随机多需求环境下远程中继保障网络设计优化问题建模与求解

为保障海域安全稳定, 当远海海域发生紧急安全问题时, 需要派遣飞机从大陆保障基地出发进行远程支援。本文研究了在随机多需求环境下, 中继保障网络的最优化设计问题, 给出了规范化的问题描述以及问题的混合整数规划模型, 根据事发点发生意外事件的频率以及保障需求量作为需求的权重建立目标函数。模型以中继保障点的位置以及最优支援路线作为决策变量, 以保障资源作为约束条件, 实现了连续与离散相结合的选址方法来优化中继保障点, 并运用几何近似方法将模型中的欧式距离非线性约束转化为线性约束。所建模型可应用数学模型建模语言和求解器进行最优化求解, 直接获得多种不确定需求环境下的期望最优网络设计及支援路径。基于给定的3种任务类型, 经过模拟案例验证, 所建立模型可满足对实际规模的中继保障网络优化设计。     

基于Orness测度的多阶段不确定语言信息优化集结

研究不确定情境下多阶段语言信息的集结问题. 建立了多阶段不确定语言信息集结的TOPSIS分析框架, 以贴近度思想表征各方案单阶段绩效; 基于决策矩阵信息和Orness测度约束, 建立以相邻阶段方案的综合贴近度离差和最小为优化目标的阶段权重确定模型, 考虑了主观偏好和方案决策信息对阶段权重的综合影响; 设计各方案贴近度范围分布估算模型, 解决多阶段决策过程中的决策风险问题; 建立了Orness测度的参数灵敏度分析模型, 探讨不同取值范围对方案多阶段优选排序的影响. 算例说明了方法的应用步骤和可行性.     

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.     

考虑不确定因素影响的保障任务调度算法

针对装备保障任务的优化调度问题,首先进行静态建模,提出了一个新的数学规划模型,能够有效描述保障单元的力量配置及与保障对象的指派关系等复杂约束条件;随后实施动态建模,利用混合Petri网把数学模型转换为流程模型,不仅构建了变迁激发规则以表达静态数学模型的约束条件,而且设计了新的子网结构模拟突发事件及协同保障的动态过程。为了求解该规划模型,提出了一个基于退火进化的优化调度算法,该算法首先计算保障单元的分配问题,随后搜索资源分配的优先级列表生成保障任务的工作顺序,算法中利用Petri网过程模型计算不确定条件下的目标函数值。仿真实验表明算法能在较快的收敛速度下提高保障单元的利用率。     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

面向任务的装备保障体系多Agent建模与评估方法

随着战争形态向着体系化、智能化转变, 装备保障体系有了新挑战。同时, 动态变化的战场环境要求装备体系要适应战场态势, 动态支撑作战任务。目前, 装备保障体系建模研究存在与作战任务联系不紧密、与装备体系不匹配, 不能充分体现装备保障体系自主性等问题。首先, 基于多Agent方法, 从结构和流程两个方面对装备保障体系的任务层、基地层、装备层建模, 重点考虑保障任务中时间和空间约束问题; 其次, 提出面向任务的装备保障体系评价指标, 构建指标模型; 最后, 通过对典型作战任务对应保障活动进行仿真, 验证模型的合理性和有效性, 并完成装备保障体系的效能评估。本研究可为装备保障体系结构优化、流程设计等工作提供参考。     

星间链路及区域不均匀对路由性能的影响

研究了星间链路(ISL)约束及区域不均匀性对LEO移动通信星座的路由时延和呼叫阻塞概率(CBP)的影响。构建了完整而精确的LEO移动通信星座模型。考虑星间链路约束,完成了星间可视计算,得到了星间链路表和链路时延;从覆盖区域和覆盖时间两方面考虑区域不均匀性,完成了星座覆盖计算,并提出了一种根据星座覆盖估算链路呼叫阻塞的方法;利用改进的遗传算法(GA)完成了路由时延和呼叫阻塞的同时优化,得到了最佳路由。仿真结果表明:星间链路约束及区域不均匀性影响到路由的有效性和安全性,二者在路由优化中的应用可以大大改善路由的性能。     

基于机会约束的手术计划随机模型与算法

本文研究多服务台手术计划调度问题,考虑手术时间的不确定性,提出手术室加班时间的机会约束,以一定的概率保证病人的手术时间不超过手术室的开放时间,建立随机优化机会约束手术计划调度模型,确定手术室的开放和分配决策.基于手术时间离散的概率情景,引入0-1变量转化机会约束,得到了0-1整数线性规划的等价模型.为了提高模型的求解效率,提出两类有效不等式,并设计最长路径算法分离第二类有效不等式,利用分支切割方法进行模型求解.算例分析,基于北京某医院的实际数据,验证算法的有效性,确定最优的手术计划调度方案,有效地优化配置手术室资源.     

