[MSGW-FLM]借助物联网的力量优化灾难期间的紧急救援

物联网 17/06/2024

三个要点

✔️ 该模型考虑了一系列约束条件和目标，优化了紧急救援资源分配。
✔️ 因此，值得注意的是，MSGW-FLM 的表现优于其他算法，尤其是在实现系统损失最终趋近于零方面。这些发现凸显了 MSGW-FLM 在管理紧急物资分配任务方面的有效性和适用性。
✔️ 未来的研究将测试该模型在真实世界紧急情况下的有效性，并进一步测试其动态更新时空信息的能力。

A Multi-constraint and Multi-objective Allocation Model for Emergency Rescue in IoT Environment
written by Xinrun Xu, Zhanbiao Lian, Yurong Wu, Manying Lv, Zhiming Ding, Jian Yan, Shang Jiang
(Submitted on 15 Mar 2024)
Comments: 5 pages, 5 figures, ISCAS 2024
Subjects: Artificial Intelligence (cs.AI)

code：

本文所使用的图片要么来自论文、介绍性幻灯片，要么是参考这些图片制作的。

概述

有效的资源分配在灾后立即进行是必要的。在长期危机和大规模灾难中，及时、明智的决策尤为重要。最近，利用物联网和时空数据分析技术的进步，开发了一种名为多目标洗牌灰狼蛙跳模型（MSGW-FLM）的系统。该模型考虑了不同的约束条件和目标，优化了紧急救援资源分配。在真实紧急救援场景中进行的测试表明，该模型的性能优于现有模型，MSGW-FLM 代表了在复杂情况下优化资源分配方面的重大进步。

介绍

人工智能、物联网传感和智慧城市的发展突飞猛进，使人们开始关注将这些技术融入灾后应急响应的问题。应急响应对于保护生命和财产至关重要，需要对复杂的信息进行分析，以制定有效的救援策略。时空数据对此至关重要：使用物联网设备可实现实时数据收集和应急资源的适当分配。此外，还可以修改救援计划，以适应不断变化的情况，使救援行动更加有效。这种数据驱动的应急响应是一个动态和反复的过程，物联网设备提供的实时数据在其中发挥着重要作用。在灾后应急响应中，使用具有时空数据的物联网尤为重要，并在此基础上提出了新的方法。

MSGW-FLM

本文提出了一种结合多种元启发式算法的新方法，作为约束多目标决策优化问题（CMDOP）的解决方案。具体来说，将灰狼优化算法（GWOA）和洗牌蛙跳算法（SFLA）结合起来，开发了多目标洗牌灰狼-蛙跳模型（MSGW-FLM）。下图为系统概览。

SFLA 是一种基于青蛙觅食行为的元启发式方法，在这种方法中，青蛙被组合成memeplexes，以交换信息并强化解决方案。另一方面，GWOA 是一种迭代优化算法，其灵感来自灰狼的等级和狩猎场景。这些算法共同实现了高效的解决方案空间探索。

结合这些算法，MSGW-FLM 能够有效地探索解空间，并提高多目标问题中解决方案排序的准确性。此外，该方法已被证明比现有的优化方法（如 NSGA-II 和拥塞距离）性能更好。

MSGW-FLM 还具有足够的灵活性，可应用于不同的问题领域以及考虑多重约束和目标的复杂决策问题。这样，就能在广泛的现实问题中更有效、更适当地寻找解决方案。

试验

本文对所提出的 MSGW-FLM 方法进行了评估。首先，设计了两个具有多个目标的材料分配实例，并使用 MSGW-FLM 解决了相关的决策模型。具体而言，假设了一个动态决策场景，并采用了滚动时域规划方法。在这种方法下，决策被分成几个周期，每个周期都使用 MSGW-FLM 来执行计划。随着新数据的出现，这些数据会被纳入下一个周期，模型参数也会随之动态调整。

然后，将 MSGW-FLM 与其他算法进行对比评估。为此，使用了四个经典基准问题，并对 28 个多目标子问题进行了评估。使用 HV、IGD 和 Spread 等性能指标对每种算法进行了评估，结果表明 MSGW-FLM 在许多情况下都优于其他基准算法。下表显示了优化算法在 ZDT、WFG、DTLZ 和 LZ09 F 中的 HV、IGD 和 Spread 性能。

为了进一步评估 MSGW-FLM 的能力，我们深入研究了不可预测的供需动态情景。具体来说，我们考虑了配送中心和灾区之间的物资分配，供需点随机。在这种情况下，在五个规划周期内有 10 个指定灾区和 10 个配送中心。每个周期确定所有灾区的模糊需求，每个规划阶段确定每个配送中心的不确定供应。这样就可以直观地研究不同供需点组合下系统总损失的平均变化。下图显示了本文中介绍的实际结果。

因此，值得注意的是，MSGW-FLM 的性能优于其他算法，特别是在实现系统损耗最终趋近于零方面。这些发现凸显了 MSGW-FLM 在管理紧急物资分配任务方面的有效性和适用性。

结论

本研究探讨了如何利用物联网中的时空数据，在有效分配应急资源时考虑多个目标和约束条件。为此，引入了一种开创性的方法--多目标洗牌灰狼蛙跳模型（MSGW-FLM）。因此，利用时空数据在 28 个多目标任务中对该模型进行了测试。结果表明，MSGW-FLM 的性能始终优于其他基准模型，如 NSGA-II、IBEA 和 MOEA/D。未来的研究将测试该模型在真实世界紧急情况下的有效性，并进一步测试其动态更新时空信息的能力。