王付宇， 陳晶晶， 方承武

(1.安徽工業(yè)大學管理科學與工程學院 安徽 馬鞍山 243032;2.安徽工業(yè)大學復(fù)雜系統(tǒng)多學科管理與控制安徽普通高校重點實驗室 安徽 馬鞍山 243002)

0 引言

近年來，全球突發(fā)災(zāi)害事件發(fā)生頻繁，給人們帶來了極大的財產(chǎn)損失和人員傷亡，中國幅員遼闊，地大物博，也一直遭受自然災(zāi)害的威脅。災(zāi)害發(fā)生后，需要快速、有效地將應(yīng)急物資配送到受災(zāi)點，盡可能減少生命和財產(chǎn)損失。由于客觀世界的不確定性，應(yīng)急物資在配送過程中往往會受到很多不確定事件的干擾，使原先的配送計劃受到影響甚至不可行。隨著技術(shù)的進步及人類各方面能力的提高，人們開始采取積極措施降低并消除不確定事件產(chǎn)生的影響，干擾管理由此而來。

根據(jù)Yu和Qi[1]對干擾管理的定義可知，干擾管理需要對各種實際問題和干擾事件的性質(zhì)建立相應(yīng)的優(yōu)化模型和有效的求解方法，快速、及時地給出處理干擾事件的最優(yōu)調(diào)整計劃，該調(diào)整計劃不是針對干擾事件發(fā)生后的狀態(tài)完全徹底地重新建模和優(yōu)化，而是以此狀態(tài)為基礎(chǔ)快速生成對系統(tǒng)擾動最小的調(diào)整方案，雖然也考慮節(jié)省費用，但往往不是費用最省的方案。如何充分利用干擾管理的思想，使得擾動因素對原方案的干擾最小，變得十分重要。所以本文在已有公開文獻的基礎(chǔ)上，以應(yīng)急物資調(diào)度干擾管理問題為主線，對國內(nèi)外災(zāi)后應(yīng)急、應(yīng)急物資需求量預(yù)測、物資需求點分類和應(yīng)急物資調(diào)度干擾管理的研究現(xiàn)狀進行綜述，并結(jié)合未來發(fā)展趨勢提出了相應(yīng)的展望。

1 災(zāi)后應(yīng)急研究現(xiàn)狀

突發(fā)災(zāi)害事件發(fā)生后往往會造成巨大的人員和財產(chǎn)損失，所以災(zāi)后首要任務(wù)就是開展救援工作，國內(nèi)外有很多文獻對如何合理安排災(zāi)后應(yīng)急救援工作進行了研究。Li[2]等人將交通工程理論應(yīng)用于應(yīng)急管理，研究了基于需求隨機且運輸路徑存在風險情況下的應(yīng)急物資調(diào)度問題，在不考慮可靠通道容量約束和需求填充率的前提下，使得總成本最優(yōu)。JIA[3]等人將成本作為應(yīng)急資源調(diào)度過程中的一個重要考慮因素，針對已知物資需求點的需求量和潛在突發(fā)事件下的需求量，提出相應(yīng)的數(shù)學規(guī)劃模型，認為效益和成本與時間和物資數(shù)量有關(guān)。Zhou[4]等人對不確定道路網(wǎng)絡(luò)中多周期動態(tài)應(yīng)急資源調(diào)度問題進行研究，利用基于分解的多目標進化算法框架以及MOEA算法來求解該多目標優(yōu)化模型，并證明了該算法的優(yōu)越性。Sheu[5]在大規(guī)模自然災(zāi)害信息不完全的條件下，提出一種動態(tài)的救災(zāi)需求管理模型，對物資需求、受災(zāi)區(qū)域以及受災(zāi)群體進行預(yù)測、劃分和優(yōu)先級排序。Zhang[6]等人建立了一個模擬現(xiàn)實問題的應(yīng)急資源調(diào)度模型，模型中的所有要素都盡可能接近于實際事件，然后利用自適應(yīng)變異遺傳算法進行求解。Wang[7]等人研究救災(zāi)物資從多庫點緊急調(diào)度到多受災(zāi)點的問題，在物資需求時間不確定的前提下建立可靠性最高和成本最低的優(yōu)化模型，并引入理想點的概念來求解兩個目標函數(shù)。Huang[8]等人以臺灣“垃圾遠離地面”政策為基礎(chǔ)，將垃圾收集問題描述為一個集合覆蓋和車輛路徑問題，提出一種雙層規(guī)劃模型，上層為規(guī)劃所有住宅小區(qū)的采集點，下層為確定收集垃圾所用的最少車輛和最小行駛距離，并設(shè)計改進的蟻群算法進行求解。張志霞[9]等人為了研究大規(guī)模突發(fā)事件中的多目標應(yīng)急物資調(diào)度問題，設(shè)計了一個多目標-兩階段臨時配送中心選址和應(yīng)急物資調(diào)度模型，并引入魯棒優(yōu)化方法來求解。區(qū)別于傳統(tǒng)指派模型，張淑文[10]等人將多類別、多數(shù)量的救援人員以救援隊伍的形式考慮進去，并引入救援隊伍與災(zāi)情相匹配的效用矩陣，提出災(zāi)情優(yōu)先、距離優(yōu)先、兼顧災(zāi)情和距離3種優(yōu)先調(diào)度策略。孫穎[11]等人綜合考慮應(yīng)急物資調(diào)配過程中多路徑配送方式和其他潛在干擾和阻礙，建立非線性混合整數(shù)規(guī)劃模型，使得物資配送時間最小化。繆成[12]等人通過對大規(guī)模公共事件或自然災(zāi)害下的應(yīng)急物資分配問題進行分析，提出一種綜合多貨物、多起止點與多種運輸方式的滿載車輛調(diào)度問題。

