緱迅杰 趙蕓瑩 徐鑫茹 徐澤水

徐澤水，四川大學(xué)講席教授、歐洲科學(xué)院院士、歐洲科學(xué)與藝術(shù)院院士、歐洲自然科學(xué)院院士、國(guó)際系統(tǒng)與控制科學(xué)院院士、國(guó)際工程技術(shù)協(xié)會(huì)杰出會(huì)士；國(guó)際電氣與電子工程師協(xié)會(huì)、國(guó)際模糊系統(tǒng)協(xié)會(huì)、英國(guó)皇家藝術(shù)協(xié)會(huì)等9個(gè)國(guó)際權(quán)威協(xié)會(huì)會(huì)士（Fellow）；全球高被引科學(xué)家、中國(guó)高被引學(xué)者（2014-2019蟬聯(lián)計(jì)算機(jī)科學(xué)領(lǐng)域榜首）、國(guó)家有突出貢獻(xiàn)中青年專(zhuān)家、享受?chē)?guó)務(wù)院特殊津貼專(zhuān)家等.2019-2022年全球前2%頂尖科學(xué)家終身科學(xué)影響力榜單分別位居431、258、193和190位（2019年年度科學(xué)影響力排名世界第30位，中國(guó)學(xué)者中位居第一）；2023年在全球頂尖計(jì)算機(jī)科學(xué)家排名第40位（中國(guó)內(nèi)地學(xué)者中位居第一）.長(zhǎng)期從事智能決策、信息融合、模糊數(shù)學(xué)與優(yōu)化算法等研究，系統(tǒng)地創(chuàng)建了復(fù)雜信息決策理論與方法體系.曾獲湯森路透中國(guó)引文桂冠獎(jiǎng)、中國(guó)青年科技獎(jiǎng)、教育部自然科學(xué)獎(jiǎng)（一等獎(jiǎng)2項(xiàng)、二等獎(jiǎng)2項(xiàng)）、江蘇省數(shù)學(xué)杰出成就獎(jiǎng)等.擔(dān)任《IEEE Transactions on Cybernetics》《IEEE Transactions on Fuzzy Systems》《Information Sciences》《Information Fusion》《Artificial Intelligence Review》等30余本SSCI/SCI期刊副主編或編委.由Springer出版英文專(zhuān)著19部，發(fā)表SSCI/SCI論文870余篇，論著被引92 000余次，H指數(shù)150.

摘要：近年來(lái)，包括新冠肺炎在內(nèi)的突發(fā)公共衛(wèi)生事件對(duì)國(guó)家的經(jīng)濟(jì)建設(shè)與發(fā)展均造成了較大的影響.因此，突發(fā)公共衛(wèi)生事件下，需要及時(shí)制定有效的應(yīng)對(duì)方案以降低損失、減少傷亡.其中，應(yīng)急醫(yī)療物資配置是事件發(fā)生后減少人員傷亡的重要手段，對(duì)開(kāi)展災(zāi)后救援工作具有重大意義.由于應(yīng)急醫(yī)療物資配置并不是一個(gè)孤立的問(wèn)題，科學(xué)的配置方案離不開(kāi)應(yīng)急醫(yī)療物資需求預(yù)測(cè)以及需求點(diǎn)的評(píng)估等研究的支持.因此，本文首先通過(guò)對(duì)應(yīng)急醫(yī)療物資配置相關(guān)文獻(xiàn)的整理，梳理了應(yīng)急醫(yī)療物資需求預(yù)測(cè)、配置模型等方面的研究現(xiàn)狀.其次，使用CiteSpace軟件對(duì)從Web of Science中檢索到的有關(guān)這一主題的文獻(xiàn)進(jìn)行可視化分析.最后，對(duì)應(yīng)急醫(yī)療物資配置問(wèn)題的發(fā)展趨勢(shì)和發(fā)展前景進(jìn)行了展望與總結(jié).

關(guān)鍵詞：突發(fā)公共衛(wèi)生事件； 應(yīng)急醫(yī)療物資配置； 預(yù)測(cè)模型； 智能優(yōu)化算法； 可視化分析

收稿日期： 2023-04-24

基金項(xiàng)目： 國(guó)家社會(huì)科學(xué)基金（22FGLB005）； 教育部人文社會(huì)科學(xué)研究青年基金（21YJC630030）； 中國(guó)博士后科學(xué)基金（2020M680151; 2023T160459）

作者簡(jiǎn)介： 緱迅杰（1989-），男，漢，河南滑縣人，副研究員，研究方向?yàn)闆Q策理論與方法、應(yīng)急管理等.E-mail： gouxunjie@scu.edu.cn

The research status and visualization analysis of emergency medical supplies allocation

GOU Xun-Jie， ZHAO Yun-Ying， XU Xin-Ru， XU Ze-Shui

（Business School，Sichuan University， Chengdu 610064，China）

In recent years， public health emergencies， including the Corona Virus Disease 2019 （COVID-19）， have had a great impact on the countrys economic construction and development. Therefore， under public health emergencies， it is necessary to formulate effective response plans in time to reduce losses and casualties. Among them， the emergency medical supplies allocation is an important means to reduce casualties after the incident， and is of great significance for carrying out post-disaster rescue work. Since the emergency medical supplies allocation is not an isolated problem， the scientific allocation scheme cannot be separated from the research support of demand prediction and demand point evaluation of emergency medical supplies. Therefore， this paper first sorts out the research status of emergency medical supplies demand prediction， allocation models and other aspects by collating relevant literature on emergency medical supplies allocation. Secondly， the CiteSpace software is used to visually analyze the literature on this subject retrieved from the Web of Science. Finally， the development trend and prospect of emergency medical supplies allocation are prospected and summarized.

Public health emergencies; Emergency medical supplies allocation; Prediction models; Intelligent optimization algorithms; Visualization analysis

1 引 言

新冠疫情的爆發(fā)給人們的生活帶來(lái)了非常大的沖擊，同時(shí)帶來(lái)的一系列的困難和挑戰(zhàn)^[1].此外，近年來(lái)發(fā)生的地震、火災(zāi)、洪澇災(zāi)害等突發(fā)事件同樣具有傷害范圍大、突發(fā)性等特點(diǎn).然而，突發(fā)事件爆發(fā)后，若不能及時(shí)做好相應(yīng)的救援和災(zāi)害防控工作，極有可能造成進(jìn)一步的巨大損失.其中，應(yīng)急物資的及時(shí)供給與合理配置是救援工作中非常重要的一個(gè)環(huán)節(jié).目前，應(yīng)急物資配置方面的研究還存在很大的進(jìn)步空間，尤其是應(yīng)急醫(yī)療物資，作為災(zāi)害事件救援過(guò)程中必不可少的保障性物質(zhì)，對(duì)營(yíng)救受困人員、減少災(zāi)害損失等具有非常重要的作用.因此，本文將針對(duì)“應(yīng)急醫(yī)療物資配置”這一主題的相關(guān)研究進(jìn)行梳理與總結(jié)，旨在探討該領(lǐng)域未來(lái)的研究主題和發(fā)展方向.

應(yīng)急物資是指在應(yīng)對(duì)嚴(yán)重自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件等突發(fā)公共事件應(yīng)急全過(guò)程中所必需的物資保障.從廣義上來(lái)講，凡是在突發(fā)公共事件應(yīng)對(duì)的過(guò)程中所用的物資都可以稱(chēng)為應(yīng)急物資，其中用于生命救助、生命支持、防護(hù)等的物資稱(chēng)為應(yīng)急醫(yī)療物資.應(yīng)急醫(yī)療物資配置可以簡(jiǎn)單理解為事件發(fā)生后，將所需的醫(yī)療物資布置在適當(dāng)?shù)奈恢茫磳⒏黝?lèi)救援所用的醫(yī)療物資合理分配給各受災(zāi)點(diǎn)^[2].

先前已有學(xué)者對(duì)應(yīng)急醫(yī)療物資配置的研究，早期多采用經(jīng)典算法求解此類(lèi)問(wèn)題，隨著研究的深入以及相關(guān)求解方法和技術(shù)的進(jìn)步，如今大多采用智能優(yōu)化算法進(jìn)行求解.此外，應(yīng)急醫(yī)療物資配置是多維組合優(yōu)化問(wèn)題^[3]，對(duì)計(jì)算量以及計(jì)算效率的要求較高，而智能優(yōu)化算法相較于經(jīng)典算法具有計(jì)算效率更高、收斂速度更快、參數(shù)更簡(jiǎn)單等優(yōu)點(diǎn).因此本文對(duì)配置模型的探討將重點(diǎn)放在對(duì)智能優(yōu)化算法的梳理上.

考慮到事件爆發(fā)后的應(yīng)急醫(yī)療物資配置多為多階段、多目標(biāo)問(wèn)題^[4]，也是近年來(lái)研究的熱點(diǎn)，且應(yīng)急醫(yī)療物資的需求預(yù)測(cè)、需求點(diǎn)韌性評(píng)估及分級(jí)等研究均為實(shí)現(xiàn)應(yīng)急醫(yī)療物資高效配置必不可少的部分.本文將按照如下結(jié)構(gòu)展開(kāi)：第2節(jié)梳理了應(yīng)急醫(yī)療物資配置前期的相關(guān)研究，包括應(yīng)急醫(yī)療物資需求預(yù)測(cè)和需求點(diǎn)的韌性評(píng)估與分級(jí).第3節(jié)對(duì)應(yīng)急醫(yī)療物資配置的相關(guān)研究進(jìn)行總結(jié)和分析.第4節(jié)借助文獻(xiàn)計(jì)量軟件對(duì)應(yīng)急醫(yī)療物資配置的相關(guān)研究開(kāi)展可視化分析.最后，根據(jù)分析結(jié)果對(duì)包括應(yīng)急醫(yī)療物資需求預(yù)測(cè)、配置方法與策略等主題的發(fā)展趨勢(shì)與研究前景進(jìn)行分析.

