临机决策视角下的非常规突发事件应急处置方案生成

doi:10.16381/j.cnki.issn1003-207x.2021.1982

摘要/Abstract

摘要：

为提升非常规突发事件应急处置方案生成的柔性，以临机决策的内涵为基础，以应急处置活动为核心，构建应急处置方案模型；为临机生成满意可行的应急处置方案，以应急处置活动为规划对象，以最小化救援时间、最小化处置成本、资源分配均衡性最优为规划目标，以活动相关的资源、时间、序关系等为约束，建立应急处置方案临机生成的多目标规划模型；辅以带精英策略的非支配排序进化算法及基于模糊集理论的最佳折衷解选取实现多目标规划模型的求解及方案优选，在既有方案的应对能力与当前情境在任意时刻出现“失配”时，通过活动的重组获得行之有效的方案；通过算例验证了提出方法的科学性和有效性。研究结果表明，细粒度的应急处置活动表示提升了应急处置方案的柔性与可重组性，为方案的临机生成提供了基本的活化素材；应急处置活动的时间、资源、优先级等要素的进一步细化，确保了生成方案对非常规突发事件应急处置时间、成本及公平性的要求；应急处置方案临机生成的多目标规划模型及相应求解算法的提出，丰富了临机决策的内涵，同时也提升了临机决策应用于非常规突发事件应急处置方案生成的可操作性及可行性。

关键词: 非常规突发事件, 方案生成, 临机决策, 应急处置活动, 多目标规划

Abstract:

The scenarios of unconventional emergencies are highly complex and uncertain， which means that the generation of emergency response plans must consider the needs of subsequent dynamic adjustment and the generated plans must have the characteristics of flexible adjustment. In addition， there are often multiple conflicting goals in the process of emergency response. How to balance the conflicting goals and make the generated plans more scientific and reasonable is also a problem that must be considered. There is still room for improvement and expansion in the existing researches on the above two aspects. Improvisational decision-making provides an effective mode or means for improvisational generation and dynamic adjustment of emergency response plans for unconventional emergencies， but the operable models and methods in its key links still need to be further studied. In order to improve the flexibility of the generation of emergency response plans for unconventional emergencies， an emergency response plan model is constructed based on the idea of improvisational decision-making and with emergency response activities as the core. For the sake of generating a satisfactory and feasible emergency response plan， taking emergency response activities as the programming objects， and taking resources， time and order relations of emergency response activities as constraints， a multi-objective programming model for improvisational generation of emergency response plans is established to minimize rescue time， minimize response cost and optimize the balance of resource allocation. With the help of the non-dominant ranking evolutionary algorithm with elite strategy and the optimal compromise solution selection based on the fuzzy set theory， the multi-objective programming model is solved and the plan is optimized， so that when there is a “mismatch” between the response ability of the existing plan and the current scenario at any moment， the effective emergency response plan can be obtained through the reconfiguration of emergency response activities. By systematically collecting， analyzing and summarizing relevant survey data obtained from Ministry of Emergency Management， news content， emergency preplans and references， a case study of improvisational generation of the emergency response plan of Yancheng “3.21” chemical plant explosion accident is carried out， and the scientificity and effectiveness of the proposed model and method is verified by solving the case-based problem. The results show that fine-grained representation of emergency response activities improve the flexibility and reconfigurable of emergency response plans， and provide basic active elements for the improvisational generation of emergency response plans. The further refinement of the elements of emergency response activities such as time， resource and priority ensures that the generated plans meet the requirements of time， cost and fairness for emergency response. The proposed multi-objective programming model and the corresponding solving algorithm for improvisational generation of emergency response plans not only enrich the connotation of improvisational decision-making， but also improve the operability and feasibility of the application of improvisational decision-making in the generation of emergency response plans for unconventional emergencies， and then provide some reference for the further improvement and deepening of the theories and methods of emergency decision-making.

Key words: unconventional emergency, plan generation, improvisational decision-making, emergency response activity, multi-objective programming

中图分类号:

C934

陈雪龙,张钟,李悦. 临机决策视角下的非常规突发事件应急处置方案生成[J]. 中国管理科学, 2024, 32(10): 109-122.

Xuelong Chen,Zhong Zhang,Yue Li. Generation of Emergency Response Plan for Unconventional Emergencies from the Perspective of Improvisational Decision-Making[J]. Chinese Journal of Management Science, 2024, 32(10): 109-122.