災(zāi)害的發(fā)生是不可避免的，而應(yīng)急物資的合理分配是災(zāi)后開展應(yīng)急救援工作的核心，因此國內(nèi)外學者對災(zāi)后應(yīng)急物資運輸分配進行了廣泛的研究。Wang[13]等人針對應(yīng)急物資調(diào)度運輸問題，提出一種二維多目標優(yōu)化模型，并采用救援點分解方法對模型進行降維。在由集散中心-物流中心-受災(zāi)區(qū)域組成的三級應(yīng)急物流系統(tǒng)中，孫昌玖[14]等人通過引入橫向轉(zhuǎn)運協(xié)同調(diào)度方法，結(jié)合物資分配緊迫程度建立物資調(diào)度模型，并設(shè)計帶精英策略的非支配排序的遺傳算法對模型進行求解。李雙琳[15]等人從確定受損路段搶修順序以及交通系統(tǒng)優(yōu)化的角度出發(fā)，建立震后路網(wǎng)搶修排程與應(yīng)急物資配送集成動態(tài)優(yōu)化雙層規(guī)劃模型，設(shè)計穩(wěn)態(tài)遺傳算法進行求解。王莉[16]等人從物資分配的公平性和及時性入手，建立了多目標協(xié)調(diào)優(yōu)化模型，并設(shè)計一種混合智能算法進行求解，求得結(jié)果表明了配送車輛的不足對車輛分配的公平性和物資配送的及時性產(chǎn)生一定影響。王旭坪[17]等人通過將行為研究融入地震應(yīng)急物資供應(yīng)鏈研究中，建立在動態(tài)路況下考慮決策者風險感知的地震應(yīng)急物資調(diào)配決策系統(tǒng)動力模型，研究結(jié)果決策者的心理與行為對突發(fā)事件應(yīng)急響應(yīng)是否高效起到了決定性的作用。王付宇[18]等人對震后傷員運送車輛調(diào)度及路徑優(yōu)化問題進行研究，首先對災(zāi)區(qū)進行救援區(qū)域劃分，然后構(gòu)建以總救援時間最短和相對綜合救援權(quán)重值最大為目標函數(shù)的救援車輛兩階段數(shù)學規(guī)劃模型，最后利用改進后的螢火蟲算法進行求解，并與常規(guī)算法進行比較以證明改進算法的優(yōu)越性。劉長石[19]等人在震后初期災(zāi)區(qū)應(yīng)急物資嚴重短缺的背景下，綜合考慮受災(zāi)群眾的非理性攀比心理與物資分配的公平性與效率等因素，建立應(yīng)急物資分配-運輸?shù)碾p層協(xié)同靜態(tài)優(yōu)化模型。林勇[20]等人針對現(xiàn)有研究的不足，從需求點的角度入手，綜合考慮不同供需情況及物資和運輸車輛種類的不同，建立應(yīng)急保障綜合評價函數(shù)和相應(yīng)的決策模型。

2 考慮物資需求量的應(yīng)急物資調(diào)度研究現(xiàn)狀

在自然災(zāi)害發(fā)生后，足夠的物資儲備在一定程度上可以提高災(zāi)區(qū)的人口存活率，因此，考慮物資需求量預(yù)測的災(zāi)后應(yīng)急物資調(diào)度研究具有重要意義。Xu[21]等人采用經(jīng)驗?zāi)B(tài)分解與自回歸積分移動平均相結(jié)合的混合預(yù)測方法。Sun[22]等人在粗糙集理論框架下考慮兩個領(lǐng)域的應(yīng)急物資需求預(yù)測問題，并在此基礎(chǔ)上建立了兩領(lǐng)域模糊粗糙集模型，用于非常規(guī)突發(fā)事件的應(yīng)急物資需求預(yù)測。張磊[23]從受災(zāi)人口數(shù)量、年齡分布、受災(zāi)人員構(gòu)成以及群眾心理等影響因素入手，結(jié)合災(zāi)區(qū)人口的構(gòu)成特征建立了一個針對飲用水和基于時序變化的救災(zāi)物資需求預(yù)測模型。王循慶[24]利用多案例的分析方案，從5個屬性維度入手，對震后次生災(zāi)害事件的屬性特征進行描述，并在此基礎(chǔ)上與馬爾科夫鏈相結(jié)合建立了Petri模型。趙小檸[25]等人通過運用范例推理理論(CBR)，結(jié)合最近相鄰法和粗糙集理論，給出范例屬性相似度的計算公式，并提出基于范例推理的災(zāi)害性地震應(yīng)急物資需求預(yù)測方法。王蘭英[26]等人構(gòu)建了源案例的特征因素矩陣，提出了基于直覺模糊案例推擠的突發(fā)事件應(yīng)急物資需求預(yù)測模型。

