《應(yīng)急物資配送問題研究的國(guó)內(nèi)外文獻(xiàn)綜述》4500字

應(yīng)急物資配送問題研究的國(guó)內(nèi)外文獻(xiàn)綜述1.1需求緊急度評(píng)價(jià)方法研究綜觀現(xiàn)有研究成果，針對(duì)應(yīng)急物流進(jìn)行的的緊急度評(píng)價(jià)主要從兩個(gè)方面開展：其一，是以應(yīng)急物資為研究主體。因?yàn)榇嬖谖镔Y運(yùn)力的約束，面對(duì)大規(guī)模突發(fā)事件時(shí)，無(wú)法同時(shí)調(diào)配所有需要的應(yīng)急物資，所以必須考慮各類物資的實(shí)際效用價(jià)值，優(yōu)先調(diào)度具有更高緊迫性的物資；其二，是以物資需求點(diǎn)為研究主體。因?yàn)榇笠?guī)模突發(fā)事件下，往往受災(zāi)點(diǎn)數(shù)量較多，當(dāng)應(yīng)急物資緊缺而無(wú)法滿足所有需求點(diǎn)時(shí)，可以根據(jù)各點(diǎn)的緊急度進(jìn)行物資調(diào)度，從而最大化救援物資效用，提高公平性。應(yīng)急物資的需求緊急度評(píng)價(jià)郭瑞鵬（2006）運(yùn)用人工智能中的案例推理技術(shù)，提出了基于案例推理（CBE）的預(yù)測(cè)方法，將應(yīng)急物資的重要性、時(shí)效性和缺口度作為模糊評(píng)價(jià)指標(biāo)，建立了應(yīng)急物資需求分級(jí)模糊推理模型REF_Ref25644\r\h[2]。喬洪波（2009）在物資分類的基礎(chǔ)上提出對(duì)應(yīng)急物資需求進(jìn)行分級(jí)的思想，構(gòu)建了物資需求分級(jí)的評(píng)價(jià)指標(biāo)和模型，并通過模糊綜合評(píng)價(jià)法確定應(yīng)急物資的需求等級(jí)REF_Ref25697\r\h[3]。周禮勝（2010）對(duì)傳統(tǒng)庫(kù)存物資分類方法進(jìn)行改進(jìn)，提出模糊層次分析法得到總體評(píng)估結(jié)果，從而對(duì)所需庫(kù)存物資的等級(jí)進(jìn)行劃分，提高庫(kù)存分類的合理性和準(zhǔn)確性REF_Ref25736\r\h[4]。需求點(diǎn)的物資緊急度評(píng)價(jià)FengXiangbo等（1992）指出受災(zāi)點(diǎn)物資需求緊急度與受災(zāi)人口的特點(diǎn)和受災(zāi)情況有關(guān)，并給出了函數(shù)關(guān)系以量化需求緊急度REF_Ref25830\r\h[5]。談文靜（2016）在經(jīng)典的模糊綜合評(píng)判法的基礎(chǔ)上，改進(jìn)證據(jù)合成規(guī)則，通過有效綜合多專家評(píng)價(jià)信息構(gòu)建模糊評(píng)價(jià)矩陣REF_Ref25886\r\h[6]。部分文獻(xiàn)基于模糊聚類分析法對(duì)需求點(diǎn)的物資緊急度進(jìn)行評(píng)價(jià)。SHEUJB等（2007）運(yùn)用模糊聚類分析法對(duì)災(zāi)區(qū)進(jìn)行分類以確定救援優(yōu)先權(quán)，進(jìn)而構(gòu)建以災(zāi)區(qū)物資需求滿意度最大和相應(yīng)成本最小為目標(biāo)的應(yīng)急物資動(dòng)態(tài)調(diào)度模型REF_Ref25948\r\h[7]。何曼（2011）通過模糊聚類方法將需求點(diǎn)分為兩大類，其中第一類需求點(diǎn)的需求必須在規(guī)定時(shí)間內(nèi)滿足，再利用層次分析法對(duì)第二類需求點(diǎn)賦予相應(yīng)優(yōu)先級(jí)權(quán)重，由此對(duì)應(yīng)急物資延遲送達(dá)的情況設(shè)定相應(yīng)懲罰REF_Ref26017\r\h[8]。部分文獻(xiàn)以TOPSIS法為基礎(chǔ)進(jìn)行需求點(diǎn)的物資緊急度評(píng)價(jià)。王婧（2013）運(yùn)用灰色模糊TOPSIS法對(duì)需求點(diǎn)的緊急度進(jìn)行分級(jí)，然后利用模糊語(yǔ)言處理應(yīng)急環(huán)境下的不確定信息，通過熵值法確定指標(biāo)權(quán)重，并根據(jù)灰色關(guān)聯(lián)分析改進(jìn)理想解法，最后用仿真實(shí)例結(jié)果證實(shí)了該方法的可行性和有效性REF_Ref26082\r\h[9]。