Disaster Rescue Task Scheduling: An Evolutionary Multiobjective Optimization Approach
Disaster Rescue Task Scheduling: An Evolutionary Multiobjective Optimization Approach
复制标题
灾难救援任务调度：一种进化多目标优化方法
DOI：
10.1109/tetc.2014.2369957
复制
发表时间：
2018-04
影响因子：
5.9
通讯作者：
Xue Jin-Yun
中科院分区：
文献类型：
--
作者：
Zheng Yu-Jun;Ling Hai-Feng;Xue Jin-Yun
高效的救援任务调度在灾害救援行动中发挥着关键作用。在实际应用中，此类紧急调度问题通常涉及多个目标、复杂的约束、固有的不确定性和有限的响应时间要求。本文提出了救援任务调度的模糊多目标优化问题，其目标是同时最大化救援队的任务调度效率和最小化作业风险。然后，我们开发了一种高效的基于生物地理学的多目标优化（EMOBBO）算法来解决该问题。为了应对不确定性，我们采用了三个相关的模糊排序标准，并使用模糊优势的概念来比较解的优势关系。在 EMOBBO 中，我们定义了新的迁移和变异算子来有效地演化基于排列的解决方案，使用针对特定问题的解决方案重新排列机制来过滤掉低效的解决方案，并采用局部邻域结构来抑制过早收敛。计算实验表明，所提出的 EMOBBO 算法优于一些最先进的进化多目标优化算法，并且我们的算法近年来已成功应用于多个现实世界的灾难救援行动。
Efficient rescue task scheduling plays a key role in disaster rescue operations. In real-world applications, such an emergency scheduling problem often involves multiple objectives, complex constraints, inherent uncertainty, and limited response time requirement. In this paper, we propose a fuzzy multiobjective optimization problem of rescue task scheduling, the aim of which is to simultaneously maximize the task scheduling efficiency and minimize the operation risk for the rescue team. We then develop an efficient multiobjective biogeography-based optimization (EMOBBO) algorithm for solving the problem. To cope with the uncertainty, we employ three correlated fuzzy ranking criteria, and use the concept of fuzzy dominance for comparing the dominance relation of solutions. In EMOBBO, we define new migration and mutation operators for effectively evolving the permutation-based solutions, use a problem-specific solution rearrangement mechanism for filtering out inefficient solutions, and employ a local neighborhood structure to suppress premature convergence. Computational experiments show that the proposed EMOBBO algorithm outperforms some state-of-the-art evolutionary multiobjective optimization algorithms, and our algorithm has been successfully applied to several real-world disaster rescue operations in recent years.
登录
查看更多内容
DOI：
10.1016/0305-0483(83)90088-9
发表时间：
1983-01-01
影响因子：
6.9
作者：
NAWAZ, M;ENSCORE, EE;HAM, I
通讯作者：
HAM, I
DOI：
10.1109/icsmc.2009.5346043
发表时间：
2009-10
期刊：
2009 IEEE International Conference on Systems, Man and Cybernetics
影响因子：
--
作者：
Mehmet Ergezer;D. Simon;Dawei Du
通讯作者：
Mehmet Ergezer;D. Simon;Dawei Du
DOI：
10.1145/2598394.2605342
发表时间：
2014-07
期刊：
Proceedings of the Companion Publication of the 2014 Annual Conference on Genetic and Evolutionary Computation
影响因子：
--
作者：
A. Engelbrecht
通讯作者：
A. Engelbrecht
DOI：
10.1016/b978-0-12-409547-2.14581-0
发表时间：
2020
期刊：
Comprehensive Chemometrics
影响因子：
--
作者：
Federico Marini;Beata Walczak
通讯作者：
Federico Marini;Beata Walczak
DOI：
10.1201/9781003206477-5
发表时间：
2021-08
期刊：
Evolutionary Optimization Algorithms
影响因子：
--
作者：
A. Badar
通讯作者：
A. Badar