保障人員配置和保障作業(yè)調(diào)度是艦載機機群出動保障任務決策的2項核心內(nèi)容。針對復雜甲板作業(yè)約束條件下保障人員配置-調(diào)度聯(lián)合優(yōu)化的實際問題,首先,系統(tǒng)分析艦載機機群出動保障流程約束、出動時限約束、保障人員約束、保障設備約束、工位空間約束和資源供給能力約束。其次,以保障人員數(shù)量和負載方差和最小化為優(yōu)化目標,建立了混合整數(shù)規(guī)劃模型,進而提出了基于邊際-人工蜂群（ABC）算法的兩層優(yōu)化決策架構(gòu)。上層決策模型基于邊際優(yōu)化算法對保障人員配置方案進行迭代優(yōu)化,下層決策模型采用改進的雙向人工蜂群算法對艦載機機群出動保障任務調(diào)度進行優(yōu)化。最后,通過典型算例驗證了所提模型和兩層優(yōu)化機制的可行性與有效性。 

【文章來源】：北京航空航天大學學報. 2020,46(11)北大核心EICSCD

【文章頁數(shù)】：13 頁

【部分圖文】：

單機出動保障作業(yè)流程圖

此外,由于艦載機機群出動回收作業(yè)一般按照一定的甲板周期循環(huán)進行,因此所規(guī)劃的出動保障作業(yè)方案的完工時間Cmax需限定在一定作業(yè)期限C max d 內(nèi),否則將影響下一波次艦載機的回收作業(yè)。2 ISSP-ASS模型

上層模型負責各專業(yè)保障人員的配置決策。對此,采用邊際優(yōu)化算法進行求解,該算法操作簡單,搜索精度高,且最大優(yōu)勢在于迭代過程不丟失最優(yōu)解,在求解資源配置這類問題相對一般啟發(fā)式算法更具優(yōu)勢。下層模型負責艦載機機群出動保障調(diào)度優(yōu)化,以縮短保障完工時間,本文設計了一類改進人工蜂群算法進行求解。在每一步迭代過程中,在上層將各類專業(yè)保障人員分別增加單位數(shù)量后,調(diào)用下層調(diào)度優(yōu)化模型計算邊際效益的增量,下層則根據(jù)所增加的保障人員配置,基于改進的人工蜂群算法求解最優(yōu)調(diào)度方案,并將機群保障完工時間和保障人員負載方差和反饋至上層配置模型,由上層模型選取邊際效益最優(yōu)的人員增加方案,通過不斷迭代直至滿足機群完工時間的時限要求。基于邊際-人工蜂群算法的艦載機機群出動保障人員配置-調(diào)度聯(lián)合優(yōu)化流程如圖4所示。圖4 邊際-人工蜂群算法流程

【參考文獻】：
期刊論文
[1]艦載機保障作業(yè)調(diào)度問題研究進展[J]. 劉翱,劉克.  系統(tǒng)工程理論與實踐. 2017(01)
[2]出動強度約束下多機種(型)保障資源優(yōu)化配置[J]. 楊甫勤,夏軍劍,路學成.  軍事交通學院學報. 2016(11)
[3]基于Memetic算法的艦載機艦面一站式保障調(diào)度[J]. 蘇析超,韓維,蕭衛(wèi),蔣婷婷.  系統(tǒng)工程與電子技術(shù). 2016(10)
[4]A multi-agent based intelligent configuration method for aircraft fleet maintenance personnel[J]. Feng Qiang,Li Songjie,Sun Bo.  Chinese Journal of Aeronautics. 2014(02)
[5]基于PERT網(wǎng)絡的航空彈藥保障人員優(yōu)化配置[J]. 郭小威,馬登武,鄧力.  北京航空航天大學學報. 2014(01)
[6]改進系統(tǒng)備件滿足率約束下的備件優(yōu)化配置建模[J]. 趙建忠,李海軍,葉文,王浩偉.  兵工學報. 2013(09)
[7]基于空間約束的艦載機航空保障調(diào)度研究[J]. 魏昌全,陳春良,王保乳.  控制工程. 2013(04)
[8]國內(nèi)裝備維修保障資源優(yōu)化技術(shù)研究綜述[J]. 敬軍.  中國艦船研究. 2013(04)
[9]考慮空間約束的艦載機作業(yè)調(diào)度模型研究[J]. 劉欽輝,邱長華,王能建.  哈爾濱工程大學學報. 2012(11)
[10]以保障活動為中心的裝備保障資源數(shù)量預測[J]. 郭霖瀚,康銳,文佳.  航空學報. 2009(05)

碩士論文
[1]艦載機保障人員配置優(yōu)化仿真研究[D]. 崔博.哈爾濱工程大學 2016



本文編號：3623817