基于SAA的应急物资储备库多目标选址方法.docx

基于SAA的应急物资储备库多目标选址方法
摘要：
本文介绍了基于SAA的应急物资储备库多目标选址方法。该方法将多个目标视为优化问题的约束条件，采用SAA算法搜索最优解，实现应急物资储备库的最优选址。
关键词：
SAA算法，应急物资储备库，多目标选址，约束条件
一、概述
应急物资储备库是在突发事件发生时，供给物资和人员的非常重要的资源，在应急物资储备库建设过程中，选址问题是一个非常重要的问题。不仅要考虑到基础设施的完善程度，还要满足多个目标的需求。因此，本文提出了基于SAA的应急物资储备库多目标选址方法，从而实现应急物资储备库的最优选址。
二、SAA算法原理
SAA算法的基本思路是将确定性优化问题转化为随机优化问题，通过随机化来探索搜索空间，从而寻找全局最优解的一种算法。主要分为两个阶段：第一，利用随机扰动改变原问题中的某个随机元素，从而产生一个新的问题；第二，对新问题解决优化问题，比较新解与旧解的优劣，更新解的信息并不断迭代更新。
三、应急物资储备库多目标选址模型
通过参考已有研究，本文将物资储备库选址问题转化为多目标优化问题。将多个目标视为约束条件，定义目标向量（F1,F2,……,Fn），其各个分量表示各个目标值。多目标优化问题可表达为(1)：
MinimizeF(x)=(F1(x),F2(x),……,Fn(x))(1)
SubjecttoC1(x)<=0,
C2(x)<=0,
……,
Ci(x)<=0(2)
其中C1,C2,…,Ci表示限制条件。
对上述公式进行转化，R为当前搜索区域内的点集合，def(R)表示R内所有点的密度，通过将约束条件拆开表示为(3)：
R={x∈X|C1(x)<=0,C2(x)<=0,…,Ci(x)<=0}(3)
则多目标优化问题可表达为(4)：
MinimizeF(x)s.t.def(R)>=ρ(4)
其中ρ为搜索区域密度下限，def(R)是区域R中所有点的密度。
四、基于SAA算法的多目标选址流程
SAA算法在多目标选址问题中的流程分为三个部分：
（1）初始化
初始化搜索区域，根据设置的局部搜索区域大小l和搜索区域x的范围进行划分。
（2）搜索局部最优
在每个局部区域中进行搜索，并记录搜到的最优解。
（3）更新全局最优
对于每个局部最优解，判断是否能够成为全局最优解，如果是，则更新全局最优解。
五、结论
本文介绍了基于SAA算法的应急物资储备库多目标选址方法，将多目标视为约束条件进行优化，采用SAA算法进行随机搜索。该方法能够有效的选取应急物资储备库的最优位置，提高应急处理的效率。