2 應(yīng)急醫(yī)療物資需求量與需求點(diǎn)預(yù)測(cè)研究現(xiàn)狀

2.1 應(yīng)急醫(yī)療物資需求量預(yù)測(cè)研究

全球范圍內(nèi)頻發(fā)的突發(fā)公共衛(wèi)生事件、災(zāi)害后的巨大人員傷亡以及易受到影響的經(jīng)濟(jì)發(fā)展都在敦促人們尋找科學(xué)、可行的方法，以實(shí)現(xiàn)高效的應(yīng)急醫(yī)療物資供應(yīng)與配置.盡管應(yīng)急醫(yī)療物資配置是一個(gè)NP-hard問(wèn)題，但不可否認(rèn)的是，目前諸多科學(xué)技術(shù)的發(fā)展已經(jīng)達(dá)到了一個(gè)前所未有的新高度，且各類(lèi)智能優(yōu)化算法和人工智能的探索和研究也取得了突破性進(jìn)展.

面對(duì)頻發(fā)的突發(fā)公共衛(wèi)生事件，大部分地區(qū)已經(jīng)不再盲目地以配置成本最低、配置時(shí)間最短等作為應(yīng)急資源配置的目標(biāo)，也較少借助主觀性較強(qiáng)的方法（如使用專(zhuān)家經(jīng)驗(yàn)估計(jì)^[5]物資配置的數(shù)量），而是更多地關(guān)注能夠準(zhǔn)確預(yù)測(cè)各類(lèi)突發(fā)公共衛(wèi)生事件所需應(yīng)急醫(yī)療物資具體數(shù)據(jù)的模型與方法.下面對(duì)應(yīng)急醫(yī)療物資需求預(yù)測(cè)的研究現(xiàn)狀進(jìn)行梳理.

應(yīng)急醫(yī)療物資需求預(yù)測(cè)模型主要分為以下幾類(lèi)：基于模糊變量和模糊推理的預(yù)測(cè)方法、基于灰色理論的預(yù)測(cè)方法、基于回歸分析的預(yù)測(cè)方法、基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法以及其他方法^[6-9].

基于模糊變量和模糊推理的預(yù)測(cè)方法主要利用三角模糊數(shù)、模糊隨機(jī)變量以及模糊案例推理技術(shù)等進(jìn)行物資需求預(yù)測(cè).此類(lèi)方法的核心在于使用模糊變量來(lái)描述無(wú)法精確估計(jì)的應(yīng)急醫(yī)療物資需求量，主要包括Mamdani模糊推理法、Larsen模糊推理法和Zadeh模糊推理法等.此類(lèi)方法的優(yōu)點(diǎn)在于使用方便，且主觀性低于專(zhuān)家經(jīng)驗(yàn)估計(jì)法.然而，此類(lèi)方法較少考慮突發(fā)公共衛(wèi)生事件發(fā)生后受災(zāi)地區(qū)的各種因素對(duì)應(yīng)急醫(yī)療物資需求量的影響，且屬于靜態(tài)預(yù)測(cè)范疇.因此，較難處理突發(fā)公共衛(wèi)生事件中復(fù)雜、多變的情況.

基于灰色理論的預(yù)測(cè)方法主要通過(guò)少量的、不完全的信息，建立數(shù)學(xué)模型并做出預(yù)測(cè).灰色理論具有利用小數(shù)據(jù)集和有限信息進(jìn)行擬合預(yù)測(cè)的最佳和獨(dú)特能力，可以快速、簡(jiǎn)潔、準(zhǔn)確、有效地預(yù)測(cè)和了解事件的未來(lái)發(fā)展趨勢(shì).例如，新冠肺炎疫情背景下的醫(yī)療防護(hù)物資需求預(yù)測(cè)^[10]、洪澇災(zāi)害背景下的應(yīng)急物資需求預(yù)測(cè)^[11]、森林火災(zāi)、地震救援過(guò)程中所需物資的需求量預(yù)測(cè)^[12-14]等.此外，此類(lèi)預(yù)測(cè)方法能考慮較多因素、且預(yù)測(cè)精度相較于模糊推理法有較大提升^[15].然而，由于其預(yù)測(cè)周期較長(zhǎng)，較難及時(shí)處理突發(fā)公共衛(wèi)生事件背景下的應(yīng)急物資預(yù)測(cè)問(wèn)題^[16].因此，學(xué)者較少單純使用灰色預(yù)測(cè)模型，而是將其與其他模型結(jié)合，或?qū)⑵鋬?yōu)化以實(shí)現(xiàn)更高效率的預(yù)測(cè).

基于回歸分析的預(yù)測(cè)方法是在分析自變量和因變量相關(guān)關(guān)系的基礎(chǔ)上，建立變量之間的回歸方程，并將其作為預(yù)測(cè)模型，進(jìn)而根據(jù)自變量在預(yù)測(cè)期的數(shù)量變化來(lái)預(yù)測(cè)因變量.基于回歸分析的預(yù)測(cè)方法包括多種類(lèi)型.首先，依據(jù)相關(guān)關(guān)系中自變量的個(gè)數(shù)不同進(jìn)行分類(lèi)，可分為一元回歸分析預(yù)測(cè)法和多元回歸分析預(yù)測(cè)法.其次，依據(jù)自變量和因變量的不同相關(guān)關(guān)系，可分為線(xiàn)性回歸預(yù)測(cè)和非線(xiàn)性回歸預(yù)測(cè)^[17].特別地，當(dāng)前應(yīng)用較為廣泛的時(shí)間序列預(yù)測(cè)模型也是回歸模型的一種.例如，使用具有離散值分布的廣義自回歸移動(dòng)平均模型開(kāi)發(fā)提前進(jìn)行步驟預(yù)測(cè)的工具，使用回歸分析理論進(jìn)行疫情期間的應(yīng)急醫(yī)療物資預(yù)測(cè)等.

基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法：神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型^[18].這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的^[19-22].由于其具有自我學(xué)習(xí)、聯(lián)想儲(chǔ)存以及高度尋找優(yōu)化解等功能，在應(yīng)急醫(yī)療物資需求預(yù)測(cè)領(lǐng)域得到了廣泛應(yīng)用，如火災(zāi)救援^[23]、新冠肺炎疫情防控^[24]等.盡管此類(lèi)模型的預(yù)測(cè)性能較好，但若想獲得更加精確的預(yù)測(cè)結(jié)果，則需要大量的數(shù)據(jù)支持.因此，學(xué)者嘗試將其與其他模型結(jié)合起來(lái)進(jìn)行需求預(yù)測(cè)分析，如與自注意力機(jī)制相結(jié)合進(jìn)行新冠肺炎期間的相關(guān)物資預(yù)測(cè)、與基于時(shí)序變化的模型相結(jié)合進(jìn)行災(zāi)區(qū)相關(guān)預(yù)測(cè)^[25]等.

除上述幾類(lèi)方法外，還存在一些應(yīng)急醫(yī)療物資需求預(yù)測(cè)方法，如微分方程預(yù)測(cè)法^[26]、馬爾科夫預(yù)測(cè)法和傳染病動(dòng)力學(xué)方法^[27]等.文獻(xiàn)梳理總結(jié)如下：由于突發(fā)公共衛(wèi)生事件具有突發(fā)性、難以預(yù)測(cè)等特點(diǎn)，因此對(duì)需求預(yù)測(cè)模型的時(shí)效性要求較高，即期望能夠在盡可能短的時(shí)間內(nèi)得到準(zhǔn)確的物資需求情況^{[28，29]}.然而，由于重大災(zāi)害中不確定因素較多，一些學(xué)者選擇用模糊隨機(jī)變量等方法處理預(yù)測(cè)過(guò)程中的不確定信息，或選擇使用基于回歸分析、灰色理論等的預(yù)測(cè)模型^[30，31].此外，隨著神經(jīng)網(wǎng)絡(luò)的興起與發(fā)展，越來(lái)越多的學(xué)者選擇基于神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)^[32，33].并且，早期的預(yù)測(cè)模型大多屬于靜態(tài)預(yù)測(cè)，隨著技術(shù)的進(jìn)步與創(chuàng)新，目前更多的創(chuàng)建動(dòng)態(tài)預(yù)測(cè)模型以處理事件發(fā)生后復(fù)雜多變的信息.

準(zhǔn)確的應(yīng)急醫(yī)療物資需求預(yù)測(cè)結(jié)果能夠在一定程度上提高物資配置的有效性，且能夠幫助減少物資配置過(guò)程中的時(shí)間和空間浪費(fèi)，提高物資配置過(guò)程中物資組合的合理性，以便及時(shí)將所需物資送達(dá)災(zāi)區(qū)，從而提高救援效率.因此，應(yīng)急醫(yī)療物資需求預(yù)測(cè)是其配置過(guò)程中的一個(gè)重要環(huán)節(jié).

2.2 應(yīng)急醫(yī)療物資需求點(diǎn)分級(jí)研究

突發(fā)公共衛(wèi)生事件會(huì)給諸多地區(qū)帶來(lái)不同程度的影響和破壞.若應(yīng)急醫(yī)療物資充足，可以保證在第一時(shí)間為所有受影響地區(qū)進(jìn)行物資配置.然而，在應(yīng)急物資有限的情況下，需要根據(jù)不同受災(zāi)地區(qū)的具體情況按照一定的規(guī)則和順序進(jìn)行物資配置.因此，應(yīng)急醫(yī)療物資需求點(diǎn)研究同樣是提高配置效率的研究重點(diǎn)，對(duì)提高配置的科學(xué)性具有重要意義.

