改进差分进化算法求解武器目标分配问题

针对武器目标分配问题求解收敛速度慢、搜索效率低、寻优精度差的问题, 提出一种基于改进差分进化算法的武器目标分配方法。首先, 建立多约束条件下武器目标分配优化模型, 将动态武器目标分配问题离散为静态武器目标分配问题处理。其次, 采用随机邻域变异策略平衡差分进化算法全局探索和局部开发能力, 采用基于历史存档的自适应参数整定方法, 根据“精英”信息动态更新算法参数。最后, 通过与5种变种差分进化算法的对比实验, 验证了所提方法寻优精度高、收敛速度快、鲁棒性强的优点。     

基于超启发式算法的备件供应网络结构优化

为了通过对供应网络结构进行优化从而提高备件供应的效率和效益,分别对传统正向供应网络、应急横向供应网络以及考虑抢修任务的闭环供应网络3种备件供应网络结构进行研究。以供应成本最小和供应时间最短为目标,以备件满足度、库存等为约束,构建了带约束的多目标优化模型。提出了一种基于排序选择函数的超启发式多目标进化算法,同时可以对不同网络结构模型进行求解。在ZDT系列测试函数上将该算法与其他进化算法进行对比测试,验证了所提出的超启发式算法在收敛性和分布性上的优越性。算例表明,一方面,与传统前向供应网络相比,横向和闭环供应网络能够提高备件供应的时效性和经济性;另一方面,超启发式算法在求解模型时取得的解优于其他元启发式算法。     

自适应差分进化算法求解多平台多武器-目标分配问题

针对水面舰艇编队防空反导作战中的武器-目标分配问题,建立了编队防空火力分配模型,将自适应差分进化算法应用到模型的求解与仿真中,并根据参数优化,改善了问题求解的收敛特性。针对模型求解的特殊要求,采用适当的编码方案,使种群个体编码满足约束条件,利用混沌序列初始化种群,加强种群的搜索多样性,变异、交叉参数的动态自适应策略和混沌序列扰动避免算法陷入局部最优等方法对算法进行优化改进,较方便快捷地解决了多平台多类型武器-目标分配问题。实例证明,该方法能够获得满意的结果,与其他智能算法相比,在优化性能上有较大改进。     

面向多峰函数的自适应小生境量子进化算法

为解决量子进化算法在多峰优化时只能找到一个最优解,无法找到所有全局和局部最优解的问题,提出自适应小生境量子进化算法。利用佳点集理论初始化种群,使种群均匀分布在整个搜索空间;提出中心地形信息小生境自适应识别方法,用于自适应的识别峰值所在区域,并建立小生境完善策略,提高小生境识别速度;借助量子进化算法的快速寻优能力精确寻找各个峰值点;采用动态种群调整策略,维持种群的多样性,自适应地调节种群规模。仿真实验结果表明,该算法具有较强全局优化能力和局部优化能力,且搜索到的每个最优解都达到了理想值。     

采用非固定多段映射罚函数的非线性约束优化差分进化算法

采用非固定多段映射罚函数法处理问题的约束条件,提出了一种用改进差分进化算法求解非线性约束优化问题的新方法.结合差分进化算法两种不同变异方式的特点,引入模拟退火策略,使算法在搜索的初始阶段有较强的全局搜索能力,而在后阶段有较强的局部搜索能力,以提高算法的全局收敛性和收敛速率.用几个典型Benchmarks函数进行了测试,实验结果表明,该方法全局搜索能力强,鲁棒性好,精度高,收敛速度快,是一种求解非线性约束优化问题的有效方法.     

资金约束下基于自适应差分进化算法的联合采购模型及其应用

针对贴近库存管理实践的联合采购问题研究不足的事实,分析了有资金约束的联合采购决策模型,该模型属于NP-hard问题,目前缺乏稳定快速的全局优化求解算法。本文设计了一种高效的自适应差分进化求解算法,通过与另一种求解此问题高效的遗传算法得到的结果进行对比分析,发现改进的差分进化算法不仅稳定可靠、全局收敛能力强,而且可以获得总成本更低的采购策略。算例分析结果同时表明,随着联合采购物品品种的增加,本文设计的算法在成本节约方面的潜力就越大。此方法具有广泛适用性和较强的应用价值,已在核电站备件库存管理应用中产生了良好的经济效益。     

