隨著我軍軍事變革的不斷深入和裝備建設(shè)的不斷發(fā)展，裝備備件管理作為裝備保障體系重要組成部分越來(lái)越受到各方的關(guān)注，裝備備件管理效益的高低將直接影響到部隊(duì)的日常戰(zhàn)備、訓(xùn)練和遂行多樣化軍事任務(wù)。因此本文將從如何結(jié)合目前備件管理研究應(yīng)用的先進(jìn)理論，進(jìn)一步提高部隊(duì)裝備備件管理認(rèn)識(shí)，理清管理決策思路，如何在有限的保障費(fèi)用下科學(xué)有效地提高裝備備件管理效益等幾個(gè)方面進(jìn)行研究和討論。首先，分析了備件特征和分類原則，對(duì)裝備備件管理的特點(diǎn)進(jìn)行了總結(jié)，討論了目前裝備備件管理中所存在的一些問(wèn)題，針對(duì)裝備備件管理中的現(xiàn)狀提出了相應(yīng)的優(yōu)化策略，并同時(shí)指出引入科學(xué)化定量化分析是提高裝備備件管理水平的有效途徑。其次，分析了某裝備保障單位在裝備可靠度約束條件下的裝備初始備件量問(wèn)題，針對(duì)模型求解難題，給出了基于差分進(jìn)化算法的求解方法。第三，對(duì)某裝備保障單位的備件庫(kù)存策略進(jìn)行了分析，構(gòu)建了以成本、缺貨率和缺貨量三個(gè)指標(biāo)最小化為準(zhǔn)則的多目標(biāo)(Q, r)裝備備件庫(kù)存模型。設(shè)計(jì)了基于遺傳和差分進(jìn)化算法的混合智能算法來(lái)產(chǎn)生非支配解，進(jìn)而利用基于熵權(quán)的TOPSIS方法對(duì)最優(yōu)解進(jìn)行排序，此結(jié)果可為管理者提供有益的決策參考。 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與方法
2 裝備備件管理概述
    2.1 備件特征
    2.2 備件的分類方法
    2.3 備件庫(kù)存策略
    2.4 裝備備件管理分析
3 裝備可靠度約束下的初始備件量?jī)?yōu)化模型
    3.1 引言
    3.2 模型分析
    3.3 模型算法設(shè)計(jì)
    3.4 算例分析
4 多目標(biāo)裝備備件 Q, r 庫(kù)存模型
    4.1 引言
    4.2 庫(kù)存模型構(gòu)建
    4.3 模型求解方法設(shè)計(jì)
    4.4 算例分析
5 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]資源約束情況下隨機(jī)性聯(lián)合采購(gòu)模型的差分進(jìn)化算法[J]. 王林,陳璨,曾宇容.  計(jì)算機(jī)集成制造系統(tǒng). 2011(07)
[2]一種基于DE算法和NSGA-Ⅱ的多目標(biāo)混合進(jìn)化算法[J]. 王林,陳璨.  運(yùn)籌與管理. 2010(06)
[3]基于遺傳和差分進(jìn)化算法的備件庫(kù)存協(xié)同控制模型[J]. 王林,富慶亮,曾宇容.  計(jì)算機(jī)集成制造系統(tǒng). 2010(10)
[4]模糊隨機(jī)決策環(huán)境下的核電站不常用條件(Q,r)庫(kù)存模型[J]. 王林,江華蓮,王永剛.  控制與決策. 2009(10)
[5]用粒子群算法優(yōu)化裝備初始備件量[J]. 劉少偉,金榮,張琳.  空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(01)
[6]基于強(qiáng)度Pareto進(jìn)化的注塑機(jī)注射性能多目標(biāo)優(yōu)化[J]. 李中凱,譚建榮,馮毅雄,裘樂(lè)淼.  計(jì)算機(jī)集成制造系統(tǒng). 2007(11)
[7]求解混合整數(shù)非線性規(guī)劃問(wèn)題的改進(jìn)差分進(jìn)化算法[J]. 吳亮紅,王耀南,陳正龍.  小型微型計(jì)算機(jī)系統(tǒng). 2007(04)
[8]改進(jìn)的差分演化算法及其在函數(shù)優(yōu)化中的應(yīng)用[J]. 胡中波,熊盛武,胡付高,蘇清華.  武漢理工大學(xué)學(xué)報(bào). 2007(04)
[9]差分進(jìn)化微粒群優(yōu)化算法—DEPSO[J]. 賀安坤,苗良.  微計(jì)算機(jī)信息. 2006(36)
[10]基于NSGA-II的改進(jìn)多目標(biāo)遺傳算法[J]. 陳小慶,侯中喜,郭良民,羅文彩.  計(jì)算機(jī)應(yīng)用. 2006(10)



本文編號(hào)：2916749