Multi-objective quantum genetic algorithm for site selection optimization of emergency material reserves

应急物资储备库是确保应急救援效率与响应能力的核心基础设施. 针对应急物资储备库选址优化问题, 本文构建了多目标优化模型, 其目标是最小化道路网络运输距离和灾害风险, 从而提高应急救援的效率和可靠性. 本文提出一种多目标量子非支配排序遗传算法, 以解决传统智能优化算法在道路网络运输距离与灾害风险多目标优化中易陷入局部最优、难以逼近帕累托前沿的问题. 该算法利用量子比特纠缠机制改善了解集的分布多样性, 并采用自适应旋转门高效更新个体量子态, 从而提升解空间的全局搜索能力. 以北京市16个行政区为研究对象, 对算法在道路网络运输距离与灾害风险管控优化中的性能进行评估, 并与传统多目标优化算法进行对比验证. 经过10次独立实验, 本算法获得的帕累托前沿解集平均覆盖率达到77.41%, 在帕累托前沿上, 道路网络运输距离和灾害风险的最小值分别可达到357.40和478.47. 与传统非支配排序遗传算法II、多目标粒子群优化算法及多目标霜冰优化算法相比, 帕累托前沿解集占比分别提高了61.75%、70.48%和77.41%, 帕累托前沿解集占比优于对比算法, 显示出在解集质量和多样性上的明显优势. 本算法在道路网络运输距离、灾害风险管控优化效果 、路径规划合理性及布局均衡性方面均优于传统算法, 说明多目标量子非支配排序遗传算法在应急物资储备库选址优化中具有显著优势和实际应用价值.