时变路网下异型车辆动态配置与路径优化

针对配送中心车型多样、客户需求动态变化且车辆行驶时间依赖配送区域路网速度变化特征的动态车辆路径问题,基于先预优化后动态调整的思想建立了以配送成本最小化为目标的两阶段优化模型.在预优化阶段,设计改进自适应遗传算法获得初始配送方案;在动态调整阶段,综合考虑客户需求变化和配送路网速度的变化,制定连续性和周期性相结合的优化策略,将问题转化为多中心车辆路径问题进行求解.通过实验分析验证了模型与算法的有效性,研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据.     

基于最小二乘支持向量机的自适应差分进化算法

差分进化(DE)算法具有操作简单,控制参数少,鲁棒性好等特点,但在对某些连续空间复杂函数进行优化时存在搜索盲目性较大、效率不高的问题.为此提出一种基于最小二乘支持向量机(LS-SVM)的自适应DE算法,该算法改进了标准DE算法的差分变异和交叉等关键遗传操作,引入了基于LS-SVM的种群进化引导策略,基于LS-SVM对种群n最优训练集数据进行回归函数逼近和优化,分析了种群进化引导策略的自适应应用条件,给出了算法的整体流程及各关键步骤的复杂度.对标准测试函数的对比优化结果表明,改进算法相比标准DE算法具有更好的全局寻优能力和更高的优化效率,可以满足对连续空间复杂函数优化问题的可靠、高效求解.     

基于改进差分算法的数据链时隙分配方法

针对当前时隙分配策略具有算法单一、容易陷入局部最优、泛化能力弱等问题,基于差分进化算法,引入了混沌算法、自适应变异交叉算法和问题解处理机制,提出了一种基于改进差分进化算法的时隙分配策略。利用混沌算法初始化种群,增加种群多样性避免算法过早收敛;利用选择概率参数使得交叉和变异过程更加灵活,使算法初期增加搜索范围,算法后期增加获取全局最优解的概率。实验结果表明：该算法时隙分配均衡度、稳定性、算法效率和泛化能力均优于差分算法和遗传算法,时隙分配均衡度和算法效率更高、稳定性更好、泛化能力更强。     

战时可修复备件供应保障优化模型

把战时备件供应保障看做一个多阶段过程,建立了典型三级备件供应保障结构下的战时备件供应保障规划模型,模型中采用阶段期望缺货数作为备件供应保障系统的性能参数,并给出了其定义及表达式。给出了通过迭代方法获得备件供应保障优化策略时阶段期望缺货数的计算过程,且考虑全部可修及部分可修两种情形。当供应渠道中备件数量服从Poisson分布时,基于动态Palm定理给出了期望缺货数的计算公式。最后给出一个数值计算实例。     

考虑再造的多产品维修零配件供应优化研究

现代战场环境具有高度的不确定性,对维修零配件的需求数量是不确定的。同时,对战场上的战损件进行及时修复再造,与后方调运的零配件共同满足维修零配件需求,既可以及时满足战场需求,又能降低维修零配件的储运成本。但是战损件能否修复存在一定的不确定性,给战场维修零配件的供应优化带来新的挑战。在考虑维修零配件需求和战损件修复不确定性的条件下,研究了战场上多产品维修零配件供应优化问题,建立了优化问题的数学模型,基于拉格朗日松弛开发了模型的求解算法,以不同规模的随机测试算例验证了算法的有效性与鲁棒性。     

基于分解技术的动态多目标引力搜索算法

为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.     

救援效率视角下灾后动态应急配送网络优化

针对应急救援问题,在受灾点的位置、需求以及受灾人口等信息动态变化的情况下,建立动态有向救援网络,以救援效率最大化为目标构建数学模型.运用数据包络分析模型,对各段救援路线的效率进行评价;建立基于效率的动态路由模型,通过时间片的划分将动态路由转化为多阶段的静态路由;设计了改进的混合贪心蚁群优化算法对模型进行求解,并将该算法...     

