模糊供求条件下应急物资动态调度决策研究

王海军，王 婧，马士华，杜丽敬

（1.华中科技大学管理学院，湖北武汉430074；2.安徽农业大学信息与计算机学院，安徽合肥230036）

模糊供求条件下应急物资动态调度决策研究

王海军1，王 婧2，马士华1，杜丽敬1

（1.华中科技大学管理学院，湖北武汉430074；2.安徽农业大学信息与计算机学院，安徽合肥230036）

围绕大规模突发事件应急的特点，在供应点、集配中心到需求点的三级供应网络的基础上，研究了模糊供求条件下的多模式联合调运的应急物资动态调度问题。首先建立了在需求满足率最大化的基础上，以总运输时间和应急成本为目标的带序关系的多目标非线性规划模型。考虑供大于求和供不应求两种供求关系，对于供不应求的物资，下一周期将优先配给。另外，采用最可能值法确定模糊数的权重和置信水平，采用平均权重法将三角模糊数转化为确定值，给出了去模糊化的策略和具体算法。通过决策者对运输时间和应急成本的动态赋权，提高了模型的柔性。最后以汶川地震为背景，设计仿真实例，验证了模型和算法的有效性。

模糊供求；三级网络结构；多种运输方式；动态调度

1 引言

突发公共事件，尤其是大规模突发事件的越来越频繁发生不断引起国内外学者对应急管理的关注。在应急管理中应急物资的有效保障是决定其成败的关键因素之一［1］。政府要科学有序快速的开展救济运作，减轻损失，就必须全面统筹、科学决策应急物资的调度过程。应急物资调度问题主要包含应急出救点的确定、路径安排、运输量及运输方式确定，是应急物资保障决策的核心问题。

现有文献关于应急物资调度问题的研究主要包括应急出救点选择、应急物资分配、应急车辆调度和应急路径选择四个方面。

（1）应急出救点选择问题。刘春林和何建敏等［2-5］开始的较早，以“时间最短”、“出救点最少”为目标或目标组合，建立了各种连续或离散情形的单目标、两目标、两阶段模型，多用模糊规划方法求解。但这些模型主要研究的是多出救点对单一需求点问题。

（2）应急物资分配问题。Knott［6］研究了应急系统中从一个流通中心向多个难民营运输散装食品的分配问题，以运输成本最小和食品的分配量最大为目标建立了一个线性规划模型。Ray［7］研究了单商品、多周期的应急物资分配问题，考虑了运力约束，以运输成本与缺货成本之和最小为目标建立线性规划模型。Rathi等［8］研究了应急条件下多物资的供应问题，建立了三个线性规划模型，文章假设在每一个源点终点对上的每条路径的供应量是已知的，以期在给定的路线上实现有限的车辆装载多种物资，最小化无效传递的惩罚。Brown等［9］利用优化方法、模拟技术和决策者的判断力，针对灾害应急救济资源的分配和调度提出了一个综合的实时决策支持系统。Fiedrich等［10］考虑了时间、资源的数量和质量有限情况下，如何有效利用资源提高救援效果，建立了地震后向多个受灾点分配和运输资源的最优计划模型，强震后初始搜救期的伤亡人数最小为目标。Vitoriano等［11］利用目标规划方法，提出了人道救援配送问题的多规则，包括：成本、响应时间、公平性、优先性、可靠性、安全性，建立了多规则优化模型。Sheu［12］以受灾地区分组和灾难救济联合配送为基础设计模糊多目标模型，实现应急物资有效配送，关注总体配送系统的有效性和公平性，防止忽视在现实环境中一些关键但难以到达的地区。Tzeng等［13］以总成本最小化、总运行时间最小化和最小满意率最大化为目标建立应急物资配送系统的多目标模型。但这两篇文献的模型只考虑确定型条件和单一运输方式。唐伟勤等［14］将应急物资分为耐用品和快速消费品两类，并提出了针对快速消费品的分阶段调度模型。考虑了多个应急物资供应点对单个应急物资的存放中心的多对一的情形，以运输成本和采购成本为目标建立了0-1混合整数规划模型。并设计了多项式算法。

