面向动用计划的车辆装备备件预测研究

针对动用计划下的车辆装备备件的消耗特点,研究了车辆装备维修备件消耗量和库存控制两个预测优化问题。考虑动用计划期内车辆装备的预防性维修和修复性维修,实现定时定程维修和自然随机故障维修下装备维修备件的消耗量的预测。在此基础上,根据备件库存检查方式的特点,建立基于定期检查策略的联合补货库存控制模型,根据模型的结构特点确定决策变量界限,并利用多类种群位置更新方式改进了果蝇优化算法。仿真结果表明,改进的果蝇优化算法具有良好的求解效率,本文所提出的优化方法可为车辆维修保障资源优化提供决策依据。     

双种群灰狼优化算法的物流配送中心选址策略

针对物流配送中心选址模型具有多约束和非线性的特点,导致难以求解的问题.提出一种改进灰狼优化算法的求解策略.文章通过引入交叉变异策略,改进了传统灰狼算法在迭代后期易早熟收敛的问题;通过加入双种群寻优策略,丰富了灰狼算法的种群多样性,提高了算法的收敛速度.将改进后的灰狼算法针对物流配送中心选址模型进行求解,实验结果表明,该改进灰狼优化算法具有较高的全局搜索能力,针对物流配送中心选址模型具有较高的搜索精度,很大程度的提高了物流配送效率.     

求解约束优化问题的改进果蝇优化算法及其工程应用

针对基本果蝇优化算法收敛速度慢、求解精度低、易于陷入局部极值以及算法候选解不能取负值等不足,提出一种用于解决约束优化问题的改进果蝇优化算法.该算法利用果蝇个体历史最佳记忆信息和种群全局历史最佳记忆信息构建多策略混合协同进化的搜索机制,以达到有效平衡算法的全局探索与局部开发的目的,同时也能够较好地避免算法的早熟收敛问题;通过种群最优信息的实时动态更新和局部深度搜索策略的引入,进一步提高该算法的收敛速度和收敛精度.采用13个基准测试函数和2个工程优化问题来验证所提出算法的可行性与有效性,仿真实验结果表明,与其他典型智能优化算法相比,所提出的优化算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优势,可有效解决复杂的约束优化问题.     

低碳约束下冷链物流配送共享仓选址多目标优化方法

针对当前冷链物流配送中心选址模型存在选址不合理、选址过程复杂,导致资源浪费和经济成本增加的问题,提出在低碳约束下,构建一个基于低碳约束冷链物流配送共享仓中心选址和路径优化模型,在粒子群算法的基础上,分别加入免疫算法和粒子群算法,得到改进免疫粒子群算法和混合粒子群算法,通过这两种算法分别实现共享仓中心选址求解快速寻优和多目标优化,以提升模型的路径优化能力和鲁棒性。实验结果表明,提出的方法改进免疫粒子群算法可在不同约束条件下实现冷链物流配送共享仓快速选址,且选择位置寻优求解速度提升;同时通过混合粒子群算法可实现物流路径优化,规避路径缺陷,从而提升路径优化能力,实现多目标优化路径的准确选址。     

基于免疫算法和EDA 的混合多目标优化算法

在免疫多目标优化算法的基础上,引入了分布估计算法(EDA)对进化种群进行建模采样的思想,提出了一种求解复杂多目标优化问题的混合优化算法HIAEDA(hybrid immune algorithm with EDA for multi-objectiveoptimization).HIAEDA 的进化过程混合了两种后代产生策略:一种是基于交叉变异的克隆选择算子,用于在父代种群周围进行局部搜索的同时开辟新的搜索区域;另一种是基于EDA 的模型采样算子,用于学习多目标优化问题决策变量之间的相关性,提高算法求解复杂多目标优化问题的能力.在分析两种算子搜索行为的基础上,讨论了两者在功能上的互补性,并利用有限马尔可夫链的性质证明了HIAEDA 算法的收敛性.对测试函数和实际工程问题的仿真实验结果表明,HIAEDA 与NSGAII 算法和基于EDA 的进化多目标优化算法RM-MEDA 相比,在收敛性和多样性方面均表现出明显优势,尤其是对于决策变量之间存在非线性关联的复杂多目标优化问题,优势更为突出.     