王英等（2019）采用博弈論的方法將熵權(quán)法和層次分析法結(jié)合以確定指標(biāo)權(quán)重，再利用馬氏距離和灰色關(guān)聯(lián)分析改進(jìn)TOPSIS法，從而建立受災(zāi)點(diǎn)的物資需求緊急度模型REF_Ref26131\r\h[10]。馮江博（2020）對(duì)TOPSIS法進(jìn)行改進(jìn)，采用B型關(guān)聯(lián)度TOPSIS法綜合評(píng)價(jià)模型確定受災(zāi)點(diǎn)的需求緊迫系數(shù)REF_Ref26193\r\h[11]。部分學(xué)者以新冠疫情為背景提出了物資緊急度評(píng)價(jià)方法。胡曉偉等人（2020）對(duì)新冠疫情出現(xiàn)的物資調(diào)度問題進(jìn)行分析，從醫(yī)療物資使用需求和庫(kù)存估計(jì)可使用時(shí)間兩個(gè)維度構(gòu)建需求點(diǎn)緊急度指標(biāo)REF_Ref25478\r\h[1]。白雪（2020）將已確診人員數(shù)據(jù)、與確診人員密切接觸的人員數(shù)據(jù)等作為判定風(fēng)險(xiǎn)度的評(píng)價(jià)指標(biāo)，運(yùn)用層次分析法構(gòu)建區(qū)域風(fēng)險(xiǎn)度模型，并模擬繪制各個(gè)區(qū)域的風(fēng)險(xiǎn)度曲線，作為指導(dǎo)應(yīng)急物資合理公平分配的依據(jù)REF_Ref26327\r\h[12]。王付宇等（2021）基于新冠疫情傳播的特殊性，以各個(gè)災(zāi)區(qū)感染人數(shù)占區(qū)域內(nèi)總感染人數(shù)的比例作為災(zāi)區(qū)緊急程度權(quán)重REF_Ref26392\r\h[13]。同時(shí)考慮物資的需求緊急度和需求點(diǎn)的物資緊急度HuH等（2019）提出利用場(chǎng)景系數(shù)表示物資需求的緊急性，其中場(chǎng)景系數(shù)由救濟(jì)站的緊急度和物資的緊急度兩方面構(gòu)成，通過V2X技術(shù)獲取災(zāi)區(qū)錄像，然后對(duì)錄像進(jìn)行分析以得到受災(zāi)倉(cāng)庫(kù)的損壞情況，作為需求點(diǎn)緊急度評(píng)價(jià)指標(biāo)之一REF_Ref26467\r\h[14]。1.2應(yīng)急物資配送問題研究本文主要根據(jù)相關(guān)文獻(xiàn)中物資配送的優(yōu)化目標(biāo)不同進(jìn)行分類闡述。單目標(biāo)模型EquiL等(1996)以運(yùn)輸費(fèi)用最小化為車輛調(diào)度模型的目標(biāo)函數(shù)REF_Ref26539\r\h[15]。?zdamar等（2004）在應(yīng)急物資調(diào)度模型中，以應(yīng)急情況下物資送達(dá)延誤時(shí)間最短為目標(biāo)函數(shù)REF_Ref26585\r\h[16]。部分文獻(xiàn)以應(yīng)急響應(yīng)時(shí)間為優(yōu)化目標(biāo)。劉春林等（1999）提出了在單需求點(diǎn)連續(xù)性條件下，以最早應(yīng)急開始時(shí)間為目標(biāo)的數(shù)學(xué)模型，其中連續(xù)性條件是要保證不能出現(xiàn)因物資供應(yīng)不足引起的應(yīng)急活動(dòng)的中止，此類問題適合于電力供應(yīng)系統(tǒng)、消防系統(tǒng)等復(fù)雜社會(huì)系統(tǒng)REF_Ref26653\r\h[17]。RuanJ等（2013）提出了基于情景的大規(guī)模災(zāi)害救援物資分配方法，并運(yùn)用三個(gè)相對(duì)相似度測(cè)量方法對(duì)受災(zāi)地區(qū)的場(chǎng)景進(jìn)行評(píng)估，以減少救援醫(yī)療用品的總響應(yīng)時(shí)間REF_Ref26764\r\h[18]。部分文獻(xiàn)以路程最短為優(yōu)化目標(biāo)。高嘯峰（2011）提出了多供應(yīng)點(diǎn)-多需求點(diǎn)間的硬時(shí)間窗車輛調(diào)度模型，以所有車輛的總配送路程最小化為目標(biāo)函數(shù)，且考慮到緊急狀態(tài)下的物資調(diào)配，該模型允許各物資需求點(diǎn)的需求量超過單個(gè)運(yùn)輸車輛的最大載重REF_Ref26810\r\h[19]。雙層規(guī)劃模型雙層規(guī)劃模型較單目標(biāo)模型考慮更為全面，上下層優(yōu)化模型有各自的目標(biāo)函數(shù)和約束條件，上層的決策變量影響著下層的最優(yōu)解，同時(shí)上層進(jìn)行決策時(shí)又會(huì)受到下層決策變量的影響。