兵工学报 ›› 2024, Vol. 45 ›› Issue (2): 407-416.doi: 10.12382/bgxb.2022.0649
收稿日期:
2022-07-18
上线日期:
2024-02-29
通讯作者:
MA Weining, HU Qiwei*(), CHEN Jing, JIA Xisheng
Received:
2022-07-18
Online:
2024-02-29
摘要:
为满足作战任务需求,对装备群进行选择性维修的同时进行作战任务分配,可有效提高装备群的整体作战效益。针对选择性维修决策与任务分配独立优化的问题,以最大化任务完成概率为目标,构建装备群选择性维修决策与任务分配联合优化模型,引入环境系数表征不同子任务的工作环境对单元状态的影响;通过求解马尔可夫模型得到单元的任务完成概率,进而得到子任务和整个任务的完成概率;采用基于随机密钥的遗传算法进行求解,分析环境系数对联合优化结果的影响,通过算例验证了模型和算法的有效性。研究结果表明:在选择性维修决策时考虑作战任务分配能够得到更优的结果;该模型可为战场环境下装备维修决策问题提供理论指导和技术支持。
中图分类号:
马维宁, 胡起伟, 陈静, 贾希胜. 装备群选择性维修决策与任务分配联合优化[J]. 兵工学报, 2024, 45(2): 407-416.
MA Weining, HU Qiwei, CHEN Jing, JIA Xisheng. Joint Optimization of Selective Maintenance Decision and Mission Assignment for Equipment Groups[J]. Acta Armamentarii, 2024, 45(2): 407-416.
序号 | αm | Nm,1 | Nm,2 | Km | Nm |
---|---|---|---|---|---|
1 | 1.4 | 2 | 1 | 2 | 3 |
2 | 1.0 | 1 | 2 | 2 | 3 |
表1 子任务参数
Table 1 Submission parameters
序号 | αm | Nm,1 | Nm,2 | Km | Nm |
---|---|---|---|---|---|
1 | 1.4 | 2 | 1 | 2 | 3 |
2 | 1.0 | 1 | 2 | 2 | 3 |
序号 | 单元 类型 | 状态概率分布 | |||
---|---|---|---|---|---|
1 | 2 | 3 | 4 | ||
1 | 1 | 0.13 | 0.23 | 0.30 | 0.34 |
2 | 1 | 0.10 | 0.12 | 0.46 | 0.32 |
3 | 1 | 0.12 | 0.05 | 0.26 | 0.57 |
4 | 2 | 0.10 | 0.27 | 0.27 | 0.36 |
5 | 2 | 0.32 | 0.50 | 0.13 | 0.05 |
6 | 2 | 0.16 | 0.30 | 0.26 | 0.28 |
表2 各单元参数
Table 2 Parameters of each unit
序号 | 单元 类型 | 状态概率分布 | |||
---|---|---|---|---|---|
1 | 2 | 3 | 4 | ||
1 | 1 | 0.13 | 0.23 | 0.30 | 0.34 |
2 | 1 | 0.10 | 0.12 | 0.46 | 0.32 |
3 | 1 | 0.12 | 0.05 | 0.26 | 0.57 |
4 | 2 | 0.10 | 0.27 | 0.27 | 0.36 |
5 | 2 | 0.32 | 0.50 | 0.13 | 0.05 |
6 | 2 | 0.16 | 0.30 | 0.26 | 0.28 |
算法 | 迭代次数 | 最优值 | 平均值 | 标准差 | 计算时间/s |
---|---|---|---|---|---|
枚举法 | 0.8872 | 1.2078 | |||
50 | 0.8872 | 0.8861 | 0.0016 | 0.1104 | |
遗传算法 | 100 | 0.8872 | 0.8865 | 0.0012 | 0.2170 |
150 | 0.8872 | 0.8871 | 0.0008 | 0.3301 | |
200 | 0.8872 | 0.8872 | 0.0000 | 0.4365 |
表3 两种算法计算结果比较
Table 3 Comparison of the calculated results of two algorithms
算法 | 迭代次数 | 最优值 | 平均值 | 标准差 | 计算时间/s |
---|---|---|---|---|---|
枚举法 | 0.8872 | 1.2078 | |||
50 | 0.8872 | 0.8861 | 0.0016 | 0.1104 | |
遗传算法 | 100 | 0.8872 | 0.8865 | 0.0012 | 0.2170 |
150 | 0.8872 | 0.8871 | 0.0008 | 0.3301 | |
200 | 0.8872 | 0.8872 | 0.0000 | 0.4365 |
R | R1 | R2 |
---|---|---|
0.8872 | 0.9407 | 0.9431 |
表4 最优解对应的各子任务的完成概率
