考虑物资需求量的应急物资调度干扰管理研究综述

王付宇， 陈晶晶， 方承武

(1.安徽工业大学管理科学与工程学院 安徽 马鞍山 243032;2.安徽工业大学复杂系统多学科管理与控制安徽普通高校重点实验室 安徽 马鞍山 243002)

0 引言

近年来，全球突发灾害事件发生频繁，给人们带来了极大的财产损失和人员伤亡，中国幅员辽阔，地大物博，也一直遭受自然灾害的威胁。灾害发生后，需要快速、有效地将应急物资配送到受灾点，尽可能减少生命和财产损失。由于客观世界的不确定性，应急物资在配送过程中往往会受到很多不确定事件的干扰，使原先的配送计划受到影响甚至不可行。随着技术的进步及人类各方面能力的提高，人们开始采取积极措施降低并消除不确定事件产生的影响，干扰管理由此而来。

根据Yu和Qi[1]对干扰管理的定义可知，干扰管理需要对各种实际问题和干扰事件的性质建立相应的优化模型和有效的求解方法，快速、及时地给出处理干扰事件的最优调整计划，该调整计划不是针对干扰事件发生后的状态完全彻底地重新建模和优化，而是以此状态为基础快速生成对系统扰动最小的调整方案，虽然也考虑节省费用，但往往不是费用最省的方案。如何充分利用干扰管理的思想，使得扰动因素对原方案的干扰最小，变得十分重要。所以本文在已有公开文献的基础上，以应急物资调度干扰管理问题为主线，对国内外灾后应急、应急物资需求量预测、物资需求点分类和应急物资调度干扰管理的研究现状进行综述，并结合未来发展趋势提出了相应的展望。

1 灾后应急研究现状

突发灾害事件发生后往往会造成巨大的人员和财产损失，所以灾后首要任务就是开展救援工作，国内外有很多文献对如何合理安排灾后应急救援工作进行了研究。Li[2]等人将交通工程理论应用于应急管理，研究了基于需求随机且运输路径存在风险情况下的应急物资调度问题，在不考虑可靠通道容量约束和需求填充率的前提下，使得总成本最优。JIA[3]等人将成本作为应急资源调度过程中的一个重要考虑因素，针对已知物资需求点的需求量和潜在突发事件下的需求量，提出相应的数学规划模型，认为效益和成本与时间和物资数量有关。Zhou[4]等人对不确定道路网络中多周期动态应急资源调度问题进行研究，利用基于分解的多目标进化算法框架以及MOEA算法来求解该多目标优化模型，并证明了该算法的优越性。Sheu[5]在大规模自然灾害信息不完全的条件下，提出一种动态的救灾需求管理模型，对物资需求、受灾区域以及受灾群体进行预测、划分和优先级排序。Zhang[6]等人建立了一个模拟现实问题的应急资源调度模型，模型中的所有要素都尽可能接近于实际事件，然后利用自适应变异遗传算法进行求解。Wang[7]等人研究救灾物资从多库点紧急调度到多受灾点的问题，在物资需求时间不确定的前提下建立可靠性最高和成本最低的优化模型，并引入理想点的概念来求解两个目标函数。Huang[8]等人以台湾“垃圾远离地面”政策为基础，将垃圾收集问题描述为一个集合覆盖和车辆路径问题，提出一种双层规划模型，上层为规划所有住宅小区的采集点，下层为确定收集垃圾所用的最少车辆和最小行驶距离，并设计改进的蚁群算法进行求解。张志霞[9]等人为了研究大规模突发事件中的多目标应急物资调度问题，设计了一个多目标-两阶段临时配送中心选址和应急物资调度模型，并引入鲁棒优化方法来求解。区别于传统指派模型，张淑文[10]等人将多类别、多数量的救援人员以救援队伍的形式考虑进去，并引入救援队伍与灾情相匹配的效用矩阵，提出灾情优先、距离优先、兼顾灾情和距离3种优先调度策略。孙颖[11]等人综合考虑应急物资调配过程中多路径配送方式和其他潜在干扰和阻碍，建立非线性混合整数规划模型，使得物资配送时间最小化。缪成[12]等人通过对大规模公共事件或自然灾害下的应急物资分配问题进行分析，提出一种综合多货物、多起止点与多种运输方式的满载车辆调度问题。

