为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对...为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对运输车辆及各类应急物资进行整合优化。该模型以总配送时间最短为优化目标,将协同配送与时序决策结合起来,将所有车辆在各仓库与需求点之间的配送过程,看作多智能体协作的时序决策过程,降低了多智能主体多任务指派问题的计算复杂程度,使得在大规模问题的情况下,针对时序决策模型的算法依然能够适用。并且,在改进LSTM(Long Short Term Mermory)网络实现输入与输出维度可变的基础上,结合遗传算法(Genetic Algorithm,GA)的理论框架,设计了针对该问题的LSTM-GA算法,并进行了算例模拟,发现LSTM-GA算法的收敛速度与稳定性较单一算法得以提升。结果表明:LSTM-GA算法能够实现LSTM网络接收和输出信息维度的可变性,是一种研究应急物资分级协同配送的有效方法。展开更多
文摘为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对运输车辆及各类应急物资进行整合优化。该模型以总配送时间最短为优化目标,将协同配送与时序决策结合起来,将所有车辆在各仓库与需求点之间的配送过程,看作多智能体协作的时序决策过程,降低了多智能主体多任务指派问题的计算复杂程度,使得在大规模问题的情况下,针对时序决策模型的算法依然能够适用。并且,在改进LSTM(Long Short Term Mermory)网络实现输入与输出维度可变的基础上,结合遗传算法(Genetic Algorithm,GA)的理论框架,设计了针对该问题的LSTM-GA算法,并进行了算例模拟,发现LSTM-GA算法的收敛速度与稳定性较单一算法得以提升。结果表明:LSTM-GA算法能够实现LSTM网络接收和输出信息维度的可变性,是一种研究应急物资分级协同配送的有效方法。
