Dynamic relief provision planning for en route refugees: modeling probabilistic movements using migration pull drivers

Abstract

The forced displacement crisis has become a pressing global humanitarian concern. Massive refugee movements force individuals into dire living conditions with severe inaccessibility to essential services and resources. Humanitarian organizations play a vital role in alleviating the hardships faced by refugees en route through relief aid interventions; however, the adoption of academic approaches to support these efforts remains limited. This thesis aims to optimize the periodic delivery of relief aid to geographically dispersed refugee groups en route to safe destinations, under both deterministic and stochastic migration settings. In the deterministic setting, we introduce a Capacitated Mobile Facility Location Problem with Mobile Demand and formulate it as a mixed-integer linear program (MILP). To solve this complex problem, we develop two solution approaches: an accelerated Benders decomposition algorithm for exact optimization and a matheuristic algorithm based on an enhanced fix-and-optimize strategy. Using realistic scenarios inspired by the Honduras migration crisis, our results show that the Benders decomposition reduces computation time by 46% on average while maintaining solution quality. The matheuristic, meanwhile, produces near-optimal solutions with only a 2.4% average optimality gap and significantly reduced computational effort. For the stochastic counterpart, we model refugee movements as a Markov decision process (MDP) with probabilistic transitions driven by migration pull factors such as safety, road conditions, and spatial proximity. To solve the MDP, we develop an approximate dynamic programming algorithm featuring customized basis functions and a novel policy replication mechanism. We further propose a state-dependent variable threshold policy that efficiently generates high-quality service plans. Applied to the Syria–Türkiye migration crisis, our approach achieves up to 25% cost savings over deterministic methods and up to 12% additional savings through coordinated planning across humanitarian organizations. The proposed methods are shown to be effective across diverse migration dynamics, including dispersed and cohesive refugee flows and multi-destination settings. Additionally, we identify service and traversal hotspots along migration routes, offering valuable guidance for tactical planning and resource pre-positioning. In summary, this thesis contributes cost-effective, scalable, and operationally relevant solutions for humanitarian aid delivery to en route refugees and provides actionable managerial insights for addressing future displacement crises. This doctoral research has been supported by the Scientific and Technological Research Council of Türkiye (TÜBİTAK) under Grant No. 119M229

Zorunlu yerinden edilme krizi, günümüzde küresel ölçekte acil çözüm gerektirenönemli bir insani sorun haline gelmiştir. Kitlesel mülteci hareketleri, bireyleri temelhizmet ve kaynaklara erişimin son derece kısıtlı olduğu son derece güç yaşam koşullarınasürüklemektedir. Bu süreçte insani yardım kuruluşları, göç halindeki mültecilerinkarşılatığı zorlukları hafifletmek amacıyla yardım sağlama müdahalelerinde kritikbir rol üstlenmektedir. Ancak, bu çabaların desteklenmesine yönelik akademikyaklaşımların benimsenmesi sınırlı kalmaktadır. Bu tez, güvenli bölgelere doğruhareket eden ve coğrafi olarak dağılmış mülteci gruplarına, belirli aralıklarla yardımulaştırılmasını hem deterministik hem de stokastik göç ortamlarında optimize etmeyiamaçlamaktadır. Deterministik ortamda, Hareketli Taleplerle Kapasiteli Mobil Tesis Yer Seçimi Problemi tanıtılarak, bu problem karma tamsayılı doğrusal programlama (MILP) modeli olarak formüle edilmiştir. Bu karmaşık problemi çözmek üzere, iki yöntemgeliştirilmiştir: kesin çözüm sunan hızlandırılmış bir Benders ayrıştırması algoritmasıile geliştirilmiş bir fix-and-optimize gündemine dayalı matheuristik algoritma. Honduras göç krizinden esinlenerek oluşturulan gerçekçi senaryolar üzerinden yapılan testlerde, Benders ayrıştırmasının ortalama %46 daha kısa sürede çalıştığı ve çözüm kalitesini koruduğu görülmüştür. Öte yandan, önerilen matheuristik yöntem, ortalama %2,4 optimalite açığıyla yüksek kaliteli çözümler üretmiş ve önemli ölçüde daha az hesaplama süresi gerektirmiştir. Stokastik karşılık problemde ise, mülteci hareketleri güvenlik koşulları, yol durumu ve mekˆansal yakınlık gibi dışsal göç çekim faktörlerinden etkilenen olasılıklı geçişleresahip bir Markov karar süreci (MDP) olarak modellenmiştir. Bu modeli çözmekiçin, özelleştirilmiş baz fonksiyonlar ve özgün bir politika ，coğaltma mekanizmasıiçeren yaklaşık dinamik programlama algoritması geliştirilmiştir. Uygulamada anlamlıçözümler üretmek amacıyla, duruma bağlı değişken eşiklere dayalı bir politikaönerilmiştir. Suriye–Türkiye göç krizine dayalı senaryolarda yapılan deneyler,stokastik çözümün deterministik yöntemlere kıyasla beklenen toplam maliyetlerde%25’e varan tasarruf sağladığını, ayrıca kurumlar arası koordineli planlama ile %12’ye kadar ek maliyet azaltımı elde edilebileceğini ortaya koymaktadır. Önerilenyöntemlerin, hem dağınık hem de bütünleşik göç dinamiklerinde ve çoklu hedef ülkeiçeren senaryolarda etkili olduğu gösterilmiştir. Ayrıca, göç yolları üzerinde yüksekgeçiş ve hizmet yoğunluklu noktalar belirlenmii ve bu bulgular, taktiksel planlamave kaynakların önceden konumlandırılması açısından önemli bilgiler sunmuştur.Özetle, bu tez, göç halindeki mültecilere yönelik maliyet etkin, ölceklenebilir ve operasyonelolarak uygulanabilir insani yardım dağıtım planları sunmakta; kırılgan nüfusları desteklemeye yönelik yönetsel çıkarımlar sağlamaktadır. Bulgularımız,gelecekteki yerinden edilme krizlerine yönelik yönetimsel karar süreçlerine ışık tutacakniteliktedir.Bu doktora tez araştırması, Türkiye Bilimsel ve Teknolojik Araştırma Kurumu(TUBITAK) tarafından 119M229 numaralı proje kapsamında desteklenmiştir.