《Operations Research Perspectives》：A three-stage intelligent decision framework for post-disaster search and rescue open-loop routing
编辑推荐：
•通过震后环境模拟构建三阶段搜索与救援（Search and Rescue, SAR）开环路由框架。
•提出了优先级感知的混合启发式方法，用于生成高质量的初始救援计划。
•提出了改进的动态自适应大邻域搜索（Modified Dynamic Adaptive L
•通过震后环境模拟构建三阶段搜索与救援（Search and Rescue, SAR）开环路由框架。
•提出了优先级感知的混合启发式方法，用于生成高质量的初始救援计划。
•提出了改进的动态自适应大邻域搜索（Modified Dynamic Adaptive Large Neighborhood Search, M-D-ALNS）算法，集成新型算子与动态逻辑，以最小化救援时间与优先级成本。
•设计了事件驱动的重规划机制，能够对不确定信息做出敏捷响应。
•仿真结果表明该框架具有鲁棒动态性能；现实信息条件下的策略能够超越全知视角（God View）基线。
**一、研究背景与问题**
大规模自然灾害（如地震、台风）可在数分钟内对基础设施造成灾难性破坏并导致大规模人员伤亡。在灾害发生后的“黄金72小时”内，搜索与救援（Search and Rescue, SAR）行动的效率是降低死亡率的关键决定因素。尽管基于深度学习（如Vision Transformers, ViT）的震后建筑物损伤检测已取得进展，但如何将评估结果转化为有效的救援行动仍是一项挑战：救援队伍必须面对道路受阻、伤亡人数未知或估计噪声较大等高度动态的环境。
灾后SAR路由与商业车辆路径问题（Vehicle Routing Problem, VRP）存在本质差异：其一，优化目标需满足人道主义与救援效率需求，即最小化最大完成时间（makespan）并优先保障关键区域，而非最小化经济成本；其二，救援作业通常需要开环结构，即车辆不必返回中心车场，而是直接前往医院、安全区域或下一个受灾点以最大化时间利用率。
现有研究仍存在若干不足：静态规划或完美信息假设与现实不符；动态VRP方法缺乏处理“探索不确定需求”与“利用已知高优先级区域”之间权衡的机制；传统滚动时域方法可能引发过多重规划计算，或无法对“黑天鹅”（Black Swan）事件（如桥梁突然坍塌）做出快速响应。为此，该研究提出了一种面向灾后动态
