城市突發(fā)事件應(yīng)急管理及調(diào)度優(yōu)化

前言
第1章 緒論
1.1 研究背景
1.2 研究意義
1.3 外研究現(xiàn)狀及評述
1.3.1 城市突發(fā)事件應(yīng)急管理研究現(xiàn)狀
1.3.2 應(yīng)急救援車輛路徑選擇和調(diào)度優(yōu)化研究評述
1.3.3 應(yīng)急手術(shù)調(diào)度及其優(yōu)化研究評述
1.3.4 應(yīng)急車輛的傷員轉(zhuǎn)運與手術(shù)協(xié)同調(diào)度研究評述
1.3.5 應(yīng)急調(diào)度中的不確定問題研究
1.3.6 研究現(xiàn)狀的局限性
1.4 研究內(nèi)容和目標
1.5 本書的創(chuàng)新
1.6 本書的結(jié)構(gòu)框架
第2章 理論基礎(chǔ)
2.1 引言
2.2 突發(fā)事件應(yīng)急救援車輛路徑選擇研究
2.2.1 車輛路徑問題及其數(shù)學模型
2.2.2 城市突發(fā)事件應(yīng)急救援車輛路徑問題及其數(shù)學模型
2.3 應(yīng)急手術(shù)調(diào)度研究
2.3.1 突發(fā)事件下應(yīng)急手術(shù)調(diào)度優(yōu)化指標
2.3.2 突發(fā)事件情景下應(yīng)急手術(shù)調(diào)度問題模型
2.4 傷員檢傷、分類問題
2.4.1 樸素貝葉斯分類
2.4.2 基于支持向量機的分類
2.5 不確定理論
2.6 深度學習
2.6.1 卷積神經(jīng)網(wǎng)絡(luò)
2.6.2 強化學習
2.7 啟發(fā)式群智能算法
2.7.1 花朵授粉算法
2.7.2 布谷鳥搜索算法
2.7.3 飛蛾撲火算法
2.8 本章小結(jié)
第3章 城市突發(fā)事件中傷員的檢傷識別與分類
3.1 引言
3.2 傷員的傷情檢傷識別、分類
3.2.1 檢傷分類的等級和標識
3.2.2 檢傷分類的方法
3.3 基于排隊論的檢傷分類服務(wù)優(yōu)化
3.3.1 傷員檢傷分類排隊模型
3.3.2 模擬實例分析
3.4 我國城市突發(fā)事件應(yīng)急管理體制存在的問題與對策
3.4.1 應(yīng)急管理體制存在的問題
3.4.2 應(yīng)急管理的對策
3.5 本章小結(jié)
第4章 突發(fā)事件中傷員轉(zhuǎn)送應(yīng)急救援車輛調(diào)度研究
4.1 引言
4.2 城市突發(fā)事件中基于事故演變的救援需求優(yōu)化模型
4.2.1 事件演變的救援需求問題描述
4.2.2 馬爾可夫決策過程
4.2.3 需求狀態(tài)演變的馬爾可夫過程
4.2.4 模型優(yōu)化求解
4.2.5 實證
4.2.6 結(jié)論
4.3 應(yīng)急車輛動態(tài)路徑選擇問題優(yōu)化
4.3.1 應(yīng)急車輛動態(tài)路徑選擇問題
4.3.2 求解應(yīng)急車輛動態(tài)路徑選擇問題的混合布谷鳥搜索算法
4.3.3 算例驗證
4.3.4 結(jié)論
4.4 本章小結(jié)
第5章 城市突發(fā)事件情境下手術(shù)調(diào)度研究
5.1 引言
5.2 城市突發(fā)事件中基于疲勞效應(yīng)的應(yīng)急手術(shù)調(diào)度問題
5.2.1 應(yīng)急手術(shù)調(diào)度問題
5.2.2 改進的飛蛾撲火算法設(shè)計
5.2.3 數(shù)據(jù)仿真與實驗
5.2.4 結(jié)論
5.3 不確定因素下手術(shù)調(diào)度研究
5.3.1 灰色調(diào)度建模
5.3.2 混合灰色布谷鳥搜索算法設(shè)計
5.3.3 數(shù)據(jù)仿真與實驗
5.3.4 結(jié)論
5.4 本章小結(jié)
第6章 城市突發(fā)事件下應(yīng)急物資協(xié)同調(diào)度和檢傷、轉(zhuǎn)運與手術(shù)協(xié)同調(diào)度研究
6.1 引言
6.2 應(yīng)急物資協(xié)同調(diào)度
6.2.1 應(yīng)急物資協(xié)同調(diào)度概述
6.2.2 兩階段多物資協(xié)同調(diào)度模型
6.2.3 算法實現(xiàn)
6.2.4 實例分析
6.2.5 結(jié)論
6.3 檢傷分類、傷員轉(zhuǎn)運與應(yīng)急手術(shù)協(xié)同調(diào)度
6.3.1 問題描述
6.3.2 問題建模
6.3.3 算法設(shè)計及性能分析
6.3.4 仿真實證及分析
6.3.5 結(jié)論
6.4 本章小結(jié)
參考文獻