買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉大連理工大學申請的專利一種考慮公平性的異構類型應急資源調度優化方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120355190B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510840021.2，技術領域涉及：G06Q10/0631；該發明授權一種考慮公平性的異構類型應急資源調度優化方法是由周紅媚;蘇云帆;李茜瑤;鐘紹鵬設計研發完成，并于2025-06-23向國家知識產權局提交的專利申請。

本一種考慮公平性的異構類型應急資源調度優化方法在說明書摘要公布了：本發明公開一種考慮公平性的異構類型應急資源調度優化方法，屬于應急資源調度優化領域。針對緊密合作型異構資源，采用時間、滿足率雙重維度建模，根據問題特征采取混合編碼和解碼方式，將應急資源調度方案使用數學形式表達；針對目標和約束條件，采用有優先級的隨機規則，保證初始種群的質量；通過采用洗牌交叉與部分匹配交叉結合的交叉算子，確保種群在迭代過程中的多樣性與穩定性；采用自適應的交叉變異概率，維持種群的多樣性，提高算法的效率；采用最低擁擠度閾值的精英保留策略，增加種群多樣性，防止種群過早成熟。本發明適用于災害前期供不應求情況下，緊密協作型異構資源的調度優化，為解決異構資源在應急資源調度問題中提供新思路。

本發明授權一種考慮公平性的異構類型應急資源調度優化方法在權利要求書中公布了：1.一種考慮公平性的異構類型應急資源調度優化方法，其特征在于，包括如下步驟： 步驟1、建立多目標有約束考慮公平性的異構類型應急資源調度優化模型： 步驟1.1、建立多目標的有約束考慮公平性的異構類型應急資源調度優化模型的目標函數： 考慮公平性的異構類型應急資源調度優化模型的目標函數由最小化總調度時間、最小化災點物資到達時間的滿足程度的公平性以及最小化總調度成本組成： ， ， ， 目標函數中所涉及的變量定義如下： -救援點的集合； -受災點的集合； -所有節點的集合，； -車輛的集合； -應急資源的種類集合； -節點到節點的運輸時間，； -決策變量，表示車輛需要從節點運輸應急資源r到節點，否則為0；； -救援時間進度的基尼系數權重，； -受災點物資到達時間進度的基尼系數； -受災點物資滿足率的基尼系數； -車輛運輸應急資源的每噸貨物的每公里運輸成本，； -車輛k運輸應急資源r到達受災點j需要行駛的距離，； -決策變量，的大小表示車輛需要從救援點運輸應急資源r到受災點的數量；； -節點到節點的運輸距離，； 節點到節點的運輸時間如下： ； 其中，-救援車輛的行駛速度； 受災點的重要程度為： ，其中，-受災點對應急資源的物資需求，；-受災點的重要程度，； 車輛k將應急資源r送達受災點j所需要行駛的距離如下： ，其中，-表示車輛是否從節點運輸應急資源r到受災點，；-表示前一個節點到達該受災點的距離，；-表示車輛k運輸應急資源r到達上一個節點需要行駛的距離，，其中； 車輛k將應急資源送達受災點的時間如下： ，其中，-表示前一個節點到達該受災點的運輸時間，；-表示車輛運輸應急資源r送達上一個節點的時間，，其中； 受災點的百分比時間進度如下： ；其中，-受災點有效救援時間，；受災點物資到達時間進度的基尼系數如下： ； ，其中，和表示受災點和的百分比時間進度，；和表示受災點和的重要程度；-受災點物資到達時間進度的加權平均值，作為加權基尼系數的分母； 受災點的滿足率如下： ； 