劉德元[27]等人在已有研究的基礎(chǔ)上將3種方法技術(shù)相結(jié)合以尋求與目標案例最佳相似案例，建立物資需求預(yù)測模型解決信息不確定條件下的災(zāi)區(qū)物資需求問題。郭繼東[28]等人利用模糊案例推理技術(shù)，計算出模糊集的隸屬度以及修正測度貼進度對地震應(yīng)急物資需求進行有效預(yù)測。林勇[29]等人從需求和提前期的不確定性角度入手，給出震災(zāi)應(yīng)急物資動態(tài)需求預(yù)測模型。喻慧[30]等人將范例推理理論和基于DB_Index準則的K-means聚類算法相結(jié)合，求得當前范例物資需求量的預(yù)測結(jié)果。根據(jù)空間站不同物資的消耗特點，劉承蘭[31]等人建立了離散類與連續(xù)類物資消耗模型，并對現(xiàn)有預(yù)測方法進行適用性分析。郭子雪[32]等人考慮到災(zāi)害級別、受災(zāi)人口和受災(zāi)面積等因素對應(yīng)急物資需求預(yù)測產(chǎn)生的不確定性影響，構(gòu)建基于三角模糊概念的多元模糊回歸應(yīng)急物資需求預(yù)測模型，并給出相應(yīng)參數(shù)估計方法。任斌[33]等人在已有研究的基礎(chǔ)上，考慮災(zāi)害的階段性動態(tài)發(fā)展狀況，建立了一個需求量可隨突發(fā)事件變化的動態(tài)調(diào)整模型。陳國華[34]等人從任務(wù)規(guī)模、資源狀況以及地域特點等因素入手，建立基于TOPSIS和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。

2.1 考慮物資需求分級的應(yīng)急物資調(diào)度研究現(xiàn)狀

災(zāi)害本身具有很大的不確定性和突發(fā)性，破壞性也極強，災(zāi)區(qū)對物資的需求性也具有很大的模糊性和隨機性，因此考慮物資需求分級對提高應(yīng)急救援效率有很大的幫助。Royero[35]等人設(shè)計了一個動態(tài)評價模型來確定需求點的緊急程度，模型考慮了動態(tài)需求容量限制以及需求點的優(yōu)先級，在實際案例中證明了該動態(tài)模型的可行性。Feng[36]等人在文章中考慮到受災(zāi)點實際情況與受災(zāi)人口特點兩個因素，在此基礎(chǔ)上根據(jù)函數(shù)關(guān)系來對受災(zāi)點需求緊迫性進行量化分級。凌思維[37]等人研究災(zāi)后應(yīng)急醫(yī)療多物資分配問題時考慮需求分級，建立以運輸總距離最小為目標函數(shù)的應(yīng)急醫(yī)療資源配置模型。白冠超[38]從突發(fā)事件的特點及應(yīng)急物資需求具有一定模糊性的角度出發(fā)，建立物資需求分級指標體系。張英慧[39]等人提出了應(yīng)急物資需求動態(tài)分級評判流程，結(jié)合模糊綜合評判法構(gòu)建出應(yīng)急物資需求物元模型。楊江娜[40]針對城市應(yīng)急物流建立應(yīng)急物資需求區(qū)域的風險預(yù)評估模型，給出3種需求區(qū)域等級劃分方法。王婧[41]等人在應(yīng)急資源有限且運輸能力一定時，應(yīng)用模糊綜合評判法對不同應(yīng)急物資給出相應(yīng)的需求緊迫性層級和需求緊迫度值，提高應(yīng)急救援效率。程序芳[42]為了提高應(yīng)急物資運輸?shù)男剩瑢⑽镔Y需求分為兩級，以首次運輸時間及兩次總運輸時間作為雙目標函數(shù)，求得最大滿意值。李紹斌[43]等人通過分析戰(zhàn)場環(huán)境下的物資需求特點，基于層次分析法完成指標重要性排序并建立需求點重要度分級模型。王莉芳[44]根據(jù)不同受災(zāi)點對物資需求緊迫性不同，基于組合賦權(quán)的思想和灰色改進的TOPSIS方法結(jié)構(gòu)建立需求點物資需求緊迫性分級模型。王英[45]等人將熵值法與層次分析法相結(jié)合，并在馬氏距離和灰色關(guān)聯(lián)分析的基礎(chǔ)上改進TOPSIS方法建立物資需求緊迫性模型。姚恩婷[46]等人在相應(yīng)理論基礎(chǔ)上構(gòu)建出基于BP神經(jīng)網(wǎng)絡(luò)的受災(zāi)點需求緊迫性評價指標體系，利用MATLAB軟件進行仿真實驗，最終結(jié)果與熵權(quán)法、灰色關(guān)聯(lián)分析法以及TOPSIS方法相比，證明了該評價方法的合理性與有效性。王之樂[47]等人從多在中、全過程應(yīng)急管理的角度出發(fā)，基于層次分析法的基本原理，利用MATLAB對地震災(zāi)害鏈應(yīng)急物資需求緊迫性進行分級研究。

