/需求/供应的类型，车辆的类型和装载能力，拓扑，1，2，3，4，5，6，7，8，9，10，11，积极的启发式算法，原则：与奥尔林(1993)基于一些假设(包括足够的