當(dāng)前，對(duì)物資需求點(diǎn)分級(jí)的研究方法主要分為兩類(lèi)：定性研究法和定量研究法.定性研究法主要以專(zhuān)家經(jīng)驗(yàn)評(píng)估^[34]為主，其在早期的研究中使用較多，主要思想為災(zāi)害發(fā)生后，專(zhuān)家根據(jù)之前的處理經(jīng)驗(yàn)，主觀設(shè)定各個(gè)受災(zāi)地區(qū)的緊急程度，并根據(jù)這一設(shè)定賦予各地區(qū)相應(yīng)的緊急權(quán)重值^[35-38].目前，這種方法已較少使用，原因在于：一方面這種權(quán)重確定方法主觀性較強(qiáng)，缺乏科學(xué)性，且在處理問(wèn)題時(shí)僅僅依據(jù)以往經(jīng)驗(yàn)，較難應(yīng)對(duì)突發(fā)事件中出現(xiàn)的新情況，缺乏明確的緊急權(quán)重確定依據(jù)；另一方面，事件發(fā)生后，短時(shí)間內(nèi)較難達(dá)成專(zhuān)家共識(shí)，由此也較難保證需求點(diǎn)緊迫度分級(jí)的效率.綜上，目前大多研究使用定量研究法或定性與定量相結(jié)合的方法進(jìn)行物資需求點(diǎn)分級(jí)研究^39-42].在國(guó)內(nèi)，學(xué)者建立了物資缺失損失系數(shù)、災(zāi)區(qū)滿(mǎn)意度系數(shù)、應(yīng)急保障綜合評(píng)價(jià)函數(shù)等，也有學(xué)者建立了相應(yīng)的分級(jí)模型，如主成分聚類(lèi)分析、層次分析法、TOPSIS及其改進(jìn)方法、基于模糊綜合評(píng)判的方法等^[43].相比于定性分析法，這類(lèi)方法在進(jìn)行需求點(diǎn)分級(jí)的時(shí)候有明確的分析過(guò)程與分級(jí)依據(jù)，可以盡可能降低主觀性對(duì)結(jié)果產(chǎn)生的影響，并能夠從不同的角度進(jìn)行分析，以提高研究結(jié)果的科學(xué)性.此外，由于分析依據(jù)和分析過(guò)程比較明確，能夠保證在盡可能短的時(shí)間里得出可靠性程度較高的分級(jí)結(jié)果，進(jìn)而提高應(yīng)急醫(yī)療物資配置的效率^[44].當(dāng)前，國(guó)外關(guān)于該領(lǐng)域的研究主要涉及災(zāi)點(diǎn)聚類(lèi)、動(dòng)態(tài)評(píng)價(jià)模型構(gòu)建等方面.

通過(guò)文獻(xiàn)梳理可以了解到，盡管一些學(xué)者已建立分級(jí)指標(biāo)體系和相應(yīng)的分級(jí)方法和模型，但仍有較大的進(jìn)步空間，且各個(gè)指標(biāo)體系仍需進(jìn)一步完善.此外，面對(duì)頻發(fā)的重大災(zāi)害以及復(fù)雜多變的受災(zāi)情況，亟需建立動(dòng)態(tài)分級(jí)指標(biāo)體系與分級(jí)方法^[45].

綜述，無(wú)論是應(yīng)急醫(yī)療物資需求預(yù)測(cè)還是應(yīng)急醫(yī)療物資需求點(diǎn)分級(jí)研究，均致力于更高效地進(jìn)行應(yīng)急醫(yī)療物資配置，對(duì)進(jìn)行更加合理、有效的應(yīng)急醫(yī)療物資配置有著重大意義.然而，需求點(diǎn)分級(jí)方面的研究較少且不夠成熟.此外，對(duì)于當(dāng)下熱門(mén)的機(jī)器學(xué)習(xí)、智能優(yōu)化算法等的應(yīng)用還比較少，與其結(jié)合將能夠提升應(yīng)急醫(yī)療物資配置的效率.

3 應(yīng)急醫(yī)療物資配置模型研究現(xiàn)狀

應(yīng)急醫(yī)療物資配置是一個(gè)多目標(biāo)、多維數(shù)、多約束的復(fù)雜離散化組合優(yōu)化問(wèn)題，該問(wèn)題同樣可被看作為資源約束項(xiàng)目調(diào)度問(wèn)題^[46].由于這是一個(gè)NP-hard問(wèn)題，在物資配置過(guò)程中大多使用傳統(tǒng)算法和智能優(yōu)化算法等構(gòu)建配置模型，以實(shí)現(xiàn)在滿(mǎn)足各種約束條件的前提下，盡可能高效、合理地將應(yīng)急醫(yī)療物資分配到各需求點(diǎn)，并試圖在各可行方案中尋找能夠?qū)崿F(xiàn)配置目標(biāo)的最優(yōu)方案^[47，48].本節(jié)將分別從應(yīng)急醫(yī)療物資配置模型的構(gòu)成以及研究現(xiàn)狀兩個(gè)方面進(jìn)行文獻(xiàn)梳理.

3.1 應(yīng)急醫(yī)療物資配置模型結(jié)構(gòu)

3.1.1 目標(biāo)函數(shù)

應(yīng)急醫(yī)療物資配置的原則可被看作為模型的目標(biāo)函數(shù)，早期大多以單目標(biāo)為主，隨著研究的深入以及智能優(yōu)化算法的發(fā)展與創(chuàng)新，目前多數(shù)求解模型包含多個(gè)目標(biāo)函數(shù)，以便尋求更優(yōu)的配置方案.

本文梳理了已有研究中使用頻率較高的目標(biāo)函數(shù)，如表1所示.其中，單目標(biāo)函數(shù)配置模型一般為其中之一，而多目標(biāo)函數(shù)配置模型則包括其中的兩個(gè)或以上.

表1僅羅列了使用頻率較高的目標(biāo)函數(shù).此外，在多目標(biāo)配置模型中，許多學(xué)者會(huì)選擇多個(gè)目標(biāo)函數(shù)的組合求解，有效推動(dòng)了應(yīng)急醫(yī)療物資配置的創(chuàng)新與發(fā)展.例如，將最小化受災(zāi)點(diǎn)平均等待救援時(shí)間和最小化應(yīng)急物資調(diào)度成本作為目標(biāo)函數(shù)^[49-55]，并通過(guò)基于自適應(yīng)機(jī)制的NSGA-Ⅱ算法求解^[56]，不僅提高了進(jìn)化速度，而且保持了較好的收斂性.在早期的單目標(biāo)求解模型中，時(shí)間成本最小和經(jīng)濟(jì)成本最小是研究的重點(diǎn)，而單目標(biāo)求解模型大多難以兼顧兩者，所以求解結(jié)果不盡如人意.因此，將最小化物流成本和心理焦慮成本作為目標(biāo)函數(shù)，并通過(guò)快速非支配排序遺傳算法對(duì)模型求解，不僅能夠?yàn)閼?yīng)急物資配置領(lǐng)域提供新的研究方向，其研究結(jié)果也為有關(guān)部門(mén)制定應(yīng)急救援方案提供了指導(dǎo)性意見(jiàn)^[57].此外，事件發(fā)生后，及時(shí)采取有效措施開(kāi)展救援的目的之一是盡可能減少對(duì)災(zāi)民的傷害，而將災(zāi)民的心理焦慮成本最小作為目標(biāo)函數(shù)，并將救援的公平性考慮進(jìn)來(lái)，體現(xiàn)了“以人為本”的思想.盡管在這一求解模型中，無(wú)法實(shí)現(xiàn)物流成本與心理焦慮成本均達(dá)到最小，但卻實(shí)現(xiàn)了從受災(zāi)程度角度最大限度保證救援的公平性^{[58，59]}.

國(guó)外存在諸多與多目標(biāo)應(yīng)急醫(yī)療物資配置相關(guān)的研究，如將時(shí)間成本與經(jīng)濟(jì)成本最小、災(zāi)民滿(mǎn)意程度最大三者設(shè)為目標(biāo)函數(shù)，并綜合考慮應(yīng)急資源配置道路的暢通程度等問(wèn)題，使用不同的智能優(yōu)化算法求解，應(yīng)急資源分配的有效性和效率有顯著提升^[60，61].盡管多目標(biāo)求解模型能夠同時(shí)兼顧多個(gè)方面，但不可忽視的是，應(yīng)急醫(yī)療物資配置過(guò)程中，各目標(biāo)函數(shù)之間存在關(guān)聯(lián)，盡管每個(gè)目標(biāo)函數(shù)都有利于配置方案的優(yōu)化，但是有些目標(biāo)函數(shù)之間可能是相互沖突的，比如同時(shí)涉及總配置成本與災(zāi)民滿(mǎn)意程度時(shí)，要想最大化災(zāi)民的滿(mǎn)意程度，則需要付出更多的配置成本^[62].因此，有學(xué)者考慮到將不同的目標(biāo)函數(shù)結(jié)合到及時(shí)性函數(shù)中^[63]，這一思想不僅可以更大程度地兼顧不同的目標(biāo)函數(shù)，也為應(yīng)急醫(yī)療資源配置提供了新的研究思路.

隨著技術(shù)的發(fā)展和研究的深入，不斷有學(xué)者嘗試將不同的目標(biāo)函數(shù)結(jié)合、使用不用的求解算法以期獲得更優(yōu)的配置方案，并且越來(lái)越多的學(xué)者開(kāi)始嘗試使用動(dòng)態(tài)求解模型^[64]以兼顧更多的目標(biāo)函數(shù).