2.2 研究現(xiàn)狀評述

根據(jù)對相應(yīng)文獻的分析，在應(yīng)急物資需求分級方面進行評述：首先，部分文獻結(jié)合了應(yīng)急物資的性質(zhì)和物資之間的種屬關(guān)系，對應(yīng)急物資的需求種類進行劃分，并確定了應(yīng)急物資需求分級評價指標體系。但目前的各類指標體系還不夠完善，同時也未針對具體的突發(fā)事件所需的應(yīng)急物資進行分析。其次，在對應(yīng)急物資的需求分類上，多數(shù)文獻采用模糊綜合評判法、改進的TOPSIS法等方法，運用智能算法對其進行求解的文章較少。最后，在應(yīng)急物資的運輸方式上，僅采用單一的運輸方式，且未考慮運輸渠道的不穩(wěn)定性。

對應(yīng)急物資需求預(yù)測方面進行評述：目前大部分文獻采用的預(yù)測方法為多元回歸模型預(yù)測法、案例推理預(yù)測法、神經(jīng)網(wǎng)絡(luò)模型預(yù)測法和灰色系統(tǒng)模型預(yù)測法等，單一的預(yù)測方法在某些情況下所得到的結(jié)果并不是十分準確。還有一些采用了混合預(yù)測方法，例如將案例推理和基于DB_Index準則的K-means算法相結(jié)合等方法，這些混合方法可以克服很多傳統(tǒng)方法的缺陷，達到更精確的效果。同時，在文獻分析中，大多數(shù)文獻都只是在靜態(tài)條件下進行預(yù)測，未考慮動態(tài)預(yù)測；大部分文獻都是從需求的角度出發(fā)，對突發(fā)事件初期應(yīng)急物資需求量進行預(yù)測，實際上隨著時間的推移，會對不同物資產(chǎn)生不同的需求；此外，一般突發(fā)事件發(fā)生后，發(fā)生次生災(zāi)害的可能性很大，少有文獻對次生災(zāi)害進行研究。

3 應(yīng)急物資調(diào)度干擾管理研究現(xiàn)狀

3.1 應(yīng)急物資調(diào)度干擾管理模型分析

應(yīng)急物資調(diào)度干擾管理模型分析著重從每個需求點是否僅被單車保障[48]、干擾因素、配送中心、有無時間窗、車輛類型、優(yōu)化目標類型等方面對應(yīng)急物資調(diào)度干擾管理模型的有關(guān)文獻進行分析，因關(guān)于應(yīng)急物資調(diào)度干擾管理方面的文獻數(shù)量有限，所以對物流配送干擾管理相關(guān)文獻也進行了分析。

3.1.1 單目標模型

耗時最短通常是指整個物資配送過程所消耗的時間最短，也是很多干擾管理考慮的首要因素。趙亮[49]等人研究了有時間窗變動和客戶需求量變動的VRPSDP干擾管理問題，構(gòu)建了一個以廣義總偏離費用最小為目標函數(shù)的干擾管理模型。楊文超[50]等人對物流配送過程中因顧客更改配送時間和行駛時間延遲而導(dǎo)致的配送計劃需要更改甚至無法實現(xiàn)的難題進行研究，建立以顧客時間窗違反量、車輛總行駛時間和增配新車的準備時間三者之和最小為目標函數(shù)的干擾管理模型。

費用最少通?？紤]每公里的行駛成本和增派車輛的啟動成本，盡可能地減少運輸費用。Li[51]等人針對配送過程中車輛發(fā)生故障的問題，在隨機理論優(yōu)化配送方案的基礎(chǔ)上，建立以運行成本、調(diào)度干擾成本、行程取消成本和延遲懲罰成本的總和最小化為目標函數(shù)的運算模型。

3.1.2 多目標模型

除耗時最短、成本最低之外，一些文獻還考慮了路線最短、時間偏離程度最小等影響因素，共同構(gòu)成了多目標模型。在多目標模型中，絕大部分都利用了權(quán)重系數(shù)加權(quán)求和的方式將多目標問題轉(zhuǎn)化為單目標問題以方便求解。這種方法雖然簡單，但是如果多個目標之間的關(guān)聯(lián)度較大的情況下，會使得求得解的質(zhì)量不高。少部分文獻會采用直接求Pareto最優(yōu)解的方法得到Pareto最優(yōu)解集，雖然解的質(zhì)量可以得到很好保證但是求解難度普遍較大。還有少量文獻采用分層求解的方法，即在滿足第一層優(yōu)化目標的前提下使得第二層目標盡可能達到最優(yōu)狀態(tài)，但是這種方法對應(yīng)用場景有一定要求，適用性不廣。

