基于遗传算法的备件两级优化建模与仿真研究

针对装备备件保障中存在的配置不合理问题,提出了一种基于仿真和遗传算法的备件配置优化算法。该算法采用仿真方法建立装备使用可用度模型,并利用遗传算法实现备件的优化,实现了在满足备件保障费用约束的前提下,使装备使用可用度达到最大。给出了应用该方法的具体步骤,并通过举例验证了算法的有效性。     

随机需求下多层级备件的横向转运配置优化模型

对于复杂的装备维修保障系统,采用备件横向转运补给策略能有效提高装备保障效率,针对该问题,依据生灭过程和METRIC(multi-echelon technique for recoverable item control)理论,在随机需求模式下,提出并建立了装备备件多级库存转运配置优化模型,并采用一种启发式算法对模型进行求解.在此基础上以装备可用度为约束,备件购置费用最低为目标,利用边际算法对配置方案进行优化.通过实例,模型的正确性通过仿真方法得到了验证,并与非转运条件下的优化方案比较,结果表明,本文构建的转运模型在提高装备保障效能方面优于非转运模型.     

基于分布估计算法的备件优化配置

分布估计算法是一类新的进化算法,它通过统计在当前群体中优选出的个体信息给出下一代个体分布的概率估计,用随机取样的方法生成下一代群体.将分布估计算法应用于备件优化问题,提出了基于分布估计算法的武器装备系统备件优化模型,分析了个体选择比例、精英保留等策略对算法的影响.仿真结果表明了文中所采用的分布估计算法在求解备件优化问题时是可靠有效的.     

面向系统优化的备件动态配置方法

针对库存备件补充时机及配置方案问题,提出了面向系统优化的备件动态配置方法。以系统供应可用度作为度量标准,提出了确定备件动态补充时机的方法;以系统供应可用度、备件费用互为优化目标和约束条件,建立了面向系统优化、基于边际分析算法的备件配置方案计算模型。给出了算例,并对面向系统优化的备件配置方法与国内普遍采用的基于单项备件优化的计算方法进行了比较分析,验证了本文提出方法的优越性。     

多约束下编队随船备件配置优化方法

针对舰艇编队备件配置方案的确定需要综合考虑多项约束指标因素的特点,以编队出海执行任务准备阶段备件配置为研究背景,以舰船载荷、排水量及保障费用为约束条件,构建了以编队备件保障概率为目标函数的编队随舰备件库存优化模型,应用拉格朗日乘子法及边际效应法原理给出了编队随船备件库存模型计算及优化流程,并运用罚函数原理对保障资源约束因子进行了确定及动态调整。最后,通过案例分析验证了本文提出的方法能够为解决多约束下编队随船备件配置优化问题提供新的途径。     

多约束下随船备件配置优化方法

理想的随船备件库存配置方案应该通过多约束条件与优化目标之间的综合权衡得到,在传统的随船备件库存优化模型中常以使用可用度、平均等待时间、延期交货量、费效比等作为优化目标,但国内使用部门及型号研制单位在制定随船备件库存方案时常以备件保障概率作为优化目标确定装备备件库存方案.为解决上述问题,首先分析了目标函数及约束条件;然后构建了以备件保障概率为目标函数的随舰备件库存优化模型并应用拉格朗日乘子法及边际效应法原理给出了随船备件库存模型计算及优化流程;其次,运用罚函数原理对保障资源约束因子进行了确定及动态调整;最后,通过对案例结果进行分析,验证了该研究方法的可行性.     

基于库存状态的备件初始配置及采购优化模型

合理规划备件配置方案是提高装备可用度和降低全寿命费用的有效途径。建立备件需求率预测模型,采用系统分析法构建备件保障效能评估指标体系,研究初始备件配置优化方法。针对不完全修复件的报废消耗问题,给出了近似拉普拉斯需求分布下的备件短缺函数,将(s-1, s)和 (R, Q)库存策略相结合,基于库存状态批量采购模式建立了不完全修复件的订购模型。通过案例应用,给出了保障效能约束下的优化结果,优化结果符合实际规律,验证了模型的正确性、方法的有效性以及方案的合理性。     

定期保障模式下舰船编队携行备件配置优化

舰船编队海上任务期间,需要制定合理的携行备件方案以提高装备的战备完好性.针对海上定期保障模式下,将多层级复杂装备结构等效为单层级,提出一种备件需求分析与配置优化的近似方法,根据系统可靠性理论,建立了多阶段任务下的装备可用度评估模型,采用基于补给周期的分段求解方法.通过算例,采用边际优化算法得到携行备件优化方案,对模型结果进行了仿真验证,结果表明:模型计算结果与仿真结果吻合,两种取整方式下的方案费效比相当,采用定期保障模式能够提高备件供应效率,进一步增强备件方案的鲁棒性.     

基于综合效能参数的备件订货配置优化模型

在对备件保障概率、使用可用度、供应可用度、满足率、完备率、缺件数等参数系统分析的基础上,提出了备件供应综合效能参数的概念,阐述了该参数的内涵,给出了数学表达式并指出了该参数的作用与适用范围。以该参数为优化目标以费用为约束建立了备件订货配置优化模型,给出了基于边际分析法的优化算法,并结合实例进行了具体说明。     

基于体系保障度的装备备件三级库存方案优化

三级维修供应管理是部队较为常见的保障模式, 备件库存方案是影响装备系统可用度的关键因素之一. 装备保障性工程中的实际问题出发, 在考虑备件结构层级的情况下, 根据METRIC基本原理, 建立了系统备件的三级保障评估模型, 将三级体系保障度作为优化指标函数, 以保障费用为约束条件, 运用边际优化方法对备件方案进行优化. 通过实例给出了备件的最优库存方案结果, 得到了备件三级库存配置的一般规律, 并分析了影响备件库存分配的各种保障性因素. 优化结果符合具有三级供应保障机制下的备件配置规律, 能够为部队保障人员制定备件方案提供一定的决策依据.     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.     

