[发明专利]一种基于人工蜂群算法的航空备件配置优化方法

说明书

本发明公开了一种基于人工蜂群算法的航空备件配置优化方法，属于航空备件配置技术领域。首先构造目标函数fit＝P/C，其中，C表示购买和存储航空备件的总费用，P表示装备的备件保障概率，并设定优化函数，之后设定迭代次数，并采用人工蜂群算法进行迭代，求得各种备件的配置数量。本发明采用人工蜂群算法不仅收敛速度快，鲁棒性强，易于实现，而且在每次迭代优化过程中都会进行全局和局部搜索，加大了找到最优解的概率，也在一定程度上避免了陷入局部最优解的可能。

技术领域

本发明属于航空备件配置技术领域，具体涉及一种基于人工蜂群算法的航空备件配置优化方法。

背景技术

合理的航空备件配置是保证航空装备正常的训练战备和发生故障后恢复装备战斗力的重要因素。目前的航空备件保障工作过多地依靠管理人员的经验进行粗放式的管理，无法满足精确保障的要求。备件库存量过多，备件保障概率容易保证但浪费大量保障资金；备件库存量过少，会显著降低备件保障概率和装备战备完好性。因此如何合理地确定航空备件的需求数量以及不同种类备件的配置方式，将直接影响供应保障系统的优越性，进而影响到航空装备战备完好性和保障费用。航空备件配置是一个比较复杂的多约束、非线性组合优化问题，优化过程十分复杂，计算规模大，收敛速度慢，易陷入局部最优解。

发明内容

为了解决上述问题，本发明提出了一种基于人工蜂群算法的航空备件配置优化方法，通过模拟蜂群依照各自分工进行采蜜，并交换蜜源信息找到最优蜜源的过程进行优化。所述方法包括：

步骤一、构造目标函数fit：fit＝P/C,C表示购买和存储航空备件的总费用，P表示装备的备件保障概率,

其中，m表示航空备件的种类数，C_i表示第i种备件的购买和存储费用，x_i表示第i种备件的配置数量，C_max表示总费用上限，P_i表示第i种备件的备件保障概率，P_min表示最小备件保障概率，n_i表示第i种备件的装机数量，λ_i表示第i种备件的故障率，t_i表示第i种备件的工作时间，k∈{0，1，2，…，x_i}；

步骤二、初始化人工蜂群算法参数，确定各蜂群规模均为M，最大迭代次数Count_max，第i种备件的数量上限x_{i max}，蜜源最大开采次数Limit，初始化当前迭代次数Count＝1，随机初始化M个可行解作为采蜜蜂，随机初始化M个可行解作为观察蜂，按照步骤一所述计算得到每个可行解的目标函数值；

步骤三、每个采蜜蜂需要进行新蜜源的搜索，计算公式如下：

y_aj(Count+1))＝y_aj(Count)+μ(y_aj(Count)-y_bj(Count))

其中y_aj(Count)表示第Count次迭代中第a个采蜜蜂的第j个参数，a，b∈{1，2，...，M}且a≠b，j∈{1，2，…，m}，μ表示[-1，1]区间内的随机数，比较新蜜源和原蜜源的目标函数值，取较优的作为采蜜蜂对应的当前蜜源；

步骤四、观察蜂根据轮盘赌方式选择对应的蜜源：

其中，p_a表示观察蜂选择第a个采蜜蜂对应蜜源的概率，fit_a表示第a个采蜜蜂对应蜜源的目标函数值，选择好对应蜜源后，观察蜂根据步骤三所述公式进行领域内搜索，若新生成的观察蜂比对应蜜源的目标函数值更优，则替代该采蜜蜂；