阮俊虎[52]等人對物資運輸提出用直升機和車輛聯(lián)合運送的方法，對后期物資中轉(zhuǎn)點可能會發(fā)生變化這類干擾問題，從物資到達時間、聯(lián)運路線和使用運力3方面進行擾動度量。楊華龍[53]等人建立了以成本最低為目標函數(shù)的初始配送方案，當客戶臨時變更收貨時間窗時，對初始配送方案進行調(diào)整，建立以廣義總費用偏離最小為目標的干擾管理模型，使得干擾對原方案造成的擾動最小。王旭坪[54]等人針對取貨客戶點需求變動的VRPB問題，對實際VPRB問題中的干擾進行辨識和分析，度量干擾對整個系統(tǒng)的擾動，并提出虛擬任務(wù)點的概念，使得求出的結(jié)果與實際情況相符。王征[55]等人從行駛時間延遲作為干擾因素的角度入手，將人類的調(diào)度經(jīng)驗形式轉(zhuǎn)化為一系列“救援模式”，以顧客時間窗偏離程度最小化和配送成本最小化為目標建立干擾問題的數(shù)學模型。王旭坪、楊德禮[56]等人通過分析干擾對主體的影響，提出增派、鄰近和取消3種擾動恢復(fù)策略并建立相應(yīng)的干擾管理模型來解決由于顧客需求變動所引發(fā)的物流配送干擾問題。Wang[57]等人定量評估新增需求點產(chǎn)生的干擾，確定了從堆場出發(fā)的運輸車輛的最優(yōu)啟動時間，為存在干擾的VRPTW提供了一種新的救援策略。張帆[58]等人從干擾管理的視角對帶顧客時間窗和維修需求變動的車輛維修干擾恢復(fù)問題進行研究，構(gòu)建帶有顧客時間窗和維修需求量變動的干擾管理模型及其求解方法。Zhang[59]等人在車輛路徑規(guī)劃中引入干擾管理思想，對延遲問題建立了衡量原問題目標和時間窗偏離的多目標模型，并綜合考慮調(diào)整計劃與原計劃的偏差。

3.1.3 考慮需求滿意度和災(zāi)民滿意度的模型

在應(yīng)急物資調(diào)度干擾管理問題的研究上，需求滿意度以及災(zāi)民滿意度是個很重要的指標，下面的文獻里都將其考慮進目標函數(shù)里。

丁秋雷[60]分析客戶時間窗變化對客戶、物流配送運營商和配送業(yè)務(wù)員等受擾主體的影響，提出基于行為的擾動度量方法，并構(gòu)建了以客戶時間窗變化為干擾因素的字典序多目標干擾管理模型。劉長石[61]等人研究震后初期應(yīng)急物資配送定位-路徑問題(LRP)中的干擾管理問題，結(jié)合人的行為科學，從災(zāi)民需求、應(yīng)急決策部門和應(yīng)急物流執(zhí)行者3個方面對干擾事件進行分析，以系統(tǒng)擾動最小為目標構(gòu)建一個字典序干擾管理模型。朱洪利[62]等人從應(yīng)急物資需求會產(chǎn)生動態(tài)變化的特點入手，建立兩階段救援物資調(diào)度模型。第一階段為災(zāi)害發(fā)生前的應(yīng)急救援集散中心選擇分配模型，第二階段為災(zāi)害發(fā)生并產(chǎn)生擾動時的應(yīng)急救援調(diào)度-重調(diào)度多目標優(yōu)化模型，并將需求點滿意度和救援的公平性作為約束條件。

卜心怡[63]等人對客戶更改配送地點這一問題，將新出現(xiàn)的客戶進行分類，從3個主體對事件的干擾進行度量，使得客戶不滿意度、成本和路徑偏離最小，并要求每個客戶只能被一輛車服務(wù)。丁秋雷[64]等人將前景理論應(yīng)用到物流配送干擾管理當中，提出基于前景理論的擾動度量方法，并建立了相應(yīng)的數(shù)學模型和求解方法。任向陽[65]等人從車輛故障的干擾管理角度入手，在考慮配送活動各參與主體行為感知因素的前提下，建立各配送主體感知的救援車輛調(diào)度模型，分析車輛調(diào)度計劃受到的影響。曹慶奎[66]等人為了使物流企業(yè)中資源能夠有效地分配到客戶手中，綜合考慮不同客戶的價值，以干擾事件對3個主體的擾動最小為目標建立了考慮客戶價值的干擾管理模型。閆卓男[67]等人從突發(fā)性自然災(zāi)害可能導(dǎo)致的問題入手，將干擾因素分為時間窗變化、需求變化和配送運力變化3類；從災(zāi)民、路網(wǎng)及政府3個角度分析干擾事件造成的影響并進行量化，建立字典序多目標干擾管理模型。王征[68]等人對多車場帶時間窗的物流配送車輛路徑問題進行研究，以顧客時間窗變化這類干擾事件發(fā)生時的問題狀態(tài)為基礎(chǔ)，以系統(tǒng)整體擾動最小化為目標，建立問題的目標規(guī)劃數(shù)學模型。王旭坪[69]等人針對帶時間窗車輛路徑問題(VRPTW)中遇到的需求擾動和時間窗的變化，根據(jù)目標優(yōu)先級的不同,采取字典序目標規(guī)劃構(gòu)建了包括客戶滿意度、路徑偏離程度和成本偏離程度的多目標函數(shù)。胡祥培[70]等人從3個行為主體及其利益角度對系統(tǒng)擾動進行度量，構(gòu)建物流配送干擾管理多目標優(yōu)化模型，提出客戶不滿意度、配送成本偏離和路徑偏離3個擾動函數(shù)，在局部優(yōu)化調(diào)整之后得出新的運輸方案。

