APP下载

21世纪海上丝绸之路应急储备库选址

2020-11-25何斌斌吕靖

水运管理 2020年10期
关键词:风险评价遗传算法

何斌斌 吕靖

【摘 要】 为实现对21世纪海上丝绸之路沿线区域应急储备库的全面覆盖和重点区域的多重覆盖的目标,运用ArcGIS系统对所涉区域进行栅格化及风险评价,以成本最小为目标,构建储备库选址模型。根据该模型设计遗传算法,在217个备选港口中确定了37个港口作为应急储备库。

【关键词】 应急储备库选址;风险评价;遗传算法

0 引 言

人类开发利用海洋时会对海洋环境造成威胁,为了有效应对这些问题,国际社会加强了海事合作,如以海洋环保和海上安保为主要内容的海事保障。与此同时,随着21世纪海上丝绸之路倡议的提出和推进,一系列的海上安全问题也随之出现。为了应对这些问题,我国与海上丝绸之路沿线国家不断加强彼此间的国际海事合作,为沿线区域提供充分的海事保障。对于我国海事部门来说,在21世纪海上丝绸之路建设中可以从规范重塑与标准修订、大国协调与机制完善、国际交流与队伍建设等3个方面入手,寻求建立一个涵盖沿线区域的应急储备库网络。这将有利于促进我国周边外交的有效开展,保障21世纪海上丝绸之路的顺利建设,有助于推动大国间的安全合作。应急储备库选址问题通常可分为P-中值(P-Median Problem)模型、P-中位(P-Center Problem)模型、集合覆盖模型和最大覆盖模型。本文从217个沿线港口中选择37个港口作为应急储备库备选点进行研究,以实现对所涉区域的全面覆盖和重点区域的多重覆盖。

1 风险分析

本文主要研究的问题是海上丝绸之路沿线海域应急储备库备选点的全面覆盖和重点海域的多重覆盖,因而需要先对海上丝绸之路沿线海域的主干线进行风险分析。

本文采用水域风险计算公式R=f(P,L),根据要求首先对影响风险大小的风险发生概率P、风险后果严重程度L两个因素进行分析[1],最后综合计算出水域风险值大小R。

运用ArcGIS栅格计算器自带的高级编程模式,在确定各影响因素的权重系数(见表1)后,得到风险发生概率P及其分布图。本文参考相关文献,采用专家打分法来确定各层指标和权重系数。

由于越接近海上通道关键节点(如马六甲海峡)的地方遭遇风险的后果越严重,因此,利用缓冲区栅格生成工具对关键节点相关数据进行分析处理,在得到处理结果后,同样通过ArcGIS高级编程模式对栅格文件的结果进一步计算,并导出风险后果严重程度L的分布图。

在计算影响风险发生的P和L两个要素后,首先对所得到结果进行归一化处理,然后对图层栅格化,由此确定水域风险值的分布图及重点水域。

在得到沿线水域风险分布图后,为了能够清楚地看到不同风险等级的分布情况,需要对分布图进行重新分类。具体而言,同一风险等级使用相同的颜色,图片清晰度和精准度可以通过调节单元像素大小来完成。考虑到模型设计是点对点的覆盖,本文首先将风险分布图网格化,完成风险划分;然后用重心法对每一个网格取点,该风险点的属性定为面积大小和风险等级,并将其录入到矢量点属性表中;最后运用计算面积与风险等级的相乘得到各个点的风险程度属性值。

2 模型的建立

建立水上应急储备库选址模型,以最小的成本实现对水域的全面覆盖和重点水域的多重覆盖。模型的目标函数[1]为

式中: i为水域单元的编号, i=1,2,…,I;  j为应急储备库候选点的编号, j=1,2,…,J; rj为应急储备库j的覆盖半径; dij为水域单元i到应急储备库j的距离,当dij≤rj时,应急储备库j可以覆盖水域单元i; Ni={ j|dij≤rij|},为能够覆盖水域单元i的集合; y为0或1变量,如果候选点j被选中,则yj=1,否则yj=0; wi1为水域单元i的重要度,重点水域单元的判断通过重要度的大小来界定; W为重要度的一个阈值,若wi1≥w,那么就需要覆盖水域单元i两次以上; Cj为建设应急储备库j的固定成本。

