不确定信息下非常规突发事件应急资源分配决策优化方法与流程

本发明属于应急资源管理领域，涉及不确定信息处理，决策心理影响，应急资源管理等技术领域，尤其涉及一种不确定信息下非常规突发事件的应急资源分配决策优化方法。

背景技术：

应急资源管理一直是应急管理领域的研究热点之一。针对非常规突发事件的应急资源分配方法中，通过考虑各种非常规突发事件的应急资源和伤员救助特点，提出了适用于不同响应情境的应急物资分配方法，例如最小化应急时间、最小化运输费用，以及相应的多目标分配优化方法。然而，在实际的应急资源分配过程中，各受灾点提供的反映受灾严重程度的信息往往是不确定信息数据，以上方法缺少不确定信息数据的考虑。同时，在应急资源分配过程中，应急决策者的主观因素也会对最终的应急资源分配方案产生影响。

本发明在实际的非常规突发事件考虑应急资源分配公平性的基础上，通过考虑各受灾点严重程度情境因素，针对各情境因素的不确定信息数据，提出基于决策者主观因素的应急资源分配决策优化方法，最终建立合理、高效、公平的应急资源分配决策方案。

技术实现要素：

有鉴于此，本发明的目的在于提供一种不确定信息下非常规突发事件应急资源分配决策优化方法，在所考虑情境因素的不确定信息数据的基础上，通过客观定权方法求解各情境因素的权值，在模糊c-均值聚类分析方法上进行改进并对各受灾点进行受灾严重程度分级。根据求得的各情境因素权值和受灾点分级情况，提出基于应急决策者对整体灾害受灾程度的整体应急资源分配偏好和对各受灾点受灾严重程度的定向分配偏好的应急资源分配决策优化方法，最终建立合理、高效、公平的应急资源分配决策方案。

为达到上述目的，本发明提供如下技术方案：

一种不确定信息下非常规突发事件应急资源分配决策优化方法，具体包括以下步骤：

s1：从实际非常规突发事件应急管理应用中获取反映受灾地区受灾严重程度的情境因素及其不确定信息数据；

s2：对获取的信息数据进行预处理，转化为统一形式的数据信息；

s3：利用客观定权方法，求解所考虑的情境因素的权值；

s4：利用改进的模糊c均值聚类算法，将受灾地区各救援点进行受灾严重程度分级；

s5：在考虑应急决策者对灾害整体受灾严重程度认知和灾害各救援点受灾严重程度认知的主观因素条件下，建立应急资源分配决策优化模型；

s6：通过决策优化模型确定各救援点应急资源分配方案。

进一步，在步骤s2中，所述的信息数据的预处理为：将不确定信息数据中的确定数、区间数和模糊值统一转化为模糊形式，并通过预处理将各情境因素的数值转化为统一量纲形式；具体包括以下步骤：

s21：如果第i个救援点的第j个情境因素值是一个确定数，将其转化为模糊形式其中i∈{1,2,…,nedps}，j∈{1,2,…,msfs}，nedps为应急救援点个数，msfs表示选择的情境因素个数；

s22：如果第i个救援点的第j个情境因素值是一个区间数将其转化为模糊形式其中分别表示对应区间数的最小值和最大值；

s23：如果第i个救援点的第j个情境因素值是一个模糊数保持其模糊形式不变；

s24：通过以上步骤，得到不确定信息数据的统一模糊形式数据

其中分别表示一个模糊数的最小值、中间值和最大值；

s25：获取各情境因素的最优情境值和最坏情境值

其中j∈{1,2,…,msfs}；

s26：用归一化公式(1)将数据转化为统一量纲的数据：

其中，k∈{1,2,3}，i∈{1,2,…,nedps}，j∈{1,2,…,msfs}，分别表示归一化后第i个救援点的第j个情境因素值模糊形式的最小值、中间值和最大值，；

s27：则预处理后的不确定信息数据为

其中

进一步，所述步骤s3具体包括以下步骤：

s31：选取各救援点的第j(j∈{1,2,…,msfs})个情境因素特征集为：

用公式(2)和(3)计算其权值，

其中，l∈{1,2,…,msfs}；

s32：通过综合考虑方差和变异系数，通过公式(4)获得各情境因素的权值wj

进一步，所述步骤s4具体包括以下步骤：

s41：初始化隶属矩阵其中uk,i∈[0,1]为随机数，c表示按照受灾严重程度将各应急救援点分为c类，即聚类中心数目；nedps为应急救援点个数，满足式中的约束条件i＝1,2,...,nedps；分类对象其中i∈{1,2,…,nedps}，表示有msfs列的实数向量；

s42：用公式(5)计算聚类中心k∈{1,2,…,c}；

其中，m为uk,i的幂次方，表示模糊性参数，m∈[1,∝)；表示隶属度矩阵；ik表示第k个聚类中心向量；

s43：用公式(6)转化聚类中心，其中k∈{1,2,…,c}，j,j′∈{1,2,…,msfs}；

则转化后的聚类中心k∈{1,2,…,c}；

s44：根据公式(7)计算目标函数，如果目标函数小于某个人为设定的阀值，或它相对上次目标函数值的改变量小于某个人为设定的阀值，算法停止，保留其隶属度矩阵u和聚类中心ik；否则返回步骤s42和s43，得到新的聚类中心k∈{1,2,…,c}，并用公式(8)重新计算新的u矩阵，直到算法停止；