灾害的发生是不可避免的，而应急物资的合理分配是灾后开展应急救援工作的核心，因此国内外学者对灾后应急物资运输分配进行了广泛的研究。Wang[13]等人针对应急物资调度运输问题，提出一种二维多目标优化模型，并采用救援点分解方法对模型进行降维。在由集散中心-物流中心-受灾区域组成的三级应急物流系统中，孙昌玖[14]等人通过引入横向转运协同调度方法，结合物资分配紧迫程度建立物资调度模型，并设计带精英策略的非支配排序的遗传算法对模型进行求解。李双琳[15]等人从确定受损路段抢修顺序以及交通系统优化的角度出发，建立震后路网抢修排程与应急物资配送集成动态优化双层规划模型，设计稳态遗传算法进行求解。王莉[16]等人从物资分配的公平性和及时性入手，建立了多目标协调优化模型，并设计一种混合智能算法进行求解，求得结果表明了配送车辆的不足对车辆分配的公平性和物资配送的及时性产生一定影响。王旭坪[17]等人通过将行为研究融入地震应急物资供应链研究中，建立在动态路况下考虑决策者风险感知的地震应急物资调配决策系统动力模型，研究结果决策者的心理与行为对突发事件应急响应是否高效起到了决定性的作用。王付宇[18]等人对震后伤员运送车辆调度及路径优化问题进行研究，首先对灾区进行救援区域划分，然后构建以总救援时间最短和相对综合救援权重值最大为目标函数的救援车辆两阶段数学规划模型，最后利用改进后的萤火虫算法进行求解，并与常规算法进行比较以证明改进算法的优越性。刘长石[19]等人在震后初期灾区应急物资严重短缺的背景下，综合考虑受灾群众的非理性攀比心理与物资分配的公平性与效率等因素，建立应急物资分配-运输的双层协同静态优化模型。林勇[20]等人针对现有研究的不足，从需求点的角度入手，综合考虑不同供需情况及物资和运输车辆种类的不同，建立应急保障综合评价函数和相应的决策模型。

2 考虑物资需求量的应急物资调度研究现状

在自然灾害发生后，足够的物资储备在一定程度上可以提高灾区的人口存活率，因此，考虑物资需求量预测的灾后应急物资调度研究具有重要意义。Xu[21]等人采用经验模态分解与自回归积分移动平均相结合的混合预测方法。Sun[22]等人在粗糙集理论框架下考虑两个领域的应急物资需求预测问题，并在此基础上建立了两领域模糊粗糙集模型，用于非常规突发事件的应急物资需求预测。张磊[23]从受灾人口数量、年龄分布、受灾人员构成以及群众心理等影响因素入手，结合灾区人口的构成特征建立了一个针对饮用水和基于时序变化的救灾物资需求预测模型。王循庆[24]利用多案例的分析方案，从5个属性维度入手，对震后次生灾害事件的属性特征进行描述，并在此基础上与马尔科夫链相结合建立了Petri模型。赵小柠[25]等人通过运用范例推理理论(CBR)，结合最近相邻法和粗糙集理论，给出范例属性相似度的计算公式，并提出基于范例推理的灾害性地震应急物资需求预测方法。王兰英[26]等人构建了源案例的特征因素矩阵，提出了基于直觉模糊案例推挤的突发事件应急物资需求预测模型。

