应急服务双目标选址问题的基于智能交换的启发式算法

《Fire》：Intelligent Swap-Based Heuristics for Two-Objective Location Problems in Emergency Services

　　本文聚焦于离散优化方法在紧急服务领域的一项具体应用。寻找服务中心的最佳部署方案是院前急救医疗管理领域中的关键战略决策之一。由于这些决策的后果对每个人都至关重要，并可能直接影响紧急医疗服务的可用性，因此在制定数学模型时，通常会考虑不同的利益相关者群体。如果存在两个或更多相互冲突的不同目标，通常就需要构建解的帕累托前沿。它可以作为寻找最终系统设计的良好基础。由于构建精确的帕累托集非常耗时且需要大量计算资源，许多专家的努力集中在开发高效算法上，以便在较短时间内近似原始的帕累托前沿。本文介绍了此类启发式算法中的一种。尽管所提出的逐步细化算法遵循对当前非支配解集逐个元素进行处理、检查每个元素的邻域以扩展帕累托前沿近似的思路，但它可以通过使用多个参数进行简单调整和泛化。这种调整自然会引发关于最优参数设置的问题。因此，我们逐步尝试了几种方法，从简单的实验验证合适值，到基于机器学习方法开发复杂的参数调优技术。通过这种方式，我们创造了一种带有人工智能元素的复杂高级算法。我们进行了一系列数值实验，利用具有帕累托前沿的真实世界基准问题，以量化和衡量所提出启发式方法的有效性。