图/表 11

图1

表1

目标函数权重组合模式"

偏好组合	目标函数权重组合模式	适用情景
时间、成本较优，牺牲均衡性	$ω 1 > ω 3$ 且 $ω 2 > ω 3$	资源十分有限、又需快速处置的突发事件
成本、均衡性较优，牺牲时间	$ω 2 > ω 1$ 且 $ω 3 > ω 1$	对救援时间不敏感的突发事件
时间、均衡性较优，牺牲成本	$ω 1 > ω 2$ 且 $ω 3 > ω 2$	非常紧急、且影响或破坏巨大的公共突发事件
…	…	…

表1

表2

资源投入总量、重要程度及成本"

资源( $r e s k$ )	释义	数量( $o_r e s k$ )	重要程度( $ω k$ )	成本( $v k$ )
类别：消耗性资源集( $r e s c$ )
$r e s 1$	泡沫灭火器	830支	0.95	60元/支
$r e s 2$	消防用水	500吨	0.80	4元/吨
$r e s 3$	急救箱	400套	0.95	50元/套
$r e s 4$	沙袋	205个	0.75	3元/个
$r e s 5$	防毒面具	700副	0.90	50元/副
类别：耐用性资源集( $r e s d$ )
$r e s 6$	消防车	225辆	0.95	100元/辆
$r e s 7$	防化服	910套	0.90	50元/套
$r e s 8$	应急灯具	600件	0.70	3元/件
$r e s 9$	担架	50副	0.90	8元/副
$r e s 10$	救护车	101辆	0.95	40元/辆
$r e s 11$	挖掘工具	200副	0.50	3元/副
$r e s 12$	事故检测箱	20套	0.60	5元/套
$r e s 13$	侦毒剂	15套	0.60	10元/套
$r e s 14$	气体检测仪	20台	0.65	3元/台
$r e s 15$	运输车	60辆	0.80	80元/辆
$r e s 16$	挖掘机	30台	0.85	100元/台
$r e s 17$	挖掘器械	145具	0.70	30元/具
$r e s 18$	警戒线	100卷	0.65	10元/卷
$r e s 19$	警示牌	100具	0.65	10元/具
$r e s 20$	消防员	900人	0.95	718元/人
$r e s 21$	民兵	180人	0.60	1034元/人
$r e s 22$	武警	253人	0.73	1034元/人
$r e s 23$	医护人员	303人	0.95	1034元/人
$r e s 24$	专家医生	70人	0.80	1034元/人
$r e s 25$	民警	240人	0.70	1034元/人
$r e s 26$	军区官兵	105人	0.70	1034元/人
$r e s 27$	监测人员	40人	0.85	1034元/人

表2

表3

应急处置活动基本属性和资源需求量"