3.1.2 應(yīng)急醫(yī)療物資配置的約束條件

相比于一般的物資配置問(wèn)題，應(yīng)急醫(yī)療物資配置具有更高的時(shí)效性要求，它需要在盡可能短的時(shí)間內(nèi)為受災(zāi)地區(qū)提供緊缺的物資，這也意味著應(yīng)急醫(yī)療物資配置具備時(shí)效性、動(dòng)態(tài)性、系統(tǒng)性以及弱經(jīng)濟(jì)性等特點(diǎn)^[65].此外，由于受災(zāi)地區(qū)各類(lèi)物資需求量大且種類(lèi)繁雜，所以在配置過(guò)程中必然會(huì)受到諸多條件的約束，因而可以認(rèn)為應(yīng)急醫(yī)療物資配置是一個(gè)在滿(mǎn)足約束條件的前提下借助智能優(yōu)化算法以盡可能滿(mǎn)足目標(biāo)函數(shù)的優(yōu)化問(wèn)題.

本文總結(jié)了使用較多的約束條件，如下式所示.

（1）物資需求點(diǎn)獲得的應(yīng)急醫(yī)療物資總量小于等于其最大物資需求量，如式（1）所示.

（2）受災(zāi)地區(qū)與應(yīng)急救援中心的應(yīng)急醫(yī)療物資儲(chǔ)備總量等于其分配給各需求點(diǎn)的應(yīng)急醫(yī)療物資總量，如式（2）所示.

（3）物資需求點(diǎn)獲得的應(yīng)急醫(yī)療物資總量大于等于其最低物資需求量，如式（3）所示.

其中，x_mn表示物資儲(chǔ)備點(diǎn)n分配給物資需求點(diǎn)m的應(yīng)急物資量;d_m為物資需求點(diǎn)m的物資需求量;A_n為物資儲(chǔ)備點(diǎn)n的物資儲(chǔ)備量;ξ為物資需求點(diǎn)所需物資的最低滿(mǎn)足率.

3.2 應(yīng)急醫(yī)療物資配置模型研究現(xiàn)狀

目前，諸多研究采用傳統(tǒng)算法或智能優(yōu)化算法求解應(yīng)急醫(yī)療物資配置問(wèn)題.其中，智能優(yōu)化算法是一種建立在生物智能或自然現(xiàn)象基礎(chǔ)上的隨機(jī)搜索算法，其核心思想在于模仿自然界中一些群居物種的覓食、繁殖等行為，并將各種行為抽象為可量化的關(guān)鍵指標(biāo)，形成數(shù)學(xué)模型以便求解各類(lèi)問(wèn)題.它具有收斂速度快、全局尋優(yōu)能力強(qiáng)、靈活性和魯棒性好、計(jì)算量小和易編程等優(yōu)點(diǎn).

本節(jié)將應(yīng)急醫(yī)療物資配置中使用頻率較高的幾種算法進(jìn)行著重介紹，例如：粒子群算法、遺傳算法、人工蜂群算法及其改進(jìn)算法等，并簡(jiǎn)要介紹該領(lǐng)域涉及到的其他智能優(yōu)化算法.

（1）粒子群算法. 自1995年提出以來(lái)，已演化出多種改進(jìn)模型，其是通過(guò)模擬鳥(niǎo)群覓食行為而發(fā)展起來(lái)的一種基于群體協(xié)作的隨機(jī)搜索算法.它利用群體中個(gè)體與最優(yōu)個(gè)體以及個(gè)體之間的信息交互，引導(dǎo)整個(gè)群體中個(gè)體在保留自身多樣性信息的同時(shí)，朝向群體最優(yōu)個(gè)體收斂，通過(guò)不斷更新逐漸找到最優(yōu)解.考慮到應(yīng)急醫(yī)療物資配置大多為多目標(biāo)問(wèn)題，該算法在處理多目標(biāo)問(wèn)題時(shí)具有高效、快速的優(yōu)點(diǎn).例如，在不平衡條件下進(jìn)行應(yīng)急醫(yī)療物資配置時(shí)，粒子群算法能夠解決收斂過(guò)早、慣性權(quán)重不合適等問(wèn)題^[66]；在應(yīng)急醫(yī)療物資數(shù)量不足的情況下，粒子群算法能夠避免出現(xiàn)陷入局部最優(yōu)的情況，進(jìn)而提高問(wèn)題求解的效率^[67].

然而，粒子群算法在求解多目標(biāo)問(wèn)題時(shí)也存在諸多問(wèn)題.例如，算法中的“最優(yōu)”粒子易對(duì)種群個(gè)體產(chǎn)生影響，以致收斂過(guò)快；其次，采用粒子群算法進(jìn)行優(yōu)化時(shí)，每次迭代均需確定個(gè)體最優(yōu)粒子和全局最優(yōu)粒子；再者，在追求求解速度和求解效率的同時(shí)會(huì)導(dǎo)致多樣性缺失等^[68].因此，國(guó)內(nèi)外學(xué)者嘗試改進(jìn)該算法，如從參數(shù)整定、迭代公式、拓?fù)浣Y(jié)構(gòu)等方面進(jìn)行優(yōu)化，并取得了可觀的效果.

（2）遺傳算法.是根據(jù)大自然中生物體進(jìn)化規(guī)律而設(shè)計(jì)提出的，它主要通過(guò)變異和交叉的概率動(dòng)態(tài)地改變搜索過(guò)程并找到最優(yōu)解，并可以評(píng)估多個(gè)個(gè)體并產(chǎn)生多個(gè)最優(yōu)解，因此具有更好的全局搜索能力^[69].

由于應(yīng)急醫(yī)療物資配置是多維數(shù)、多變量的離散組合優(yōu)化問(wèn)題，而遺傳算法在處理這類(lèi)問(wèn)題具有計(jì)算精度高、速度快的優(yōu)點(diǎn)，因而許多學(xué)者選擇使用這一算法及其改進(jìn)算法求解并獲取最優(yōu)配置方案.例如，在多目標(biāo)函數(shù)求解模型中，使用遺傳算法對(duì)多個(gè)目標(biāo)均進(jìn)行最優(yōu)化求解，從而實(shí)現(xiàn)每次迭代中都能保持多樣性的特點(diǎn)^[70]；根據(jù)矩陣整數(shù)編碼初始解和分階段解碼等優(yōu)化基礎(chǔ)的遺傳算法能夠進(jìn)一步提高求解的效率^[71]；考慮完全可行域思想的遺傳算法優(yōu)化模型能夠解決多目標(biāo)配置問(wèn)題中縮減可行域方法科學(xué)性存疑的局限性^[72]等.

除上述優(yōu)點(diǎn)外，一些研究顯示該算法在考慮大群體時(shí)耗時(shí)較長(zhǎng)，而考慮小群體求解的結(jié)果又不夠理想；此外，求解過(guò)程中也可能出現(xiàn)過(guò)早收斂的問(wèn)題.因此，不斷有學(xué)者對(duì)這一算法進(jìn)行優(yōu)化，以期望獲得更優(yōu)的結(jié)果^[73].

（3）人工蜂群算法.是一種基于進(jìn)化和蜂群原理的智能優(yōu)化算法，致力于對(duì)全局進(jìn)行問(wèn)題優(yōu)化.由于其使用的解搜索方程是不充分的，因而生成候選解的策略具有較好的探索能力，許多研究已經(jīng)證明了該算法具有較高的求解效率、穩(wěn)健性和有效性^[74，75].在應(yīng)急醫(yī)療物資配置過(guò)程中，需要考慮多種不確定信息，并盡可能合理、高效地對(duì)有限的資源進(jìn)行配置，改進(jìn)的人工蜂群算法在求解多目標(biāo)、多周期的配置問(wèn)題時(shí)表現(xiàn)良好，能夠有效降低配置成本并提高配置效率^[76]；此外，采用二進(jìn)制人工蜂群算法對(duì)應(yīng)急醫(yī)療物資進(jìn)行多階段動(dòng)態(tài)配置能夠有效提高應(yīng)急管理的公平性和效率等^[77].然而，該算法雖然擅長(zhǎng)搜索，但較難利用，因此許多學(xué)者對(duì)標(biāo)準(zhǔn)算法進(jìn)行改進(jìn)優(yōu)化，并提出具有更高局部搜索能力的快速人工蜂群算法、能夠避免尋優(yōu)過(guò)程中陷入局部最優(yōu)和融合反向?qū)W習(xí)策略的反向人工蜂群算法等^[78].

除上述智能優(yōu)化算法外，鯨魚(yú)算法^[79]、模擬退火算法、螢火蟲(chóng)算法^[80]、蟻群算法、人工魚(yú)群算法、人工蝙蝠算法、花朵授粉算法、和聲搜索算法等也得到了廣泛的應(yīng)用.隨著研究的深入以及考慮因素的增加，以及應(yīng)急醫(yī)療物資配置的復(fù)雜程度越來(lái)越高，對(duì)算法求解結(jié)果的要求也越來(lái)越高，所以學(xué)者們不斷探索新的算法并對(duì)其進(jìn)行改進(jìn)和優(yōu)化.目前，智能優(yōu)化算法的應(yīng)用越來(lái)越廣泛，且處理高維度、多變量的應(yīng)急醫(yī)療物資配置問(wèn)題的尋優(yōu)速度更快、結(jié)果精度更高、解決陷入局部最優(yōu)的效果更好^[81].

