2025年AMM SCI2区，混合粒子群-启发式算法与组合Benders分割算法+野火灾害最大疏散规划，深度解析+性能实测

1.摘要

自然灾害，如洪水和火灾，每年都对世界各地的多个地区造成影响。在灾害管理和规划中，人员疏散是最为关键的环节之一。因此，本研究提出了一种应急疏散的数学模型，考虑了将人员转移至避难所的各种约束条件，包括道路封堵、车辆燃料和乘客容量等，该模型被称为最大化公交疏散规划模型。考虑到该问题具有 NP-hard 的复杂度，本文采用混合粒子群-启发式算法来求解该非线性模型，对该模型进行线性化并通过组合Benders切割法，采用三种不同版本进行求解。

2.问题陈述

在野火紧急情况下，晚疏散的人员面临严重风险，包括高温、能见度下降、障碍物以及路径标识被烧毁等，可能导致伤亡。因此，当火势逼近时，强制疏散警报会提醒人们前往疏散站。然而，有限的救援车辆和设施、道路封堵以及火灾强度的增加，都会影响疏散效率。为应对这些挑战，车辆需要在指定时间内接送人员前往中央避难所，最大化疏散效率，同时考虑道路封堵、车辆燃料和容量等因素。

数学模型

本文聚焦于一个有向图$G=(V,A)$，其中$V$表示节点集合，包括疏散中心、中央避难所和疏散人员 ( V = T ∪ { 0 } ∪ W ) (V=T\cup\{0\}\cup W) (V=T∪{0}∪W) 。集合$A$包括连接节点的边，链接疏散中心与中央避难所。对于每个疏散中心，都定义了一个时间窗口集，指定了车辆在访问疏散中心时，必须在该疏散中心的可用时间窗口内开始服务。

3.求解方法

HPSO-HA

PSO编码中每个粒子由$n$个维度表示（其中$n$表示为服务中心的数量），每个维度包含一个介于$[0,n]$之间数值，较小的数值表示该服务中心具有更高的访问优先级，并会被分配到子旅行中。

由于在子旅行生成过程中没有考虑时间窗口约束，我们对每个子旅行应用路线时长最小化算法（设计的启发式方法）。如果最小化后的旅行时长在规定的时间限制内，则该解是可行的。否则，我们根据以下标准逐步从子旅行中移除服务中心，直到旅行时长符合限制。
$$B_j=\Delta d_j/c_j$$

其中，$\Delta d_j$为移除服务中心$j$所节省的时间，$c_j$为服务中心$j$所覆盖的客户数量。

通过调整仓库出发时间，可以在不违反时间窗口约束的前提下减少路线总时长，甚至将不可行的路线变为可行。Savelsbergh 引入的前向时间松弛方法用于延迟客户处的服务开始时间，但在多时间窗口情况下效果较差。Tricoire 等人提出的精确算法通过优化旅行时间和客户服务时间，能够最小化路线时长，且在满足特定条件下可返回最优解。

本文还实现了最小向后时间松弛算法（MBTSA），该算法通过计算时间窗口内的延迟范围，优化路线时长，并在调整过程中确保不违反时间窗口约束，最终为具有多个时间窗口的最小时长问题提供最优解。

CBC算法 参看原论文。

4.结果展示

鉴于在合理时间内获得高质量解的重要性，我们提出的HPSO-HA启发式方法证明是有效的疏散规划管理解决方案。结果表明，尽管当前模型较为复杂，所提出的算法仍能在合理的时间范围内获得合适的解决方案。

5.参考文献

[1] Bigdellou S, Chen Q, Beheshti S. A novel Hybrid PSO-Heuristic Algorithm with Combinatorial Benders’ Cuts for maximal evacuation planning in wildfire disasters[J]. Applied Mathematical Modelling, 2025, 145: 116131.

6.算法辅导·应用定制·读者交流