活动 ( $a c t i$ )	耐用性资源 ( $r e s k d$ )	资源需求量 ( $r i_r e s k$ )	消耗性资源 ( $r e s k c$ )	资源需求量( $r i_r e s k$ )	最晚开始时间 ( $s t_l$ )	最短执行时间 ( $t_m i n$ )	最长执行时间 ( $t_m a x$ )	优先级 ( $p r i o r i t y$ )
$a c t 1$	$r e s 6$ , $r e s 7$ , $r e s 20$	73,360,300	$r e s 1$ , $r e s 2$ , $r e s 5$	400,300,360	1.0h	5.0h	15.0h	1
$a c t 2$	$r e s 6$ , $r e s 7$ , $r e s 20$	58,300,240	$r e s 1$ , $r e s 2$ , $r e s 5$	350,250,300	1.5h	4.0h	13.0h	1
$a c t 3$	$r e s 7$ , $r e s 8$ , $r e s 20$	240,260,180	$r e s 1$ , $r e s 2$ , $r e s 5$	210,200,240	1.0h	1.4h	3.4h	1
$a c t 4$	$r e s 9$ , $r e s 10$ , $r e s 20$ , $r e s 21$ , $r e s 22$	100,60,200,80,90	—	—	2.0h	9.3h	23.3h	1
$a c t 5$	$r e s 6$ , $r e s 7$ , $r e s 20$	38,160,152	$r e s 1$ , $r e s 2$ , $r e s 5$	160,160,160	11.0h	7.2h	16.2h	2
$a c t 6$	$r e s 7$ , $r e s 8$ , $r e s 11$ , $r e s 20$	250,250,250,243	$r e s 1$ , $r e s 2$ , $r e s 5$	250,100,250	3.0h	1.5h	4.5h	2
$a c t 7$	$r e s 7$ , $r e s 8$ , $r e s 11$ , $r e s 20$	200,200,200,190	$r e s 1$ , $r e s 2$ , $r e s 5$	200,80,200	6.0h	1.0h	3.0h	2
$a c t 8$	$r e s 23$ , $r e s 24$	170,60	$r e s 3$	600	3.0h	12.3h	28.3h	2
$a c t 9$	$r e s 10$ , $r e s 21$ , $r e s 22$ , $r e s 23$	55,170,60,30	$r e s 3$	620	3.0h	14.3h	32.3h	2
$a c t 10$	$r e s 7$ , $r e s 12$ , $r e s 13$ , $r e s 14$ , $r e s 27$	100,50,40, 76,100	$r e s 5$	100	4.0h	19.2h	36.2h	3
$a c t 11$	$r e s 15$ , $r e s 25$ , $r e s 26$	90,130,160	—	—	0.6h	6.0h	15.0h	1
$a c t 12$	$r e s 16$ , $r e s 17$ , $r e s 21$ , $r e s 22$ , $r e s 26$	200,320,300,150,150	$r e s 4$	400	15.0h	8.0h	21.0h	3
$a c t 13$	$r e s 8$ , $r e s 18$ , $r e s 19$ , $r e s 25$	100,100,100,90	—	—	1.0h	2.0h	6.0h	3
$a c t 14$	$r e s 18$ , $r e s 19$ , $r e s 25$	120,120,165	—	—	1.0h	2.4h	7.4h	3

表3

图2

表4

t时刻方案中活动的资源分配信息"

活动( $a c t i$ )	耐用性资源( $r e s k d$ )	资源分配量( $d i_r e s k$ )	消耗性资源( $r e s k c$ )	资源分配量( $d i_r e s k$ )
$a c t 1$	{ $r e s 6, r e s 7, r e s 20$ }	{73,151,275}	$r e s 1, r e s 2, r e s 5$	{167,93,148}
$a c t 2$	{ $r e s 6, r e s 7, r e s 20$ }	{58,170,175}	$r e s 1, r e s 2, r e s 5$	{178,99,68}
$a c t 3$	{ $r e s 7, r e s 8, r e s 20$ }	{131,190,173}	$r e s 1, r e s 2, r e s 5$	{101,97,128}
$a c t 4$	{ $r e s 9, r e s 10, r e s 20, r e s 21, r e s 22$ }	{50,51,180,61,87}	—	—
$a c t 5$	{ $r e s 6, r e s 7, r e s 20$ }	{38,134,139}	$r e s 1, r e s 2, r e s 5$	{86,82,88}
$a c t 6$	{ $r e s 7, r e s 8, r e s 11$ , $r e s 20$ }	{130,174,119,177}	$r e s 1, r e s 2, r e s 5$	{132,69,100}
$a c t 7$	{ $r e s 7, r e s 8, r e s 11$ , $r e s 20$ }	{133,152,107,176}	$r e s 1, r e s 2, r e s 5$	{139,52,90}
$a c t 8$	$r e s 23$ , $r e s 24$ }	{170,60}	{ $r e s 3$ }	{5}
$a c t 9$	{ $r e s 10, r e s 21, r e s 22$ , $r e s 23$ }	{51,60,60,30}	{ $r e s 3$ }	{329}
$a c t 10$	{ $r e s 7, r e s 12, r e s 13, r e s 14, r e s 27$	{100,20,15,20,40}	{ $r e s 5$ }	{74}
$a c t 11$	{ $r e s 15, r e s 25, r e s 26$ }	{60,83,58}	—	—
$a c t 12$	{ $r e s 16, r e s 17$ , $r e s 21, r e s 22, r e s 26$ }	{30,145,63,89,55}	{ $r e s 4$ }	{205}
$a c t 13$	{ $r e s 8, r e s 18, r e s 19, r e s 25$ }	{100,54,52,81}	—	—
$a c t 14$	{ $r e s 18, r e s 19, r e s 25$ }	{58,68,80}	—	—

表4

表5

实验基本信息及参数设置"