（3）应急车辆调度。Hwang［15］以朝鲜饥荒援助问题为例，研究了援助粮食的库存分配和配送路径规划问题。Balcik等［16］研究了从区域流通中心向受灾点的救援物资供应问题，以总成本（包括运输成本和未满足需求的惩罚成本）最小化为目标，建立混合整数规划模型，确定物资分配和运输车辆计划。Barbarosoglu等［17］提出了灾难救济运作中直升机使命计划的分层决策数学模型。分成战术层和战略层的两层规划交互决策。飞机运作路径和装载量在战术层决策。通过层与层之间的协调迭代保证两层之间信息的一致性。Özdamar等［18］研究了自然灾害发生后，多种应急物资分配和应急车辆调度问题，以所有应急物资的未满足需求之和最小为目标建立模型，并进行了求解。

（4）应急路径选择问题。曾敏刚等［19］在假设各个需求点的精确受灾数据可以预测的前提下，集成研究了灾后应急服务设施中心选址和运输路径选择问题。建立了以总成本（包括应急服务设施点建设成本，运输成本和灾害损失成本）最小为目标的LRP模型。Yuan Yuan等［20］针对应急物流管理中路径选择问题提出了两个数学模型。第一个模型考虑了路径旅行速度受到灾难扩展的影响，以最小化总旅行时间为目标，每个弧的旅行速度是关于时间连续的减函数，利用修改的Dijkstra算法对模型进行了求解。在第一个模型的基础上，提出了应急路径选择的多目标模型，以最小化总旅行时间和路径复杂度为目标。Jotshi等［21］利用数据融合技术研究了医用车辆的派遣和路径问题，考虑灾害对通行路况的影响。

以上文献虽然从不同的侧重点研究了应急物资调度问题，但是针对大规模突发事件的研究少见，而且大多为确定型模型和静态模型，少有研究不确定情形下的动态模型。

大规模突发事件是造成受灾面积大、受灾人口多、经济损失大、应急物资需求量大、应急需求点多、持续时间较长的公共突发事件［22］。大规模突发事件具有破坏性强、受灾面积广、经济损失大的特点。这些特点决定面向大规模突发事件的应急物资调度问题与面向一般规模的突发事件（不会波及其他地区，影响范围较小）的应急物资调度问题存在很大差异。首先，大规模应急物资调度对应急响应时间提出了更高要求。以往单纯以成本为目标的模型不能适用于应急的背景；其次，由于灾难发生的突发性、不确定性、极大的破坏性导致应急物资配送的道路交通条件的不确定；信息的不完全或者不可得，使得供应点和应急物资集配中心的总供应量常常是模糊的；灾后灾区的受灾程度、伤亡人数等信息难以第一时间获得，导致应急物资需求量的不确定性。研究应急物资调度问题时需要考虑这些不确定因素；再次，大规模灾难对物资需求的紧迫性和大量性，导致单一出救点或者单一运输模式无法满足灾后应急响应的需求，需要考虑多个出救点多种运输方式（如空运、铁路、水运和公路）联合运输的情况；最后，在应急状态下，供应点筹集到的物资种类多、数量大，而需求点地域分散、个数多，而且各需求点需要的物资的种类和数量不一，这使得传统的从供应点直送需求点的网络模式不适用，需要在受灾点较近的地点建立应急物资集配中心（以下简称“集配中心”），实现应急物资的汇集再分类分配以及运输模式的转换。

本文充分考虑大规模突发事件应急的特点，研究供应点、集配中心到需求点的三级供应网络上，物资供应量和需求量都为模糊数时，应急物资的动态调度问题。建立了多模式联合调运的带有序关系的多目标非线性规划模型。在最大化需求满足率的前提下，以时间最小化和成本最小化为目标。考虑到不同应急响应阶段，决策者对时间和成本的关注程度的不同，采用决策者动态赋予权重的方法，并利用加权和方法将模型从多目标转化为单目标，使模型和方法兼具决策的柔性和决策的科学性，而且决策方案也更加合理。

