要約
災害直後には緊急救援活動が不可欠であり、悪影響を最小限に抑え、利益を最大化するために効果的な資源配分が必要です。
長期にわたる危機や大規模な災害では、タイムリーで情報に基づいた意思決定を行うための体系的で複数サイクルのアプローチが鍵となります。
IoT と時空間データ分析の進歩を活用して、多目的シャッフル ハイイロオオカミ カエル跳躍モデル (MSGW-FLM) を開発しました。
この多制約、多目的リソース割り当てモデルは、28 の多様な課題に対して厳密にテストされており、NSGA-II、IBEA、MOEA/D などの確立されたモデルと比較して優れたパフォーマンスを示しています。
MSGW-FLM の有効性は、多数の制約と目的が関係する複雑な複数サイクルの緊急救助シナリオで特に顕著です。
このモデルは、緊急対応状況におけるリソース配分の最適化において大きな前進を表しています。
要約(オリジナル)
Emergency relief operations are essential in disaster aftermaths, necessitating effective resource allocation to minimize negative impacts and maximize benefits. In prolonged crises or extensive disasters, a systematic, multi-cycle approach is key for timely and informed decision-making. Leveraging advancements in IoT and spatio-temporal data analytics, we’ve developed the Multi-Objective Shuffled Gray-Wolf Frog Leaping Model (MSGW-FLM). This multi-constraint, multi-objective resource allocation model has been rigorously tested against 28 diverse challenges, showing superior performance in comparison to established models such as NSGA-II, IBEA, and MOEA/D. MSGW-FLM’s effectiveness is particularly notable in complex, multi-cycle emergency rescue scenarios, which involve numerous constraints and objectives. This model represents a significant step forward in optimizing resource distribution in emergency response situations.
arxiv情報
著者 | Xinrun Xu,Zhanbiao Lian,Yurong Wu,Manying Lv,Zhiming Ding,Jian Yan,Shang Jiang |
発行日 | 2024-03-15 13:42:00+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google