参数	取值
种群规模	200
进化代数	2000
变异算子的变异概率	0.02
交叉算子的交叉概率	0.9
惩罚缩放因子 $α f 1, α f 2, α f 3$	7,130000,2
惩罚最小偏移量 $β$	0.000667
基因型数量	115
运行时间	1679.83秒
Pareto Front个体数量	200

表5

图3

图4

表6

各非支配解隶属函数值及对应各目标函数值"

非支配解 $k$	$μ k$ 值	各目标函数值
30	0.006565	x=8.2923,y=353118.10,z=5.9775
126	0.006511	x=8.3706,y=353111.33,z=5.9640
99	0.006442	x=8.4089,y=345951.90,z=6.1292
…	…	…

表6

表7

t+1时刻方案中活动的资源分配信息"

活动( $a c t i$ )	耐用性资源( $r e s k d$ )	资源分配量( $d i_r e s k$ )	消耗性资源( $r e s k c$ )	资源分配量( $d i_r e s k$ )
$a c t 1$	{ $r e s 6, r e s 7, r e s 20$ }	{73,326,138}	$r e s 1, r e s 2, r e s 5$	{201,136,152}
$a c t 2$	{ $r e s 6, r e s 7, r e s 20$ }	{58,131,130}	$r e s 1, r e s 2, r e s 5$	{136,96,109}
$a c t 3$	{ $r e s 7, r e s 8, r e s 20$ }	{130,195,180}	$r e s 1, r e s 2, r e s 5$	{102,69,81}
$a c t 4$	{ $r e s 9, r e s 10, r e s 20, r e s 21, r e s 22$ }	{50,51,181,60,85}	—	—
$a c t 5$	{ $r e s 6, r e s 7, r e s 20$ }	{38,130,133}	$r e s 1, r e s 2, r e s 5$	{96,75,110}
$a c t 6$	{ $r e s 7, r e s 8, r e s 11$ , $r e s 20$ }	{130,184,104,129}	$r e s 1, r e s 2, r e s 5$	{136,67,90}
$a c t 7$	{ $r e s 7, r e s 8, r e s 11$ , $r e s 20$ }	{130,150,100,129}	$r e s 1, r e s 2, r e s 5$	{140,49,93}
$a c t 8$	$r e s 23$ , $r e s 24$ }	{170,60}	{ $r e s 3$ }	{183}
$a c t 9$	{ $r e s 10, r e s 21, r e s 22$ , $r e s 23$ }	{51,60,60,30}	{ $r e s 3$ }	{202}
$a c t 10$	{ $r e s 7, r e s 12, r e s 13, r e s 14, r e s 27$	{100,20,15,20,40}	{ $r e s 5$ }	{65}
$a c t 11$	{ $r e s 15, r e s 25, r e s 26$ }	{60,80,53}	—	—
$a c t 12$	{ $r e s 16, r e s 17$ , $r e s 21, r e s 22, r e s 26$ }	{30,145,60,94,53}	{ $r e s 4$ }	{205}
$a c t 13$	{ $r e s 8, r e s 18, r e s 19, r e s 25$ }	{100,50,50, 80}	—	—
$a c t 14$	{ $r e s 18, r e s 19, r e s 25$ }	{50,50,80}	—	—