3.2 應(yīng)急物資調(diào)度干擾管理模型優(yōu)化算法分析

模型優(yōu)化算法分析主要是將應(yīng)急物資調(diào)度干擾管理模型所采用的優(yōu)化方法進行梳理，著重從優(yōu)化目標數(shù)、優(yōu)化方法、結(jié)果形式和有無對比實驗等方面進行歸納總結(jié)。

3.2.1 啟發(fā)式算法

啟發(fā)式算法到現(xiàn)今為止仍然是研究熱點，楊文超[50]等人通過分析顧客時間窗變化干擾下的物流配送問題，在考慮模型的復(fù)雜性之后提出了基于知識的啟發(fā)式算法對模型進行求解，并在標準算例上與文獻算法進行比較分析，驗證該算法的優(yōu)越性。王旭坪[54]等人提出基于兩種策略的啟發(fā)式算法來求解干擾問題，先提出鄰近策略，根據(jù)容量原則和距離原則，使用已派出的車輛在適當?shù)奈恢酶淖冊新肪€去為新的客戶點服務(wù)然后繼續(xù)服務(wù)原路徑上的其他客戶。當臨近策略不可行時，再利用增派策略對其進行補救，最后用數(shù)據(jù)驗證了模型和方案的可行性。應(yīng)急物資配送車輛調(diào)度干擾管理問題中被廣泛應(yīng)用的啟發(fā)式算法主要包含遺傳算法[67]、粒子群算法、蟻群算法[68]等。

(1)遺傳算法

阮俊虎[52]等人設(shè)計了針對中轉(zhuǎn)點變化的應(yīng)急醫(yī)療物資聯(lián)合運送干擾模型的改進遺傳算法。在車輛運輸優(yōu)化方面，對基于客戶的編碼方式進行改進，提出一種新的染色體編碼。在種群初始化方面，設(shè)計了基于簡化策略的種群初始化方法。卜心怡[63]等人設(shè)計了改進的遺傳算法對干擾模型進行求解，將初始化種群中加入一定比例的初始最優(yōu)路徑，使得求解結(jié)果更傾向于最初派送路線。王旭坪、楊德禮[56]等人基于干擾管理模型的特點設(shè)計了改進的遺傳算法。相對于重新調(diào)度結(jié)果, 經(jīng)過干擾管理優(yōu)化此次配送任務(wù)的配送里程費用雖略差, 但是路徑偏離、顧客服務(wù)時間偏離和車輛數(shù)都較大幅度減少, 收斂更為迅速。閆卓男[67]等人通過改進的遺傳算法對多目標干擾管理模型進行求解，并通過仿真實驗驗證模型和算法的有效性和優(yōu)越性。張帆[58]等人提出改進的遺傳算法對帶顧客時間窗和維修需求變動的車輛維修干擾恢復(fù)問題進行求解，然后通過數(shù)值算例驗證該模型及算法能夠有效均衡顧客服務(wù)時間偏離、維修流程偏離、成本費用增加等多方面的目標。王旭坪[69]等人通過分析干擾模型的特點，設(shè)計了基于改進顧客編碼方式的遺傳算法，在種群初始化時采用5種方法平均操作，充分利用原方案路線，保證初始種群的多樣性也使得調(diào)整方案與原計劃偏離最小。

(2)粒子群算法

任向陽[65]等人為降低車輛調(diào)度計劃中干擾事件對配送系統(tǒng)中各參與主體的影響，設(shè)計了基于免疫算法的粒子群優(yōu)化算法。在初始化的過程中以記憶細胞的工作原理，對父代種群進行篩選，同時采取自適應(yīng)的方式來提取疫苗信息。曹慶奎[66]等人為解決考慮不同價值情況下的物流配送問題，設(shè)計了改進的粒子群優(yōu)化算法，依據(jù)父種的適應(yīng)度值來控制接種點位置，并通過數(shù)據(jù)實驗表明干擾管理過程中考慮客戶價值的現(xiàn)實意義。

(3)蟻群算法

丁秋雷[60-64]等人綜合考慮干擾事件對整個物流配送系統(tǒng)的影響，提出改進的蟻群算法——混合蟻群算法，對干擾管理模型進行求解。采用將確定性選擇與隨機性選擇相結(jié)合并吸收最值螞蟻算法思想的方法對信息素進行調(diào)整，同時使用最優(yōu)個體交叉及變異策略來防止陷入局部最優(yōu)，改善搜索結(jié)果。除此之外還采用目標節(jié)點選擇策略，并集成節(jié)約法與交換法兩種優(yōu)化算法來提高搜索速度。劉長石[61]等人為有效處理干擾事件，加快配送效率，設(shè)計了鄰近策略與增派策略兩種處理策略，根據(jù)干擾事件特性與干擾模型的特點，提出一種混合蟻群算法對干擾模型進行求解。