受災點物資滿足率的基尼系數如下： ； ，其中，和-表示受災點和的滿足率，；-受災點滿足率的加權平均值，作為加權基尼系數的分母；-表示應急資源的協同比例，表示兩個單位的應急資源1與一個單位的應急資源2共同發揮一個單位應急資源的救援效果； 步驟1.2、設置考慮公平性的異構類型應急資源調度優化模型的約束條件： 1最大等待時間約束，應急資源必須在有效救援時間內將應急資源運輸至災點： ，2回程約束，運輸應急資源r的車輛k從救援點i出發，必須回到同一個救援點： ，3道路連通約束，到達受災點j的車輛必須從該受災點離開： ，其中，4貨流平衡約束，用于計算節點流量與受災點實際貨量之間的關系： ，5車輛的最大行駛距離約束，車輛只能在確保能夠往返的前提下運輸應急資源： ，6車輛的容量約束，車輛只能裝載物資重量小于等于載重量的應急資源： ，7應急資源分配約束，為了避免物資的浪費，確保應急資源全部分發完畢： ，，8受災點應急資源約束，受災點接收的貨物必須小于等于自身需求： ，9多救援點多災點調度模式約束，其中每個受災點需要的物資r只能由一個救援點運送，每個救援點可以訪問不止一個受災點： ，，，其中，表示括號內的部分為真，表示括號內的部分為假； 10決策變量之間的關系約束： ，，，，其中，模型約束中所涉及的變量定義如下： -決策變量，的大小表示車輛k在節點為到節點的路徑上攜帶從救援點運出的應急資源r的數量；； -滿油狀態下救援車輛k的最大行駛距離，； -車輛k滿載狀態下裝載應急資源的最大重量，； -救援點的物資的儲備量，； -需求點的物資的需求量，； 步驟2、構建步驟1中的調度優化模型的編碼和解碼方式： 采用自然數和連續數的混合編碼方式，將每個染色體設置為三行，列數為受災點數量J+救援點數量I-1：有I個救援點存儲R種應急資源，并由車輛調度至J個受災點，針對每種應急資源，1~J為受災點編號，分割點的數量為救援點數量I-1，作為染色體的第一行，每個受災點被調度的應急資源量作為第二行，第三行為每個受災點設置一個調度級別，處于相同調度級別的受災點根據先后順序由同一批車隊運輸應急資源；一條染色體代表一種應急資源的調配方式；針對步驟1.2的約束條件以及應急資源種類，生成R條符合約束條件的染色體；對每條染色體進行解碼時，先對染色體的0列進行分割，分割得到的多個片段即為順序號對應救援點負責救援的受災點，對于分割后的每一個染色體片段，根據染色體第三行的調度級別，將調度級別相同的受災點根據先后順序，由同一批車隊依次運輸，得到每種應急資源代表的調配方式和數量，即決策變量的值； 步驟3、設計基于模型應急資源分配約束的特征的染色體基因修復和救援點分配算子： 通過逐步掃描染色體的第二行，當累加之和首次超過順序號對應救援點的應急資源儲備量時，記錄該受災點編號作為邊緣點，其調度量即為邊緣值；將邊緣值進行分割成為兩部分：第一部分為使得其與掃描過受災點調度量之和等于順序號對應救援點的應急資源儲備量，第二部分為邊緣值與第一部分相減得到；用邊緣值的第一部分與邊緣值之比作為隨機修復方式的概率，產生一個0到1的隨機數，根據隨機數與概率的大小選擇分配方式：（1）、當該隨機數小于隨機修復方式的概率時：將邊緣點作為當前救援點負責調度的受災點，在不違反受災點約束的前提下，將當前救援點負責調度貨量的多余數值在內部進行隨機刪除，隨后將刪除的數值在后續其他受災點調度的應急資源中進行隨機添加，使其滿足數量平衡，并將邊緣點后作為分割點；（2）、當該隨機數大于隨機修復方式的概率時：將邊緣點作為下一個救援點負責調度的受災點，在不違反受災點約束的前提下，把產生的空缺值對當前救援點負責受災點的調度貨量進行隨機添加，并對后續的受災點調度的應急資源進行隨機刪除，滿足數量平衡，并將邊緣點前作為分割點；在修復過程中記錄每一個分割點所在位置，以便在后續的步驟中插入劃分救援點的分割點； 