多指标约束下考虑保障效能的装备多层级备件携行方案优化

针对多指标约束下考虑保障效能的装备多层级备件携带问题进行了研究,提出了装备保障效能的评估方法。首先,将备件携带影响因素分为直接和间接约束两类,引入云模型使两者之间可以相互转换;其次,给出了各级维修保障站点备件需求率解析计算公式;第三,以3个保障效能指标作为约束条件,4个约束因素作为目标函数,建立模型;第四,对模型进行了求解和动态优化;最后,用实例对比分析验证了模型的科学性。     

基于FA-ER的装备保障资源供给能力评估方法

针对装备保障资源供给能力评估信息主观性和不确定性强、评估结果可信度低的问题,提出了一种基于萤火虫算法和证据推理(firefly algorithm-evidential reasoning, FA-ER)的评估方法。首先,通过直觉模糊熵处理不确定信息,确定初始权重范围。然后,基于后悔函数将证据推理方法的权重求解问题转化为非线性多目标优化问题。最后,采用萤火虫算法计算最优参数,确定最优评估模型并得到最终评估结果。算例分析结果表明,所提方法能够有效解决评估主观性强的问题,提高评估结果的准确度,对装备保障资源供给能力评估问题具有较好的适用性。     

卫星地面站资源调度优化模型及启发式算法

针对涉及合理确定各地面站各类设备的数量及其分布,对设备进行最优调度,提高地面系统资源利用率等卫星地面站资源优化问题,建立了一种非线性泛函优化模型,并根据实际,在适当假设的基础上建立了系统的0-1规划模型。为了求解模型,提出基于地面站资源冲突消解策略,提出了一种启发式调度算法。利用该算法,研究了一个5站10星问题的调度方案,并与人工经验调度方案进行了比较。结果表明,采用这种启发式调度算法,卫星获得服务的时间增加,平均每天服务总圈数没有明显下降,说明该算法是有效的。     

考虑节点中断和需求波动的可靠供应链网络设计问题

本文研究了一个包含供应点、中转点和需求点的三级可靠供应链网络设计问题(RSCNDP).文章同时考虑了供应端的不确定性(节点中断的可能性)和需求端的不确定性(需求量的波动性),针对这些因素,采用情景的方法描述,并结合p-鲁棒模型的优点提出了一个新的混合整数规划模型.在模型中,α,β两参数分别表示决策者对节点中断和需求波动的风险偏好,优化的目标是在给定的风险偏好下最小化设施的固定成本和产品的运输成本.文章提出了一个由最短增广链法和遗传算法的相结合的混合智能算法来求解该模型,并结合实际进行了相应的数值分析.结论显示决策者的风险偏好对可靠供应链网络的设计会产生重大的影响,而在面临风险时,可靠的供应链网络表现要优于确定型的供应链网络,这些为企业的供应链管理决策提供了理论支撑.     

复杂灾害情景下应急资源配置的随机规划模型

提出基于区域灾害系统理论来构建复杂灾害情景, 用于描述突发事件的复杂性和高度不确定性. 基于复杂灾害情景建立了一个两阶段随机规划模型, 进行应急设施的定位决策、应急物资的库存决策和不同灾害情景下应急物资分配预案的制定. 使用新的编码方式, 将第一阶段的选址-库存模型转化为一个无约束非线性优化模型, 使用自适应免疫克隆选择文化算法进行求解. 对于第二阶段的应急物资分配模型, 则提出了"势能抵消算法". 最后基于四川地震带的相关数据给出了算例, 验证了模型及算法的有效性与可行性.     