(4)其他算法

趙亮[49]等人利用禁忌搜索算法來解決客戶配送要求變動和時間窗變動對VRPSDP方案造成的干擾問題，相較于傳統(tǒng)的增派車輛和全局重調(diào)度方案，干擾管理方案效率更高且提高了客戶滿意度，從而保證了整體利益。楊華龍[53]等人對于時間窗變動產(chǎn)生的干擾設(shè)計了快速高效的禁忌搜索算法，采用Relocate操作生成鄰域，從而快速產(chǎn)生滿意的調(diào)整方案；通過對不同價值貨物的敏感性分析，驗證了模型和算法的廣泛適用性；此外，與全局重調(diào)度方法相比較時，雖然干擾管理方法在成本上略高，但在時間和路徑上有顯著優(yōu)化，且計算時間更短，證明該了方法的優(yōu)越性。胡祥培[70]等人首先利用遺傳算法得到初始方案的最優(yōu)解，再根據(jù)模型自身特點設(shè)計能夠融合多種鄰域函數(shù)的禁忌算法，最后通過算例分析，使得到的結(jié)果與重調(diào)度方案進行對比，證明該模型與算法更能平衡物流配送系統(tǒng)各個行為主體之間的利益，得到的結(jié)果更科學。Wang[57]等人建立了一個通用的可處理多種干擾事件及多種組合干擾事件的干擾恢復(fù)模型，并設(shè)計了嵌套分區(qū)算法(NPM)求解該模型，通過對比實驗結(jié)果驗證了算法與模型的優(yōu)越性和可行性。王征[68]等人在考慮初始路徑計劃、干擾發(fā)生時的問題狀態(tài)以及各方利益的基礎(chǔ)上，提出變鄰域搜索算法，采用3-opt的方法進行局部搜索，最后用實驗數(shù)據(jù)證明了變鄰域搜索算法與模型的可行性和實用性。Li[51]等人提出基于拉格朗日的松弛算法，求解由它車進行援救的策略，并設(shè)計重調(diào)度的決策支持系統(tǒng)。

3.2.2 多階段及混合算法

朱洪利[62]等人提出兩階段應(yīng)急資源調(diào)度模型，第一階段采用分支定界算法來求解應(yīng)急物資集散中心選擇模型，然后采用帶有精英策略的快速非支配排序遺傳算法對第二階段構(gòu)建的多目標模型進行求解，算例實驗結(jié)果表明算法可以得到滿意的Pareto前沿。王征[55]等人提出路線列舉和路線選擇的方法對行駛時間延遲下的配送車輛調(diào)度干擾問題進行求解。實驗表明，該兩階段算法能夠快速生成干擾處理方法，大大提高了顧客滿意度，配送服務(wù)的質(zhì)量在車輛行駛時間延遲的干擾下得到了有效的保障。Zhang[59]等人針對多目標模型，設(shè)計了一種將蟻群算法與離散搜索算法相結(jié)合的混合算法，在散點搜索框架內(nèi)，除了局部更新和全局更新外，還使用了一個臨時規(guī)則來更新常用的信息素值。

3.3 研究現(xiàn)狀評述

(1)對干擾管理模型方面進行評述：大部分文獻在建模時都只考慮了單配送中心、單種運輸方式配送同質(zhì)物資的情況，實際情況下突發(fā)災(zāi)害事件發(fā)生后，會存在多個應(yīng)急物資配送中心、多種運輸方式配送不同質(zhì)物資以第一時間滿足災(zāi)民需求。另外多數(shù)文獻的研究都集中在某一個因素變動所引起的干擾，不符合實際，現(xiàn)實的應(yīng)急物資配送過程中存在著多因素同時發(fā)生變動的情況。部分文獻研究了需求量變動所引起的干擾，但都是僅僅針對單個需求點變動的情況，與實際情況不符。應(yīng)急物資配送系統(tǒng)非常復(fù)雜，有很多主體參與，不同主體對同一類擾動會有不同的反應(yīng)及行為，大部分干擾管理文獻僅僅考慮了3類主體，實際中并不止3類主體參與其中，與實際不符。

(2)對干擾管理優(yōu)化算法方面進行評述：干擾管理是多目標多約束問題，涉及情況復(fù)雜，在應(yīng)急物資配送過程中會發(fā)生很多難以預(yù)測的干擾問題，僅利用現(xiàn)有的優(yōu)化算法很難在規(guī)定時間內(nèi)得出理想結(jié)果，且在優(yōu)化過程中容易陷入局部最優(yōu)?，F(xiàn)有文獻絕大部分都是采用遺傳算法、蟻群算法、粒子群算法等啟發(fā)式算法來解決應(yīng)急物資調(diào)度干擾管理問題，很少有學者對新興算法進行研究。對算法進行數(shù)據(jù)驗證時，很難得到大量實際調(diào)度數(shù)據(jù)，因此很多文獻的數(shù)據(jù)驗證都是模擬假設(shè)，缺乏真實性，只是在理論層面上對模型和算法進行有效性驗證。