4 可視化分析

綜合考慮權(quán)威性、信息豐富程度和與各種文獻(xiàn)計(jì)量分析軟件的兼容性等三個(gè)方面，本文選擇Web of Science（WoS）作為數(shù)據(jù)源，同時(shí)為保證檢索數(shù)據(jù)的全面性與準(zhǔn)確性，選擇為SCI-EX-PANDED和SSCI作為索引.最后，使用文獻(xiàn)計(jì)量方法對(duì)經(jīng)過(guò)篩選后的數(shù)據(jù)進(jìn)行分析，從而更加全面的分析數(shù)據(jù)間的內(nèi)在聯(lián)系^[81].考慮到同義詞等問(wèn)題，本文將"disaster medical resource allocation"、"disaster medical supplies allocation"、"emergency healthcare resource allocation"、"emergency healthcare supplies deployment"、"mass casualty incident resource allocation"和"public health emergency resource allocation"等主題納入分析，可提供一個(gè)更加全面的分析視角.因此，文獻(xiàn)檢索策略最終被確定為（（TS=（emergency medical supplies allocation））OR （TS=（emergency medical supplies deployment））OR （TS=（emergency medical resource allocation））OR （TS=（emergency medical resource deployment））OR （TS=（disaster medical resource allocation））OR （TS=（disaster medical supplies allocation））OR （TS=（emergency healthcare resource allocation））OR （TS=（emergency healthcare supplies deployment））OR （TS=（mass casualty incident resource allocation））OR （TS=（public health emergency resource allocation））），時(shí)間跨度為1900 年 1 月1日至2023 年 7 月3日，文獻(xiàn)類(lèi)型選擇為 Articles 和 Review Articles.由于多個(gè)關(guān)鍵詞識(shí)別會(huì)不可避免地涵蓋一些在其他領(lǐng)域有類(lèi)似主題表達(dá)的文獻(xiàn)，因此，本文剔除了不屬于本文主題范圍的文獻(xiàn)，尤其是一些容易對(duì)后續(xù)定量分析產(chǎn)生較大影響的高被引率和低相關(guān)性的文章.最終，本文從檢索的1489 篇（包含 1221 篇期刊論文和 113篇綜述論文）文獻(xiàn)中得到1334篇有效文獻(xiàn)并將其用于對(duì)“應(yīng)急醫(yī)療物資配置”這一主題進(jìn)行系統(tǒng)地可視化分析.

其次，隨著文獻(xiàn)計(jì)量學(xué)和計(jì)算機(jī)技術(shù)的快速發(fā)展，催生了大量性能優(yōu)異、功能豐富的分析軟件，如VoSviewer， Bibliometrix， R-package， CiteSpace， BibExcel， CitNetExplorer等.盡管不同的分析軟件在部分功能上有重疊之處，但均有分析的側(cè)重點(diǎn).

其中，CiteSpace在數(shù)據(jù)處理、描述性統(tǒng)計(jì)等方面的適應(yīng)性和靈活性有助于確定研究趨勢(shì)和熱點(diǎn)，能夠有效地從文獻(xiàn)中提取關(guān)鍵詞，并確定趨勢(shì)性的研究方向.其次，它特別擅長(zhǎng)處理大規(guī)模數(shù)據(jù)，其強(qiáng)大的可視化功能可以直觀地揭示某一領(lǐng)域的主要研究機(jī)構(gòu)和研究者以及他們各自之間的合作關(guān)系等，且構(gòu)建的共現(xiàn)網(wǎng)絡(luò)圖也能夠提供研究領(lǐng)域軌跡的宏觀視圖.因此，本文最終選擇使用CiteSpace作為可視化分析工具，以全面、高效地提高分析效率和分析結(jié)果的可信度.

最后，考慮到擬分析的文獻(xiàn)數(shù)量較多且內(nèi)涵豐富，本文將從作者、來(lái)源、機(jī)構(gòu)、國(guó)家（地區(qū)）等角度進(jìn)行分析，挖掘該領(lǐng)域的發(fā)展?fàn)顩r、領(lǐng)先貢獻(xiàn)者等重要信息.

4.1 應(yīng)急醫(yī)療物資配置數(shù)據(jù)的描述性統(tǒng)計(jì)

本節(jié)將整理從WoS中檢索到的數(shù)據(jù)，并分別從關(guān)鍵詞、機(jī)構(gòu)和作者等角度對(duì)文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析.

結(jié)合圖1中出版物數(shù)量（NP）和引用次數(shù)（NC）的年度變化趨勢(shì)可知，兩者的變化曲線(xiàn)呈現(xiàn)出波動(dòng)的上升態(tài)勢(shì)，并在2021年達(dá)到峰值，且近幾年的出版物數(shù)量和引文數(shù)量急劇上升.在WoS核心數(shù)據(jù)庫(kù)中，該領(lǐng)域的第一篇引文直到1993年才出現(xiàn).事實(shí)上，直到21世紀(jì)，應(yīng)急醫(yī)療物資配置方面的研究才逐漸形成規(guī)模，并引起了更加廣泛的關(guān)注.隨著人們生活水平的提高以及科技的迅速發(fā)展，人們逐漸認(rèn)識(shí)到突發(fā)公共衛(wèi)生事件的嚴(yán)重性和應(yīng)急救援的重要性.在此背景下，應(yīng)急醫(yī)療物資配置領(lǐng)域?qū)?huì)產(chǎn)生越來(lái)越多且更具價(jià)值的研究成果.

圖2為該領(lǐng)域涉及到的前10個(gè)研究方向，表2對(duì)這10個(gè)研究方向的記錄數(shù)和在該領(lǐng)域檢索到的1334篇文獻(xiàn)中所占的比重進(jìn)行了詳細(xì)的介紹.圖3為該領(lǐng)域研究機(jī)構(gòu)合作共現(xiàn)圖，由圖可知四川大學(xué)在該領(lǐng)域有重要貢獻(xiàn).

4.2 應(yīng)急醫(yī)療物資配置的可視化研究分析

4.2.1 關(guān)鍵詞共現(xiàn)分析

一般來(lái)說(shuō)，關(guān)鍵詞能夠代表一篇文獻(xiàn)的核心內(nèi)容與研究重點(diǎn).因此，對(duì)某一領(lǐng)域相關(guān)文獻(xiàn)的關(guān)鍵詞進(jìn)行分析，不僅可以獲取該領(lǐng)域當(dāng)前的研究熱點(diǎn)與重點(diǎn)，而且能夠預(yù)測(cè)該領(lǐng)域未來(lái)的發(fā)展趨勢(shì).繼上節(jié)對(duì)單個(gè)關(guān)鍵詞進(jìn)行分析后，本節(jié)將進(jìn)行關(guān)鍵詞共現(xiàn)分析，其主要依托不同關(guān)鍵詞間的關(guān)系來(lái)解釋某領(lǐng)域的研究熱點(diǎn)和發(fā)展趨向.圖4為根據(jù)CiteSpace導(dǎo)出的關(guān)鍵詞共現(xiàn)圖譜，共有666個(gè)節(jié)點(diǎn)，1459條邊，密度為0.0066.

在共現(xiàn)網(wǎng)絡(luò)結(jié)果中，節(jié)點(diǎn)（標(biāo)簽）的大小表示關(guān)鍵詞出現(xiàn)頻率的高低，節(jié)點(diǎn)越大意味著出現(xiàn)的次數(shù)越多；網(wǎng)絡(luò)中的節(jié)點(diǎn)以年輪的形式顯示，每一層的寬度表示相應(yīng)年份所發(fā)表文章的數(shù)量，寬度越寬，說(shuō)明當(dāng)年發(fā)的文章越多；節(jié)點(diǎn)之間的線(xiàn)表示它們之間的共現(xiàn)關(guān)系，線(xiàn)越全面，共現(xiàn)性越強(qiáng).

值得注意的是，除了resource allocation、care、model和allocation等反復(fù)出現(xiàn)的高頻關(guān)鍵詞外，emergency department一詞從1998年首次出現(xiàn)在該研究領(lǐng)域后，累計(jì)出現(xiàn)次數(shù)達(dá)到104次，這給了我們一些新的啟示：急診科室實(shí)際上是應(yīng)急醫(yī)療物資配置研究領(lǐng)域的一個(gè)核心要素.這在一定程度上反映出急診科室在應(yīng)急醫(yī)療物資配置領(lǐng)域中的關(guān)鍵地位和作用，尤其在公共衛(wèi)生危機(jī)等突發(fā)事件中，急診科室的角色與效能更顯突出.因此，在未來(lái)的研究中，需要更深入地理解和研究急診科室在應(yīng)急醫(yī)療物資配置中的角色，以期制定出更優(yōu)化、更具實(shí)施性的配置策略.

圖5為疊加時(shí)間維度的關(guān)鍵詞時(shí)間線(xiàn)圖，右側(cè)內(nèi)容表示該領(lǐng)域的關(guān)鍵詞聚類(lèi)信息，每個(gè)聚類(lèi)都是由多個(gè)密切相關(guān)的關(guān)鍵詞組成的，聚類(lèi)的順序從0開(kāi)始，順序越小，聚類(lèi)中包含的關(guān)鍵詞數(shù)量越多.

聚類(lèi)#0 humanitarian logistics和聚類(lèi)#1 risk factors為應(yīng)急醫(yī)療物資配置領(lǐng)域的研究提供了重要的視角.humanitarian logistics主要關(guān)注在突發(fā)事件如公共衛(wèi)生危機(jī)等情況下，如何進(jìn)行有效、高效的醫(yī)療物資分配和流動(dòng)，確保物資在恰當(dāng)?shù)臅r(shí)間到達(dá)合適的地點(diǎn)，提高應(yīng)急響應(yīng)的效率和效果.

risk factors聚類(lèi)重點(diǎn)研究的是影響應(yīng)急醫(yī)療物資配置的各種風(fēng)險(xiǎn)因素，這些風(fēng)險(xiǎn)因素包括但不限于突發(fā)事件的類(lèi)型、嚴(yán)重程度、影響范圍、受影響人口的特征、物資的性質(zhì)等.這些因素都將影響到應(yīng)急醫(yī)療物資的需求量和需求分布，進(jìn)而影響到物資配置的策略和效果，該方向的研究會(huì)直接影響到應(yīng)急醫(yī)療物資配置策略的實(shí)際成效.