表7

参考文献 61

1	范维澄. 国家突发公共事件应急管理中科学问题的思考和建议［J］. 中国科学基金， 2007（2）： 71-76.
	Fan W C. Advisement and suggestion to scientific problems of emergency management for public incidents［J］. Bulletin of National Natural Science Foundation of China， 2007（2）： 71-76.
2	王红卫，刘典，赵鹏，等. 不确定层次任务网络规划研究综述［J］. 自动化学报， 2016，42（5）： 655-667.
	Wang H W， Liu D， Zhao P， et al. Review on hierarchical task net work planning under uncertainty［J］. Acta Automatica Sinica， 2016， 42（5）： 655-667.
3	王喆，王红卫，唐攀，等. 考虑资源分配的HTN规划方法及其应用［J］. 管理科学学报， 2013，16（3）： 53-60.
	Wang Z， Wang H W， Tang P， et al. HTN planning method with resource allocation and its application［J］. Journal of Management Sciences in China， 2013， 16（3）： 53-60.
4	唐攀，王国峰，王喆. 基于HTN规划的复杂条件下应急方案制定方法［J］. 武汉理工大学学报（信息与管理工程版）， 2013，35（6）： 879-884.
	Tang P， Wang G F， Wang Z. Emergency action plan developing method under complex conditions based on HTN planning［J］. Journal of Wuhan University of Technology （Information & Management Engineering）， 2013， 35（6）： 879-884.
5	李晶晶，王红卫，祁超，等. HTN规划中的资源缺项识别方法［J］.系统工程理论与实践， 2013，33（7）： 1729-1734.
	Li J J， Wang H W， Qi C， et al. Resource shortage identification method in HTN planning［J］. Systems Engineering-Theory & Practice， 2013， 33（6）： 1729-1734.
6	周超，王红卫，祁超. 基于层次任务网络的应急资源协作规划方法［J］. 系统工程理论与实践， 2015，35（10）： 2504-2512.
	Zhou C， Wang H W， Qi C. Hierarchical task network based emergency resource coordinated planning approach［J］. Systems Engineering-Theory & Practice， 2015， 35（10）： 2504-2512.
7	Tang P， Shen G Q. Decision-making model to generate novel emergency response plans for improving coordination during large-scale emergencies［J］. Knowledge-Based Systems， 2015，90： 111-128.
8	唐攀，祁超，王红卫. 基于层次任务网络规划的应急行动方案制定方法［J］. 管理评论， 2016，28（8）： 43-50.
	Tang P， Qi C， Wang H W. Emergency response action plan development based on hierarchical task network planning［J］. Management Review， 2016， 28（8）： 43-50.
9	Li M L， Wang H W， Qi C， et al. Handling temporal constraints with preferences in HTN planning for emergency decision-making［J］. Journal of Intelligent & Fuzzy Systems， 2016，30（4）： 1881-1891.
10	Liu D， Wang H W， Qi C， et al. Hierarchical task network-based emergency task planning with incomplete information， concurrency and uncertain duration［J］. Knowledge-Based Systems， 2016，112： 67-79.
11	Li M L， Wang H W， Qi C. A novel HTN planning approach for handling disruption during plan execution［J］. Applied Intelligence， 2017，46（4）： 800-809.
12	王喆，王世昌，李明磊，等. 层次任务网络规划在应急物流方案制定中的应用研究［J］. 安全与环境工程， 2017，24（5）： 15-20.
	Wang Z， Wang S C， Li M L， et al. Research on application of HTN planning in emergency logistics program formulation［J］. Safety and Environmental Engineering， 2017， 24（5）： 15-20.
13	Zhao P， Wang H W， Qi C， et al. HTN planning with uncontrollable durations for emergency decision-making［J］. Journal of Intelligent & Fuzzy Systems， 2017，33（1）： 255-267.
14	Zhao P， Qi C， Liu D. Resource-constrained hierarchical task network planning under uncontrollable durations for emergency decision-making［J］. Journal of Intelligent & Fuzzy Systems， 2017，33（6）： 3819-3834.
15	Bryson K M， Millar H， Joseph A， et al. Using formal MS/OR modeling to support disaster recovery planning［J］. European Journal of Operational Research， 2002，141（3）： 679-688.
16	张云龙，刘茂，李剑峰. 模糊群体决策方法在应急决策中的应用［J］.中国安全科学学报，2009，19（2）： 33-37.
	Zhang Y L， Liu M， Li J F. The application of fuzzy group decision method to the decision making of emergency［J］. China Safety Science Journal， 2009， 19（2）： 33-37.
17	Georgiadou P S， Papazoglou I A， Kiranoudis C T， et al. Multi-objective evolutionary emergency response optimization for major accidents［J］. Journal of Hazardous Materials， 2010，178（1）： 792-803.
18	唐攀，王红卫，王哲. 基于预案模板的HTN规划知识建模方法及其应用［J］. 计算机科学， 2010，37（10）： 202-206.
	Tang P， Wang H W， Wang Z. Method of modeling knowledge for HTN planning based on emergency plan template and its application［J］. Computer Science， 2010， 37（10）： 202-206.
19	姜艳萍，樊治平，郑玉岩. 基于特征匹配的突发事件应急预案选择方法［J］.系统工程，2011，29（12）： 96-100.
	Jiang Y P， Fan Z P， Zheng Y Y. A method for selecting emergency plan of disruptive incident based on feature matching［J］. Systems Engineering， 2011， 29（12）： 96-100.
20	徐弋加，韩耀赐，何冠霄，等. 基于本体建模的应急管理决策支持方法及在MERS中的应用［J］. 管理评论， 2016，28（8）： 17-24.
	Xu Y J， Han Y C， He G X， et al. Ontology-based design of decision support method for emergency management with its application in MERS［J］. Management Review， 2016， 28（8）： 17-24.