刘德元[27]等人在已有研究的基础上将3种方法技术相结合以寻求与目标案例最佳相似案例，建立物资需求预测模型解决信息不确定条件下的灾区物资需求问题。郭继东[28]等人利用模糊案例推理技术，计算出模糊集的隶属度以及修正测度贴进度对地震应急物资需求进行有效预测。林勇[29]等人从需求和提前期的不确定性角度入手，给出震灾应急物资动态需求预测模型。喻慧[30]等人将范例推理理论和基于DB_Index准则的K-means聚类算法相结合，求得当前范例物资需求量的预测结果。根据空间站不同物资的消耗特点，刘承兰[31]等人建立了离散类与连续类物资消耗模型，并对现有预测方法进行适用性分析。郭子雪[32]等人考虑到灾害级别、受灾人口和受灾面积等因素对应急物资需求预测产生的不确定性影响，构建基于三角模糊概念的多元模糊回归应急物资需求预测模型，并给出相应参数估计方法。任斌[33]等人在已有研究的基础上，考虑灾害的阶段性动态发展状况，建立了一个需求量可随突发事件变化的动态调整模型。陈国华[34]等人从任务规模、资源状况以及地域特点等因素入手，建立基于TOPSIS和BP神经网络的预测模型。

2.1 考虑物资需求分级的应急物资调度研究现状

灾害本身具有很大的不确定性和突发性，破坏性也极强，灾区对物资的需求性也具有很大的模糊性和随机性，因此考虑物资需求分级对提高应急救援效率有很大的帮助。Royero[35]等人设计了一个动态评价模型来确定需求点的紧急程度，模型考虑了动态需求容量限制以及需求点的优先级，在实际案例中证明了该动态模型的可行性。Feng[36]等人在文章中考虑到受灾点实际情况与受灾人口特点两个因素，在此基础上根据函数关系来对受灾点需求紧迫性进行量化分级。凌思维[37]等人研究灾后应急医疗多物资分配问题时考虑需求分级，建立以运输总距离最小为目标函数的应急医疗资源配置模型。白冠超[38]从突发事件的特点及应急物资需求具有一定模糊性的角度出发，建立物资需求分级指标体系。张英慧[39]等人提出了应急物资需求动态分级评判流程，结合模糊综合评判法构建出应急物资需求物元模型。杨江娜[40]针对城市应急物流建立应急物资需求区域的风险预评估模型，给出3种需求区域等级划分方法。王婧[41]等人在应急资源有限且运输能力一定时，应用模糊综合评判法对不同应急物资给出相应的需求紧迫性层级和需求紧迫度值，提高应急救援效率。程序芳[42]为了提高应急物资运输的效率，将物资需求分为两级，以首次运输时间及两次总运输时间作为双目标函数，求得最大满意值。李绍斌[43]等人通过分析战场环境下的物资需求特点，基于层次分析法完成指标重要性排序并建立需求点重要度分级模型。王莉芳[44]根据不同受灾点对物资需求紧迫性不同，基于组合赋权的思想和灰色改进的TOPSIS方法结构建立需求点物资需求紧迫性分级模型。王英[45]等人将熵值法与层次分析法相结合，并在马氏距离和灰色关联分析的基础上改进TOPSIS方法建立物资需求紧迫性模型。姚恩婷[46]等人在相应理论基础上构建出基于BP神经网络的受灾点需求紧迫性评价指标体系，利用MATLAB软件进行仿真实验，最终结果与熵权法、灰色关联分析法以及TOPSIS方法相比，证明了该评价方法的合理性与有效性。王之乐[47]等人从多在中、全过程应急管理的角度出发，基于层次分析法的基本原理，利用MATLAB对地震灾害链应急物资需求紧迫性进行分级研究。

