给定限期条件下应急选址问题的量子竞争决策算法

《给定限期条件下应急选址问题的量子竞争决策算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第20卷第3期2011年6月运筹与管理OPERATIONSRESEARCHANDMANAGEMENTSCIENCEV01．20，No．3Jun．2011给定限期条件下应急选址问题的量子竞争决策算法刘勇1’2，马良1，宁爱兵1(1．上海理工大学管理学院，上海200093；2．盐城工学院基础教学部，江苏盐城224051)摘要：为求解给定期限条件的应急设施选址问题，本文提出了一种量子竞争决策算法。将量子个体作为博弈者参与到竞争决策中，利用量子位、叠加态等理论提高竞争群体多样性，缩小群体规模，加快优化速度；基于进化博弈论中博弈者学习和策略调整的机制，实现竞争者学习和自演化的目的，增强算法的寻

2、优能力。实验结果表明算法的可行性和有效性。关键词：运筹学；量子计算；竞争决策；应急设施选址中图分类号：0221．4文章标识码：A文章编号：1007-3221(2011)03-0066·06QuantumCompetitiveDecisionAlgorithmforEmergencyFacilityLocationwithaGivenDeadlineLIUYon91”，MALian91。NINGAi-bing‘(1．SchoolofManagement。UniversityofShanghaiforScienceandTechnology，Shanghai200093，China；2．

3、Depart—mentofFundamentalTeaching，YanchengInstituteofTechnology，Yancheng224051，China)Abstract：Tosolvetheproblemofemergencyfacilitylocationwithagivendeadline，anovelquantumcompetitivedecisionalgorithmisproposed．Thequantumindividualsareintroducedintooptimizationasgameplayers．Thealgorithmexploitsqua

4、ntumbit，superpositionstateandotherconceptstoincreasethediversityofcompetitors，re-ducethepopulationsizeandspeedupoptimizationrate．Thealgorithmmakescompetitorspossesstheabilityoflearningandself-evolutiontOimprovetheoptimizationabilitybythemechanismoflearningandadjustmentinev-olutionarygametheory．

5、Theexperimentsshowthealgorithmisfeasibleandeffective．Keywords：operationsresearch；quantumcomputing；competitivedecision；emergencyfacilitylocation0引言应急设施选址是当今深受关注的一个重要的研究方向，直接影响到应对突发事件的实效性⋯。如在城市规划建设中，决策者往往要决定一些公共紧急服务设施点的优化选址问题，如110出警中心、消防大队、急救中心、交通控制点，以保证城市中某些地点发生突发事件时，相应的服务设施点能在规定的时间内到达现场进行应急服务服务

6、旧1。应急设施点的一个重要作用是向发生突发事件的地点提供及时必需的物资等援助，要满足时间紧迫性的第一要求或者说要在规定的时间限期内到达现场，才能对突发事件进行有效的控制。因此，对给定限期条件的应急设施选址算法的研究有重大的现实意义。收稿日期：2009-1l-21基金项目：国家自然科学基金项目(70871081)；上海市重点学科建设项Ii(S30504)；上海市研究生创新基金费助项目(JWCXSL0902)作者简介：刘勇(1982．)，男．江苏淮安人，博士研究生，主要研究方向为智能优化、系统工程；马良(1964-)．男．上海人。教授．博士生导师，主要研究方向智能优化、系统工程；宁爱兵(

7、1972-)。男。博士。讲师。主要研究方向算法设计、系统工程。，第3期刘勇，等：给定限期务件下应急选址问题的量子竞争决策算法67给定限期条件的应急设施选址问题同时是一个NP难题忙“-，给问题的求解带来了很大的困难。文献[2]提出了求解该问题的贪婪启发式算法，文献[5]把模拟退火算法用于对该问题的研究。贪婪算法是在对问题求解时，总是做出在当前看来是最好的选择，没有从整体最优解出发来考虑，它所做出的仅是在某种意义上的局部最优解；同时随着数据规模的影响极大，随着