目标函数(1)为应急储备库建设的最小成本;约束条件(2)为所有水域单元被完全覆盖;约束条件(3)为至少2次覆盖重要度超过阈值的水域单元,即实现多重覆盖重点水域的目标;约束条件(4)使主要参数变量为0或1。

3 求解算法的设计

3.1 染色体编码

因为本文所研究的选址问题是离散的,且候选点是已知的,因而使用二进制编码的方法。本文共有J个候选点,染色体的长度为J。具体而言,每一个基因位1,2,…,J分别对应一个候选点,若选中一个候选点并建立应急储备库,那么该基因位的取值为1,否则为0。

3.2 初始可行解

随机产生遗传算法的初始可行解,种群数量设为M,染色体随机产生并判断其是否可行,如果可行就将其保留,否则会出现一条新的染色体。当染色体数量达到M时停止产生。

3.3 适应度函数

基于本文的选址方案,计算应急储备库建设成本,得到目标函数值Z。在遗传算法中,适应度函数的选取关系到收敛的速度和能否确定最优解,本文设计的适应度函数为

式中: fn为染色体n的适应度值; Zn为染色体n相应的目标值; I为一个相对大的数,同时适应度函数值越大越好。

3.4 遗传算子选择

在遗传算法中,下一代的个体的选择采用轮盘赌模式,通过单点交叉、单点变异的方式迭代运算。

3.5 精英保留策略

精英保留策略是指提取已经得到适应度最高的个体,不参与随后的交叉和变异运算,并且用适应度最高的个体来代替本代群体中经过遗传操作后适应度最低的个体。为了保护交叉、变异过程中的上一代最优个体,在算法中将每一代染色体的适应度值排序,并确定出精英個体,予以单独保留。在完成一次遗传操作后,精英个体代替适应度值最低的进入下一代种群。

3.6 惩罚函数

惩罚函数的设定是为了将有约束最优化问题变为无约束最优化问题。在种群每一次迭代过后会出现不可行的个体,那么就需要运用惩罚函数来降低不可行个体进入下一代的概率。通常,惩罚函数法有内部惩罚函数和外部惩罚函数。本文运用内部惩罚函数 fn'=fnHaP,即减去一个常数P,降低该个体的适应度值,使其逐渐被淘汰。

3.7 终止条件

设置最大迭代次数,当遗传算法达到设定次数并且种群的适应度值趋于稳定后停止运行。

4 实例分析

本文选取21世纪海上丝绸之路沿线港口共计217个,涉及国家21个。采用Matlab软件进行遗传算法的相关编程,具体为:种群大小M=50,染色体长度J=217,交叉概率设定为0.9,变色概率设定为0.1,每次交叉保留2个个体。同时,在适应度函数中I=300,惩罚函数P=200,迭代次数为100次。程序运行共50次,41次得到相同结果,平均运行时间为2.33 s。在众多迭代中选取一次迭代计算(见图1)。最终,通过建立模型和遗传算法求解,在217个备选港口中确定了37个港口作为21世纪海上丝绸之路急储备库(见表2)。

5 结 语本文将选址模型运用到21世纪海上丝绸之路中,将沿线国家的港口作为应急储备库备选点,实现对沿线区域的全面覆盖和重点区域的多重覆盖,并通过模型算法得到了最优解。在解决实际问题时,本文运用ArcGIS对相关水域进行风险划分并栅格化,确定了重点区域,由此顺利地与模型相结合。本文解决这一问题的思路,可为解决类似问题提供参考。

参考文献:

[1] 艾云飞,吕靖,张丽丽,等. 水上应急物资储备库选址――分配优化模型[J]. 大连海事大学学报,2015(2):62-66.

猜你喜欢

风险评价遗传算法
面向成本的装配线平衡改进遗传算法
基于遗传算法对广义神经网络的优化
基于遗传算法对广义神经网络的优化
基于遗传算法的临床路径模式提取的应用研究
基于遗传算法的临床路径模式提取的应用研究
遗传算法在校园听力考试广播系统施工优化中的应用
物流配送车辆路径的免疫遗传算法探讨
智能电网风险评价研究
黔西北某炼锌渣堆场周边土壤及农产品重金属污染研究
基于数学建模的高校财务风险及其预警研究