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。     

多信息源条件下战损部件恢复能力评估方法

在进行战时装备战损部件恢复能力评估时,针对收集得到的部件抢修样本信息与实际战场情况不相符的问题,以战场环境和抢修分队维修保障条件为依据,分别建立了样本信息筛选模型和样本抢修时间向实际抢修时间折合的内积模型。采用随机加权法将样本信息转换为参数分布,提出支持度与最大熵相结合的信息源权重确定方法,将相似部件和部件历史信息进行融合,得出部件在对应战场条件下的恢复能力评估结果。算例分析表明,该评估方法可对多种复杂战场条件下的部件恢复能力进行评估,提出的多源融合方法较传统估计方法评估结果更加准确,具有很强的实用性。     

多信息源条件下战损部件恢复能力评估方法

在进行战时装备战损部件恢复能力评估时,针对收集得到的部件抢修样本信息与实际战场情况不相符的问题,以战场环境和抢修分队维修保障条件为依据,分别建立了样本信息筛选模型和样本抢修时间向实际抢修时间折合的内积模型。采用随机加权法将样本信息转换为参数分布,提出支持度与最大熵相结合的信息源权重确定方法,将相似部件和部件历史信息进行融合,得出部件在对应战场条件下的恢复能力评估结果。算例分析表明,该评估方法可对多种复杂战场条件下的部件恢复能力进行评估,提出的多源融合方法较传统估计方法评估结果更加准确,具有很强的实用性。