基于鲁棒优化的供应链联合补货策略

供应链管理中的客户需求不确定性会导致需求信息偏差逐级放大的"牛鞭效应",但目前常用的供应链管理策略为供应商管理库存,没有考虑需求不确定的影响。为此,在单个供应商、多个零售商需求不确定的情况下,结合鲁棒优化法提出一种联合补货策略进行库存管理。构建一个非线性混合整数规划模型以计算两级供应链的总成本,通过总成本的变化来反映供应链系统的性能,采用鲁棒优化法求解供应链系统的最小总成本,并使用外部和内部两层迭代算法获得供应商和零售商的补货周期及补货数目。实验结果表明,与传统的供应链策略ERI和AR相比,该策略可有效降低供应链系统的总成本。     

区间数可重入混合流水车间调度与预维护协同优化

针对加工时间不确定的可重入混合流水车间调度与预维护协同优化问题,构建以区间最大完工时间、区间总碳排放和区间总预维护费用为优化目标的集成调度模型.针对问题特性,通过设计改进的可能度计算方法,定义区间意义下解的Pareto占优关系.提出一种改进的离散鲸鱼群算法,通过同步调度与维护策略,实现制造与维护的联合优化;设计个体间距离计算策略,寻找“最近较优个体”;设计个体位置移动策略以及多邻域搜索策略,有效地平衡全局搜索和局部搜索,提高收敛精度.通过大量的仿真实验和结果对比分析,表明了所提出的算法对于求解区间数可重入混合流水车间调度和预维护协同优化问题的有效性和可行性.     

动态调整搜索策略的果蝇优化算法

针对标准果蝇优化算法（Fruit Fly Optimization Algorithm,FOA）收敛速度慢、容易陷入局部最优及寻优精度低等缺陷,提出了一种动态调整搜索策略的果蝇优化算法（Fruit Fly Optimization Algorithm with Dynamic Adjustment of Search Strategy,FOAASS）。利用混沌映射增强种群初始位置的均匀性和随机性;根据种群进化信息动态调整部分果蝇的搜索策略;通过转换概率随机选取搜索半径并对其进行动态调整;当算法陷入早熟时,改变搜索策略以跳出局部最优。仿真实验结果表明,提出的改进算法相比标准果蝇优化算法和部分改进算法,有较好的寻优精度和收敛速度。     

战时维修保障资源优化调度的μPSO算法研究

将战时装备维修保障资源调度决策问题视作多任务多资源竞争与协调的多目标组合优化问题,构建出合理完善的资源调度决策模型。针对传统PSO算法搜索能力弱、易陷入局部最小等不足,提出一种在算法结构上改进的μPSO方法用于模型求解,它通过对一般粒子和当代最优粒子的不同速度、位置计算方式增强算法搜索能力;利用排斥项避免搜索进程的早熟收敛。最后通过算例证明μPSO算法对求解该类问题是可行有效的。     

同时送取货选址路径问题及混合免疫算法

研究了同时送取货的选址路径问题(location-routing problem with simultaneous pickup and delivery,LRP-SPD),在同时送取货问题中,每个客户都有送货需求和取货需求,并且两种需求需要同时进行服务.在此条件下,建立了以仓库的选址成本、车辆启用成本及运输成本等目标和最小的选址路径模型;针对该模型的特点,设计改进了一种混合免疫优化算法(hybrid immune algorithm,HIA)对该问题进行求解,运用贪心聚类算法生成初始解,利用原始免疫算法对抗体进行评价排序,由邻域搜索操作改进原始算法的免疫操作.最后,通过使用混合免疫优化算法与原始免疫优化算法、模拟退火算法、蚁群算法分别对案例进行求解和对比分析,验证了提出模型的可行性和算法的有效性.     

武器装备可修件三级库存模型研究

关于武器装备可修件优化管理问题,针对部队中由于保障配置不合理而造成各级仓库普遍存在的"备件匮乏和大量积压"问题,通过借鉴国内外可修件库存理论研究成果,依据武器装备可修件的实际需求规律,结合修理能力约束因素,以备件订购费用为约束条件,以备件期望延迟交货量最小或装备可用度最大为目标,构建了一个可修件三级库存模型,并结合实例进行仿真,验证了模型的可行性,并可以得到武器装备可修件多级情况下的库存优化策略,实现备件保障的军事效益和经济效益,同时为备件优化管理进行库存决策提供了技术手段。     

