Capacitated Vehicle Routing Problem UnderDeadlines: An Application to Flooding Crisis

 作者选择使用 “截止日期” 一词而不是 “时间窗口” 来强调人类生命在这个问题中的重要性，而不是商业VRP，在商业VRP中，违反时间窗不会产生同样的后果。 “最后期限” 一词的使用也将问题明确置于危机管理和受害者救济的背景下。

 洪水危机对领土和灾民的影响程度各不相同，通常与水位相关。这意味着救援队需要进行不同类型的干预，而这些干预措施无法使用相同的资源来服务。 救援队需要采取的干预措施类别是根据洪水对领土和受害者的影响程度确定的。

 本文的目标是开发有效的算法，在考虑到车辆的容量和每种干预类型的最后期限的情况下，在干预区域之间调度资源（救援队的车辆）。 作者使用过去危机的数据来评估算法在尽可能接近现场经验的问题上的性能。 为受害者救济行动开发决策支持工具，可以帮助救援队改善对危机局势的管理，优化受害者救济行动。

挑战问题

危机情况下与解决救援车辆的车辆路线问题 (VRP) 相关的挑战

（1）需要满足的需求类型

（2）考虑可用于干预的车辆类型。这很重要，因为不同的车辆具有不同的平均速度，这可能会影响救援行动的整体效率。

 本文使用混合整数二次规划（MIQP）公式提出了在截止日期内容量车辆路线问题（CVRP）的模型。 但是，由于计算时间长，精确的方法不适合解决现实生活中的问题。

 MIQP 公式仍然有用，因为它允许描述问题的解决方案并验证模型的约束是否得到满足。 为了有效地求解CVRP，本文提出了几种基于插入策略的算法，在这种策略中，需求逐渐插入到车辆的路线中。

• 最短距离插入 (SDI) 算法将需求插入到当前最近的可用车辆的路线中。
• 最佳流量时间插入 (BFI) 算法根据对目标的最小影响插入需求。
• 带订单询问的最佳流程时间插入 (BFIOQ) 算法与 BFI 类似，但包括仅限于当前路径的本地搜索，以改进每次插入时的解决方案。

 将这些算法与文献中的参考启发式算法进行比较，以评估其在解质量和计算时间方面的性能。

 救援队在洪水危机期间面临的挑战，特别是在多个受影响地区或部门同时规划干预措施方面。 为了解决这个问题，作者开发了一种使用从体验反馈（EF）中提取的数据生成扇区的流程。 灵活的图形生成器用于随机生成受影响区域的赌注、图表中赌注之间的连接以及以可配置的方式转化为需求的受影响赌注。

 救援队面临的另一个挑战是在受影响的地区之间调度资源，由于地理限制以及需要解决需求之间的距离并与多个救援中心打交道，这使情况变得更加复杂。 为了优化资源调度，作者开发了一种算法，该算法可以应用于包含多个部门的模拟危机。

 本文介绍了几项新的贡献，包括从EF中提取数据、考虑救援车辆类别的问题数学模型、启发式算法和可配置的图形生成器。 本文的其余部分分为几个部分，讨论有关问题的文献、问题和数学模型、启发式算法、数据分析和实验结果。 作者最后为未来的工作开辟了前景。