2 模型

2.1 问题描述

大规模突发事件因其影响范围广泛、影响强度大、需要的物资种类多，就近的应急物资储备库难以满足应急物资的需求，需要跨区域调度物资，而且需要多种运输模式以满足救济的快速响应性，此时应急物资调度问题的网络结构应为如图1所示的三级网络结构。

图1 应急物资调度三级网络拓扑图

配送网络系统中有I个应急供应点，i是索引；L个集配中心，l是索引；J个应急需求点，j是索引。V表示物资配送的模式数，v是索引；K表示应急物资的种类，k是索引。集配中心一般选择建立在离受灾点较近的交通便利的大城市的大型港口、大型机场或者火车站附近，以便实现海、陆、空等不同运输方式的转换，同时兼具了物资汇集再分配分发的功能。T表示应急物资配送周期数，t是索引，t=｛1，2，…，T｝；dvil表示运输模式v下，物资从供应点到集配中心l的最短路径里程；dvlj表示运输模式v下，从集配中心l到物资需求点j的最短路径里程；Tvil（t）表示在周期t模式v下从物资供应点i到集配中心l的路径旅行时间；Tvlj（t）表示在周期t模式v下从集配中心l到物资需求点j的路径旅行时间。它们可以利用GIS、中国电子地图以及dijkstra算法等成熟方法获得。Rvil（t）表示在周期t模式v下从物资供应点i到集配中心l的路线是否有配送发生，是一个0-1变量；Rvlj（t）表示在周期t模式v下从物资集配中心l到需求点l的路线是否有配送发生，是一个0-1变量；Ckv表示模式v下单位应急物资k的运输成本；CEkl表示单位物资k在集配中心l进行转运的转运成本。Pki表示在供应点i采购k物资的单位采购成本；Pkl表示在集配中心l采购k物资的单位采购成本。

模糊参数有三个：供应点i在配送周期t初外生筹集的应急物资的模糊数量为~Eki（t），即供应点i在t-1周期内外生筹集到的应急物资k的数量；集配中心l在周期t初外生筹集的应急物资k的数量为~ESkl（t），即集配中心l在t-1周期内外生筹集到的应急物资量；~DMkj（t）表示需求点j第t周期新生预测的模糊需求量。

中间变量有三个：~EMki（t）表示应急物资供应点i在配送周期t初实际可供应的应急物资k的模糊数量；~ESMkl（t）表示集配中心l在周期t初实际可供应的应急物资k的模糊数量；~Dkj（t）表示应急物资需求点j在配送周期t初对应急物资k的实际模糊需求量。这三个变量都是模糊数。

决策变量有两个：Yvil（t）表示模式v下应急供应点i到集配中心l，在配送周期t内运输的应急物资k配送量；Xvklj（t）表示模式v下集配中心l到应急需求点j运输的应急物资k配送量。

决策的目标是确定从供应点到集配中心的配送物资类型、配送量和运输方式，以及从集配中心到需求点的配送物资类型、配送量和运输方式，以期在尽可能大的满足每种物资的需求的前提下，实现运输时间和应急成本的均衡。

2.2 模型建立

为了便于模型建立，作如下假设：（1）每种运输模式下，仅有一种交通工具，且具有同质性；（2）政府能够通过已有储备或征集等方式使各个供应点以及集配中心有充足的交通工具来完成每周期的运输任务；（3）从供应点运到集配中心的应急物资必须全部转运到需求点；（4）上一周期未满足的需求量，在下一周期优先满足。根据以上问题描述，可建立如下多目标模型：

