突发事件爆发后，应急决策通常面临信息不对称的情形，由此获得合理的解决方案非常困难。研究需求量不确定的场景下，同时决策应急物资中心选址方案和配送路径的问题。首先引入三角模糊数刻画模糊需求，提出模糊需求下的应急物资中心选址—路径模型；然后定义Q-学习中的状态、动作和奖励，形成超启发式算法的上层策略；最后以一种新架构封装低层算子，提出一种基于Q-学习的超启发式算法。通过数值实验验证了算法的有效性，同时通过案例分析体现了模型和算法在实际应用中的可行性。
科研之友
微信
新浪微博
Facebook
分享链接
