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。     

基于动态进化算法的多阶段备件供应优化决策

由于实际备件保障工作中备件需求以间歇性需求为主,备件供应通常为多阶段的动态优化。针对以上问题,构建了多阶段备件供应数学模型。为求解动态优化模型,提出了一种元启发式动态进化算法。首先,在经典差分进化算法中增加了环境变化检测算子和环境变化响应策略,使得差分进化算法能够解决环境变化的动态优化问题。其次,提出了自适应莱维飞行策略,使得算法在环境发生变化时仍能保持良好的全局搜索能力和局部寻优能力。算例表明,所提出的动态自适应差分算法能够求得模型的最优可行解,且算法的分布性和收敛性均得到了很大的提升。     

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。