目标式（1）表示最小化应急运输时间。式中的两部分分别表示所有从供应点到集配中心的物资配送实际发生的总运输时间和从集配中心到需求点的物资配送实际发生的总运输时间。（t）和（t）表示从供应点到集配中心、从集配中心到需求点的路径是否有物资运送，分别由式（8）和（9）计算得到。当出发点与需求点之间的物资配送量为零时，即两地间没有发生配送，此时（t）为零；当出发地与需求点之间的物资配送量大于零时，即两地间有实际的配送过程，此时（t）为一。

目标式（2）表示最小化应急总成本，包括采购成本、运输成本和转运成本。采购成本与单位物资的采购单价成线性关系，运输成本与运输里程和运输单价成线性关系；转运成本与单位物资转运成本成线性关系。

目标式（3）表示每周期使每一物资在所有需求点的总需求满足率最大化。本模型是在目标式（3）的目标值最大化的前提下，再求运输时间和应急成本的最小化。目标式（3）作为第一优先满足目标。

式（4）表示各周期各应急供应点流出的物资量应不大于其可供应量；式（5）表示各周期各集配中心的可用物资量应大于等于该集配中心的物资流出量；式（6）表示各个周期从应急供应点运到集配中心的物资必须全部转运到需求点。式（7）表示各周期流入物资需求点的物资量应不超过该点需求量。

式（10）用来动态更新各周期供应点实际可供应的应急物资量。该式表示第一周期，供应点实际可供应的应急物资量为第一周期外生筹集量；在完成第一周期的配送后，从第二周期开始，供应点实际可供应的应急物资量包括上一周期中未配送遗留下来的物资和本周期外生筹集的物资。式（11）用来动态更新各周期集配中心实际可供应的应急物资量。该式表示第一周期集配中心实际可供应的应急物资量，为第一周期集配中心外生筹集量和第一周期供应点配送到集配中心的物资量；在完成第一周期的配送后，从第二周期开始，集配中心实际可供应的应急物资量包括上一周期中未配送遗留下来的物资、本周期从供应点配送到集配中心的物资和本周期外生筹集的物资。式（12）用来动态更新各周期需求点实际的应急物资需求量。该式表示第一周期，需求点实际需求的应急物资量为第一周期新生预测的应急物资量；在完成第一周期的配送后，从第二周期开始，需求点的实际需求量包括上一周期未满足的应急物资量和本周期新生预测的应急物资量。决策者在进行应急物资调度时，根据公式（10）（11）（12）实现对实际可供应量数据和实际需求量数据的动态更新，进而实现了实时动态决策。式（13）（14）表示各周期各运输模式下各条路径上的物资配送量为大于等于零的整数。

3 模型求解

本文的应急物资调度模型是多周期多物资带有序关系的多目标模糊规划模型，要求解该模型，去模糊化是首要解决的问题。

3.1 去模糊化策略

因三角模糊数直观、易理解，能够很好表达应急状态下的决策者对估计值的悲观、正常和观时的模糊状态，所以本文选用三角模糊数来描述应急物资供应量和需求量。三角模糊需求量记为（t）=表示最悲观值，表示最可能值，表示最乐观值。最悲观值、最可能值、最乐观值可以根据多数据源的人口伤亡数据和建筑物破坏程度等数据进行模糊统计估计确定。多数据源包括历史统计数据、现场采访数据、群众反映数据、官方数据等。三角模糊需求量的模糊隶属度函数为式（15）：

类似地，供应点和集配中心各周期初外生筹集的应急物资的模糊量分别记为：。供应点和集配中心各周期初外生筹集的应急物资的隶属度函数可类似于式（15）写出，在此不再赘写出来。