本文結(jié)合上述應(yīng)物資調(diào)度的特點，繪制研究框架如圖1所示。

圖1 應(yīng)急物資調(diào)度研究框架

4 研究展望

通過對國內(nèi)外文獻的分析，在考慮物資需求量的應(yīng)急物資干擾管理研究方面，還存在著以下幾個方面的改進及展望：

(1)應(yīng)急物資預(yù)測方面。不同時間狀態(tài)下的物資需求量是不同的，因此下一步可以研究不同時間狀態(tài)下的物資需求，此外，還可以對突發(fā)事件的次生災(zāi)害進行物資需求預(yù)測的相關(guān)研究。除了單一的預(yù)測方法之外，少部分文獻采用了混合預(yù)測方法，這些混合方法可以克服很多傳統(tǒng)方法的缺陷，達到更精確的效果，未來可以在這方面做深入研究。

(2)應(yīng)急物資需求分類、需求量分級方面。首先對應(yīng)急物資需求分級的指標進一步細化，完善指標體系，并對具體的突發(fā)事件類型和所需的應(yīng)急物資進行分析，構(gòu)建出適用于不同類型突發(fā)事件的評價模型；其次未來在更深入的研究中可以讓評判方法與多種啟發(fā)式算法或智能優(yōu)化算法相結(jié)合，并對應(yīng)急物資進行需求分類和需求量分級；最后，在后期的研究中，可以考慮物資運輸過程中道路容量的可變性以及多種運輸方式。

(3)干擾管理方面。干擾管理模型方面。目前的干擾管理模型大多集中在某一個影響因素變動所進行的擾動分析，未來可以綜合考慮多因素同時變動對應(yīng)急物資調(diào)度產(chǎn)生的干擾。另外，將人的行為因素和利益追求與干擾管理相結(jié)合也是一個值得研究的問題。絕大部分的文獻都是在單配送中心、單種運輸方式配送同質(zhì)物資的情況下對干擾問題進行研究，未來的研究可以拓展到多配送中心、多種運輸方式配送不同質(zhì)物資的情況下進行?，F(xiàn)有的干擾管理文獻僅有一小部分是研究關(guān)于突發(fā)災(zāi)害事件后的應(yīng)急物資調(diào)度干擾管理，未來可以加強對突發(fā)災(zāi)害事件后的應(yīng)急物資干擾管理方面的研究。

干擾管理優(yōu)化算法方面。隨著信息技術(shù)的快速發(fā)展，很多新興算法出現(xiàn)，如隨機蛙跳搜索算法、細菌覓食算法、蝙蝠算法等，這些算法已經(jīng)在各種問題中證明了其有效性及效率，將這些新興算法與現(xiàn)有算法相結(jié)合形成的混合算法，在應(yīng)急物資調(diào)度干擾管理問題上具有十分廣闊的前景。在數(shù)據(jù)的收集與處理方面，要規(guī)范其收集與處理方式，使未來研究中的測試數(shù)據(jù)盡可能全部使用真實數(shù)據(jù)，讓研究更具有實踐性意義。

5 結(jié)語

本文對相關(guān)文獻進行了回顧與整理，總結(jié)了災(zāi)后應(yīng)急、物資需求量預(yù)測、物資需求點分類及需求量分級和應(yīng)急物資調(diào)度干擾管理的研究現(xiàn)狀，梳理了關(guān)于需求變動及其他因素變動的應(yīng)急物資調(diào)度干擾管理所構(gòu)建的模型及其優(yōu)化算法，并分析了上述各方面研究現(xiàn)狀所存在的問題，針對存在的問題提出了相應(yīng)的改進建議，整理出相應(yīng)研究框架，在框架基礎(chǔ)上建立了初始調(diào)度模型，運用算例證明了模型的可行性。

本文的研究內(nèi)容為考慮需求的應(yīng)急物資調(diào)度干擾管理研究綜述，即在物資需求量或者需求點發(fā)生變化而產(chǎn)生干擾時，對初始方案進行局部優(yōu)化調(diào)整，實時生成對系統(tǒng)擾動最小的調(diào)整方案，同時也分析了其他因素變動下的應(yīng)急物資干擾管理問題。重點對干擾管理相關(guān)文獻的模型和優(yōu)化算法進行了整理，通過對模型的整理，發(fā)現(xiàn)了干擾管理問題被廣泛考慮的優(yōu)化目標、約束條件和干擾因素，在對優(yōu)化算法的分析中，整理出不同問題下的所應(yīng)用的優(yōu)化方法。

當前應(yīng)急物資調(diào)度干擾問題的研究在一定程度上提高了救援的準確性和效率，但模型的復(fù)雜程度和優(yōu)化求解速度之間仍存在矛盾，需要進一步深入研究。隨著信息技術(shù)的發(fā)展，應(yīng)急物資調(diào)度干擾管理研究也將取得更大的成果，在災(zāi)害救援的過程中發(fā)揮出更好的作用。