改进的分层边际算法优化备件的初始配置方案

对备件配置方案进行优化是提高保障效能,减少装备寿命费用的关键,而多级维修供应模式下的备件模型求解是大规模、非线性的NP难问题。为提高模型算法的优化效率,研究并建立了基于可用度的备件初始库存配置优化模型,在传统边际优化算法的基础上,通过引入分层优化的思想对算法进行改进,提出一种改进的分层边际优化算法,用以提高算法的优化效率。给出了该算法的设计思路和优化流程,在理论上对算法的优化效率进行了分析。算例数值结果表明：在计算结果一致的前提下,分层边际优化算法的运算效率提高了近3倍,能够在工程应用上为备件库存配置的优化方法提供一种新的思路。     

装备维修备件存储对策

针对现有武器维修备件分类方法的不足,提出一种采用层次分析法和重要度原理对备件分类存储进行建模的方法。利用备件重要度对维修备件进行分类和确定维修的最佳服务水平,同时利用维修备件的损耗规律来建立数学模型,确定维修条件的服务水平,通过维修条件的服务水平和最佳服务水平的关系来最终确定最佳储备定额,做到合理储备备件。实例分析证明:该方法能提高备件储备定额的有效性和精确度,对维修工作有一定的指导意义。     

基于BP神经网络的野外驻训备件需求预测研究

针对传统的备件需求预测方法主观性强,缺乏科学性等问题,以通信部队野外驻训为背景,从备件需求影响因素出发,提出一种基于BP神经网络的预测算法。对备件精确保障及需求预测和BP神经网络及其适用范围进行简要介绍,分析了备件需求影响因素,以某型电台的功放模型为样板,对BP神经网络预测算法的适用性进行了检测。结果表明,该方法能很好地提高备件需求预测精度,满足装备保障精确化的要求。     

基于交叉效率排序多目标进化算法的备件供应优化

为了对备件供应网络进行优化并制定最优供应方案,以缩短总供应时间、减少供应成本和降低中断风险为目标,以备件满足度、库存容量等为约束建立了多目标优化模型。基于交叉效率排序多目标进化算法求得模型的非支配解集,同时决策出最优解。优化过程中采用改进数据包络分析计算各最优解的二次目标交叉效率,指导算法朝最优效率个体收敛,对求得的非支配解进行排序从而选择出最优方案。算例表明：通过交叉效率排序多目标进化算法优化得到了13个互不支配的备件供应方案,且确定了交叉效率为0.927 8的方案为最优方案;新算法优于未采用排序和采用自评效率排序的多目标进化算法。     

战时通信装备备件配送模型

针对战时通信装备备件抢修,建立了带硬时间窗的战时通信装备备件多目标优化配送数学模型,并用蚁群算法对问题进行了求解。算法设计中,为解决模型求解中蚁群算法存在早熟、收敛性差等问题,引入伪随机规则调整状态转移概率;利用时变函数更新信息素强度。实验结果表明,该算法能得到较好的全局最优解,验证了模型的有效性。     

舰载机着舰引导装备体系系统级备件保障

针对舰载机着舰引导装备体系中随舰备件存在补给周期长、难度大的问题,对舰载机着舰备品备件保障 进行研究。详细阐述备件保障关键指标及计算方法,引入k/N(G)表决关系把复杂系统等效分解为串并联结构,构建 关键性指标在不同种备件寿命分布类型下的预测模型,分析备件保障概率、使用可用度以及利用率等随着备件数量 的变化规律,利用解析计算方法实现预先评估备件方案,并通过算例对算法进行验证。分析结果表明：该方法优化 了备件方案,提高任务完成度与经济性,同时为预先制定合理的备件方案提供参考,具有较高的应用价值。     

修复性维修导弹初始备件品种确定

对初始备件品种确定的影响因素进行分析，将层次分析法与模糊综合评判相结合，对修复性维修导弹备件品种进行确定，综合考虑各种因素的作用，采用新的算法进行综合评判．结合实例，为修复性维修初始备件品种的确定提供了一种理论方法．     

多约束下舰船装备携行备件保障方案优化方法

针对装备携行备件方案的确定需要综合考虑多项约束指标,以出航任务准备阶段的随舰携行备件方案配置规划为研究背景,在备件质量、体积、费用以及装备可用度4 项指标约束下,建立携行备件方案的配置优化模型。通过引入拉格朗日约束因子将各项指标转化为资源规模约束,采用边际算法对模型进行求解,并提出了初始约束因子的确定方法及其动态更新策略。通过对算例结果进行分析,验证了该研究方法的可行性。     

考虑预防性维修的备件需求量计算模型

备件是装备使用与维修的重要物质基础,是影响装备寿命周期费用的重要因素。针对传统备件需求量计算模型未考虑预防性维修需求的问题和不足,以工龄更换维修策略为例,建立考虑预防性维修的备件需求量计算模型,提出基于离散法的模型求解算法。通过具体算例对模型的应用方法和效果进行了验证,并与传统的备件需求量计算模型进行了对比分析。研究结果表明：传统备件需求量计算模型存在很大误差;预防性维修策略下备件需求量计算模型能够显著提高备件需求量计算的准确性,不仅可以对任意周期长度的备件需求量进行计算,而且还可以用于分析装备寿命周期备件保障费用。     

导弹备件配置优化研究初探

科学合理的配置导弹武器装备备件,既可保证装备的战备完好性,又可以节省装备的保障经费开支.通过对国外有关导弹备件配置优化的资料分析,总结了导弹装备备件的定义、备件品种的分类与确定以及备件需求量分析与计算、备件配置优化模型的研究状况,揭示了导弹备件配置优化的发展趋势.     