4.2.2 合作網(wǎng)絡(luò)分析

本節(jié)對(duì)文獻(xiàn)作者的合作網(wǎng)絡(luò)進(jìn)行研究，其更為直觀地展示出了應(yīng)急醫(yī)療物資配置研究領(lǐng)域的核心研究力量和代表學(xué)者.同樣地，本節(jié)使用CiteSpace對(duì)該領(lǐng)域的作者進(jìn)行合作網(wǎng)絡(luò)可視化分析，圖6為作者合作共現(xiàn)圖譜，共有736個(gè)節(jié)點(diǎn)，909條邊，密度為0.0034.其中，節(jié)點(diǎn)的顏色表示不同的研究方向，從圖中可以看出，Weinstock David V、Coleman C Norman和Knebel Ann等人不僅研究方向相似并且他們之間存在著密切的合作.

Bader Judith L、Coleman C Norman和Weinstock David M三位學(xué)者分別發(fā)表了6篇、5篇和5篇文章，他們對(duì)該領(lǐng)域的進(jìn)展做出了重大貢獻(xiàn)；Liu Shan W、Farrell Timothy W和Vitale Caroline A等人的合作度均為14，這說(shuō)明他們與其他學(xué)者之間的合作密切，有效促進(jìn)了該領(lǐng)域的交流與合作.不同研究團(tuán)隊(duì)之間的緊密合作和交叉引用，以及研究軌跡的多樣性，都能夠?yàn)樵擃I(lǐng)域的合作和交流提供必要的機(jī)會(huì)，并且不同作者和機(jī)構(gòu)之間密切的學(xué)術(shù)合作，對(duì)于促進(jìn)相關(guān)研究的進(jìn)展也是至關(guān)重要的.

5 討 論

應(yīng)對(duì)頻繁發(fā)生的公共衛(wèi)生危機(jī)時(shí)，制定有效的應(yīng)急醫(yī)療物資配置方案至關(guān)重要，其能有效地控制人員傷亡并最大程度地降低財(cái)產(chǎn)損失.為應(yīng)對(duì)信息短缺且頻繁變化、變量眾多、約束條件復(fù)雜以及現(xiàn)場(chǎng)情況復(fù)雜等挑戰(zhàn)，配置方案需綜合考慮其時(shí)效性、實(shí)行性以及災(zāi)民的心理健康等因素.

下面將基于對(duì)現(xiàn)有文獻(xiàn)的總結(jié)和歸納，對(duì)該領(lǐng)域未來(lái)的研究方向進(jìn)行詳細(xì)的分析和闡述.

（1） 合理利用社交媒體.科技的發(fā)展推動(dòng)了社交方式的進(jìn)步與更新，技術(shù)的進(jìn)步以及大數(shù)據(jù)、互聯(lián)網(wǎng)的發(fā)展為數(shù)據(jù)處理技術(shù)的升級(jí)提供了條件.因此，在研究過(guò)程中，可以考慮從社交媒體挖掘?yàn)?zāi)區(qū)的實(shí)時(shí)數(shù)據(jù)，并且使用數(shù)據(jù)清洗工具，篩選出有效信息，以便進(jìn)行物資需求情況預(yù)測(cè)、并提高預(yù)測(cè)結(jié)果的準(zhǔn)確度.除此之外，可通過(guò)社交媒體，及時(shí)更新應(yīng)急醫(yī)療物資配置的相關(guān)資訊，并開(kāi)通評(píng)論功能，及時(shí)獲取災(zāi)區(qū)的具體情況，進(jìn)而通過(guò)信息共享及時(shí)實(shí)現(xiàn)動(dòng)態(tài)配置，其能夠在一定程度上提高配置的科學(xué)性與有效性.但是，當(dāng)前的數(shù)據(jù)挖掘、數(shù)據(jù)清洗以及數(shù)據(jù)處理技術(shù)還不夠成熟，仍有較大的提升空間.

（2） 多團(tuán)隊(duì)協(xié)同辦公，開(kāi)發(fā)合作平臺(tái).突發(fā)公共衛(wèi)生事件發(fā)生后，要想實(shí)現(xiàn)在盡可能短的時(shí)間內(nèi)得到有效的配置方案，需要做大量的工作，并進(jìn)行多方面的溝通和協(xié)調(diào).因而，可以考慮多方合作進(jìn)行物資配置方案的制定工作，開(kāi)發(fā)合作辦公平臺(tái)，進(jìn)而提高應(yīng)急醫(yī)療物資配置的效率.例如，可以設(shè)置專(zhuān)門(mén)進(jìn)行物資需求預(yù)測(cè)的團(tuán)隊(duì)、數(shù)據(jù)收集的團(tuán)隊(duì)、物資協(xié)調(diào)的團(tuán)隊(duì)等，保證及時(shí)、有效的溝通，為物資配置方案制定團(tuán)隊(duì)提供更加全面的信息，從而實(shí)現(xiàn)減少方案調(diào)整的次數(shù)，實(shí)現(xiàn)縮短配置時(shí)間的目標(biāo)，為物資配置與災(zāi)區(qū)救援爭(zhēng)取更多時(shí)間.

（3） 區(qū)域協(xié)同配置.一般來(lái)講，突發(fā)公共衛(wèi)生事件爆發(fā)后，災(zāi)區(qū)所需的物資種類(lèi)和數(shù)量激增，但是受災(zāi)地區(qū)往往在短時(shí)間內(nèi)很難有充足的物資儲(chǔ)備.因此，可以考慮多供應(yīng)點(diǎn)協(xié)同供應(yīng)，尤其是災(zāi)區(qū)周?chē)貐^(qū)，不僅可以為災(zāi)區(qū)提供應(yīng)急救援物資，還可以作為物資中轉(zhuǎn)點(diǎn)和暫存點(diǎn)，以保證應(yīng)急物資的合理配置.然而，盡管該方法在提升配置的效率和有效性具有一定的可行性，但在進(jìn)行區(qū)域協(xié)調(diào)配置時(shí)，需保證各配置區(qū)域進(jìn)行及時(shí)、有效的溝通，以便及時(shí)發(fā)現(xiàn)并克服可能出現(xiàn)的應(yīng)急醫(yī)療物資供應(yīng)過(guò)多或供應(yīng)不足的情況.

（4） 鼓勵(lì)政企合作.現(xiàn)有研究顯示，突發(fā)公共衛(wèi)生事件發(fā)生后，大多數(shù)人會(huì)認(rèn)為應(yīng)急救援的主體是政府，因此大部分研究均以政府調(diào)度優(yōu)化為出發(fā)點(diǎn).的確，突發(fā)公共衛(wèi)生事件下，政府會(huì)在第一時(shí)間做出響應(yīng)，并及時(shí)展開(kāi)救援工作.但是，值得我們思考的是，災(zāi)害面前，救援工作為第一要?jiǎng)?wù)，除了可以借助社交媒體等渠道及時(shí)獲取信息，企業(yè)等可以在政府指定的官方賬號(hào)或平臺(tái)更新自己的物資儲(chǔ)備與運(yùn)輸條件，以便和政府同時(shí)展開(kāi)救援，縮短響應(yīng)和運(yùn)輸時(shí)間.此外，這一研究思路同樣需要注意保證及時(shí)、有效的溝通.

（5） 多運(yùn)輸工具協(xié)同配送.已有研究顯示，當(dāng)前的應(yīng)急醫(yī)療物資運(yùn)輸工具較為單一，多以陸運(yùn)為主^[82].隨著各類(lèi)交通工具的進(jìn)步與發(fā)展，后續(xù)研究可以考慮不同運(yùn)輸工具協(xié)調(diào)配送.此外，除了專(zhuān)門(mén)的應(yīng)急醫(yī)療物資運(yùn)輸工具，還可以依托民航客機(jī)、高鐵等交通工具^[83].突發(fā)公共衛(wèi)生事件發(fā)生后，及時(shí)獲取民航客機(jī)、高鐵等的運(yùn)行時(shí)間與路線(xiàn)，并獲取其中的空閑空間信息，以實(shí)現(xiàn)協(xié)助應(yīng)急物資運(yùn)輸工作.

（6） 動(dòng)態(tài)預(yù)測(cè)與配置.現(xiàn)有的應(yīng)急物資配置方案大多為靜態(tài)配置方案，即一旦方案確定，就很少再改動(dòng)方案.這一定程度上是由于早期的信息溝通不方便，做不到及時(shí)、有效的數(shù)據(jù)獲取與信息交流.因此，在后續(xù)的研究中，可以考慮動(dòng)態(tài)預(yù)測(cè)與動(dòng)態(tài)配置相結(jié)合，根據(jù)實(shí)時(shí)信息進(jìn)行配置方案的及時(shí)調(diào)整^[84].

6 總 結(jié)

本文首先將應(yīng)急醫(yī)療物資配置展開(kāi)分析，分別對(duì)應(yīng)急醫(yī)療物資需求預(yù)測(cè)、應(yīng)急醫(yī)療物資需求點(diǎn)分級(jí)、應(yīng)急醫(yī)療物資配置的目標(biāo)函數(shù)、約束條件以及求解算法等方面進(jìn)行分析研究，并重點(diǎn)分析了廣泛應(yīng)用于應(yīng)急醫(yī)療物資配置領(lǐng)域的各類(lèi)智能優(yōu)化算法.其次，根據(jù)主題詞從WoS進(jìn)行文獻(xiàn)檢索，使用CiteSpace對(duì)檢索數(shù)據(jù)進(jìn)行可視化分析，并根據(jù)關(guān)鍵詞共現(xiàn)的結(jié)果分析“應(yīng)急醫(yī)療物資配置”領(lǐng)域的研究重點(diǎn)和研究熱點(diǎn)，為應(yīng)急醫(yī)療物資配置的研究提供有用信息.最后，通過(guò)對(duì)大量文獻(xiàn)的梳理總結(jié)，并根據(jù)可視化分析的結(jié)果對(duì)該領(lǐng)域未來(lái)的研究趨勢(shì)進(jìn)行分析和總結(jié).

參考文獻(xiàn)：

[1]Kannan S， Ali P S S， Sheeza A， et al. COVID-19 （Novel Coronavirus 2019）-recent trends [J]. Eur Rev Med Pharmaco， 2020， 24： 2006.