21	石彪，薛旭旭，池宏，等. 应急预案的执行状态优化问题研究［J］. 中国管理科学， 2017，25（3）： 156-163.
	Shi B， Xue X X， Chi H， et al. Research on executing state optimization of emergency plan［J］. Chinese Journal of Management Science， 2017， 25（3）： 156-163.
22	石彪，池宏，祁明亮，等. 资源约束下的应急预案重构方法研究［J］. 中国管理科学， 2017，25（1）： 117-128.
	Shi B， Chi H， Qi M L， et al. A study on emergency plan reconstruction with resource constraint［J］. Chinese Journal of Management Science， 2017， 25（1）： 117-128.
23	Mu S， Luo Y Z， Qiu D Y， et al. Re-planning strategies for space station on-orbit activities executed in emergencies［J］.Acta Astronautica，2018，151： 779-790.
24	Zhao J J， Wang Y， Yu L. Applying process mining techniques to improve emergency response planning for chemical spills［J］. International Journal of Disaster Risk Reduction， 2019，34： 184-195.
25	Xiong S H， Chen Z S， Chang J P， et al. On extended power average operators for decision-making： A case study in emergency response plan selection of civil aviation［J］. Computers & Industrial Engineering， 2019，130： 258-271.
26	Liu W M， Hu G Y， Li J F. Emergency resources demand prediction using case-based reasoning［J］. Safety Science， 2012，50（3）： 530-534.
27	Amailef K， Lu J. Ontology-supported case-based reasoning approach for intelligent m-Government emergency response services［J］. Decision Support Systems， 2013，55（1）： 79-97.
28	李永海，樊治平，袁媛. 考虑应急方案实施效果的突发事件应急方案生成方法［J］. 控制与决策， 2014，29（2）： 275-280.
	Li Y H， Fan Z P， Yuan Y. Method for generating emergency alternative with considering implementation effects of emergency alternatives［J］. Control and Decision， 2014， 29（2）： 275-280.
29	郑晶，王应明，叶歆. 考虑应急方案总体优势度的决策方法［J］. 控制与决策， 2015，30（7）： 1239-1244.
	Zheng J， Wang Y M， Ye X. A decision method for emergency alternative with considering total superiority degree［J］. Control and Decision， 2015， 30（7）： 1239-1244.
30	封超，杨乃定，桂维民，等. 基于案例推理的突发事件应急方案生成方法［J］. 控制与决策， 2016，31（8）： 1526-1530.
	Feng C， Yang N D， Gui W M， et al. Method for generating emergency alternative based on case-based reasoning［J］. Control and Decision， 2016， 31（8）： 1526-1530.
31	于小兵，卢逸群，王旭明，等. 基于CBR和前景理论的强台风灾害应急方案生成与动态调整［J］. 模糊系统与数学， 2017，31（5）： 182-190.
	Yu X B， Lu Y Q， Wang X M， et al. Typhoon disaster emergency scheme generation & dynamic adjustment based on CBR and prospect theory［J］. Fuzzy Systems and Mathematics， 2017， 31（5）： 182-190.
32	姜卉，侯建盛. 基于情景重建的非常规突发事件应急处置方案的快速生成方法研究［J］. 中国应急管理， 2012（1）： 14-20.
	Jiang H， Hou J S. Research on rapid generation method of unconventional emergency response plan based on scenario reconstruction［J］. China Emergency Management， 2012（1）： 14-20.
33	葛洪磊，刘南. 复杂灾害情景下应急资源配置的随机规划模型［J］.系统工程理论与实践，2014，34（12）： 3034-3042.
	Ge H L， Liu N. A stochastic programming model for relief resources allocation problem based on complex disaster scenarios［J］. Systems Engineering-Theory & Practice， 2014， 34（12）： 3034-3042.
34	李怀明，刘娇，叶鑫. 基于情景的非常规突发事件决策流程生成方法［J］. 系统管理学报， 2015，24（6）： 795-805.
	Li H M， Liu J， Ye X. Scenario-based construction method for decision-making processes with unconventional emergencies［J］. Journal of Systems & Management， 2015， 24（6）： 795-805.
35	俞武扬. 基于情景分析的应急疏散车辆配置模型［J］. 运筹与管理， 2015，24（2）： 135-139.
	Yu W Y. Emergency vehicle disposition model based on scenario analysis［J］. Operations Research and Management Science， 2015， 24（2）： 135-139.
36	Zhang J H， Sun X Q， Zhu R， et al. Solving an emergency rescue materials problem under the joint reserves mode of government and framework agreement suppliers［J］. PLoS One， 2017，12（10）： e186747.
37	Xu W， Ma Y J， Zhao X J， et al. A comparison of scenario-based hybrid bilevel and multi-objective location-allocation models for earthquake emergency shelters： A case study in the central area of Beijing， China［J］. International Journal of Geographical Information Science， 2018，32（2）： 236-256.
38	陈璐，陈安. 提高应急管理的临机决策效率——基于天津危化品爆炸事件的分析［J］. 理论探索， 2016（1）：80-84.
	Chen L， Chen A. Improving improvisational decision-making efficiency of emergency management： Based on the analysis of the hazardous chemical explosion incident in Tianjin［J］. Theoretical Exploration， 2016（1）： 80-84.
39	Mendonça D J. Decision support for improvisation in response to extreme events： Learning from the response to the 2001 World Trade Center attack［J］. Decision Support Systems， 2007，43（3）： 952-967.
40	Mendonça D J， Wallace W A. A cognitive model of improvisation in emergency management［J］. IEEE Transactions on Systems， Man， and Cybernetics-Part A： Systems and Humans， 2007，37（4）： 547-561.