其中，为第k个类别中心与第i个数据点间的欧几里德距离，表示第k个聚类中心向量，表示第t个聚类中心向量，表示第i个应急救援点的数据向量，k,t∈1,2,…,c，i∈1，2，…，nedps。

进一步，所述步骤s5具体包括以下步骤：

s51：根据各救援点距离最好和最坏情境的相对需求增益建立基于决策者主观因素的应急资源分配模型为

其中，表示第i个救援点距离好情境的欧几里德距离，表示最坏情境距离最好情境的欧几里德距离，α∈[0,1]表示截值因子，γ表示应急决策者对于灾害的全局认知指标，应急决策者对第i个救援点所处类别的定向认知指标，表示应急决策者对第q个救援点所处类别的定向认知指标，ki,kq∈{1,2},i,q∈{1,2,...,nedps}；

s52：根据步骤s51中建立的应急资源分配决策优化模型，将步骤s2中获得的预处理后的不确定信息数据v，步骤s3种获得各情境因素权值wj(j∈{1,2,…,msfs})以及根据步骤s4中得到的各救援点受灾严重程度分级情况确定应急决策者对于灾害的全局认知指标γ和各灾害救援点受灾严重程度所处类别的定向认知指标输入公式(9)获得各救援点的应急资源分配比例ri表示第i各救援点的应急资源分配比例，i∈1,2,…,nedps。

进一步，所述步骤s6具体包括：

根据步骤s5中获得的各救援点应急资源分配决策比例ri(i＝1,...,nedps)，用公式(10)确定各救援分配应急资源量ti：

其中，tcdh为可分配的应急资源总量，k∈1,2,…,nedps，rk第k各救援点的应急资源分配比例。

本发明的有益效果在于：本发明在考虑反映灾害受灾严重程度的情境因素的不确定信息数据的基础上，通过建立基于决策者主观因素的应急资源分配决策优化方法，能够通过不确定信息数据建立合理、高效、公平的应急资源分配决策方案。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明所述资源分配决策优化方法流程图；

图2为决策者的不同定向偏好指标下的应急资源分配差异比较示意图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

应急资源分配决策优化方案用于非常规突发事件的应急资源分配，例如某地区发生传染性疾病事件，需要将有限的10000支疫苗高效、合理、公平的分配到30个应急点，已有的30个救援点的不确定信息数据如表1。

表1.不确定信息原始数据

下面以具体实施例子来说明本发明的优越性。

如图1所示，不确定信息下非常规突发事件应急资源分配决策优化方法，具体包括以下步骤：

s1：从实际非常规突发事件应急管理应用中获取反映受灾地区受灾严重程度的情境因素及其不确定信息数据，如表1所示；

s2：对获取的信息数据进行预处理，转化为统一形式的数据信息，具体包括：

s21：如果第i个救援点的第j个情境因素值是一个确定数，将其转化为模糊形式其中i∈{1,2,…,nedps}，j∈{1,2,…,msfs}，nedps为应急救援点个数，msfs表示选择的情境因素个数；

s22：如果第i个救援点的第j个情境因素值是一个区间数将其转化为模糊形式其中分别表示对应区间数的最小值和最大值；

s23：如果第i个救援点的第j个情境因素值是一个模糊数保持其模糊形式不变；

s24：通过以上步骤，得到不确定信息数据的统一模糊形式数据

其中分别表示一个模糊数的最小值、中间值和最大值；

s25：获取各情境因素的最优情境值和最坏情境值

其中j∈{1,2,…,msfs}；

s26：用归一化公式(1)将数据转化为统一量纲的数据：

其中，k∈{1,2,3}，i∈{1,2,…,nedps}，j∈{1,2,…,msfs}，分别表示归一化后第i个救援点的第j个情境因素值模糊形式的最小值、中间值和最大值，；