2.2 研究现状评述

根据对相应文献的分析，在应急物资需求分级方面进行评述：首先，部分文献结合了应急物资的性质和物资之间的种属关系，对应急物资的需求种类进行划分，并确定了应急物资需求分级评价指标体系。但目前的各类指标体系还不够完善，同时也未针对具体的突发事件所需的应急物资进行分析。其次，在对应急物资的需求分类上，多数文献采用模糊综合评判法、改进的TOPSIS法等方法，运用智能算法对其进行求解的文章较少。最后，在应急物资的运输方式上，仅采用单一的运输方式，且未考虑运输渠道的不稳定性。

对应急物资需求预测方面进行评述：目前大部分文献采用的预测方法为多元回归模型预测法、案例推理预测法、神经网络模型预测法和灰色系统模型预测法等，单一的预测方法在某些情况下所得到的结果并不是十分准确。还有一些采用了混合预测方法，例如将案例推理和基于DB_Index准则的K-means算法相结合等方法，这些混合方法可以克服很多传统方法的缺陷，达到更精确的效果。同时，在文献分析中，大多数文献都只是在静态条件下进行预测，未考虑动态预测；大部分文献都是从需求的角度出发，对突发事件初期应急物资需求量进行预测，实际上随着时间的推移，会对不同物资产生不同的需求；此外，一般突发事件发生后，发生次生灾害的可能性很大，少有文献对次生灾害进行研究。

3 应急物资调度干扰管理研究现状

3.1 应急物资调度干扰管理模型分析

应急物资调度干扰管理模型分析着重从每个需求点是否仅被单车保障[48]、干扰因素、配送中心、有无时间窗、车辆类型、优化目标类型等方面对应急物资调度干扰管理模型的有关文献进行分析，因关于应急物资调度干扰管理方面的文献数量有限，所以对物流配送干扰管理相关文献也进行了分析。

3.1.1 单目标模型

耗时最短通常是指整个物资配送过程所消耗的时间最短，也是很多干扰管理考虑的首要因素。赵亮[49]等人研究了有时间窗变动和客户需求量变动的VRPSDP干扰管理问题，构建了一个以广义总偏离费用最小为目标函数的干扰管理模型。杨文超[50]等人对物流配送过程中因顾客更改配送时间和行驶时间延迟而导致的配送计划需要更改甚至无法实现的难题进行研究，建立以顾客时间窗违反量、车辆总行驶时间和增配新车的准备时间三者之和最小为目标函数的干扰管理模型。

费用最少通常考虑每公里的行驶成本和增派车辆的启动成本，尽可能地减少运输费用。Li[51]等人针对配送过程中车辆发生故障的问题，在随机理论优化配送方案的基础上，建立以运行成本、调度干扰成本、行程取消成本和延迟惩罚成本的总和最小化为目标函数的运算模型。

3.1.2 多目标模型

除耗时最短、成本最低之外，一些文献还考虑了路线最短、时间偏离程度最小等影响因素，共同构成了多目标模型。在多目标模型中，绝大部分都利用了权重系数加权求和的方式将多目标问题转化为单目标问题以方便求解。这种方法虽然简单，但是如果多个目标之间的关联度较大的情况下，会使得求得解的质量不高。少部分文献会采用直接求Pareto最优解的方法得到Pareto最优解集，虽然解的质量可以得到很好保证但是求解难度普遍较大。还有少量文献采用分层求解的方法，即在满足第一层优化目标的前提下使得第二层目标尽可能达到最优状态，但是这种方法对应用场景有一定要求，适用性不广。