综合考虑决策者的风险偏好和属性值可能度之间的均衡，在决策者给定置信水平α（最小可接受隶属水平）后，α∈［0，1］，采用平均权重法将三角模糊数转变为确定值［23］。新生预测模糊需求量（t）、供应点外生筹集物资量（t）和集配中心外生筹集物资量（t）分别可用式（16）（17）和（18）表示出来。这三个公式中的w1、w2和w3分别表示决策者对模糊数最悲观值的权重、最可能值的权重和最乐观值的权重。确定权重的值通常可根据决策者的经验和知识，也有一些确定权重的方法，如相同权重、最小化可接受隶属度、层次分析法和直接评估法等。本文采用Lushu等［24］提出的最可能值法，即w1= w3=1/6、w2=4/6且α=0.5。因为模糊数的最可能值通常是最重要的一个，因此要赋予更高的权重，而最消极值和最乐观值提供了模糊数的边界约束，通常分别太消极或者太乐观，因此要赋予一个较小的权重。基于此，可用式（16）、（17）和（18）中的右边替换掉模型中相应的模糊变量，从而实现模型的去模糊化。

3.2 求解算法

将本文2.2部分建立的模型称为模型P。因为模型P是一个带序关系的多目标模糊规划模型，因此，按照图2的总体思路进行求解。首先将两阶段模型，变为单阶段模型，而后经过去模糊化，变为一个确定的两目标规划模型，最后将两目标化为单目标模型。

算法具体步骤如下：

Step1：将带序关系的多目标模型P中的优先满足目标式（3）转化为约束式。模型转化为P1。去掉模型中目标式（3），增加下面的约束（19）。

图2 求解算法总体思想图

∀v，∀l，∀k。从而实现了需求满足率最大化的目标。

式（19）表示在供大于求时，实际配送的物资总量等于需求总量。当供小于求时，实际配送的物资总量等于全部可供应量。在第一周期时，令

Step2：将模型P1去模糊化，变为确定型的两目标模型P2。用式（16）、（17）和（18）中右边替换掉模型中相应的模糊变量。

Step3：求模型P2中两个单目标的两个端点。设χ是模型P2的可行域，即所有可行的物资供应方案的集合，ψ是模型的一个可行方案，那么求解两个单目标的最小值和最大值的模型如下：

Step4：标准0-1区间域变换。因运输时间和应急成本两个目标具有不同的量纲，需要采用标准0-1区间域变换处理两个目标。变换公式为（24）和（25）。

Step5：决策者动态赋予反映各目标重要性的权重。因为在应急背景下，应急响应的不同的阶段决策目标的重要性存在差异，如：一般来说，灾后初期，应急供应首要的是运输时间，而随着救灾的持续，应急物资供应的时间紧急性逐渐下降，而应急物资供应成本的重要性逐渐增加。所以，需要充分发挥专家和决策者的知识和经验来动态赋予决策目标权重系数。设决策者根据经验和知识，给定两个目标的权重分别为r1（t）和r2（t），其中r1（t）≥0、r2（t）≥0且r1（t）+r2（t）=1。

Step6：将两目标模型P2化为单目标模型P3并求解。因为目标函数应急成本和运输时间之间的不相容性，只能找到模型的Pareto最优解，所以用加权和法将模型P2变为单目标P3。

模型（P3）是单目标非线性规划模型，有许多求解方法，如分支定界法、遗传算法。本文采用LINGO软件进行编程计算，可得出相应的最优方案。同时，得到最优方案对应的模型P中三个目标的目标值，即求得模型P的Pareto最优解和最优目标值。

4 仿真算例

以2008年我国发生的汶川地震为背景，设计仿真算例，来说明本文的算法和求解过程。由于灾害发生后，有些数据无法从政府拿到，也无法通过媒体报道准确获得，因此采用真实的数据和部分仿真数据相结合来给定参数值。