s27：则预处理后的不确定信息数据为

其中

步骤s2完成后，转化后的不确定信息如表2所示：

表2.处理后的不确定信息数据

s3：利用客观定权方法，求解所考虑的情境因素的权值，具体包括以下步骤：

s31：选取各救援点的第j(j∈{1,2,…,msfs})个情境因素特征集为：

用公式(2)和(3)计算其权值，

其中，l∈{1,2,…,msfs}；

s32：通过综合考虑方差和变异系数，通过公式(4)获得各情境因素的权值wj

步骤s3完成后，每个情境因素的权值为：

w＝[w1；w2；w3；w4]＝[0.26386；0.25576；0.21237；0.26801]。

s4：利用改进的模糊c均值聚类算法，将受灾地区各救援点进行受灾严重程度分级，进一步，具体包括以下步骤：

s41：初始化隶属矩阵其中uk,i∈[0,1]为随机数，nedps为应急救援点个数，满足式中的约束条件i＝1,2,...,nedps；分类对象其中i∈{1,2,…,nedps}，表示有msfs列的实数向量；

s42：用公式(5)计算聚类中心k∈{1,2,…,c}，其中c＝2；

其中，m为uk,i的幂次方，表示模糊性参数，m∈[1,∝)；表示隶属度矩阵；ik表示第k个聚类中心向量；

s43：用公式(6)转化聚类中心，其中k∈{1,2}，j,j′∈{1,2,…,msfs}；

则转化后的聚类中心k∈{1,2}；

s44：根据公式(7)计算目标函数，如果目标函数小于某个人为设定的阀值，或它相对上次目标函数值的改变量小于某个人为设定的阀值，算法停止，保留其隶属度矩阵u和聚类中心ik；否则返回步骤s42和s43，得到新的聚类中心k∈{1,2}，并用公式(8)重新计算新的u矩阵，直到算法停止；

其中，di,k＝||ik-vi||为第k个类别中心与第i个数据点间的欧几里德距离，ik表示第k个聚类中心向量，it表示第t个聚类中心向量，vi表示第i个应急救援点的数据向量，k，t∈1，2，…，c，i∈1，2，…，nedps；m∈1,∞是一个加权指数；c＝2为聚类中心数目。

步骤s4完成后，各个救援点所处的受灾严重程度等级被分为2类，受灾较轻一类定义其定向偏好指标为受灾较严重一类定义其偏好指标为且i≠j。

s5：在考虑应急决策者对灾害整体受灾严重程度认知和灾害各救援点受灾严重程度认知的主观因素条件下，建立应急资源分配决策优化模型，具体包括以下步骤：

s51：如公式(9)，根据各救援点距离最好和最坏情境的相对需求增益建立基于决策者主观因素的应急资源分配模型，令α＝0.4，

其中，表示第i个救援点距离好情境的欧几里德距离，表示最坏情境距离最好情境的欧几里德距离，α∈[0,1]表示截值因子，γ表示应急决策者对于灾害的全局认知指标，dki应急决策者对第i个救援点所处类别的定向认知指标，表示应急决策者对第q个救援点所处类别的定向认知指标，ki,kq∈{1,2},i,q∈{1,2,...,nedps}；

s52：根据步骤s51中建立的应急资源分配决策优化模型，将步骤s2中获得的预处理后的不确定信息数据v，步骤s3种获得各情境因素权值wj(j∈{1,2,…,msfs})以及根据步骤s4中得到的各救援点受灾严重程度分级情况确定决策者对整体受灾严重程度认知指标γ＝0.5和各灾害救援点受灾严重程度所处类别的定向认知指标[0.9,0.1]，[0.7,0.3]或[0.5,0.5](kq∈{1,2},q∈{1,2,…,nedps})输入公式(9)获得各救援点的应急资源分配比例ri表示第i各救援点的应急资源分配比例，i∈1,2,…,nedps。

s52：根据步骤s51中建立的应急资源分配决策优化模型，将步骤s2中获得的预处理后的不确定信息数据v，步骤s3种获得各情境因素权值wj(j∈{1,2,…,msfs})以及根据步骤s4中得到的各救援点受灾严重程度分级情况确定应急决策者对于灾害的全局认知指标γ和各灾害救援点所处类别的受灾严重程度定向认知指标输入公式(9)获得各救援点的应急资源分配比例ri表示第i各救援点的应急资源分配比例，i∈1,2,…,nedps。

s6：通过决策优化模型得到如图2所示的决策者的不同定向偏好指标下的应急资源分配差异比较示意图和表3所示的决策者的不同定向偏好指标下的应急资源分配方案。

表3.决策者的不同定向偏好指标下的应急资源分配方案

从图2中可看出：如果根据灾害的受灾严重程度将各救援点分为受灾较为严重和不较为严重两类，两类间的受灾严重程度定向认知指标的差异性越大，各救援点分配的应急资源比例就越大，从而得出应急决策者的对于不同类别间灾害受灾严重程度的定向认知指标的差异性对应急资源比例的分配有一定的影响。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。