阮俊虎[52]等人对物资运输提出用直升机和车辆联合运送的方法，对后期物资中转点可能会发生变化这类干扰问题，从物资到达时间、联运路线和使用运力3方面进行扰动度量。杨华龙[53]等人建立了以成本最低为目标函数的初始配送方案，当客户临时变更收货时间窗时，对初始配送方案进行调整，建立以广义总费用偏离最小为目标的干扰管理模型，使得干扰对原方案造成的扰动最小。王旭坪[54]等人针对取货客户点需求变动的VRPB问题，对实际VPRB问题中的干扰进行辨识和分析，度量干扰对整个系统的扰动，并提出虚拟任务点的概念，使得求出的结果与实际情况相符。王征[55]等人从行驶时间延迟作为干扰因素的角度入手，将人类的调度经验形式转化为一系列“救援模式”，以顾客时间窗偏离程度最小化和配送成本最小化为目标建立干扰问题的数学模型。王旭坪、杨德礼[56]等人通过分析干扰对主体的影响，提出增派、邻近和取消3种扰动恢复策略并建立相应的干扰管理模型来解决由于顾客需求变动所引发的物流配送干扰问题。Wang[57]等人定量评估新增需求点产生的干扰，确定了从堆场出发的运输车辆的最优启动时间，为存在干扰的VRPTW提供了一种新的救援策略。张帆[58]等人从干扰管理的视角对带顾客时间窗和维修需求变动的车辆维修干扰恢复问题进行研究，构建带有顾客时间窗和维修需求量变动的干扰管理模型及其求解方法。Zhang[59]等人在车辆路径规划中引入干扰管理思想，对延迟问题建立了衡量原问题目标和时间窗偏离的多目标模型，并综合考虑调整计划与原计划的偏差。

3.1.3 考虑需求满意度和灾民满意度的模型

在应急物资调度干扰管理问题的研究上，需求满意度以及灾民满意度是个很重要的指标，下面的文献里都将其考虑进目标函数里。

丁秋雷[60]分析客户时间窗变化对客户、物流配送运营商和配送业务员等受扰主体的影响，提出基于行为的扰动度量方法，并构建了以客户时间窗变化为干扰因素的字典序多目标干扰管理模型。刘长石[61]等人研究震后初期应急物资配送定位-路径问题(LRP)中的干扰管理问题，结合人的行为科学，从灾民需求、应急决策部门和应急物流执行者3个方面对干扰事件进行分析，以系统扰动最小为目标构建一个字典序干扰管理模型。朱洪利[62]等人从应急物资需求会产生动态变化的特点入手，建立两阶段救援物资调度模型。第一阶段为灾害发生前的应急救援集散中心选择分配模型，第二阶段为灾害发生并产生扰动时的应急救援调度-重调度多目标优化模型，并将需求点满意度和救援的公平性作为约束条件。

卜心怡[63]等人对客户更改配送地点这一问题，将新出现的客户进行分类，从3个主体对事件的干扰进行度量，使得客户不满意度、成本和路径偏离最小，并要求每个客户只能被一辆车服务。丁秋雷[64]等人将前景理论应用到物流配送干扰管理当中，提出基于前景理论的扰动度量方法，并建立了相应的数学模型和求解方法。任向阳[65]等人从车辆故障的干扰管理角度入手，在考虑配送活动各参与主体行为感知因素的前提下，建立各配送主体感知的救援车辆调度模型，分析车辆调度计划受到的影响。曹庆奎[66]等人为了使物流企业中资源能够有效地分配到客户手中，综合考虑不同客户的价值，以干扰事件对3个主体的扰动最小为目标建立了考虑客户价值的干扰管理模型。闫卓男[67]等人从突发性自然灾害可能导致的问题入手，将干扰因素分为时间窗变化、需求变化和配送运力变化3类；从灾民、路网及政府3个角度分析干扰事件造成的影响并进行量化，建立字典序多目标干扰管理模型。王征[68]等人对多车场带时间窗的物流配送车辆路径问题进行研究，以顾客时间窗变化这类干扰事件发生时的问题状态为基础，以系统整体扰动最小化为目标，建立问题的目标规划数学模型。王旭坪[69]等人针对带时间窗车辆路径问题(VRPTW)中遇到的需求扰动和时间窗的变化，根据目标优先级的不同,采取字典序目标规划构建了包括客户满意度、路径偏离程度和成本偏离程度的多目标函数。胡祥培[70]等人从3个行为主体及其利益角度对系统扰动进行度量，构建物流配送干扰管理多目标优化模型，提出客户不满意度、配送成本偏离和路径偏离3个扰动函数，在局部优化调整之后得出新的运输方案。