以本次受灾区域中部分重灾区为本文研究的需求点，包括都江堰、广元、绵竹、资阳、江油、什邡、汶川和北川。选取成都和德阳为集配中心。集配中心的选取应考虑以下三个基本条件：交通便利，便于各种交通运输方式的转换；有足够的仓库容量以便储存、中转应急物资；不易受次生灾害影响，物资相对安全。物资供应点为合肥、郑州、西安、武汉和南宁五地。以日为周期单位统计各种应急物资的需求量。以帐篷、饮用水为需要运送的应急物资。根据各个受灾点的受灾人数估计各个受灾点的物资需求量，具体见表1。各地外生筹集的可供应量见表2和表3。供应量和需求量都是模糊值，在估计了最可能值后，最悲观值和最乐观值按照最可能值的增减百分之十给定。

表3 集配中心外生筹集的应急物资量

表4 供应点到集配中心三种运输方式下的最短距离和时间

通过Google地图，中国电子地图，中国铁路信息网络测量得到各地在公路、航空和铁路三种运输模式下的地理最短路径里程。并按照公路运输平均时速100公里/小时，铁路运输平均时速75公里/小时，航空运输平均时速按600公里/小时，两地航空距离不足500公里的按直升机的时速200公里/小时换算。结合不同受灾点的道路破坏情况，得到各地在三种运输方式下的最短路径旅行距离和时间。具体数据见表4和表5。考虑了灾害实际情况，从供应点到集配中心的道路基本不受灾害影响，而从集配中心到需求点部分路段受到灾害影响（包括道路不通和绕道）。

表5 集配中心到需求点三种运输方式下的最短距离和时间

都江堰 广元 绵竹 资阳成都 航空 180，0.9 90，0.45 150，0.75 170，—— —— ——0.85铁路 157，2.09 —— —— ——公路91.9，0.92 24.4，0.25 —— 77.8，0.78德阳 航空 110，0.55 35，0.18 200，1 90，0.45铁路 96，1.28

注：每个格中，第一个数字为最短距离，单位为公里，第二个数字为最短时间，单位为小时。

表6是三种运输模式下单位物资单位里程运输单价。表7是各集配中心转运物资的转运单价。表8是在供应点和集配中心采购应急物资的价格。表6到8中的数据为根据现实情况假设的数据，并非完全真实的数据。

表6 各模式下单位物资单位里程运输单价

表7 各集配中心中转物资的转运单价

表8 供应点和集配中心的采购价格

按照本文3.2部分的算法用LINGO11编程求解模型，采用全局求解器，得到各个周期的全局最优解，计算所用时间为3秒。单目标时第一周期的最小和最大运输时间分别为12.38小时、369.74小时；单目标时第一周期的最小和最大应急成本分别为：42348.88万元、147237万元。设决策者给定的第一个周期的两个目标权重w1（t）和w2（t）分别为0.9、0.1。表9是计算得到的第一周期的最优方案。此时，对应的满意的运输时间、应急成本分别为：14.18小时和86541.2万元；帐篷和饮用水最大的需求满足率分别为1和0.9492。

表9 第一周期最优配送方案(w1(t)=0.9，w2(t)=0.1)

在第一周期决策后，更新相关变量参数，包括供应点和集配中心第二周期的外生筹集物资量、需求点第二周期新生需求量等。利用第二周期的相关参数，求解第二周期最优调度方案。单目标时第二周期的最小和最大运输时间分别为10.39小时、369.74小时；第二周期的最小和最大应急成本分别为：43062.6万元、137318.6万元。设决策者给定的第二周期的两个目标权重w1（t）和w2（t）分别为0.6和0.4。表10是第二周期最优调度方案，此时，对应的满意的运输时间、应急成本分别为：40.39小时、46600.53万元。因为物资供应量充足，帐篷和饮用水的最大的需求满足率都为1。帐篷在第一周期未满足的供应量在第二周期得到补充。依此类推，决策者可以动态决策各周期的应急物资调度方案。

