1.一种化工园区应急资源配置优化方法，其特征在于，该方法具体包括以下步骤：步骤1:获取化工园区内危险源信息、地理信息、园区内各化工危险源从事生产的工艺流程信息、可供规划的地点以及待分配应急物资数量，其中危险源信息包括危险源种类、状态、存量以及分布情况；

步骤2：通过步骤1所获得的信息建立危险源风险动态评估模型，考虑的危险源特征指标为危险源固有危险系数，多米诺效应危险系数，工艺流程危险系数；

①危险源固有危险系数

在基于R值的危险源评估模型中，采用单元内各种危险源实际存在量与其在文件GB18218中规定的临界量之比经过矫正后求和得到的值R作为分级指标；R值的计算过程是事故的易发性与事故后果严重程度的耦合过程，故此R值实际上是代表了危险源的固有危险性；危险源固有危险系数的计算公式如下：式中，βn为危险源n的矫正系数，α为厂外暴露人员的校正系数，qn为危险源n的实际存量，Qn为危险源n在文件GB18218中规定的临界量；

②多米诺效应危险系数

多米诺效应的概率通过危险源进行事故后果模拟预测得到；预测过程遵循最大危险原则以及概率求和原则；多米诺效应危险系数γ的计算方法如下：式中，i和k表示发生二次事故的工厂个数，Pblast为冲击多米诺效应概率，Pheat为热辐射多米诺效应概率；

③工艺流程危险系数

参考道化学火灾、爆炸指数评价法中工艺单元的危险系数计算方法；计算工艺单元危险系数中各项系数时，选择物质在工艺单元中所处的最危险的状态；

工艺危险系数的计算方法如下为：

F3＝F1×F2

式中，F1为一般工艺流程危险系数，F2为特殊工艺流程危险系数，F3为工艺流程危险系数；

步骤3通过危险源三个特征指标可将危险源表征为：

T

Xi＝(xi1,xi2,xi3) ,i＝1,2,...,n式中，Xi为危险源i，xi1、xi2以及xi3分别表示危险源i的三个特征指标；

利用谱系聚类法对危险源样本进行分级，具体步骤如下：①选择样本间与类间相似性度量的定义，使用样本之间的距离以及类别之间的距离作为样本间与类间相似性度量；

样本间距离定义为欧式距离：

式中，m为研究样本的特征指标个数，dij为样本i到样本j之间的距离；

类间距离定义为最短距离，计算公式如下：

式中，Gp与Gq为类别p与q，Dpq为类别p与类别q之间的距离；

②计算样本间的距离，生成距离矩阵D；

③构造每一类只含一个样本的个类；

④根据类间相似性度量的定义进行合并，产生新类；

⑤计算新类与现存各类的类间距离；

⑥若现存一个类别，则画出谱系聚类图,否则转回步骤④；通过谱系聚类图将研究样本之间的相似关系清楚的表达出来；

⑦决定类的个数并获得分级结果；

步骤4：将整个化工园区抽象为一个网络拓扑结构，其中危险源所在地为网络拓扑图中的需求节点，存放应急设施以及应急物资的地点为网络拓扑图中的潜在应急节点，连接各个节点的道路为网络拓扑图中的弧，以应急节点的应急范围为应急辖区；化工园区网络拓扑图的表达式为：G＝{V,E}

式中，V为网络中的弧集，弧的权重即为该弧的弧长，E为网络中的节点集，需求节点的权重即为危险源的风险等级；

步骤5：将应急资源配置决策划分为应急节点选址决策和应急物资分配决策，以危险源风险等级为基础建立多目标应急资源配置模型；设n为需求节点个数，p为潜在的应急节点个数，Q为待分配应急物资数量；

①配置决策安全性

配置决策安全性由网络中需求节点的加权覆盖程度以及应急辖区加权分配程度两个方面进行衡量；通过下式计算：S＝S1+S2

式中，S1为选址决策安全性指标，Bi为应急辖区内包含需求节点i的应急节点个数；Hi为需求节点i的危险权重；S2为分配决策安全性指标，Iu为选取的应急节点集合；Kj为应急节点j应急辖区危险权重，由应急辖区内需求节点的平均危险权重确定；Qj为应急节点j内被分配应急物资的存量；S为应急资源配置决策总体安全性指标；

②配置决策经济适用性

配置决策的经济适用性采用选取的应急节点个数来衡量；通过下式计算：式中，EA为决策经济适用性指标；c选取的应急点个数；

③配置决策救援时效性

配置决策救援时效性由各个应急节点内应急物资存量以及平均救援距离衡量，计算方法如下：式中，T为决策救援时效性指标，Cj为应急节点j的平均救援距离，即为应急节点j到其辖区内需求节点的平均距离；

步骤6利用遗传算法优化方法对多目标应急资源配置模型进行优化，最终求解符合目标期望的配置策略；具体步骤如下：①采用经典的二进制编码的方式解决多目标优化应急点选址问题，用连续的整数为赋予每一个潜在的应急点一个ID号，用连续的整数分别赋予每一份待分配的应急资源与应急点一个ID号；

②初始化过程，遗传算法的初始化过程即产生初始种群的过程；种群由一定数目的个体所构成，故此随机选择pop_size个可行解作为个体构成初始种群pop；

③利用决策各指标的极值进行无量纲化处理；结合模型期望构建遗传算法适应度函数，选址策略的适应度函数由下式得出：maximize Fx＝S1*-EA*+C1

式中，Fx为选址决策适应度函数，S1*为无量纲化处理后的选址决策安全指标，EA*为无量纲化处理后的选址决策经济适用性指标；C1为常数；

分配策略的适应度函数由下式得出：

maximize Fy＝S2*-T*+C2

式中，Fy为选址决策适应度函数，S2*为无量纲化处理后的分配决策安全指标，T*为无量纲化处理后的分配决策救援时效性指标；C2为常数；

上述适应度函数的目标期望皆为求取最大值，且遗传算法的适应度函数的值域必须大于0，故此C1＝C2＝1；

④添加约束条件；在遗传算法优化过程中处理约束条件的所用的方法为剔除不满足约束条件的个体，即将不可行解的适应度强制性重置为0；

⑤将种群中的个体按照适应度从小到大依次排列，计算积累适应度：式中，Fitness(idvi)为当前种群中第i个个体带入适应度函数中计算所得的适应度；

⑥取一个随机数r，r∈(0,FitnessT(pop_size)]；

⑦如果r∈(FitnessT(i),FitnessT(i+1)]，则个体idvi被选中；

重复步骤⑦直到选出pop_size-1个个体，将选中的个体赋予New POP；采用精英政策：保留POP中最后一个个体，清空其余个体，将New POP中的个体全部赋予POP；

⑧根据事先给定的杂交概率Cross_rate，在区间(0,1)中随机生成一个实数a，如果a

⑨根据事先给定的变异概率Mutate_rate，在区间(0,1)中随机生成一个实数a，如果a＜Mutate_rate，则对该个体进行变异操作；对于二进制编码来说，其变异过程为：在区间(0，m)之间随机生成一个正整数b为变异位置，将该位置的二进制数取反；对于矩阵编码来说，其变异过程为：在区间(0，Q)之间随机生成一个正整数b为变异位置，将该个体矩阵第b行元素全部置0，在区间(0，c)之间随机生成一个正整数d，取个体矩阵的第b行第d列元素为

1；

⑩G＝G+1，取迭代次数G为算法终止条件，当G＜200时返回步骤6-③，当G＝200时输出最优适应度所对应个体，根据编码方式得出最优配置决策。