3.2 应急物资调度干扰管理模型优化算法分析

模型优化算法分析主要是将应急物资调度干扰管理模型所采用的优化方法进行梳理，着重从优化目标数、优化方法、结果形式和有无对比实验等方面进行归纳总结。

3.2.1 启发式算法

启发式算法到现今为止仍然是研究热点，杨文超[50]等人通过分析顾客时间窗变化干扰下的物流配送问题，在考虑模型的复杂性之后提出了基于知识的启发式算法对模型进行求解，并在标准算例上与文献算法进行比较分析，验证该算法的优越性。王旭坪[54]等人提出基于两种策略的启发式算法来求解干扰问题，先提出邻近策略，根据容量原则和距离原则，使用已派出的车辆在适当的位置改变原有路线去为新的客户点服务然后继续服务原路径上的其他客户。当临近策略不可行时，再利用增派策略对其进行补救，最后用数据验证了模型和方案的可行性。应急物资配送车辆调度干扰管理问题中被广泛应用的启发式算法主要包含遗传算法[67]、粒子群算法、蚁群算法[68]等。

(1)遗传算法

阮俊虎[52]等人设计了针对中转点变化的应急医疗物资联合运送干扰模型的改进遗传算法。在车辆运输优化方面，对基于客户的编码方式进行改进，提出一种新的染色体编码。在种群初始化方面，设计了基于简化策略的种群初始化方法。卜心怡[63]等人设计了改进的遗传算法对干扰模型进行求解，将初始化种群中加入一定比例的初始最优路径，使得求解结果更倾向于最初派送路线。王旭坪、杨德礼[56]等人基于干扰管理模型的特点设计了改进的遗传算法。相对于重新调度结果, 经过干扰管理优化此次配送任务的配送里程费用虽略差, 但是路径偏离、顾客服务时间偏离和车辆数都较大幅度减少, 收敛更为迅速。闫卓男[67]等人通过改进的遗传算法对多目标干扰管理模型进行求解，并通过仿真实验验证模型和算法的有效性和优越性。张帆[58]等人提出改进的遗传算法对带顾客时间窗和维修需求变动的车辆维修干扰恢复问题进行求解，然后通过数值算例验证该模型及算法能够有效均衡顾客服务时间偏离、维修流程偏离、成本费用增加等多方面的目标。王旭坪[69]等人通过分析干扰模型的特点，设计了基于改进顾客编码方式的遗传算法，在种群初始化时采用5种方法平均操作，充分利用原方案路线，保证初始种群的多样性也使得调整方案与原计划偏离最小。

(2)粒子群算法

任向阳[65]等人为降低车辆调度计划中干扰事件对配送系统中各参与主体的影响，设计了基于免疫算法的粒子群优化算法。在初始化的过程中以记忆细胞的工作原理，对父代种群进行筛选，同时采取自适应的方式来提取疫苗信息。曹庆奎[66]等人为解决考虑不同价值情况下的物流配送问题，设计了改进的粒子群优化算法，依据父种的适应度值来控制接种点位置，并通过数据实验表明干扰管理过程中考虑客户价值的现实意义。

(3)蚁群算法

丁秋雷[60-64]等人综合考虑干扰事件对整个物流配送系统的影响，提出改进的蚁群算法——混合蚁群算法，对干扰管理模型进行求解。采用将确定性选择与随机性选择相结合并吸收最值蚂蚁算法思想的方法对信息素进行调整，同时使用最优个体交叉及变异策略来防止陷入局部最优，改善搜索结果。除此之外还采用目标节点选择策略，并集成节约法与交换法两种优化算法来提高搜索速度。刘长石[61]等人为有效处理干扰事件，加快配送效率，设计了邻近策略与增派策略两种处理策略，根据干扰事件特性与干扰模型的特点，提出一种混合蚁群算法对干扰模型进行求解。

