基于遗传算法的备件两级优化建模与仿真研究
范 浩, 贾希胜, 贾云献, 王亚彬
(军械工程学院装备指挥与管理系, 河北石家庄050003)
摘 要: 针对装备备件保障中存在的配置不合理问题,提出了一种基于仿真和遗传算法的备件配置优化算法。该算法采用仿真方法建立装备使用可用度模型,并利用遗传算法实现备件的优化,实现了在满足备件保障费用约束的前提下,使装备使用可用度达到最大。给出了应用该方法的具体步骤,并通过举例验证了算法的有效性。
关键词: 优化; 仿真; 遗传算法; 使用可用度
中图分类号: TJ762. 11 文献标识码: A
Model ing and simulation of two levels spare parts optimization based on GA
0 引 言
武器装备的维修保障系统是部队战斗力的重要组成部分。在维修资源中,备件所占资金比例最大,因此,做好备件需求的预测和优化配置工作尤为重要。目前各级仓库备件储备量的确定主要是根据一定时期内装备的训练任务量和各级维修的需要,利用历史记录和经验数据进行分析预测得到[1 ] 。即各级仓库的备件储备往往只考虑了本级维修对备件的需求,而没有考虑多级优化配置的问题。同时在实际保障过程中为了满足装备维修的需要,又往往采用备件最大需求量来进行储备,因此造成部队各级仓库普遍存在“备件匮乏和大量积压”的现象。这使得有限的保障资金无法得到充分利用,并难以获得高的保障效率。所以有必
要进行备件多级保障的优化配置研究,以降低保障费用和
提高保障水平[2 ] 。
目前,国内外对备件管理的定量化决策研究主要采用的是解析方法。该方法可以较好地解决其中许多问题。但是,由于备件管理涉及因素多,解析方法往往做了许多假设和简化。此外,在有些情况下,如有横向调剂、各基层库存情况有较大差别等,现有的解析方法目前还不能解决这些问题[3 ] 。为此,运用仿真的方法模拟装备系统与备件保障系统的运行,建立装备系统的可用度仿真模型,并与遗传算法相结合来实现备件的优化配置,以便更好地解决备件管理中存在的主要问题。
解决优化问题的方法有很多,其中遗传算法作为一种新型的、模拟生物进化过程的随机化搜索、优化方法,近几十年来在组合优化领域得到了相当广泛的研究和应用,并已在解决诸多典型组合优化问题中显示了良好的性能和效果[4 ] 。本文提出了一种基于遗传算法的以使用可用度为中心的备件存储模型。它在分析了现有维修机构组成及关系的前提下,并在满足一定资金约束的条件下,通过确定最优的备件库存配置来实现装备使用可用度的最大化。目的在于为实现备件库存优化问题寻求一种适用的工程方法。
1 装备使用可用度建模
1. 1 备件保障系统分析
备件保障大多实行的是三级保障,即基层级、中继级和基地级。各级仓库的保障关系和备件流向如图1 所示。其中一个基地级仓库对若干个中继级仓库实施备件的供应保障;而每个中继级仓库又对若干个基层级仓库实施备件的供应保障;基层级仓库对装备实施直接保障。且同级仓库之间不存在备件流动。基地级仓库作为后方仓库,为保障装备在一段时期内的正常训练和任务的完成,定期向中继级和基层级仓库配发一定数量的备件作为储备。若在该段时期内基层级出现备件缺货,则向中继级请领;若中继级出现备件缺货则向基地级请领(这种情况一般较少) 。
1. 2 装备使用可用度仿真模型
可用度是指装备在任一随机时刻需要和开始执行任务时,处于可工作或可使用状态的概率。最能反映系统处于
使用环境下使用效能的参数是使用可用度(operational availability) A 0 ,其表达式为
A 0 = MTBF/ (MTBF + MTTR + MSRT)
式中: A 0 ———装备使用可用度;MTBF (mean time between
failure) ———平均无故障工作时间;MTTR(mean time to re2
pair) ———平均修复时间; MSRT ( mean support reaction
time) ———平均保障反应时间。
MTBF 与装备的故障率有关,而MTTR 与装备的排除故障维修时间有关,通常这两个参数与装备的固有可靠性与维修性相关,可以通过设计过程获取。而MSRT是后勤