[2]Wen T X， Zhang Z N， Qiu M， et al. A multi-objective optimization method for emergency medical resources allocation [J]. J Med Imag Health In， 2017， 7： 393.

[3]王付宇， 湯濤， 李艷， 等. 重大突發(fā)災(zāi)害事件下應(yīng)急資源供給與配置問(wèn)題研究綜述[J]. 自然災(zāi)害學(xué)報(bào)， 2021， 30： 44.

[4]朱莉， 曹杰， 顧珺， 等. 考慮異質(zhì)性行為的災(zāi)后應(yīng)急物資動(dòng)態(tài)調(diào)度優(yōu)化[J]. 中國(guó)管理科學(xué)， 2020， 28： 151.

[5]劉澤， 張娜娜， 程楊， 等. 青海省醫(yī)療資源配置的空間公平與效率評(píng)價(jià)[J]. 地理科學(xué)進(jìn)展， 2023， 42： 1891.

[6]譚曉偉， 王雪韻， 胡大偉. 考慮動(dòng)態(tài)需求的多中心沿途補(bǔ)貨冷鏈物流配送路徑優(yōu)化[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2023， 60： 022002.

[7]王蘭英， 郭子雪， 張玉芬， 等. 基于直覺(jué)模糊案例推理的應(yīng)急物資需求預(yù)測(cè)模型[J]. 中國(guó)礦業(yè)大學(xué)學(xué)報(bào)， 2015， 44： 775.

[8]田軍， 馬文正， 汪應(yīng)洛， 等. 應(yīng)急物資配送動(dòng)態(tài)調(diào)度的粒子群算法[J]. 系統(tǒng)工程理論與實(shí)踐， 2011， 31： 898.

[9]陳鑫， 汪傳旭， 石劉紅. 模糊隨機(jī)需求下應(yīng)急救援中心排隊(duì)選址模型及算法[J]. 上海海事大學(xué)學(xué)報(bào)， 2011， 32： 74.

[10]陳相兵， 陳晨， 閔心暢. 混合約束多峰優(yōu)化問(wèn)題的一個(gè)協(xié)同共軛進(jìn)退粒子群算法[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2023， 60： 011006.

[11]馬龍， 秦寶東， 盧娜， 等. 基于新陳代謝灰色馬爾科夫的應(yīng)急物資需求量預(yù)測(cè)方法[J]. 系統(tǒng)仿真學(xué)報(bào)， 2021， 35： 229.

[12]胡忠君， 劉艷秋， 李佳. 基于改進(jìn)GM（1，1）的洪澇災(zāi)害應(yīng)急物資動(dòng)態(tài)需求預(yù)測(cè)[J]. 系統(tǒng)仿真學(xué)報(bào)， 2019， 31： 702.

[13]王正新， 劉思峰. 基于Fourier-GM（1，1）模型的災(zāi)害應(yīng)急物資需求量預(yù)測(cè)[J]. 系統(tǒng)工程， 2013， 31： 60.

[14]李麗麗， 張軍， 曾波. 基于新陳代謝GM（1，1）的大規(guī)模地震應(yīng)急救援物資需求預(yù)測(cè)研究[J]. 世界科技研究與發(fā)展， 2013， 35： 430.

[15]劉炯. 基于多元線(xiàn)性回歸的物流需求預(yù)測(cè)分析——以安徽省為例[J]. 四川文理學(xué)院學(xué)報(bào)， 2022， 32： 51.

[16]李振強(qiáng)， 曹琦. 基于PCR的戰(zhàn)時(shí)物資需求預(yù)測(cè)研究[J]. 軍事運(yùn)籌與系統(tǒng)工程， 2021， 35： 15.

[17]趙一兵， 高虹霓， 馮少博. 基于支持向量機(jī)回歸的應(yīng)急物資需求預(yù)測(cè)[J]. 計(jì)算機(jī)仿真， 2013， 30： 408.

[18]劉云， 馬儀， 田地， 等. 可信激勵(lì)算法對(duì)區(qū)塊鏈移動(dòng)節(jié)點(diǎn)共識(shí)優(yōu)化研究[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2022， 59： 062004.

[19]Maleki M， Mahmoudi M R， Wraith D， et al. Time series modelling to forecast the confirmed and recovered cases of COVID-19[J]. Travel Med? Infect? Di， 2020， 37： 101742.

[20]何穎， 王亞娜， 賀婷. 我國(guó)公共衛(wèi)生醫(yī)師人力資源配置情況分析[J/OL]. 中國(guó)預(yù)防醫(yī)學(xué)雜志（2023-10-23）[2023-10-26]. http：//kns.cnki.net/kcms/detail/11.4529.R.20231023.0905.002.html.

[21]Dong S， Wang P， Abbas K. A survey on deep learning and its applications [J]. Comput Sci Rev，2021， 40： 100379.

[22]陳雙雙， 呂鳴， 胡軍， 等. 2017—2021年我國(guó)基層衛(wèi)生資源配置的公平與效率研究[J]. 中國(guó)農(nóng)村衛(wèi)生事業(yè)管理， 2023， 43： 701.

[23]Wu X Q， Zhang X N， Huang X Y， et al. A real-time forecast of tunnel fire based on numerical database and artificial intelligence [J]. Build Simul-China， 2022， 15： 511.

[24]Koc E， Turkoglu M. Forecasting of medical equipment demand and outbreak spreading based on deep long short-term memory network： the COVID-19 pandemic in Turkey [J]. Signal Image Video P， 2022， 16： 613.

[25]Ketu S， Mishra P K. India perspective： CNN-LSTM hybrid deep learning model-based COVID-19 prediction and current status of medical resource availability [J]. Soft Comput， 2022， 26： 645.

[26]Masum M， Masud M A， Adnan M I， et al. Comparative study of a mathematical epidemic model， statistical modeling， and deep learning for COVID-19 forecasting and management [J]. Socio-Econ Plan Sci， 2022， 80： 101249.

[27]王琛， 黎良， 劉斌. 基于標(biāo)簽時(shí)間Petri網(wǎng)最小初始狀態(tài)的實(shí)時(shí)系統(tǒng)初始資源配置[J/OL].控制理論與應(yīng)用（2023-10-07）[2023-10-26]. http：//kns.cnki.net/kcms/detail/44.1240.TP.20230928.0937.064.html.

[28]章程軍， 胡曉兵， 牛洪超. 基于改進(jìn)YOLOv5的車(chē)輛目標(biāo)檢測(cè)研究[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2022， 59： 053001.

[29]Chen F J， Chen J Y， Liu J G. Forecast of flood disaster emergency material demand based on IACO-BP algorithm [J]. Neural Comput Appl， 2022， 34： 3537.

[30]趙小檸， 馬昌喜. 基于范例推理的災(zāi)害性地震應(yīng)急物資需求預(yù)測(cè)研究[J]. 中國(guó)安全科學(xué)學(xué)報(bào)， 2012， 22： 3.

[31]趙麗培， 葉貝珠， 邢雨涵， 等. 2012-2020年我國(guó)婦幼衛(wèi)生人力資源配置公平性及空間分布[J]. 衛(wèi)生軟科學(xué)， 2023， 37： 62.

[32]陳興志， 田寶單， 王代文， 等. 基于SEIR模型的COVID-19疫情防控效果評(píng)估和預(yù)測(cè)[J]. 應(yīng)用數(shù)學(xué)和力學(xué)， 2021， 42： 199.

[33]趙姣， 胡卉， 袁華智. 不規(guī)則型泊位與岸橋集成分配問(wèn)題的優(yōu)化建模和算法研究[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2022， 59： 042001.

[34]Tzeng G H， Cheng H J， Huang T D. Mufti-objective optimal planning for designing relief delivery systems [J]. Transport Res E-Log， 2007， 43： 673.

[35]白冠超. 基于模糊綜合評(píng)判的應(yīng)急物資需求分級(jí)研究[J]. 企業(yè)改革與管理， 2015（2）：118.

[36]王莉芳. 基于組合賦權(quán)與灰色改進(jìn)TOPSIS方法的受災(zāi)點(diǎn)應(yīng)急物質(zhì)需求緊迫性分級(jí)評(píng)價(jià)[J]. 安全與環(huán)境工程， 2017， 24： 94.

[37]王寧， 左添丞， 馮鵬程. 基于主成分聚類(lèi)分析的軍事物資應(yīng)急配送需求分級(jí)研究[J]. 軍事交通學(xué)院學(xué)報(bào)， 2021， 23： 45.

[38]王婧， 王海軍. 應(yīng)急救援中應(yīng)急物資需求緊迫性分級(jí)研究[J]. 計(jì)算機(jī)工程與應(yīng)用， 2013， 49： 4.

[39]王之樂(lè)， 張紀(jì)海. 基于多災(zāi)種視角的應(yīng)急物資需求緊迫性分級(jí)研究——以地震災(zāi)害鏈全過(guò)程應(yīng)急管理為例[J]. 災(zāi)害學(xué)， 2017， 32： 190.

[40]李霞， 李佳璇， 崔洪軍， 等. 基于需求時(shí)間的隧道塌方應(yīng)急資源分級(jí)調(diào)度研究[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù)， 2021， 17： 136.

[41]張英慧， 汪貽生. 應(yīng)急物資需求動(dòng)態(tài)分級(jí)方法研究 [J]. 物流技術(shù)， 2015， 34： 82.

[42]凌思維， 楊斌， 孫少文. 基于需求分級(jí)的應(yīng)急醫(yī)療資源配置[J]. 廣西大學(xué)學(xué)報(bào)：自然科學(xué)版， 2014， 39： 358.

[43]Wang X， She K， Zhong S M， et al. Exponential synchronization of memristor-based neural networks with time-varying delay and stochastic perturbation [J]. Neurocomputing， 2017， 242： 131.

