[发明专利]作业时间随机的基本作战单元使用保障资源优化配置方法

摘要

本发明属于资源优化配置领域，具体涉及一种作业时间随机的基本作战单元使用保障资源优化配置方法，包括如下步骤：(S1)定义资源配置方案的表达与解码；(S2)对初始解进行内层优化，得到当前编码解对应的资源配置方案；(S3)基于改进的粒子群算法，生成新的编码解，即作业的调度方案。本发明的目的在于提供一种方法，基于RACP问题模型，结合分散搜索融合粒子群方法，实现基本作战单元使用保障资源的优化配置。本发明很好地解决了随机RACP问题，为资源优化配置方面的研究提供一个思路。本发明实施例方法提出的步骤简便易行，便于程序化处理，借助于计算机程序，可避免大量复杂的数学运算。

主权项

1.一种作业时间随机的基本作战单元使用保障资源优化配置方法，其特征在于，所述方法包括以下步骤：(S1)定义资源配置方案的表达为以下问题：并对该表达式进行解码得到初始解；其中，ck代表第k类资源的成本，分配的第k类资源数量为xk；(S2)对编码解进行内层优化；在第一次迭代过程中，给出初始编码解对应的资源配置方案，在后续迭代过程中，优化迭代过程中得到的新的编码解对应的资源配置方案；内层优化约束条件如下：其中，第j个保障作业的开始时间为sj，第i个保障作业的开始时间为si，持续时间为Ti，初始保障作业的开始时间为s0，所需要的第k类资源数量为rk,i，任务完成时限为D，第N+1个保障作业的开始时间为sN+1，使用保障任务成功的概率为P(D‑sN+1)，任务成功概率约束为θ，fi(t)为特定随机分布的概率密度函数；(S3)进行外层优化，基于改进的粒子群算法生成新的编码解；其中所述步骤(S1)的具体过程为：(S11)运用随机键表达方式对问题的解进行编码；结合时序约束关系和资源配置方案的限制，用一组0到1之间的随机数组成的向量，其维数等于使用保障任务中的作业总数，用以描述使用保障作业的优先级；(S12)依据使用保障作业完成时间的随机分布函数，通过随机抽样生成各个作业的完成时间；(S13)依据当前编码解以及资源配置方案进行解码，执行当前使用保障任务并记录此次任务执行时间；假设执行中作业的集合为Y*，待执行作业的集合为H*；初始化集合对于第i个作业(1≤i≤N)，若作业i没有紧前作业，进入集合H*；遍历集合Y*，计算该集合中的最早作业结束时间tf，并删除集合Y*中结束时间为tf的各项作业，释放其占用的使用保障资源；遍历集合H*，选择随机键值最高且对应装备处于闲置状态的作业j；将作业j由集合H*移到集合Y*，并占用其所需的资源；同时，若作业j紧后作业满足集合H*的条件，则将其加入集合H*，如此循环；(S14)若算法迭代次数到达预设要求，则依据每次迭代计算出的使用保障任务平均完成时间和按期完成的成功概率；否则，返回步骤(S12)；其中所述步骤(S2)的具体过程为：(S21)利用各使用保障作业完成时间的期望值和保障任务完成时限计算出各作业的最晚开始时间，生成初始的使用保障资源配置方案以及初始编码解；(S22)在外层算法框架中直接为当前编码解调取当前最优的使用保障资源配置方案，以提高资源优化配置效率，通过仿真方法评价当前编码解和资源配置方案，得到使用保障任务成功概率，若能够达到当前任务要求，则进入步骤(S24)，若不能，则进入步骤(S23)；(S23)在外层算法框架中调取各使用保障作业的最晚开始时间，并计算当前编码解在当前资源配置下的平均开始时间，找到平均开始时间延时最大的使用保障作业，批量增加其所需的各类使用保障资源数量，通过仿真方法评价当前编码解和资源配置方案，得到使用保障任务成功概率，若能够达到当前任务要求，则进入步骤(S24)，若不能，重复步骤(S23)；(S24)自第一类使用保障资源开始依次逐类逐个减少资源数量，依次通过仿真方法评估当前编码解和使用资源配置方案，获得使用保障任务成功概率，直至使用保障资源配置方案无法满足使用保障任务需求；(S25)保存步骤(S24)中满足使用保障任务要求且成本最优的使用保障资源配置方案，即为当前编码解所对应的最优使用保障资源配置方案，将该使用保障资源配置方案总成本作为当前编码解的目标函数值；其中所述步骤(S3)的具体过程为：(S31)利用PSO(Particle Swarm Optimization)演化策略生成新的编码解，通过步骤(S2)中的方法计算新解的目标函数；粒子群算法参考了动物的群体行为特征，将进化更新过程表示如下：其中，c1和c2是学习因子，用以确定粒子当前位置X、历史轨迹以及当前最优解对粒子演化的影响程度；ω是惯性因子，决定粒子速度V对于运动过程的影响程度；r1和r2是0和1之间的两个随机数，分别用以确定解的演化过程中朝向历史轨迹和当前最优解的更新步长；(S32)利用分散搜索寻优方法寻找新的最优解，若未发现，则进入步骤(S33)；假设参考集中参考解的个数为Psize，参考集中的编码解向量为Xi，其中i＝1,2,…,Psize，X1为当前最优解；将参考集中的第j个参考解(2≤j≤Prize)作为执行解X2；对于第i个参考解(1≤i≤N)，若X1[i]≠X2[i]，对X1和X2的第i个位置进行交叉，生成新解New_1和New_2；返回步骤(S2)，计算新解目标函数；若新解的目标函数值比当前最优解更优，更新最优解；若新解的目标函数值优于当前参考集中的最劣参考解，更新参考集，替换最劣参考解；(S33)判断仿真次数是否满足结束条件，若不满足，则返回步骤(S31)；若满足，则结束寻优过程并保留当前最优解与对应的资源配置方案。