创业与管理学院知识库

受全球气候变暖带来的极端高温天气影响， 全世界范围内重大森林火灾频发， 对自然生态环境造成了巨大破坏， 更对人类的生命财产安全构成了严重威胁. 针对一类考虑消防人员和救援物资受限的重大森林火灾应急救援调度优化问题， 综合考虑消防人员和救援物资受限、火灾点蔓延速度差异、火灾点与救援中心距离差异等因素， 优化有限的救援资源进行合理的分配与调度， 以实现最小化最大救援完成时间. 本研究松弛了现有研究中考虑的救援优先级限制， 建立了全新的混合整数线性规划模型. 考虑到问题属于强NP-难， 且现有方法已难以求解， 通过挖掘问题特性开发了一种融合强化学习Q-Learning的自适应人工蜂群算法， 同时提出三种有效的启发式方法用于生成高质量初始种群， 并设计了融合问题特性的六种邻域搜索算子以增强算法的全局搜索和局部寻优能力. 典型基准案例和大量随机仿真算例测试结果表明: 1) 松弛救援优先级限制得到了更好的应急救援方案. 以典型基准案例为例， 最大救援完成时间相较于现有研究减少了0.52小时， 优化率达7.23%; 2) 开发的全新算法能够求得中小规模问题的最优解. 针对大规模问题， 所提出算法也可以获得高质量的近似最优解. 与现有方法相比， 所提出的算法改善率达49.92%; 3) 重大森林火灾发生时， 提高消防车辆平均行驶速度或增大救援团队灭火速度均能显著减少最大救援完成时间， 但现实条件可达到情况下增大救援团队灭火速度更为有效.