(4)其他算法

赵亮[49]等人利用禁忌搜索算法来解决客户配送要求变动和时间窗变动对VRPSDP方案造成的干扰问题，相较于传统的增派车辆和全局重调度方案，干扰管理方案效率更高且提高了客户满意度，从而保证了整体利益。杨华龙[53]等人对于时间窗变动产生的干扰设计了快速高效的禁忌搜索算法，采用Relocate操作生成邻域，从而快速产生满意的调整方案；通过对不同价值货物的敏感性分析，验证了模型和算法的广泛适用性；此外，与全局重调度方法相比较时，虽然干扰管理方法在成本上略高，但在时间和路径上有显著优化，且计算时间更短，证明该了方法的优越性。胡祥培[70]等人首先利用遗传算法得到初始方案的最优解，再根据模型自身特点设计能够融合多种邻域函数的禁忌算法，最后通过算例分析，使得到的结果与重调度方案进行对比，证明该模型与算法更能平衡物流配送系统各个行为主体之间的利益，得到的结果更科学。Wang[57]等人建立了一个通用的可处理多种干扰事件及多种组合干扰事件的干扰恢复模型，并设计了嵌套分区算法(NPM)求解该模型，通过对比实验结果验证了算法与模型的优越性和可行性。王征[68]等人在考虑初始路径计划、干扰发生时的问题状态以及各方利益的基础上，提出变邻域搜索算法，采用3-opt的方法进行局部搜索，最后用实验数据证明了变邻域搜索算法与模型的可行性和实用性。Li[51]等人提出基于拉格朗日的松弛算法，求解由它车进行援救的策略，并设计重调度的决策支持系统。

3.2.2 多阶段及混合算法

朱洪利[62]等人提出两阶段应急资源调度模型，第一阶段采用分支定界算法来求解应急物资集散中心选择模型，然后采用带有精英策略的快速非支配排序遗传算法对第二阶段构建的多目标模型进行求解，算例实验结果表明算法可以得到满意的Pareto前沿。王征[55]等人提出路线列举和路线选择的方法对行驶时间延迟下的配送车辆调度干扰问题进行求解。实验表明，该两阶段算法能够快速生成干扰处理方法，大大提高了顾客满意度，配送服务的质量在车辆行驶时间延迟的干扰下得到了有效的保障。Zhang[59]等人针对多目标模型，设计了一种将蚁群算法与离散搜索算法相结合的混合算法，在散点搜索框架内，除了局部更新和全局更新外，还使用了一个临时规则来更新常用的信息素值。

3.3 研究现状评述

(1)对干扰管理模型方面进行评述：大部分文献在建模时都只考虑了单配送中心、单种运输方式配送同质物资的情况，实际情况下突发灾害事件发生后，会存在多个应急物资配送中心、多种运输方式配送不同质物资以第一时间满足灾民需求。另外多数文献的研究都集中在某一个因素变动所引起的干扰，不符合实际，现实的应急物资配送过程中存在着多因素同时发生变动的情况。部分文献研究了需求量变动所引起的干扰，但都是仅仅针对单个需求点变动的情况，与实际情况不符。应急物资配送系统非常复杂，有很多主体参与，不同主体对同一类扰动会有不同的反应及行为，大部分干扰管理文献仅仅考虑了3类主体，实际中并不止3类主体参与其中，与实际不符。

(2)对干扰管理优化算法方面进行评述：干扰管理是多目标多约束问题，涉及情况复杂，在应急物资配送过程中会发生很多难以预测的干扰问题，仅利用现有的优化算法很难在规定时间内得出理想结果，且在优化过程中容易陷入局部最优。现有文献绝大部分都是采用遗传算法、蚁群算法、粒子群算法等启发式算法来解决应急物资调度干扰管理问题，很少有学者对新兴算法进行研究。对算法进行数据验证时，很难得到大量实际调度数据，因此很多文献的数据验证都是模拟假设，缺乏真实性，只是在理论层面上对模型和算法进行有效性验证。