Table 4 The completion probability of each submission corresponding to the optimal solution
R | R1 | R2 |
---|---|---|
0.8872 | 0.9407 | 0.9431 |
C | C1 | C2 |
---|---|---|
18 | 10 | 8 |
表5 最优解对应的各子任务分配的维修费用
Table 5 The maintenance cost allocated to each submission corresponding to the optimal solution
C | C1 | C2 |
---|---|---|
18 | 10 | 8 |
序号 | 联合优化 | 两阶段优化 | ||
---|---|---|---|---|
维修策略 | 分配策略 | 维修策略 | 分配策略 | |
1 | 2 | 2 | 2 | 1 |
2 | 2 | 1 | 2 | 2 |
3 | 2 | 1 | 4 | 1 |
4 | 2 | 2 | 2 | 1 |
5 | 4 | 1 | 3 | 2 |
6 | 3 | 2 | 4 | 2 |
参数 | 联合优化 | 两阶段优化 | ||
R1 | 0.9407 | 0.9375 | ||
R2 | 0.9431 | 0.9360 | ||
R | 0.8872 | 0.8775 |
表6 联合优化与两阶段优化的最优选择性维修策略和任务分配策略
Table 6 Optimal selective maintenance strategy and mission assignment strategy for joint optimization and two-stage optimization
序号 | 联合优化 | 两阶段优化 | ||
---|---|---|---|---|
维修策略 | 分配策略 | 维修策略 | 分配策略 | |
1 | 2 | 2 | 2 | 1 |
2 | 2 | 1 | 2 | 2 |
3 | 2 | 1 | 4 | 1 |
4 | 2 | 2 | 2 | 1 |
5 | 4 | 1 | 3 | 2 |
6 | 3 | 2 | 4 | 2 |
参数 | 联合优化 | 两阶段优化 | ||
R1 | 0.9407 | 0.9375 | ||
R2 | 0.9431 | 0.9360 | ||
R | 0.8872 | 0.8775 |
序号 | 模型Ⅰ | 模型Ⅱ | 模型Ⅲ | 模型Ⅳ | ||
---|---|---|---|---|---|---|
维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | 维修 策略 | 维修 策略 | |
1 | 2 | 2 | 4 | 1 | 4 | 4 |
2 | 2 | 1 | 1 | 1 | 2 | 1 |
3 | 2 | 1 | 1 | 2 | 1 | 1 |
4 | 2 | 2 | 1 | 2 | 2 | 4 |
5 | 4 | 1 | 4 | 2 | 4 | 4 |
6 | 3 | 2 | 4 | 1 | 2 | 1 |
参数 | 模型Ⅰ | 模型Ⅱ | 模型Ⅲ | 模型Ⅳ | ||
R1 | 0.9407 | 0.9454 | 0.9331 | 0.9545 | ||
R2 | 0.9431 | 0.9247 | 0.9415 | 0.9091 | ||
R | 0.8872 | 0.8743 | 0.8785 | 0.8595 |
表7 最优选择性维修策略和任务分配策略
Table 7 Optimal selective maintenance strategy and mission assignment strategy
序号 | 模型Ⅰ | 模型Ⅱ | 模型Ⅲ | 模型Ⅳ | ||
---|---|---|---|---|---|---|
维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | 维修 策略 | 维修 策略 | |
1 | 2 | 2 | 4 | 1 | 4 | 4 |
2 | 2 | 1 | 1 | 1 | 2 | 1 |
3 | 2 | 1 | 1 | 2 | 1 | 1 |
4 | 2 | 2 | 1 | 2 | 2 | 4 |
5 | 4 | 1 | 4 | 2 | 4 | 4 |
6 | 3 | 2 | 4 | 1 | 2 | 1 |
参数 | 模型Ⅰ | 模型Ⅱ | 模型Ⅲ | 模型Ⅳ | ||
R1 | 0.9407 | 0.9454 | 0.9331 | 0.9545 | ||
R2 | 0.9431 | 0.9247 | 0.9415 | 0.9091 | ||
R | 0.8872 | 0.8743 | 0.8785 | 0.8595 |
序号 | α2=1.0 | α2=1.2 | α2=1.4 | |||
---|---|---|---|---|---|---|
维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | |
1 | 2 | 2 | 2 | 1 | 2 | 2 |
2 | 2 | 1 | 2 | 2 | 2 | 1 |
3 | 2 | 1 | 2 | 1 | 1 | 1 |
4 | 2 | 2 | 2 | 2 | 2 | 2 |