图3是对第一周期的时间权重和成本权重进行改变时，观测到的应急时间和应急成本的变化趋势。横轴代表时间权重值，纵轴分别为时间和成本。

图3 时间和成本随时间权重变化趋势图

综合分析本算例求解结果，易见以下四点结论：（1）当时间权重较大时，系统权衡全局，最优方案倾向选择速度快的运输方式和路程短的路线；反之亦然。（2）随着时间权重的依次增加，应急总时间依次降低，应急成本增加。符合现实情况，时间和成本是冲突目标。（3）系统实现了对上一周期供不应求的物资，下一周将优先得到补给。（4）系统权衡应急时间和应急成本（包括采购成本、运输成本和中转成本），找到全局最优的满意方案。

5 结语

针对大规模突发事件的受灾面积广、应急需求点多、应急物资需求量大、持续时间较长、需要中远距离运输和多种运输方式联合配送的特点，在供应点、集配中心、需求点的三级供应网络基础上，考虑了需求点各周期的模糊需求量和供应点与集配中心的模糊供应量，建立了确定满意的路线、供应点、供应量和运输方式的动态物资调度问题的规划模型。模型在需求满足率最大化的前提下，以总运输时间最小化和应急成本最小化为目标，是一个带序关系的多目标非线性规划模型。考虑供大于求和供小于求两种供求关系情况，当所有可供应物资量大于需求时，最大化的需求满足率应为100%；当所有可供应物资量小于需求时，最大化的需求满足率是所有可供应物资的全部配给占总需求的比率。同时，上周期未得到完全满足的物资，下周期将会优先得到补给。采用最可能值法确定模糊数的权重和置信水平，采用平均权重法将三角模糊数转化为确定值，详细给出了去模糊化的策略和具体算法。决策者通过对总运输时间和应急成本动态赋权，并利用加权和法将多目标模型转变为单目标模型，增加了决策的柔性和科学性。以汶川地震为背景，设计仿真实例，采用LINGO11的全局求解器求解，找到了全局最优解，并且运行时间很短，从而验证了模型和算法的有效性。为应急物资动态调度提供了科学的决策支持。

但是本文的研究也存在不足之处，假定各应急物资供应点以及集配中心的运力是不受限制的，没有考虑应急物资集配中心的容量限制，而在实际应急中，常有运力不足和集配中心的容量受限的情况，因此，在后续的研究中，我们将进一步考虑运力不足和容量有限情况下的应急物资调度。

［1］祁明亮，池宏，赵红，等.突发公共事件应急管理研究现状与展望［J］.管理评论，2006，18（04）：35-44.

［2］何建敏，刘春林，尤海燕.应急系统多出救点的选择问题［J］.系统工程理论与实践，2001，（11）：89-93.

［3］刘春林，何建敏，施建军.一类应急物资调度的优化模型研究［J］.中国管理科学，2001，（03）：28-36.

［4］刘春林，何建敏，盛昭瀚.应急系统多出救点选择问题的模糊规划方法［J］.管理工程学报，1999，（04）：23-24.

［5］刘春林，何建敏，盛昭瀚.应急系统调度问题的模糊规划方法［J］.系统工程学报.1999，14（04）：352-365.

［6］Knott R.The logistics of bulk relief supplies［J］.Disasters 1987，11（2）：113-115.

［7］Ray J.A multi-period linear programming model for optimally scheduling the distribution of food aid in West Africa［D］.Knoxville，TN：University of Tennessee，1987.

［8］Rathi A K，Solanki R S，Church R L.Allocating resources to support a multicommodity flow with timewindows［J］.Logistics and Transportation Review，1992，28（2）：167-88.

［9］Brown G G，Vassiliou A L.Optimizing disaster relief：Real-time operational and tactical decision support［J］. Naval Research Logistics（NRL），1993，40（1）：1-23.

［10］Fiedrich F，Gehbauer F，Rickers U.Optimized resource allocation for emergency response after earthquake disasters［J］.Safety Science，2000，35（1/3）：41-57.

［11］Vitoriano B，Ortuño M，Tirado G，et al.A multi-criteria optimization model for humanitarian aid distribution［J］.Journal of Global Optimization，2011，51（2）：189-208.