本文结合上述应物资调度的特点，绘制研究框架如图1所示。

图1 应急物资调度研究框架

4 研究展望

通过对国内外文献的分析，在考虑物资需求量的应急物资干扰管理研究方面，还存在着以下几个方面的改进及展望：

(1)应急物资预测方面。不同时间状态下的物资需求量是不同的，因此下一步可以研究不同时间状态下的物资需求，此外，还可以对突发事件的次生灾害进行物资需求预测的相关研究。除了单一的预测方法之外，少部分文献采用了混合预测方法，这些混合方法可以克服很多传统方法的缺陷，达到更精确的效果，未来可以在这方面做深入研究。

(2)应急物资需求分类、需求量分级方面。首先对应急物资需求分级的指标进一步细化，完善指标体系，并对具体的突发事件类型和所需的应急物资进行分析，构建出适用于不同类型突发事件的评价模型；其次未来在更深入的研究中可以让评判方法与多种启发式算法或智能优化算法相结合，并对应急物资进行需求分类和需求量分级；最后，在后期的研究中，可以考虑物资运输过程中道路容量的可变性以及多种运输方式。

(3)干扰管理方面。干扰管理模型方面。目前的干扰管理模型大多集中在某一个影响因素变动所进行的扰动分析，未来可以综合考虑多因素同时变动对应急物资调度产生的干扰。另外，将人的行为因素和利益追求与干扰管理相结合也是一个值得研究的问题。绝大部分的文献都是在单配送中心、单种运输方式配送同质物资的情况下对干扰问题进行研究，未来的研究可以拓展到多配送中心、多种运输方式配送不同质物资的情况下进行。现有的干扰管理文献仅有一小部分是研究关于突发灾害事件后的应急物资调度干扰管理，未来可以加强对突发灾害事件后的应急物资干扰管理方面的研究。

干扰管理优化算法方面。随着信息技术的快速发展，很多新兴算法出现，如随机蛙跳搜索算法、细菌觅食算法、蝙蝠算法等，这些算法已经在各种问题中证明了其有效性及效率，将这些新兴算法与现有算法相结合形成的混合算法，在应急物资调度干扰管理问题上具有十分广阔的前景。在数据的收集与处理方面，要规范其收集与处理方式，使未来研究中的测试数据尽可能全部使用真实数据，让研究更具有实践性意义。

5 结语

本文对相关文献进行了回顾与整理，总结了灾后应急、物资需求量预测、物资需求点分类及需求量分级和应急物资调度干扰管理的研究现状，梳理了关于需求变动及其他因素变动的应急物资调度干扰管理所构建的模型及其优化算法，并分析了上述各方面研究现状所存在的问题，针对存在的问题提出了相应的改进建议，整理出相应研究框架，在框架基础上建立了初始调度模型，运用算例证明了模型的可行性。

本文的研究内容为考虑需求的应急物资调度干扰管理研究综述，即在物资需求量或者需求点发生变化而产生干扰时，对初始方案进行局部优化调整，实时生成对系统扰动最小的调整方案，同时也分析了其他因素变动下的应急物资干扰管理问题。重点对干扰管理相关文献的模型和优化算法进行了整理，通过对模型的整理，发现了干扰管理问题被广泛考虑的优化目标、约束条件和干扰因素，在对优化算法的分析中，整理出不同问题下的所应用的优化方法。

当前应急物资调度干扰问题的研究在一定程度上提高了救援的准确性和效率，但模型的复杂程度和优化求解速度之间仍存在矛盾，需要进一步深入研究。随着信息技术的发展，应急物资调度干扰管理研究也将取得更大的成果，在灾害救援的过程中发挥出更好的作用。