5 | 4 | 1 | 4 | 1 | 4 | 1 |
6 | 3 | 2 | 3 | 2 | 4 | 2 |
参数 | α2=1.0 | α2=1.2 | α2=1.4 | |||
C1 | 10 | 10 | 8 | |||
C2 | 8 | 8 | 10 | |||
R1 | 0.9407 | 0.9357 | 0.9208 | |||
R2 | 0.9431 | 0.9308 | 0.9275 | |||
R | 0.8872 | 0.8709 | 0.8540 |
表8 不同环境系数下的最优选择性维修策略和任务分配策略(α1≥α2)
Table 8 Optimal selective maintenance strategy and mission assignment strategy under different environmental coefficients (α1≥α2)
序号 | α2=1.0 | α2=1.2 | α2=1.4 | |||
---|---|---|---|---|---|---|
维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | |
1 | 2 | 2 | 2 | 1 | 2 | 2 |
2 | 2 | 1 | 2 | 2 | 2 | 1 |
3 | 2 | 1 | 2 | 1 | 1 | 1 |
4 | 2 | 2 | 2 | 2 | 2 | 2 |
5 | 4 | 1 | 4 | 1 | 4 | 1 |
6 | 3 | 2 | 3 | 2 | 4 | 2 |
参数 | α2=1.0 | α2=1.2 | α2=1.4 | |||
C1 | 10 | 10 | 8 | |||
C2 | 8 | 8 | 10 | |||
R1 | 0.9407 | 0.9357 | 0.9208 | |||
R2 | 0.9431 | 0.9308 | 0.9275 | |||
R | 0.8872 | 0.8709 | 0.8540 |
序号 | α2=1.4 | α2=1.6 | α2=1.8 | |||
---|---|---|---|---|---|---|
维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | |
1 | 2 | 2 | 2 | 1 | 2 | 1 |
2 | 2 | 1 | 2 | 1 | 2 | 1 |
3 | 1 | 1 | 2 | 2 | 1 | 2 |
4 | 2 | 2 | 2 | 2 | 2 | 1 |
5 | 4 | 1 | 4 | 2 | 4 | 2 |
6 | 4 | 2 | 3 | 1 | 4 | 2 |
参数 | α2=1.4 | α2=1.6 | α2=1.8 | |||
C1 | 8 | 8 | 6 | |||
C2 | 10 | 10 | 12 | |||
R1 | 0.9208 | 0.9089 | 0.8939 | |||
R2 | 0.9275 | 0.9213 | 0.9216 | |||
R | 0.8540 | 0.8378 | 0.8238 |
表9 不同环境系数下的最优选择性维修策略和任务分配策略(α1≤α2)
Table 9 Optimal selective maintenance strategy and mission assignment strategy under different environmental coefficients (α1≤α2)
序号 | α2=1.4 | α2=1.6 | α2=1.8 | |||
---|---|---|---|---|---|---|
维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | 维修 策略 | 分配 策略 | |
1 | 2 | 2 | 2 | 1 | 2 | 1 |
2 | 2 | 1 | 2 | 1 | 2 | 1 |
3 | 1 | 1 | 2 | 2 | 1 | 2 |
4 | 2 | 2 | 2 | 2 | 2 | 1 |
5 | 4 | 1 | 4 | 2 | 4 | 2 |
6 | 4 | 2 | 3 | 1 | 4 | 2 |
参数 | α2=1.4 | α2=1.6 | α2=1.8 | |||
C1 | 8 | 8 | 6 | |||
C2 | 10 | 10 | 12 | |||
R1 | 0.9208 | 0.9089 | 0.8939 | |||
R2 | 0.9275 | 0.9213 | 0.9216 | |||
R | 0.8540 | 0.8378 | 0.8238 |
[1] |
|
[2] |
doi: 10.1016/j.ress.2019.106738 URL |
[3] |
doi: 10.1016/j.dt.2016.04.004 URL |
[4] |
doi: 10.1016/j.ress.2017.05.004 URL |
[5] |
王海朋, 段富海, 马骏. 复杂系统的选择性维修模型和求解算法[J]. 北京航空航天大学学报, 2020, 46(12): 2264-2273.
|
|
|
[6] |
doi: 10.1109/TR.2010.2046798 URL |
[7] |
王少华, 张仕新, 李勇, 等. 不完全维修条件下复杂系统的选择性维修决策方法研究[J]. 兵工学报, 2018, 39(6): 1215-1224.
