买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利一种考虑公平性的异构类型应急资源调度优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120355190B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510840021.2，技术领域涉及：G06Q10/0631；该发明授权一种考虑公平性的异构类型应急资源调度优化方法是由周红媚;苏云帆;李茜瑶;钟绍鹏设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种考虑公平性的异构类型应急资源调度优化方法在说明书摘要公布了：本发明公开一种考虑公平性的异构类型应急资源调度优化方法，属于应急资源调度优化领域。针对紧密合作型异构资源，采用时间、满足率双重维度建模，根据问题特征采取混合编码和解码方式，将应急资源调度方案使用数学形式表达；针对目标和约束条件，采用有优先级的随机规则，保证初始种群的质量；通过采用洗牌交叉与部分匹配交叉结合的交叉算子，确保种群在迭代过程中的多样性与稳定性；采用自适应的交叉变异概率，维持种群的多样性，提高算法的效率；采用最低拥挤度阈值的精英保留策略，增加种群多样性，防止种群过早成熟。本发明适用于灾害前期供不应求情况下，紧密协作型异构资源的调度优化，为解决异构资源在应急资源调度问题中提供新思路。

本发明授权一种考虑公平性的异构类型应急资源调度优化方法在权利要求书中公布了：1.一种考虑公平性的异构类型应急资源调度优化方法，其特征在于，包括如下步骤： 步骤1、建立多目标有约束考虑公平性的异构类型应急资源调度优化模型： 步骤1.1、建立多目标的有约束考虑公平性的异构类型应急资源调度优化模型的目标函数： 考虑公平性的异构类型应急资源调度优化模型的目标函数由最小化总调度时间、最小化灾点物资到达时间的满足程度的公平性以及最小化总调度成本组成： ， ， ， 目标函数中所涉及的变量定义如下： -救援点的集合； -受灾点的集合； -所有节点的集合，； -车辆的集合； -应急资源的种类集合； -节点到节点的运输时间，； -决策变量，表示车辆需要从节点运输应急资源r到节点，否则为0；； -救援时间进度的基尼系数权重，； -受灾点物资到达时间进度的基尼系数； -受灾点物资满足率的基尼系数； -车辆运输应急资源的每吨货物的每公里运输成本，； -车辆k运输应急资源r到达受灾点j需要行驶的距离，； -决策变量，的大小表示车辆需要从救援点运输应急资源r到受灾点的数量；； -节点到节点的运输距离，； 节点到节点的运输时间如下： ； 其中，-救援车辆的行驶速度； 受灾点的重要程度为： ，其中，-受灾点对应急资源的物资需求，；-受灾点的重要程度，； 车辆k将应急资源r送达受灾点j所需要行驶的距离如下： ，其中，-表示车辆是否从节点运输应急资源r到受灾点，；-表示前一个节点到达该受灾点的距离，；-表示车辆k运输应急资源r到达上一个节点需要行驶的距离，，其中； 车辆k将应急资源送达受灾点的时间如下： ，其中，-表示前一个节点到达该受灾点的运输时间，；-表示车辆运输应急资源r送达上一个节点的时间，，其中； 受灾点的百分比时间进度如下： ；其中，-受灾点有效救援时间，；受灾点物资到达时间进度的基尼系数如下： ； ，其中，和表示受灾点和的百分比时间进度，；和表示受灾点和的重要程度；-受灾点物资到达时间进度的加权平均值，作为加权基尼系数的分母； 受灾点的满足率如下： ； 受灾点物资满足率的基尼系数如下： ； ，其中，和-表示受灾点和的满足率，；-受灾点满足率的加权平均值，作为加权基尼系数的分母；-表示应急资源的协同比例，表示两个单位的应急资源1与一个单位的应急资源2共同发挥一个单位应急资源的救援效果； 步骤1.2、设置考虑公平性的异构类型应急资源调度优化模型的约束条件： 1最大等待时间约束，应急资源必须在有效救援时间内将应急资源运输至灾点： ，2回程约束，运输应急资源r的车辆k从救援点i出发，必须回到同一个救援点： ，3道路连通约束，到达受灾点j的车辆必须从该受灾点离开： ，其中，4货流平衡约束，用于计算节点流量与受灾点实际货量之间的关系： ，5车辆的最大行驶距离约束，车辆只能在确保能够往返的前提下运输应急资源： ，6车辆的容量约束，车辆只能装载物资重量小于等于载重量的应急资源： ，7应急资源分配约束，为了避免物资的浪费，确保应急资源全部分发完毕： ，，8受灾点应急资源约束，受灾点接收的货物必须小于等于自身需求： ，9多救援点多灾点调度模式约束，其中每个受灾点需要的物资r只能由一个救援点运送，每个救援点可以访问不止一个受灾点： ，，，其中，表示括号内的部分为真，表示括号内的部分为假； 10决策变量之间的关系约束： ，，，，其中，模型约束中所涉及的变量定义如下： -决策变量，的大小表示车辆k在节点为到节点的路径上携带从救援点运出的应急资源r的数量；； -满油状态下救援车辆k的最大行驶距离，； -车辆k满载状态下装载应急资源的最大重量，； -救援点的物资的储备量，； -需求点的物资的需求量，； 步骤2、构建步骤1中的调度优化模型的编码和解码方式： 