41	刘霞，严晓，刘世宏. 非常规突发事件临机决策初探［J］. 中国应急管理， 2011（12）：19-23.
	Liu X， Yan X， Liu S H. A preliminary study on improvisational decision-making of unconventional emergencies［J］. China Emergency Management， 2011（12）： 19-23.
42	薛耀文，黄欢，张国凤，等. 基于重大突发事件的即兴决策［J］. 系统管理学报， 2013，22（5）：708-714.
	Xue Y W， Huang H， Zhang G F， et al. A study on improvised decision-making under serious emergency［J］. Journal of Systems & Management， 2013， 22（5）： 708-714.
43	Slam N， Wang W J， Wang P. An improvisational decision-making agent based on non-axiomatic reasoning system［C］//Proceedings of the IEEE/WIC/ACM International Joint Conferences on Web Intelligence （WI） and Intelligent Agent Technologies （WI-IAT）， Warsaw， Poland， August 11-14， IEEE， 2014， 3： 360-364.
44	Son C， Sasangohar F， Neville T， et al. Investigating resilience in emergency management： An integrative review of literature［J］. Applied Ergonomics， 2020， 87： 103114.
45	杨佳. 安全生产事故应急响应成本研究［D］. 北京：中国地质大学（北京）硕士学位论文， 2017.
	Yang J. Study on emergency response cost of safety production accident［D］.Beijing： China University of Geosciences（Beijing）， 2017.
46	Marsh M T， Schilling D A. Equity measurement in facility location analysis： A review and framework［J］. North-Holland， 1994，74（1）：1-17.
47	Deb K， Agrawal S， Pratap A， et al. A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization： NSGA-II［J］. Lecture Notes in Computer Science， 2000，1917（2）： 849-858.
48	李智勇，黄滔，陈少淼，等. 约束优化进化算法综述［J］. 软件学报， 2017，28（6）：1529-1546.
	Li Z Y， Huang T， Chen S M， et al. Overview of constrained optimization evolutionary algorithms［J］. Journal of Software， 2017， 28（6）： 1529-1546.
49	王宜举，修乃华. 非线性最优化理论与方法（第3版）［M］. 北京：科学出版社， 2019.
	Wang Y J， Xiu N H. Theory and methods for nonlinear optimization （3rd Edition）［M］.Beijing： Science Press， 2019.
50	Christer C， Robert F. Fuzzy multiple criteria decision making： Recent developments［J］. Fuzzy Sets and Systems， 1996，78（2）：139-153.
51	Marco F， Paolo A. A fuzzy definition of “optimality” for many-criteria optimization problems［J］. IEEE Transactions on Systems Man and Cybernetics Part A-Systems and Humans， 2004，34（3）：315-326.
52	Abido M A. Multiobjective evolutionary algorithms for electric power dispatch problem［J］. IEEE Transactions on Evolutionary Computation， 2006，10（3）：315-329.
53	Agrawal S， Panigrahi B K， Tiwari M K. Multiobjective particle swarm algorithm with fuzzy clustering for electrical power dispatch［J］. IEEE Transactions on Evolutionary Computation， 2008，12（5）：529-541.
54	应急管理部. 应急管理部指导江苏盐城天嘉宜化工厂爆炸应急处置［EB/OL］. （2019-03-21）［2021-09-27］. .
	Ministry of Emergency Management. Ministry of Emergency Management guided the emergency response to the explosion of Tianjiayi Chemical plant in Yancheng， Jiangsu Province ［EB/OL］. （2019-03-21）［2021-09-27］. .
55	李华成，崔俊龙，沈同强. 加强武警部队化学事故应急救援能力建设策略——江苏响水“3·21”特大爆炸事故剖析［J］. 中国应急救援， 2020（1）：30-33.
	Li H C， Cui J L， Shen T Q. Strategies for strengthening the PAPF’s emergency rescue ability in chemical accidents： Based on the “March 21” special explosion in Xiangshui， Jiangsu［J］. China Emergency Rescue， 2020（1）： 30-33.
56	车春江. 重大突发公共事件应急管理研究—以“8·12”天津危化品爆炸事故为例［D］. 北京：对外经济贸易大学硕士学位论文， 2016.
	Che C J. Research on government emergency management in China-Tianjin “8.12” dangerous chemicals explosion for example［D］. Beijing： University of International Business and Economics， 2016.
57	应急管理部.国家安全生产事故灾难应急预案［EB/OL］.（2018-02-20）［2021-09-27］..
	Ministry of Emergency Management. Emergency preplan for national work safety accidents and disasters［EB/OL］.（2018-02-20）［2021-09-27］..
58	Son J， Hong T H， Lee S. A mixed （continuous plus discrete） time-cost trade-off model considering four different relationships with lag time［J］. KSCE Journal of Civil Engineering， 2013， 17 （2）： 281-291.
59	张淑文，廖灿，诸克军，等. 考虑救援队伍特征的最优调度策略研究［J］. 管理评论， 2019，31（2）：225-237.
	Zhang S W， Liao C， Zhu K J， et al. Optimal scheduling strategy with emergency rescue team’s characteristics taken into consideration［J］. Management Review， 2019， 31（2）： 225-237.
60	Li M， Yao X. Quality evaluation of solution sets in multiobjective optimisation［J］. ACM Computing Surveys， 2019，52（2）：1-38.
61	应急管理部.应急管理部2019年度部门决算［EB/OL］.（2020-07-17）［2021-09-27］..
	Ministry of Emergency Management. 2019 departmental accounts of Ministry of Emergency Management［EB/OL］.（2020-07-17）［2021-09-27］..