基于客户满意的层级供应链优化模型及算法

基于客户满意度和企业利润这对矛盾,建立了一个层级供应链0-1混合整数规划模型。模型以供应链各相邻层节点之间的供需量和客户对各种产品的期望满意度为决策变量,以供应链总利润最大为目标。模型存在着两级优化问题,首先要从候选节点企业选中部分加入供应链网络,然后再确定相邻层节点企业之间的供需量和客户对产品的期望满意度。给出求解模型的混合遗传算法,并进行了数值实验,验证了优化模型的正确性和算法的有效性。     

基于不确定相关机会规划的机会阵方向图综合

围绕机会阵雷达(opportunistic array radar, OAR)阵列动态机会组阵的资源管理问题,以面向多任务为应用需求背景,针对机会布置在平台3D空间多个区域内的天线单元,提出了一种基于现代数学不确定性理论中的相关机会约束规划方法用于机会阵方向图综合。该方法建立在不确定性理论和模糊数学基础上,考虑OAR大量天线单元空间位置分布的不确定性和各单元激励(开/关)状态的不确定性,用模糊随机变量来刻画不确定环境中的模糊性和随机性,在天线资源受约束的不确定条件下,建立不确定规划模型来实现方向图综合。并设计将遗传算法和模糊随机模拟算法相结合的智能混合优化算法以获得模型的最优解。最后利用仿真实例验证了不确定规划模型和所设计算法的可行性和鲁棒性。     

考虑技术突破与技术升级的能力规划问题研究

技术进步与市场需求不确定性,都是制造业能力规划问题需要面对的最重要因素.以往研究仅考虑技术突破而没有考虑技术升级,较多考虑能力扩张而较少考虑能力更替,本文首次提出了一种同时考虑技术突破和升级的设备采购与替换的集成能力规划模型.在需求和技术进步双源不确定性条件下,采用Scenario方法建立了多计划期能力规划的集成决策模型,探求能力扩张、替换、维护的期望总成本最低.面对该决策问题所建立的非线性混合整数规划模型,本文为该NP complete问题设计了一种基于遗传算法框架的启发式求解算法,即通过增加变换操作的方法将该问题转换为可以随机进化求解扩张方案最优化求解替换方案的一个等价问题.在种群初始化过程中采取仅选择能力扩张决策进行染色体部分编码策略,然后用经典优化方法针对每个个体精确求解最优能力替换决策,将扩张和替换整体成本作为个体适应度参与个体评价与种群进化.实验结果表明,技术升级在不同需求变化情景下都可以有效降低能力规划的成本,且本文提出的启发式算法对于求解此类规划问题具有很好的收敛稳定性和性能稳定性.     

进攻战斗电子对抗兵力需求的三层规划模型

为解决电子对抗兵力需求的作战预测问题, 估测合同战斗中不同作战阶段的兵力数量需求, 提升指挥作战效率与效果, 提出一种基于三层规划的电子对抗兵力需求模型。首先, 在详细分析陆上战术进攻战斗中电子对抗作战方式的基础上, 提出电子对抗规范交战模式。其次, 根据作战方式和作战阶段划分，建立电子对抗兵力需求的三层规划模型。然后，在使用模糊隶属度量化模型变量的基础上引入满意度函数算子, 通过遗传算法求解出各层最优满意度, 进而得到最优兵力需求。最后，通过算例仿真, 得到3个不同作战阶段电子对抗的最优兵力需求, 并通过与3种多层规划求解算法的对比, 表明了所提算法的适用性和结果收敛的高效性。     

收发分置雷达圆周栅栏覆盖的优化布站方法

为解决区域边界曲线上收发分置雷达的优化布站问题,提出一种圆周栅栏覆盖的优化布站方法。首先,提出圆周栅栏覆盖最优布站序列应满足的条件,并通过理论分析证明了最优布站模式中接收器个数的上限阈值。接着,以此为基础构建基于布站成本最小的优化布站模型。然后,针对优化模型的非凸性和非线性,提出一种将整数线性规划与穷举法相联合的算法求解优化模型,确定最小布站成本及其对应的最优布站序列。最后,通过仿真实验和分析验证了所提方法的有效性。     

Support vector classification algorithm based on variable parameter linear programming

To solve the problems of SVM in dealing with large sample size and asymmetric distributed samples, a support vector classification algorithm based on variable parameter linear programming is proposed. In the proposed algorithm, linear programming is employed to solve the optimization problem of classification to decrease the computation time and to reduce its complexity when compared with the original model. The adjusted punishment parameter greatly reduced the classification error resulting from asymmetric distributed samples and the detailed procedure of the proposed algorithm is given. An experiment is conducted to verify whether the proposed algorithm is suitable for asymmetric distributed samples.