HunjunSun等(2008)提出了一種雙層規(guī)劃模型，上層模型是以最小化成本為目標(biāo)來(lái)確定應(yīng)急設(shè)施的位置，下層模型是以最小化運(yùn)輸成本來(lái)實(shí)現(xiàn)均衡的需求分配REF_Ref27401\r\h[20]。CamachoVallejo等（2015）以2010年智利地震為背景展開研究，綜合考慮到運(yùn)輸成本和救援效率，建立了人道主義物流的雙層規(guī)劃模型REF_Ref27480\r\h[21]。李艷等（2020）提出了突發(fā)災(zāi)害情景下，以系統(tǒng)響應(yīng)時(shí)間最短為上層目標(biāo)，以系統(tǒng)總成本最小為下層目標(biāo)的雙層規(guī)劃模型，并結(jié)合聚合度模型對(duì)原始遺傳算法進(jìn)行了改進(jìn)REF_Ref27649\r\h[22]。多目標(biāo)模型DanB等（2013）為在實(shí)現(xiàn)應(yīng)急物資的調(diào)度安全的同時(shí)降低運(yùn)輸成本，以最小化總調(diào)度路徑長(zhǎng)度及物流中心投入使用的車輛數(shù)為目標(biāo)REF_Ref27708\r\h[23]。部分學(xué)者將物資運(yùn)輸時(shí)間和成本作為優(yōu)化目標(biāo)。Hu等（2016）將耗時(shí)最小和成本最低作為應(yīng)急物資的配送目標(biāo)，并采用遺傳算法進(jìn)行求解REF_Ref27751\r\h[24]。唐偉勤等（2016）以最小化應(yīng)急物資總延誤時(shí)間和最小化應(yīng)急總成本為目標(biāo)，構(gòu)建了灰色規(guī)劃模型，通過加權(quán)和的方法將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題REF_Ref27796\r\h[25]。陸煜泓（2020）針對(duì)新冠疫情出現(xiàn)的醫(yī)療物資供應(yīng)能力與受災(zāi)嚴(yán)重程度不匹配的問題，以運(yùn)輸調(diào)度總時(shí)間最短和成本最低為目標(biāo)，并根據(jù)疫情的發(fā)展?fàn)顩r調(diào)整兩個(gè)目標(biāo)函數(shù)的權(quán)重值REF_Ref27839\r\h[26]。實(shí)際運(yùn)送過程中會(huì)出現(xiàn)因追求配送時(shí)間最短和費(fèi)用最小，導(dǎo)致各需求點(diǎn)物資分配不均的現(xiàn)象。為此，有學(xué)者將分配公平性納入優(yōu)化目標(biāo)。Windener等（2011）針對(duì)災(zāi)后應(yīng)急物資調(diào)度問題，建立了一個(gè)以總成本最低、響應(yīng)時(shí)間最短、災(zāi)民滿意度最大為目標(biāo)的應(yīng)急物資調(diào)度模型REF_Ref27891\r\h[27]。LinYH等（2011）建立了多目標(biāo)的調(diào)度模型，其中優(yōu)化目標(biāo)包括總未滿足需求最小化，所有車輛的總行駛時(shí)間最小和需求點(diǎn)的滿意率差異最小，其中滿意率是指實(shí)際供給量和需求點(diǎn)之間的比率，該比率的差異最小是為了平衡各需求點(diǎn)之間的服務(wù)，實(shí)現(xiàn)公平性REF_Ref27934\r\h[28]。談文靜（2016）從物資分配和車輛路徑優(yōu)化兩個(gè)角度出發(fā)，構(gòu)建了兩階段魯棒優(yōu)化模型，第一階段以需求未滿足率最小化為目標(biāo)，第二階段以物資送達(dá)時(shí)間加權(quán)和最小為目標(biāo)REF_Ref25886\r\h[6]。趙明等（2016）考慮到公平性問題，選擇響應(yīng)時(shí)間最短和缺失損失最小為優(yōu)化目標(biāo)，其中響應(yīng)時(shí)間是以各受災(zāi)點(diǎn)緊迫度為權(quán)重的加權(quán)平均最早響應(yīng)時(shí)間，缺失損失包括所有受災(zāi)點(diǎn)的物資缺失時(shí)間和缺失率REF_Ref28087\r\h[29]。JinchengJ等（2017）考慮到運(yùn)輸時(shí)間、道路通行能力以及物料的供求情況，以最大化運(yùn)輸效率和最小化多災(zāi)害點(diǎn)間物資緊急度差異為優(yōu)化目標(biāo)REF_Ref28133\r\h[30]。