变结构离散动态贝叶斯网络参数的自适应产生

变结构离散动态贝叶斯网络及其推理算法解决了对突变过程的建模和定性推理问题,但是环境突变是随时发生而且无法预计,由此网络结构发生变化后,网络参数必须自适应产生.针对此问题,依据贝叶斯网络的原理,定义了相关节点和最偏好状态的概念,提出了变结构离散动态贝叶斯网络参数的自适应产生算法,并将此算法应用于解决飞行器突发威胁情况下的航路选择问题,取得了满意的结果,验证了所提出的变结构离散动态呗叶斯网络参数的自适应产生算法是可行的,有望解决变结构离散动态贝叶斯网络参数的自适应产生问题.     

视情维修条件下k/N(G) 系统备件供需联合优化

针对传统m视情维修策略下k/N(G)系统维修决策模型对备件可获取性考虑不足的问题,提出了(m,Q)维修策略及备件订购与生产的联合决策优化方法,建立了两种视情维修条件下k/N(G)系统备件供需联合优化模型。证明了在满足约束条件的同时,(m,Q)维修策略下的联合模型((m,Q, n) 策略模型)具有使目标函数最小的订购阈值m、订货量Q和订货次数n,m维修策略下的联合模型((m,n)策略模型)存在最优订货量m和订货次数n使目标值最小。此外,比较分析了不同模型参数对两种模型决策的影响,结果表明, (m,Q,n)策略模型得到的成本始终小于(m,n) 策略模型,而系统使用可用度始终高于(m,n)策略模型。     

面向任务的备件保障评估通用模型研究

多级备件库存是装备普遍保障模式,针对任务期备件需求处于动态变化的特点,在综合考虑备件报废、维修、运输等因素下,提出了面向任务的任意保障等级备件时变可用度模型。首先,分析了备件维修运输供应渠道;其次,结合动态帕尔母定理,对可修复备件多级控制技术理论进行扩展,构建备件动态维修运输供应模型;最后,根据供应渠道概率分布类型,建立装备时变可用度模型。同时,通过案例分析了装备可用度随时间变化规律,且案例结果与验证模型结果基本一致,模型可为保障决策者制定任务期备件方案提供参考。     

K/N(G)冗余结构下随舰备件配置方案

针对舰船编队在航无补给的情况,对经典可修复备件多级管理(multi-echelon technology for recoverable item control,METRIC)模型进行了扩展,建立了舰船出航期间设备冗余和外场更换件冗余系统任务成功概率评估模型及备件优化模型。针对任务期间舰船设备和外场更换件最小工作数量随时间变化、编队任务成功概率难求的问题,采用超几何分布和二项分布结合的方法求取装备的瞬时可用度,进而求得舰船编队的任务成功概率。以任务成功概率为优化目标,备件总费用为约束条件,基于边际算法计算了备件方案。通过实例分析了在航编队任务成功概率随时间的变化曲线,曲线变化趋势与实际情况相符。     

面向动态任务的作战单元两等级两层级可修复备件优化

针对作战单元执行任务前备件保障方案制定难的问题,在对作战任务和备件保障系统分析的基础上,对可修复备件控制多级技术（multi-echelon technique for recoverable item control, METRIC）经典模型进行了扩展,提出了作战任务和保障能力动态变化条件下的作战单元两等级两层级任务成功性评估模型。以备件购置费用为优化目标函数,作战单元任务成功性为约束条件,建立了基于作战单元任务成功性的备件优化模型,运用边际效应方法给出了优化模型的求解方法。通过应用实例给出了相应的备件优化方案和优化备件方案下的作战单元任务成功性评估曲线。该模型可为装备保障指挥人员根据作战任务和保障环境制定备件保障方案提供一定的决策支持。     

自适应动态控制种群分组的自然计算方法

多种群优化方法可以解决数据量增大导致的优化难度增加的问题,现有的种群分组都采用随机分组或人为设定的方法,没有充分考虑粒子运动轨迹。针对此问题,提出一种种群分组自适应动态控制策略,使用高斯拟合函数作为种群分组的参考曲线,根据函数单调区间划分子种群;对于有越过子种群上界趋势的粒子采用逆向策略,保持种群多样性同时提高收敛速度。该策略不依赖于算法的具体进化过程,适用于所有基于种群优化的自然计算方法。验证实验结果表明了所提新算法的有效性和普适性。