基于LS-SVM的新机备件需求预测

为解决因新机备件历史消耗数据相对较少而给备件预测工作带来的困难,提出应用最小二乘支持向量机(least squares support vector machine,LS-SVM)回归算法来实现新机备件需求的预测.阐述了最小二乘支持向量机的基本原理,建立了新机备件需求的预测模型,选取核函数,采用LS-SVM对训练样本进行学习,对其网格结构参数进行训练,通过十字交叉验证(cross-validation)和网格搜索(grid-search)确定最优参数,利用训练后的LS-SVM对新机备件需求进行预测,并进行算例仿真.结果表明,LS-SVM在新机备件需求预测上表现优秀.     

基于蒙特卡洛仿真和并行粒子群优化算法的携行备件优化

为提高携行备件方案优化模型的准确性和求解的精确度,以遂行远海训练任务的舰艇编队为研究背景,针对优化模型的建立和求解提出了一系列改进措施。在传统优化模型的基础上,分析了虚警和串件拼修对备件的影响,建立了基于携行能力、备件成本、装备可用度、同型号装备群完好率等多约束条件的携行备件优化模型;利用粒子群优化（PSO）算法确定备件的优化配置,利用蒙特卡洛仿真法计算配置方案的保障效能;引入云格计算技术实现PSO算法的并行求解,从硬件性能上提高算法的全局寻优能力;将普通粒子转化为量子粒子实现解的多样化,减小了算法陷入局部最优的危险。案例分析证实了改进措施的可行性和有效性。     

基于情景匹配的战时备件分配模型

针对战时备件资源的稀缺性、维修历史数据的不完整性、情境因素异构性等问题,提出一种基于情境匹 配的战时备件分配方法。利用战时情境匹配相对近似度的概念,在战时情境因素值为精确值与区间值共存的情况下, 根据公平性准则,采用情境与分配的平均相关系数(ARC)和平均相对可分系数(ARS)2 个绩效指标,对每个备件需求 点的备件数量及所处战斗实际情况的相符程度进行度量,通过Matlab 软件对数值进行仿真计算。仿真结果证明了该 模型的有效适用性。     

基于Bayes准则的支持向量机

支持向量机( SVM)在处理分类问题时，纯粹从样本的角度出发，其分类效果取决于训练样本的特性，不考虑待分类问题的当前信息。本文从导弹武器系统的数据交叉现象出发，通过对支持向量机的决策函数增加反映待分类问题当前信息的先验概率项，将Bayes准则融于支持向量机算法中，提高支持向量机的分类效果；给出了算法的推导以及实现步骤。通过导弹武器系统中的两个实例对算法进行验证，新算法比传统支持向量机算法具有更好的分类效果，并且算法的鲁棒性和敏感性都得到提高。     

一种基于遗传算法的设备备件配置优化方法

针对备件费用与备件保障度的平衡问题，提出一种设备备件配置优化模型。采用遗传算法进行求解，在求解过程中，运用自适应的交叉、变异策略，提高算法的精确度，并通过举例验证算法的有效性。     

基于粗糙灰色预测的装备维修资源需求预测模型

面向装备维修资源保障任务,首先采用粗糙集理论,通过属性约简算法,简化装备维修备件资源消耗影响因素,在此基础上利用灰色预测模型,对基于虚拟仓储的装备维修资源需求进行预测,通过与单一的灰色预测方法结果相比较,将粗糙集与灰色预测模型相融合的方法应用于装备维修备件资源预测的结果可靠、信息准确,并且预测值与实用值的相对误差和绝对误差很小,达到了准确预测的效果;从而验证了此模型与算法的有效性,为信息化战争中提高装备维修备件资源保障功能提供理论与方法支持。     

改进系统备件满足率约束下的备件优化配置建模

为了克服传统的系统备件满足率模型容易陷入极小的缺陷,建立了改进系统备件满足率约束下的备件优化配置模型。运用分层优化的思想,提出了一种改进的分层边际优化算法,以便提高算法的优化效率。给出了该算法的优化步骤,并在理论上分析了算法的优化效率。通过对案例运算结果的分析,证明了所建模型的正确性与合理性。     

战时可重复维修备件的保障模型

针对可重复维修备件的保障问题，应用排序论的建模思想建立了数学模型，并给出了模型的算法．通过分析得出：排序方法对战时可重复维修备件的保障问题有着重要的影响，利用所给算法能减少战时缺备件的时间，有效提高武器利用率和备件的保障率．     

多约束条件下备件库存优化模型及分解算法

本文研究多约束条件下备件库存优化问题，建立了多约束条件下备件库存优化模型并给出了优化算法。此方法采用拉格朗日松弛原理将备件库存约束进行松弛，使各子问题仅是单项产品库存量函数的一维优化问题；利用次梯度法更新拉格朗日乘子并用一维搜索的方法给出各子问题的最优解；再利用拉格朗日启发式算法，求解原始问题的最终解。该方法的应用能够为解决多约束条件下备件库存优化提供新的途径。     

基于粒子群优化技术的导弹模拟故障诊断方法

采用一种基于粒子群优化的特征提取算法,以K-NN分类正确率作为评价准则,应用粒子群优化算法寻找使提取特征的K—NN分类正确率最大的转换矩阵,从而实现特征的提取．算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟故障特征进行提取．故障诊断示例证明了该特征提取算法在导弹模拟故障诊断中的有效性．