考虑多样化需求的诊疗设备维护和患者调度联合优化研究

针对诊疗设备维护和住院患者候诊难以有效协调的问题,建立了联合优化模型。首先,假设设备具有离散的劣化状态,将设备的劣化过程建模为连续时间马尔可夫链;其次,考虑到患者对诊疗设备的不同功能频率需求,以及不同劣化状态对患者治疗时间、费用的影响,以患者就诊顺序、检查策略、修复策略为决策变量建立了设备维护和患者调度模型;最后,采用改进后的非支配排序遗传算法对多目标问题进行了求解。实验结果验证了设备维护与患者调度联合优化模型的有效性。改进后的算法提高了整体和局部的搜索能力,且具有鲁棒性。     

变质品生产、库存控制与预防维修联合建模与优化

针对产品变质带来库存损耗的问题,在经济生产批量模型的基础上加入零库存时间,提出新的库存控制策略.该策略以预防维修周期和零库存时间为联合决策变量,利用更新定理建立了单位时间内总成本的期望模型.为了提高对此期望的计算速度,设计基于矩阵运算的蒙特卡罗仿真算法,并与遗传算法结合,大大提高了模型的优化速度.通过比较研究,验证了仿真算法的显著优势,并通过敏感性分析明确了相关参数的变化对最优策略的影响.     

基于串件拼修的装备系统可用度分析及方案优化

首先研究了串件拼修下两级保障体制的备件维修供应流程,分析了非串件拼修、串件拼修以及不完全串件拼修三种策略下的系统可用度;在此基础上,建立以系统可用度为约束条件,以保障费用最小化为目标函数的库存优化模型,并用边际效应分析法对模型求解。通过对比不同策略方案下的结果表明,在满足最低可用度下,采取串件拼修策略,可以降低库存量,减少总费用;在库存量一定下,采取串件拼修策略可以有效提高装备可用度。     

Uncertain optimization model for multi-echelon spare parts supply system

The optimization of spare parts inventory for equipment system is becoming a dominant support strategy, especially in the defense industry. Tremendous researches have been made to achieve optimal support performance of the supply system. However, the lack of statistical data brings limitations to these optimization models which are based on probability theory. In this paper, personal belief degree is adopted to compensate the data deficiency, and the uncertainty theory is employed to characterize uncertainty arising from subjective personal cognition. A base-depot support system is taken into consideration in the presence of uncertainty, supplying repairable spare parts for equipment system. With some constraints such as costs and supply availability, the minimal expected backorder model and the minimal backorder rate model will be presented based on uncertain measure. Genetic algorithm is adopted in this paper to search for optimal solution. Finally, a numerical example is employed to illustrate the feasibility of the optimization models.     

改进果蝇优化算法在多目标搜索的应用

在实际工程优化问题中多数问题是多目标优化问题,多目标优化问题一直以来就是智能算法的研究热点。提出一种改进的果蝇优化算法,将其应用在多目标搜索领域,并成功使用该算法解决了一种多目标背包问题。算法在基本果蝇优化算法的基础上采用分群策略和动态半径,在群A中从种群位置开始以动态半径探索新的可行解,在群B中则通过非支配个体之间的交叉操作进行密集搜索。果蝇种群的位置在每一轮迭代产生的非劣解集中进行选取,提高了算法的收敛速度。通过在多个数据集下进行测试,并和粒子群算法、NSGA-2做了对比实验,最终结果显示使用该算法在特定条件下能取得较好的搜索效果,证明了使用果蝇优化算法解决多目标问题的可行性。     

Joint optimization of preventive maintenance and inventory policies for multi-unit systems subject to deteriorating spare part inventory

The interconnection of maintenance and spare part inventory management often puzzles managers and researchers. The deterioration of the inventory affects decision-making and increases losses. Block replacement and periodic review inventory policies were here used to evaluate a joint optimization problem for multi-unit systems in the presence of inventory deterioration. The deterministic deteriorating inventory (DDI) model was used to describe deteriorating inventory when deteriorating inventory data were available and the stochastic deteriorating inventory (SDI) model was used when they were not. Analytical joint optimization models were established, and the preventive replacement interval and the maximum inventory level served as decision variables to minimize the expected system total cost rate. This work proved the existence of the optimal maximum inventory level and gave the uniqueness condition under the DDI model. Numerical experiments based on the electric locomotives in Slovenian Railways were performed to confirm the effectiveness of the proposed models. Results showed the total cost rate to be sensitive to the maximum inventory level, which indicates that the research of this work is necessary. Further, the optimal preventive replacement interval was reduced and the optimal maximum inventory level was increased to balance the influence of deteriorating inventory. Monte Carlo experiments were used to show that the proposed policy is better than policies that do not take deteriorating inventory into account.