苑津莎等（2020）以最大化受災(zāi)點(diǎn)平均滿意度和最小化運(yùn)輸路徑長(zhǎng)度為目標(biāo)，建立了多種物資調(diào)度模型，并采用雙蟻群算法進(jìn)行求解REF_Ref28182\r\h[31]。胡可昊等(2020)以分配公平性最大和運(yùn)輸成本最低為目標(biāo)，建立了鐵路應(yīng)急物資調(diào)度多目標(biāo)優(yōu)化模型，并借助模擬退火算法中的拉伸方法改進(jìn)遺傳算法REF_Ref28267\r\h[32]。王付宇（2021）基于災(zāi)區(qū)的緊急程度，以時(shí)間滿意度最大化、應(yīng)急物資供給公平化和總成本最小化為目標(biāo)構(gòu)建應(yīng)急調(diào)度模型，并將非支配排序思想引入蜂群算法對(duì)模型進(jìn)行求解REF_Ref26539\r\h[15]。上述文獻(xiàn)中，部分采用加權(quán)求和的方法將多目標(biāo)轉(zhuǎn)化為單目標(biāo)非線性規(guī)劃，單權(quán)重參數(shù)的選擇較為依賴主觀決策，唐紅亮等（2020）對(duì)此進(jìn)行了改進(jìn)。文中根據(jù)地震應(yīng)急特點(diǎn)，以時(shí)間周轉(zhuǎn)量最小、物資分配公平性最大和物資運(yùn)送空載率最小為目標(biāo)，建立了無(wú)運(yùn)力約束的應(yīng)急物資調(diào)度優(yōu)化模型REF_Ref28368\r\h[33]。綜上所述，多數(shù)文獻(xiàn)在設(shè)計(jì)應(yīng)急物資配送模型時(shí)，沒有對(duì)受災(zāi)點(diǎn)物資緊急度的差異性進(jìn)行研究分析。而且多數(shù)學(xué)者選擇以地震洪澇災(zāi)害、海上溢油事故等為背景進(jìn)行研究，從保護(hù)災(zāi)點(diǎn)人民群眾的生命財(cái)產(chǎn)安全、降低環(huán)境污染的角度出發(fā)，相比之下，針對(duì)突發(fā)公共衛(wèi)生事故中醫(yī)護(hù)人員的防護(hù)物資配備問題的研究文獻(xiàn)較少。同時(shí)可以發(fā)現(xiàn)，在緊急度評(píng)價(jià)模型的構(gòu)建過程中，很多學(xué)者不再局限于專家的主觀評(píng)價(jià)，而是綜合運(yùn)用客觀賦權(quán)的方法，以提高評(píng)價(jià)的科學(xué)準(zhǔn)確性。在應(yīng)急物資的調(diào)配方面，模型研究經(jīng)歷了從單目標(biāo)向多目標(biāo)，從靜態(tài)調(diào)度向動(dòng)態(tài)調(diào)度，從單一算法向混合算法的發(fā)展過程，并且考慮到人道主義物流，物資的公平合理調(diào)配逐漸成為重要優(yōu)化目標(biāo)之一。但部分文獻(xiàn)是以物資充足為條件的，沒有考慮到突發(fā)事件初期的物資短缺問題。因此，本文在現(xiàn)有研究成果的基礎(chǔ)上，以新冠疫情爆發(fā)初期為背景，結(jié)合城市醫(yī)用防護(hù)物資緊缺、各需求點(diǎn)的物資緊急度存在差異性的情況，提出一套物資緊急度評(píng)價(jià)的指標(biāo)體系，由此構(gòu)建基于物資緊急度的車輛路徑問題模型，以保證防護(hù)物資的公平合理分配、及時(shí)高效運(yùn)輸，并運(yùn)用混合遺傳算法進(jìn)行求解。參考文獻(xiàn)胡曉偉,宋浪,楊濱毓,王健.重大突發(fā)公共衛(wèi)生事件下城市應(yīng)急醫(yī)療物資優(yōu)化調(diào)度研究[J].中國(guó)公路學(xué)報(bào),2020,33(11):55-64.郭瑞鵬.應(yīng)急物資動(dòng)員決策的方法與模型研究[D].北京理工大學(xué),2006.喬洪波.應(yīng)急物資需求分類及需求量研究[D].北京交通大學(xué),2009.周禮勝.基于模糊層次分析法和信息熵的應(yīng)急物資庫(kù)存管理研究[D].中國(guó)科學(xué)技術(shù)大學(xué),2010.FengX,LoparoKA.StochasticStabilityPropertiesofJumpLinearSystems[J].IEEETransactionsonAutomaticControl,1992,37(1):P.38-53.談文靜.不確定條件下考慮需求緊急度的應(yīng)急物資調(diào)度研究[D].