采用自然数和连续数的混合编码方式，将每个染色体设置为三行，列数为受灾点数量J+救援点数量I-1：有I个救援点存储R种应急资源，并由车辆调度至J个受灾点，针对每种应急资源，1~J为受灾点编号，分割点的数量为救援点数量I-1，作为染色体的第一行，每个受灾点被调度的应急资源量作为第二行，第三行为每个受灾点设置一个调度级别，处于相同调度级别的受灾点根据先后顺序由同一批车队运输应急资源；一条染色体代表一种应急资源的调配方式；针对步骤1.2的约束条件以及应急资源种类，生成R条符合约束条件的染色体；对每条染色体进行解码时，先对染色体的0列进行分割，分割得到的多个片段即为顺序号对应救援点负责救援的受灾点，对于分割后的每一个染色体片段，根据染色体第三行的调度级别，将调度级别相同的受灾点根据先后顺序，由同一批车队依次运输，得到每种应急资源代表的调配方式和数量，即决策变量的值； 步骤3、设计基于模型应急资源分配约束的特征的染色体基因修复和救援点分配算子： 通过逐步扫描染色体的第二行，当累加之和首次超过顺序号对应救援点的应急资源储备量时，记录该受灾点编号作为边缘点，其调度量即为边缘值；将边缘值进行分割成为两部分：第一部分为使得其与扫描过受灾点调度量之和等于顺序号对应救援点的应急资源储备量，第二部分为边缘值与第一部分相减得到；用边缘值的第一部分与边缘值之比作为随机修复方式的概率，产生一个0到1的随机数，根据随机数与概率的大小选择分配方式：（1）、当该随机数小于随机修复方式的概率时：将边缘点作为当前救援点负责调度的受灾点，在不违反受灾点约束的前提下，将当前救援点负责调度货量的多余数值在内部进行随机删除，随后将删除的数值在后续其他受灾点调度的应急资源中进行随机添加，使其满足数量平衡，并将边缘点后作为分割点；（2）、当该随机数大于随机修复方式的概率时：将边缘点作为下一个救援点负责调度的受灾点，在不违反受灾点约束的前提下，把产生的空缺值对当前救援点负责受灾点的调度货量进行随机添加，并对后续的受灾点调度的应急资源进行随机删除，满足数量平衡，并将边缘点前作为分割点；在修复过程中记录每一个分割点所在位置，以便在后续的步骤中插入划分救援点的分割点； 将0插入每一个分割点的位置，使染色体第二行满足每个救援点的应急资源分配约束，确保应急资源全部分发完毕； 步骤4、获取应急资源调度相关数据： 获取模型需要的相关数据，包括救援点和受灾点在路网当中的道路运输距离、每种资源的供应量和需求量、异构资源的协作比例、受灾点的时间窗信息、运输工具的载重量、最大行驶距离、行驶速度、每吨货物的每公里运输成本； 步骤5、采用有优先级的随机规则初始化种群： 在有优先级的随机规则当中，先使用动态规划计数和随机采样的方法作为第一种随机规则为每个受灾点分配应急资源数量；再结合第一种随机规则的结果，使用救援点与受灾点之间的小运输距离优先分配作为第二种随机规则为救援点分配受灾点； 步骤6、设定算法改进策略，设置优化方法参数；采用改进的NSGA-II算法求解步骤1建立的数学优化模型，并得到一组Pareto前沿解集； 步骤6.1、初始化种群后，基于步骤1建立的调度优化模型，将目标函数作为适应度函数，每个个体包含应急资源数R条染色体，分别计算种群pop中每个个体的适应度函数值，计算过程中通过对违反约束的个体施加惩罚值来兼顾约束条件对适应度函数的影响，并且将适应度函数作步骤6.2的计算依据； 步骤6.2、对种群进行快速非支配排序和拥挤度距离的计算； 在每个个体的计算过程中，基于种群个体的多个适应度函数值，对种群进行快速非支配排序，得到不同等级的非支配层，并在每个非支配层当中计算每个个体的拥挤度距离，将个体赋予非支配等级和拥挤度两个属性； 步骤6.3、对种群pop进行选择操作、交叉、变异操作，生成子代种群；基于步骤6.2的快速非支配排序和拥挤度距离的计算结果，在选择算子当中采用二元锦标赛算子对pop种群进行选择操作：在种群中随机挑出两个个体，先比较每个个体的非支配等级属性，选出非支配等级低的个体，在非支配等级相同的情况下，选出拥挤度距离大的个体；设计一种洗牌交叉算子和部分匹配交叉算子结合的交叉算子，对个体当中每一条染色体进行交叉和变异操作，生成规模为P的子代种群，并在此过程中，设置动态调整的交叉率和变异率； 步骤6.4、合并父代种群pop和步骤6.3产生的子代种群spop，采用具有最低拥挤度阈值的精英选择策略，产生新的种群pop； 合并父代和子代种群，生成种群规模为2P的新种群，随后对该新种群进行快速非支配排序，计算每一层的拥挤度距离；根据拥挤度距阈值采取精英保留策略，从非支配等级由低到高的顺序选取拥挤度大于阈值的个体，逐步选择直到个体数量充满种群池； 步骤6.5、迭代求解，判断是否满足终止条件，若满足，则输出Pareto前沿解集，根据步骤2的解码规则输出符合约束条件并且在多个适应度值上分别最优的多个具体调度方案，此时适应度函数等于目标函数；若不满足，则返回到步骤6.1继续进行； 步骤7：根据步骤6得到的应急资源调度结果，对于决策者在灾害发生时的具体情况，并根据时效性性、公平性、经济性等相关偏好，选择偏好特征突出的应急资源调度方案：（1）、主要考虑时效性时，选择目标函数最小的调度方案；（2）、主要考虑公平性时，选择目标函数最小的调度方案；（3）、主要考虑经济性时，选择目标函数最小的调度方案。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。