［12］Sheu J.An emergency logistics distribution approach for quick response to urgent relief demand indisasters［J］.Transportation Research Part E：Logistics and Transportation Review Challenges of Emergency Logistics Management，2007，43（6）：687-709.

［13］Tzeng G，Cheng H，Huang TD.Multi-objective optimal planning for designing relief deliverysystems［J］. Transportation Research Part E：Logistics and Transportation Review，2007，43（6）：673-686.

［14］唐伟勤，陈荣秋，赵曼，等.大规模突发事件快速消费品的应急调度［J］.科研管理，2010，31（2）：121-125.

［15］Hwang H.A food distribution model for faminerelief［J］.Computers and Industrial Engineering，1999，37（1-2）：335-338.

［16］Balcik B，Beamon B M，Smilowitz K.Last mile distribution in humanitarian relief［J］.Journal of Intelligent Transportation Systems：Technology Planning，and Operations，2008，12（2）：51-63.

［17］Barbarosoglu G，Özdamar L，Cevik A.An interactive approach for hierarchical analysis of helicopter logistics in disaster reliefoperations［J］.European Journal of Operational Research，2002，140（1）：118-133.

［18］Özdamar L，Ekinci E，Küçükyazici B.Emergencylogistics planning in natural disasters［J］.Annals of Operations Research，2004，129（1-4）：217-245.

［19］曾敏刚，崔增收，余高辉.基于应急物流的减灾系统LRP研究［J］.中国管理科学，2010，18（2）：75-80.

［20］Yuan Yuan，Wang Dingwei.Path selection model and algorithm for emergency logistics management［J］. Computers and Industry Engineering，2009，56（3）：1081-1094.

［21］Jotshi A，Gong Q，Batta R.Dispatching and routing of emergency vehicles in disaster mitigation using data fusion［J］.Socio-Economic Planning Sciences 2009，43（1）：1-24.

［22］唐伟勤，张敏，张隐.大规模突发事件应急物资调度的过程模型［J］.中国安全科学学报，2009，19（1）：33-37.

［23］Liang T F.Distribution planning decisions using interactive fuzzy multi-objective linearprogramming［J］. Fuzzy Sets and Systems，2006，157（10）：1303-1316.

［24］Lushu Li，Lai KK.A fuzzy approach to the multiobjective transportation problem［J］.Computers&Operations Research，2000，27（1）：43-57.

Decision-Making for Emergency Materials Dynamic Dispatching Based on Fuzzy Demand and Supply

WANG Hai-jun1，WANG Jing2，MA Shi-hua1，DU Li-jing1
（1.School of Management，Huazhong University of Science and Technology，Wuhan 430074，China；2.School of Information and Computer Science，Anhui Agricultural Vniversity，Hefei 230036，China）

In order to solve the emergency material dispatching problem for major disasters，based on threelevel network of the supply points，supply hubs and demand points，the fuzzy demand and supply conditions and intermodal transportation are studied in this paper.Firstly，a multi-objective nonlinear programming model is proposed with the objectives of total transportation time and cost on the condition of maximizing demand fulfillment rate.It considers two situations of oversupply and short supply.The materials of short supply are supplied with priority Furthermore，the most likely value method is used to determine the weight of fuzzy number and level of confidence.Triangular fuzzy number is converted to determine value with the average weight method.It provides defuzzification strategies and specific algorithm.Decisionmakers dynamically give weights to both the objectives thus the flexibility of the model is improved.It finally designs a simulation example according the background of Wenchuan earthquake and verifies the validity of the model with the example.

fuzzy supply and demand；three-level network；intermodal transportation；dynamic dispatching

C931

：A

1003-207(2014)01-0055-10

2011-11-15；

2013-05-31

国家自然科学基金重点项目（71131004）；国家自然科学基金资助项目（70972020，71372135）

王海军（1970-），男（汉族），江苏如东人，华中科技大学管理学院，副教授，研究方向：生产与运作管理、应急物流.