Professional Documents
Culture Documents
Mô Hình Hoá
Mô Hình Hoá
Cơ sơ lí thuyết của mô hình truỳ hồi SLP 2 giai đoạn (dạng đơn giản)
Định nghĩa:(chương trình tuyến tính ngẫu nhiên 2 giai đoạn có truy hồi:2-LSPWR).
chương trình tuyến tính ngẫu nhiên 2 giai đoạn có truy hồi(2-LSPWR) hoặc chính xác với
việc trừng phạt hành động khắc phục thường được mô tả là:
x\in\ X y
với
● Chương trình này chỉ định 2-SP (2) ở trên cho mục tiêu lớn ngẫu nhiên cụ thể(hàm
số g(x)) có:
(1) Hàm xác định f(x) là hàm tuyến tính trong quá trình tính
(2) Hàm xác xuất ν (x,ω ) liên quan với các trường hợp khác nhau của ω
● y = y(x,ω ) ∈ R+¿ ¿ được gọi là biến hành động truy hồi cho biến x và và thực hiện ω .
ρ
Các hành động truy hồi được xem là Penalize corrective actions (xử phạt hành
động khắc phục) trong SLP.
Sự hiệu chỉnh Penalize corrective được thể hiện thông qua giá trị trung bình của
Q(x) = Eω [v(x,ω )]. VẬY LÀM SAO ĐỂ TÌM ĐƯỢC GIÁ TRỊ ĐÓ?
Phương pháp phổ biến: Phân tích lại các kịch bản (Senarios analysis)
Để giải hệ trên bằng số, các phương pháp dựa trên vector ngẫu nhiên có hữu hạn số
khả năng thực hiện gọi là kịch bản (Senarios)
Giá trị kì vọng Q(x) hiển nhiên đối phân bố rời rạc của ω !
Vì vậy ta lấy Ω = {ω k } là một tập xác định kích thước (có một số hữu hạn các kịch
bản ω 1,ω 2,...ω s, với số lượng xác xuất là ρk )
Bởi vì y = y(x,ω ) nên kì vọng của v(y) = v(x,ω ) := q ⋅ y ( chi phí q cho tất cả y k ) là:
Trong đó:
● y k là mật độ kịch bản của ω k , q là chi phí phạt 1 đơn vị (penalty cost)
● và q y k = v(x,ω k ) là - là chi phí phạt trong việc sử đơn vị y k trong giai đoạn
hiệu , phụ thuộc vào tất cả biến x ở giai đoạn đầu và các kịch bản ngẫu nhiên
của ω k
2.bài toán sơ tán lập kế hoạch ứng phó thiên tai (SLP-EDPR).
● Mục tiêu, kế hoạch
Chúng tôi muốn sử dụng mô hình SLP hai giai đoạn để sơ tán những
người bị ảnh hưởng đến khu vực an toàn trong quá trình ứng phó với thảm
họa. Nghiên cứu điển hình dựa trên nghiên cứu của Esra Koca và Li Wang.
Mục tiêu chính của ứng phó khẩn cấp là cung cấp nơi ở và hỗ trợ cho
những người bị ảnh hưởng càng sớm càng tốt. Kế hoạch sơ tán tối ưu cho
những người bị ảnh hưởng là một trong những yếu tố quan trọng trong ứng
phó khẩn cấp sau thảm họa và rất nhiều học giả đã thể hiện nỗ lực của họ
trong vấn đề thú vị này.
CÁC PHƯƠNG PHÁP TIẾP CẬN: Lập trình ngẫu nhiên có truy đòi
(Dantzig, rất phổ biến để xử lý tính ngẫu nhiên của các yếu tố và phương
pháp này nhằm tìm ra các quyết định không thể đoán trước được phải đưa ra
trước khi biết cách thực hiện các biến ngẫu nhiên. Theo số giai đoạn, lập trình
ngẫu nhiên với bài toán truy đòi thường được gọi là lập trình ngẫu nhiên
hai giai đoạn/nhiều giai đoạn.
Mô hình lập trình dựa trên kịch bản ngẫu nhiên hai giai đoạn trong việc
sơ tán người dân bị ảnh hưởng trong khu vực thảm họa. Các quyết định ở
giai đoạn đầu là kế hoạch sơ tán mạnh mẽ và đáng tin cậy cho tất cả các cấp
độ thảm họa. Các quyết định ở giai đoạn thứ hai liên quan đến kế hoạch sơ
tán cho những người bị ảnh hưởng để ứng phó với các điều kiện đường xá
dựa trên kịch bản cụ thể.