將0插入每一個分割點的位置，使染色體第二行滿足每個救援點的應急資源分配約束，確保應急資源全部分發完畢； 步驟4、獲取應急資源調度相關數據： 獲取模型需要的相關數據，包括救援點和受災點在路網當中的道路運輸距離、每種資源的供應量和需求量、異構資源的協作比例、受災點的時間窗信息、運輸工具的載重量、最大行駛距離、行駛速度、每噸貨物的每公里運輸成本； 步驟5、采用有優先級的隨機規則初始化種群： 在有優先級的隨機規則當中，先使用動態規劃計數和隨機采樣的方法作為第一種隨機規則為每個受災點分配應急資源數量；再結合第一種隨機規則的結果，使用救援點與受災點之間的小運輸距離優先分配作為第二種隨機規則為救援點分配受災點； 步驟6、設定算法改進策略，設置優化方法參數；采用改進的NSGA-II算法求解步驟1建立的數學優化模型，并得到一組Pareto前沿解集； 步驟6.1、初始化種群后，基于步驟1建立的調度優化模型，將目標函數作為適應度函數，每個個體包含應急資源數R條染色體，分別計算種群pop中每個個體的適應度函數值，計算過程中通過對違反約束的個體施加懲罰值來兼顧約束條件對適應度函數的影響，并且將適應度函數作步驟6.2的計算依據； 步驟6.2、對種群進行快速非支配排序和擁擠度距離的計算； 在每個個體的計算過程中，基于種群個體的多個適應度函數值，對種群進行快速非支配排序，得到不同等級的非支配層，并在每個非支配層當中計算每個個體的擁擠度距離，將個體賦予非支配等級和擁擠度兩個屬性； 步驟6.3、對種群pop進行選擇操作、交叉、變異操作，生成子代種群；基于步驟6.2的快速非支配排序和擁擠度距離的計算結果，在選擇算子當中采用二元錦標賽算子對pop種群進行選擇操作：在種群中隨機挑出兩個個體，先比較每個個體的非支配等級屬性，選出非支配等級低的個體，在非支配等級相同的情況下，選出擁擠度距離大的個體；設計一種洗牌交叉算子和部分匹配交叉算子結合的交叉算子，對個體當中每一條染色體進行交叉和變異操作，生成規模為P的子代種群，并在此過程中，設置動態調整的交叉率和變異率； 步驟6.4、合并父代種群pop和步驟6.3產生的子代種群spop，采用具有最低擁擠度閾值的精英選擇策略，產生新的種群pop； 合并父代和子代種群，生成種群規模為2P的新種群，隨后對該新種群進行快速非支配排序，計算每一層的擁擠度距離；根據擁擠度距閾值采取精英保留策略，從非支配等級由低到高的順序選取擁擠度大于閾值的個體，逐步選擇直到個體數量充滿種群池； 步驟6.5、迭代求解，判斷是否滿足終止條件，若滿足，則輸出Pareto前沿解集，根據步驟2的解碼規則輸出符合約束條件并且在多個適應度值上分別最優的多個具體調度方案，此時適應度函數等于目標函數；若不滿足，則返回到步驟6.1繼續進行； 步驟7：根據步驟6得到的應急資源調度結果，對于決策者在災害發生時的具體情況，并根據時效性性、公平性、經濟性等相關偏好，選擇偏好特征突出的應急資源調度方案：（1）、主要考慮時效性時，選擇目標函數最小的調度方案；（2）、主要考慮公平性時，選擇目標函數最小的調度方案；（3）、主要考慮經濟性時，選擇目標函數最小的調度方案。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人大連理工大學，其通訊地址為：116024 遼寧省大連市甘井子區凌工路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。