［本站讯］近日，山东大学管理学院、山东省社会超网络计算与决策模拟重点实验室张江华教授团队在应急决策和应急物流方面取得新进展。相关研究成果以"A scenario-based hybrid robust and stochastic approach for joint planning of relief logistics and casualty distribution considering secondary disasters"为题发表在物流与供应链管理权威期刊Transportation Research Part E: Logistics and Transportation Review上。山东大学为该论文的独立完成单位，管理学院管理科学与工程专业博士研究生李玉晨为该论文的第一作者，张江华教授为第二作者，团队于国栋副教授为通讯作者。

人员疏散-物资分配应急救援网络（左），基于不确定集合的场景树（右）

是否考虑次生灾害对设施位置和容量决策的影响

参数调整对PH 算法求解效率的影响

针对灾后应急救援与物资分配网络的设计问题，提出了灾民到庇护所的疏散和应急资源分两个应急救援关键环节的协同决策方法。与现有文献在设计应急物流网络时只考虑原生灾害的方法不同，本文还考虑到潜在的次生灾害造成的影响，建立情景树来描述原生灾害和次生灾害之间的关系，并在应急物流网络设计中予以考虑。根据决策制定中面临的不确定参数（如灾害等级、物资运输时间等），根据其不确定性的特点，通过定义随机场景（针对灾害等级）和鲁棒优化中不确定集合（针对物资运输时间）相结合的方式来建模，并允许决策者根据其决策态度来调整每个灾害等级场景下不确定集合的大小，以控制解决方案的保守性。针对模型难以求解的问题，提出了一种基于增广拉格朗日松弛的progressive hedging（PH）算法，将包含不确定集合的场景分解为若干子问题，结合所提出的加速求解策略对各个子问题进行分别求解以降低求解难度，减少求解时间。

研究发现，在设计应急物流网络时，考虑次生灾害的影响将会通过开放更多、分布更广的配送中心和庇护所来提高物流网络在灾后响应中的响应速度和救援能力。提出的基于场景与鲁棒不确定集合相结合的方法，能够充分利用历史数据中随机参数的信息，因此与其他方法相比，在应急救援中能够明显提高服务率的同时，仍保证较低的总救援成本。所提出的PH算法结合加速求解策略能显著提高其计算性能，且结果表明该算法与直接求解的方法相比，在大规模算例情况下具有较好的表现。

该研究工作受到国家自然科学基金、山东省重点研发计划、山东大学青年学者计划等的资助。

原文链接：https://www.sciencedirect.com/science/article/pii/S1366554520306803