重慶大學(xué),2016.SheuJB.Anemergencylogisticsdistributionapproachforquickresponsetourgentreliefdemandindisasters[J].TransportationResearchPartELogistics&TransportationReview,2007,43(6):687-709.何曼.需求點(diǎn)分級(jí)下的應(yīng)急物資車輛調(diào)度路徑優(yōu)化[D].華中科技大學(xué),2011.王婧.不確定條件下應(yīng)急物資多式聯(lián)運(yùn)調(diào)度模型研究[D].華中科技大學(xué),2013.王英,蘇柏林,閆鵬,管延萱,鄧斌,賈麗麗.基于改進(jìn)TOPSIS的受災(zāi)點(diǎn)需求緊迫性分級(jí)研究[J].安全與環(huán)境學(xué)報(bào),2019,19(01):140-146.馮江博.考慮需求緊迫性分級(jí)的應(yīng)急物流選址[D].蘭州交通大學(xué),2020.白雪.面向重大疫情的區(qū)域應(yīng)急物資需求預(yù)測(cè)與調(diào)度[J].物流科技,2020,43(08):87-90.王付宇,湯濤,李艷,王小牛.疫情事件下多災(zāi)點(diǎn)應(yīng)急資源最優(yōu)化配置研究[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué),2021,18(01):53-62.HuH,ChenK,HeJ,etal.Scenario-BasedEmergencyMaterialSchedulingUsingV2XCommunications[J].Electronics,2019,8(6):707.EquiL,GalloG,MarzialeS,etal.Acombinedtransportationandschedulingproblem[J].EuropeanJournalofOperationalResearch,1997,97(1):94-104.?zdamarL,EkinciE,KucukyaziciB.EmergencyLogisticsPlanninginNaturalDisasters[J].AnnalsofOperationsResearch,2004,129:217-245.劉春林,盛昭瀚,何建敏.基于連續(xù)消耗應(yīng)急系統(tǒng)的多出救點(diǎn)選擇問題[J].管理工程學(xué)報(bào),1999(03):19-22.RuanJ,WangX,ShiY.Scenario-BasedAllocatingofReliefMedicalSuppliesforLarge-ScaleDisasters[J].IcicExpressLetters,2013,7(2):471-478.高嘯峰.多配送中心應(yīng)急物資配送車輛調(diào)度模型與算法研究[D].首都師范大學(xué),2011.SunH,GaoZ,WuJ.Abi-levelprogrammingmodelandsolutionalgorithmforthelocationoflogisticsdistributioncenters[J].AppliedMathematicalModelling,2008,32(4):610-616.JoséFernandoCamachoVallejo,EdnaGonzálezRodríguez,FranciscoJavierAlmaguerMartínez,etal.Abi-leveloptimizationmodelforaiddistributionaftertheoccurrenceofadisaster[J].JournalofCleanerProduction,2015,105:134-145.李艷,王付宇,李琰.基于雙層規(guī)劃的應(yīng)急物資調(diào)度模型與算法研究[J].南陽(yáng)理工學(xué)院學(xué)報(bào),2020,12(04):36-42.DanB,ZhuW,LiH,etal.DynamicOptimizationModelandAlgorithmDesignforEmergencyMaterialsDispatch[J].MathematicalProblemsinEngineering,2013,(2013-12-3),2013,2013:1-6.FeihuH,YulongW,BeilongM,etal.EmergencySuppliesResearchonCrossingPointsofTransportNetworkBasedonGeneticAlgorithm[C]//InternationalConferenceonIntelligentTransportation.IEEE,2016.