doi: 10.3969/j.issn.1000-1093.2018.06.023 |
|
|
[8] |
doi: 10.1016/j.procs.2022.01.342 URL |
[9] |
|
[10] |
doi: 10.1016/j.ress.2016.11.006 URL |
[11] |
doi: 10.1080/00207543.2018.1505060 URL |
[12] |
doi: 10.21307/ijor-2015-009 URL |
[13] |
|
[14] |
doi: 10.1016/j.ress.2020.106895 URL |
[15] |
doi: 10.1080/00207543.2018.1505060 URL |
[16] |
doi: 10.1016/j.ress.2021.108209 URL |
[17] |
doi: 10.2991/ijcis.d.210423.003 URL |
[18] |
王幸运, 田野, 强晓明, 等. 基于协同效能的反导作战任务分配模型[J]. 空军工程大学学报, 2013, 14(4): 27-31.
|
|
|
[19] |
doi: 10.1016/j.cja.2019.05.012 URL |
[20] |
王慕鸿, 周智超, 张蓉, 等. 两栖攻击舰对空自防御作战火力分配模型[J]. 火力与指挥控制, 2020, 45(12): 127-131.
|
|
|
[21] |
doi: 10.1016/j.ast.2018.01.025 URL |
[22] |
doi: 10.1016/j.ress.2021.107811 URL |
[23] |
刘宇. 多状态复杂系统可靠性建模及维修决策[D]. 成都: 电子科技大学, 2010.
|
|
[1] | 苏胜,顾森,宋志强,刘萍. 基于深度表征学习和遗传算法的军用座舱色彩设计方法[J]. 兵工学报, 2024, 45(4): 1060-1069. |
[2] | 秦国华, 娄维达, 林锋, 徐勇. 基于Cotes求积法和神经网络的稳定域判断及铣削参数优化新方法[J]. 兵工学报, 2024, 45(2): 516-526. |
[3] | 马潇, 李新祺, 刘镇源, 邸超. 基于背景感知相关滤波跟踪器的目标快速跟踪方法[J]. 兵工学报, 2024, 45(2): 497-503. |
[4] | 刘子昌, 李思雨, 裴模超, 刘洁, 孟硕, 吴巍屹. 基于纹理分析的柴油发动机故障诊断方法[J]. 兵工学报, 2024, 45(2): 684-694. |
[5] | 曹严, 龙腾, 孙景亮, 周禹泽. 信息重传与丢包补偿的多无人机分布式任务分配方法[J]. 兵工学报, 2023, 44(9): 2697-2708. |
[6] | 严钰文, 毕文豪, 张安, 张百川. 基于序列生成对抗网络的无人机集群任务分配方法[J]. 兵工学报, 2023, 44(9): 2672-2684. |
[7] | 叶闻语, 王春阳, 于金阳, 拓明侃, 王子硕. 基于贪心遗传算法的液晶光学相控阵多光束扫描[J]. 兵工学报, 2023, 44(9): 2650-2660. |
[8] | 陈松, 朱东升, 左钦文, 韩朝帅. 基于GA-PS的三维空间源项反演算法[J]. 兵工学报, 2023, 44(8): 2503-2520. |
[9] | 张安, 徐双飞, 毕文豪, 徐晗. 空地多目标攻击武器-目标分配与制导序列优化[J]. 兵工学报, 2023, 44(8): 2233-2244. |
[10] | 王磊, 徐超, 李淼, 赵慧武. 多飞行器协同任务分配的改进粒子群优化算法[J]. 兵工学报, 2023, 44(8): 2224-2232. |
[11] | 刘彦, 王百川, 闫俊伯, 闫子辰, 时振清, 黄风雷. 侵彻作用下负泊松比蜂窝夹芯结构动态响应[J]. 兵工学报, 2023, 44(7): 1938-1953. |
[12] | 范博洋, 赵高鹏, 薄煜明, 吴祥. 多目标空地异构无人系统协同任务分配方法[J]. 兵工学报, 2023, 44(6): 1564-1575. |
[13] | 杜伟伟, 陈小伟. 陆军战术级作战任务分配及优化方法[J]. 兵工学报, 2023, 44(5): 1431-1442. |
[14] | 马也, 范文慧, 常天庆. 基于智能算法的无人集群防御作战方案优化方法[J]. 兵工学报, 2022, 43(6): 1415-1425. |
[15] | 王鹤翔, 毛晓东, 庞丽萍, 冯晓晗. 基于多目标遗传算法的特种车舱室送风系统优化设计[J]. 兵工学报, 2022, 43(12): 2981-2988. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||