Theo tài liệu của Li-Wang, A two-stage stochastic programming
framework for evacuation planning in disaster responses, Journal of
Computers & Industrial Engineering, vol 145, 2020 Elsevier (*)
Bảng 2:
(1)
Mục tiêu của mô hình trên là phát triển phương pháp sơ tán tối ưu
mạnh mẽ và cung cấp các hướng dẫn cho người bị ảnh hưởng trong sự cố.
Giai đoạn thứ 2 của mô hình còn hạn chế trong một vài kịch bản, và mô hình
(1) sẽ tương đương với mô hình sau:
(2)
(3)
Và đây là một ràng buộc vững chắc, đặc trưng cho mối quan hệ giữa
việc lựa chọn một liên kết vật lý và các cung phụ thuộc thời gian dựa trên kịch
bản tương ứng. Giải quyết điều trên, phương trình Lagrangian phép nhân α sij
(t), (i,j)∈A, s = 1,2,3,...,S, t < Ť cho biến liên kết, khi đó ràng buộc trên sẽ
thành:
(4)
Và mô hình (2) được chuyển thành:
(5)
Ta có thể thấy rằng biến x và y là 2 biến riêng biệt nhau trong mô hình
trên, ta có thể chia nhỏ thành cái bài toán con để giải quyết:
● Bài toán 1: Bài toán luồng chi phí tối thiểu
(6)
Hàm mục tiêu của bài toán này có thể định nghĩa là
S ❑
gij := pij −∑ ❑ ∑ ❑α sij (t)❑
❑ thể hiện chi phí chung của mỗi luồng liên kết. Do đó,
s=1 t <Ť
bai toán con 1 có thể giải bằng thuật toán đường đi ngắn nhất. Giá trị mục tiêu
¿
tối ưu được viết tắt là Z SP 1(α ) và mục tiêu là tính chi phí cho luồng đi tối thiểu
trong G = (V,A,C,U,D) (Xie, Xing, & Wang, 2009).Các bước trong thuật toán
đường đi ngắn nhất liên tiếp cho bài toán luồng chi phí tối thiểu.
Bước 1: Lấy x làm luồng khả thi giữa bất OD và nó có giá trị tối thiểu
chi phí phân phối trong các luồng khả thi có cùng giá trị dòng .
Bước 2: Thuật toán sẽ kết thúc nếu giá trị luồng của x đạt v hoặc không
có đường dẫn chi phí tối thiểu phần còn lại của mạng (V,A(x),C(x),U(x),D);
Bên cạnh đó, con đường ngắn nhất với mức tối đa luồng được tính bằng cách
hiệu chỉnh nhãn thuật toán và chuyển sang bước số 3. Các hàm
A(x),C(x),U(x), được định nghĩa là:
Bước 3: Tăng luồng dọc theo đường chi phí tối thiểu. Nếu giá trị dòng
chạy tăng không vượt qua v thì quay lại bước 2.
● Bài toán con số 2: Bài toán luồng chi phí tối thiểu phụ thuộc vào
thời gian
Bài toán con thứ 2 của mô hình (5) liên quan đến các biến quyết định x
¿
và y, và gía trị mục tiêu tối ưu của bài toán được viết tắt là Z SP 2 (α ), và được
biểu diễn:
(7)
Và bài toàn này có thể được phần thích thành S bài toán con, mỗi bài
toán được gọi là bài toán luồng chi phi tối thiểu với thời gian và dung lượng di
chuyển của các liên kết phụ thuộc vào thời gian:
(8)
Với mỗi kịch bản s, bài toán trên có dạng tương tự với bài toán
con 1 vói chi phí phụ thuộc vào c sij (t) và dượng lượng liên kết là uijs (t) và
chi phí tổng quát gsij (t). Khoảng thời gian T được chia thành 2 giai đoạn,
và chi phí tổng quát được mô tả:
Thuật toán sữa nhãn đã được sửa đổi (Ziliaskopoulos & Mahmassani,
1992) sẽ được áp dụng để tìm đường dẫn chi phí tối tiểu phụ thuộc thời gian
của mạng lưới còn lại.
Bằng cách giải 2 bài toán (6) và (7) bằng nghiệm x và y, gía trị mục tiêu
¿
tối ưu Z LR cho mô hình (5) với tập vector nhân tử lagrange sẽ biểu diễn α như
sau:
(9)
Rõ ràng, giá trị mục tiêu tối ưu của mô hình (5) là giới hạn dưới của giá
trị mục tiêu tối ưu của mô hình ban đầu(2). Để có được giải pháp chất lượng
cao cần có giới hạn dưới gần với mục tiêu tối ưu của mô hình ban đầu. Nghĩa
là, cần đạt được giới hạn dứoi lớn nhất có thể là:
(10)