基于MATLAB的非完整动力学系统跟踪控制的动态仿真

本文详细阐述了如何用MATLAB进行非完整动力学系统轨迹跟踪控制的仿真。基本思想是将MATLAB中的Simulink和S函数相结合构造了非完整动力学系统的模型模块和控制器模块,将它们搭成仿真模型,其中包含了难于处理的非完整约束问题。该模型清晰地表达了系统中所有变量之间的数学关系,仿真结果表明该模型的有效性和可行性。本文为非完整动力学系统跟踪控制的仿真提供了新的途径,对非完整系统的设计和优化有一定的参考意义。     

Combinatorial Method of Simulation and Optimization and Its Application on Transportation System

ＣｏｍｂｉｎａｔｏｒｉａｌＭｅｔｈｏｄｏｆＳｉｍｕｌａｔｉｏｎａｎｄＯｐｔｉｍｉｚａｔｉｏｎａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｏｎＴｒａｎｓｐｏｒｔａｔｉｏｎＳｙｓｔｅｍＳＵＮＺｈａｎｓｈａｎ（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｊｎ...     

基于PSO算法的系统辨识方法

研究了利用粒子群优化(particle swarm optimization, PSO)算法对系统进行辨识的新颖方法.该系统辨识方法的基本思想是将典型数学模型的相互组合而构成系统模型,即就是首先将系统结构辨识问题转化为组合优化问题,然后再采用粒子群优化算法同时实现系统的结构辨识与参数辨识.最后,给出了仿真示例,其仿真结果验证了所给的系统辨识新方法的合理性和有效性,辨识精度高,具有良好的实用性.     

基于混合粒子群算法的装运机械组合优化方法

针对堆石坝工程物料装运机械组合优化问题的复杂性, 建立了装运机械的多目标非线性组合优化模型(MOOM). 进一步地, 把加权法和惩罚函数引入到带收缩因子的粒子群算法中, 提出了一种新的求解多目标非线性组合优化问题的混合粒子群算法(MI-HPSO). 该算法具有概念简单、参数设置少、收敛速度快及全局搜索能力强的特点. 实证研究表明, MI-HPSO为解决物料装运机械MOOM优化模型提供了有效的决策方案.     

巡航导弹协同攻击体系目标仿真优化

针对巡航导弹协同攻击体系目标方案仿真优化效率低下的问题,提出了以数据挖掘技术为基础的基于概率规则的仿真优化方法。该方法的主要思想是通过对仿真数据进行挖掘形成知识,并指导方案演化,从而提高仿真优化的效率。首先构造了协同攻击仿真优化问题;其次提出了优化算法的基本框架;重点研究了通过贝叶斯网络学习构建概率规则以及方案演化两项关键技术;最后,采用实例对所提出的方法的有效性进行了验证。     

基于粒子群优化的稀疏分解变尺度快速算法

针对一类可分稀疏性度量函数,结合最优化理论,研究了稀疏信号重构的快速算法。稀疏分解可以看成是一个带等式约束的优化问题,首先利用惩罚函数法将其转化为无约束优化问题|然后在粒子群优化估计搜索步长的基础上,利用变尺度法寻找无约束优化问题的最优解|最后依次增大惩罚因子,直至稀疏表示系数满足分解精度的要求。该算法避免了矩阵求逆运算,且无需先验地选取惩罚因子。仿真实验验证了算法的有效性和快速性。     

基于系统动力学的反导部署优化方法

地面防空兵力的优化部署是提升武器系统反导作战能力的有效途径。提出了利用系统动力学(SD)理论进行反导部署优化问题的研究,给出了反导部署优化的SD模型框架,简要分析了各模块的功能,以此为依据建立了反导部署优化的SD模型,通过仿真数据的分析得到了一些有益的结论,案例应用表明了该方法的可行性和有效性。     

基于双响应曲面的精密产品子集模拟可靠稳健优化设计

针对不确定性场景下小失效概率的精密产品可靠性问题,提出了基于双响应曲面法(dual response surface methodology,DRSM)与子集模拟的可靠稳健优化方法。首先,建立精密产品多失效模式极限状态的RSM模型和以质量特性均值-方差为优化目标的功能函数DRSM模型。其次,在此基础上运用子集模拟法进行可靠性分析,将精密产品小失效概率描述成一系列较大的条件失效概率之积。最后,将极值事件的优化问题视作稀有事件的可靠性问题的特例,基于该转换思想采用子集模拟法将优化问题在可靠性问题的框架内进行求解。案例分析及验证结果表明所提方法的有效性。     

基于支持向量机元模型的随机鲁棒设计

随机鲁棒设计是一种基于蒙特卡洛仿真的优化设计方法.通常情况下,对于复杂仿真模型的随机鲁棒设计时间开销很大.为减小随机鲁棒设计过程中的时间开销,使用参数最优的最小二乘支持向量机替代仿真模型进行随机鲁棒设计.使用标准粒子群优化算法搜索支持向量机参擞和控制器参数的寻优.通过一个基准测试问题证明了该方法的可行性.