[44]李麗清， 楊蘇樂(lè)， 萬(wàn)里晗， 等. 基于fsQCA組態(tài)視角的我國(guó)醫(yī)療資源配置效率提升路徑分析[J/OL]. 中國(guó)全科醫(yī)學(xué)（2023-10-23）[2023-10-26]. http：//kns.cnki.net/kcms/detail/13.1222.r.20231023.0843.014.html.

[45]Rivera-Royero D， Galindo G， Yie-Pinedo R. A dynamic model for disaster response considering prioritized demand points [J]. Socio-Econ Plan Sci， 2016， 55： 59.

[46]Pellerin R， Perrier N， Berthaut F. A survey of hybrid metaheuristics for the resource-constrained project scheduling problem [J]. European J Operat Res， 2020， 280： 395.

[47]管宏才， 李圓圓， 周吳平， 等. 我國(guó)老年護(hù)理人力資源配置公平性研究[J]. 醫(yī)學(xué)與社會(huì)， 2023， 36： 14.

[48]張夢(mèng)玲， 王晶， 黃鈞. 不確定需求下考慮供應(yīng)商參與機(jī)制的應(yīng)急資源配置魯棒優(yōu)化研究[J]. 中國(guó)管理科學(xué)， 2020， 28： 102.

[49]Hu F H， Wang Y L， Ma B L， et al. Emergency supplies research on crossing points of transport network based on genetic algorithm [C]//2015 International Conference on Intelligent Transportation， Big Data and Smart City. Halong Bay， Vietnam： IEEE， 2015： 370.

[50]王付宇， 葉春明， 王濤， 等. 震后傷員救援車(chē)輛兩階段規(guī)劃模型及算法研究[J]. 管理科學(xué)學(xué)報(bào)， 2018， 21： 68.

[51]王飛躍， 裴重偉， 郭換換， 等. 基于元胞遺傳算法的多目標(biāo)應(yīng)急資源配置[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù)， 2020， 16： 174.

[52]朱洪利， 周泓， 孔繼利， 等. 需求干擾下的兩階段應(yīng)急資源調(diào)度問(wèn)題[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù)， 2018， 14： 67.

[53]Barbarosoglu G， Arda Y. A two-stage stochastic programming framework for transportation planning in disaster response [J]. J Oper Res Soc， 2004， 55： 43.

[54]王妍妍， 孫佰清. 多受災(zāi)點(diǎn)應(yīng)急物資動(dòng)態(tài)多階段分配模型研究[J]. 中國(guó)管理科學(xué)， 2019， 27： 138.

[55]張冬青， 郭釗俠， 張殷杰. 考慮時(shí)空相關(guān)隨機(jī)行駛時(shí)間的車(chē)輛路徑問(wèn)題模型與算法[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2021， 58： 067001.

[56]薛書(shū)琦， 龔壯壯. 突發(fā)洪澇災(zāi)害中考慮心理焦慮影響的多周期應(yīng)急物資調(diào)度研究[J]. 安全與環(huán)境學(xué)報(bào)， 2023， 23： 1522.

[57]王付宇， 丁杰， 汪和平， 等. 災(zāi)后模糊需求情境下考慮救援公平性的應(yīng)急物資調(diào)度問(wèn)題模型與算法研究[J]. 管理工程學(xué)報(bào)， 2023， 37： 159.

[58]王旭坪， 馬超， 阮俊虎. 考慮公眾心理風(fēng)險(xiǎn)感知的應(yīng)急物資優(yōu)化調(diào)度[J]. 系統(tǒng)工程理論與實(shí)踐， 2013， 33： 1735.

[59]唐偉勤， 鄒麗， 郭其云， 等. 應(yīng)急初期物資調(diào)度的灰色多目標(biāo)規(guī)劃模型[J]. 中國(guó)安全科學(xué)學(xué)報(bào)， 2016， 26： 155.

[60]Mohammadi R， Ghomi S M T F， Jolai F. Prepositioning emergency earthquake response supplies： a new multi-objective particle swarm optimization algorithm [J]. Appl Math Model， 2016， 40： 5183.

[61]王付宇， 張康. 考慮道路約束的應(yīng)急物資調(diào)度優(yōu)化模型與算法[J]. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)， 2022， 19： 53.

[62]Chai G， Cao J D， Huang W， et al. Optimized traffic emergency resource scheduling using time varying rescue route travel time [J]. Neurocomputing， 2018， 275： 1567.

[63]Chi H， Li J L， Shao X Y， et al. Timeliness evaluation of emergency resource scheduling [J]. Eur J Oper Res， 2017， 258： 1022.

[64]Chang F S， Wu J S， Lee C N， et al. Greedy-search-based multi-objective genetic algorithm for emergency logistics scheduling [J]. Expert Syst Appl， 2014， 41： 2947.

[65]胡春玉. 基于多目標(biāo)優(yōu)化的應(yīng)急物資調(diào)度模型研究與應(yīng)用[D].鎮(zhèn)江： 江蘇大學(xué)， 2021.

[66]戚孝娣， 莊亞明. 供需不平衡條件下的區(qū)域應(yīng)急物資調(diào)配模型研究[J]. 中國(guó)安全科學(xué)學(xué)報(bào)， 2016， 26： 169.

[67]鄭彥輝， 朱昌鋒， 王嘯. 基于雙層規(guī)劃的應(yīng)急物資調(diào)配研究[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù)， 2020， 16： 25.

[68]張莉， 張惠珍， 劉冬， 等. 考慮緊迫度的應(yīng)急物資調(diào)度及粒子群算法求解[J]. 系統(tǒng)仿真學(xué)報(bào)， 2022， 34： 1988.

[69]Katoch S， Chauhan S S， Kumar V. A review on genetic algorithm： past， present， and future [J]. Multimed Tools Appl， 2021， 80： 8091.

[70]沈曉冰， 楊保華. 基于雙層混合聯(lián)運(yùn)的震后應(yīng)急物資配送模糊多目標(biāo)優(yōu)化[J]. 工業(yè)工程， 2017， 20： 113.

[71]趙建有， 韓萬(wàn)里， 鄭文捷， 等. 重大突發(fā)公共衛(wèi)生事件下城市應(yīng)急醫(yī)療物資配送[J]. 交通運(yùn)輸工程學(xué)報(bào)， 2020， 20： 168.

[72]吳凡， 楊冰， 洪思. 基于變長(zhǎng)基因型遺傳算法的多供應(yīng)點(diǎn)應(yīng)急物資調(diào)度優(yōu)化[J]. 計(jì)算機(jī)應(yīng)用研究， 2022， 39： 1148.

[73]李晶， 徐文輝， 李亞?wèn)|. 海上溢油應(yīng)急物資調(diào)度雙目標(biāo)規(guī)劃模型[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù)， 2022， 18： 48.

[74]陶俊良， 孫藝揚(yáng)， 何寧. 天津市中醫(yī)醫(yī)療資源配置狀況及公平性研究[J]. 中國(guó)醫(yī)藥導(dǎo)報(bào)， 2023， 20： 187.

[75]Xue Y， Jiang J M， Zhao B P， et al. A self-adaptive artificial bee colony algorithm based on global best for global optimization [J]. Soft Comput， 2018， 22： 2935.

[76]鞏在武， 陽(yáng)佳琦. 考慮災(zāi)民心理的多周期應(yīng)急物資調(diào)度不確定規(guī)劃建模研究[J]. 中國(guó)管理科學(xué)， 2023， 7： 1.

[77]李智楠， 劉勤明， 陸昊洋. 韌性視角下基于隨機(jī)演變的城市應(yīng)急醫(yī)療物資配置模型[J]. 計(jì)算機(jī)應(yīng)用， 2023， 43：978.

[78]張巧， 楊紅雨， 劉洪， 等. 基于自適應(yīng)DBSCAN的雷達(dá)目標(biāo)跟蹤算法[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2021， 58： 012001.

[79]張聆曄， 呂靖， 班豪， 等. 考慮油膜動(dòng)態(tài)過(guò)程的海上溢油應(yīng)急物資調(diào)度優(yōu)化[J]. 運(yùn)籌與管理， 2022， 31： 35.

[80]李艷， 葉春明， 曹磊. 考慮傷情隨機(jī)惡化的應(yīng)急物資調(diào)度問(wèn)題[J]. 系統(tǒng)工程學(xué)報(bào)， 2020， 35： 824.

[81]王帥， 全薇， 羅勇軍. 內(nèi)蒙古自治區(qū)醫(yī)療衛(wèi)生資源配置的公平性分析[J/OL]. 上海預(yù)防醫(yī)學(xué)（2023-09-22）[2023-10-26]. http：//kns.cnki.net/kcms/detail/31.1635.R.20230922.0821.002.html.

[82]翟越， 王儒豪， 屈璐， 等. 基于元胞自動(dòng)機(jī)的人車(chē)交互行為數(shù)值模擬方法研究[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2022， 59： 043003.

[83]楊沁林， 張勁. 機(jī)械臂目標(biāo)區(qū)域跟蹤防撞控制[J]. 四川大學(xué)學(xué)報(bào)：自然科學(xué)版， 2022， 59： 033001.

[84]張彬， 張龍秀. 基于DEA和ARIMA模型我國(guó)婦幼保健機(jī)構(gòu)資源配置效率變化趨勢(shì)及影響因素分析[J]. 中國(guó)醫(yī)藥導(dǎo)報(bào)， 2023， 20： 192.

引用本文格式：

中 文： 緱迅杰，趙蕓瑩，徐鑫茹，等. 應(yīng)急醫(yī)療物資配置研究現(xiàn)狀及可視化分析[J]. 四川大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2023， 60： 060003.

英 文： Gou X J， Zhao Y Y， Xu X R，? et al. The research status and visualization analysis of emergency medical supplies allocation [J]. J Sichuan Univ： Nat Sci Ed， 2023， 60： 060003.