[1]	胡玉真, 李倩倩, 江山. 跨境电商企业海外仓选址多目标优化研究[J]. 中国管理科学, 2022, 30(7): 201-209.
[2]	崔巍, 郝立宁, 木仁, 孙会君. COVID-19疫情下一种新的地铁平峰运营策略[J]. 中国管理科学, 2022, 30(11): 321-332.
[3]	陈雪龙, 卢丹, 代鹏. 基于粒计算的非常规突发事件情景层次模型[J]. 中国管理科学, 2017, 25(1): 129-138.
[4]	杨继君, 佘廉. 面向多灾点需求的应急资源调度博弈模型及优化[J]. 中国管理科学, 2016, 24(8): 154-163.
[5]	刘小午, 王颖. 军队技术人才培养规划的鲁棒优化研究[J]. 中国管理科学, 2013, 21(6): 185-192.
[6]	陈长杰, 马晓微, 魏一鸣, 傅小锋. 基于多目标规划的中国可持续发展模式优化研究[J]. 中国管理科学, 2004, (5): 91-96.
[7]	刘晓, 王成恩, 储诚斌. 分布式供应链中基于准时制的原油采购计划方法[J]. 中国管理科学, 2003, (3): 30-35.
[8]	吴成茂, 樊相宇. 基于模糊熵的人力资源结构优化配置[J]. 中国管理科学, 2002, (4): 43-47.
[9]	丁梅, 马建华. 双线性分式交叉规划的等价形式[J]. 中国管理科学, 2002, (4): 39-42.