CN115689257A - 一种装备规模需求综合分析方法 - Google Patents
一种装备规模需求综合分析方法 Download PDFInfo
- Publication number
- CN115689257A CN115689257A CN202310001027.1A CN202310001027A CN115689257A CN 115689257 A CN115689257 A CN 115689257A CN 202310001027 A CN202310001027 A CN 202310001027A CN 115689257 A CN115689257 A CN 115689257A
- Authority
- CN
- China
- Prior art keywords
- equipment
- scale
- capacity
- value
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种装备规模需求综合分析方法,首先,明确装备规模的分析场景、目标,细化对手装备规模信息来作为装备规模分析流程的输入;其次,基于装备能力标准值,创新设计了引入匹敌修正系数的蓝彻斯特平方率模型,分析计算我方匹敌装备规模;同时,创新引入装备规模实际约束模型,包括经费约束、产能约束、寿命约束、编制约束等,提升装备规模需求分析结果的经济性、合理性、科学性;在此基础上,创新设计了融合装备递补优化模型的改进遗传算法,分析得到实际装备规模。本发明改进遗传算法通过引入装备能力值匹配递补矩阵,解决了遗传算法在进化过程中迭代次数多、收敛速度慢的问题,可更高效地获取全局成本最优的装备规模结构。
Description
技术领域
本发明涉及装备规模与编配分析技术,特别是一种装备规模需求综合分析方法。
背景技术
竞争胜负的本质是博弈双方资源的对耗与比拼。在商业竞争中,一方面需要时刻掌握竞争对手的现有产品规模,另一方面需要了解自身的产品制造能力、产业链延伸能力、供应链稳定性等各类因素,支撑制定合理有效的产品竞争策略。
国内针对装备规模需求的分析研究较少,尤其缺少针对性的匹敌对手装备规模与结构分析。大多采用装备寿命周期费用理论来约束并预测未来装备规模的变化。本发明围绕装备力量规模、结构编成与装备建设的需要,综合经费、产能、寿命、编制等制约因素,建立考虑匹敌修正系数的蓝彻斯特匹敌模型,并采用与装备规模递补优化方法相结合的改进遗传算法进行定量分析,测算装备的匹敌规模。
发明内容
发明目的:本发明的目的是提供一种装备规模需求综合分析方法,从而更高效地获取全局成本最优的装备规模结构。
技术方案:本发明所述的一种装备规模需求综合分析方法,包括以下步骤:
(1)确定装备规模分析背景,明确分析目标,细化对手装备规模,包括装备型号、数量。
所述步骤(2)的装备规模匹敌模型具体为:
步骤(3)中所述的装备规模实际约束模型具体为:
所述步骤(4)具体为:
(4.1)构建装备递补模型;为了实现装备规模实力的匹敌,对于实际产能不足或超编制的装备,采用其他装备递补,具体过程如下:
(4.2.1)装备匹配编码:假设算法编码位长度为m,每个编码位的取值范围为0~n,编码含义描述为:若第i位编码值为j,则表示第i个装备从第j个装备开始匹配;当j=0时,表示第i个装备无其他装备补充。
初始编码为;其中,R为产能或编制条件不满足的装备集,S为产能过剩且未超编的装备集,表示采用与能力值最接近的来递补,而表示能力值排在第位的递补装备,为经过装备递补计算的各型装备数量;那么,装备递补矩阵如下所示:
(4.2.3)选择算子、变异算子、交叉算子建立:选择算子选用轮盘赌算法,按照与每个装备规模组合适度值成正比的方法确定被选择的概率;交叉算子选用随机单点交叉算法,在编码长度范围内,产生随机数作为交叉点,将两组算子在交叉点处做交叉,产生新装备规模组合;同时,设定基因突变概率,此时随机从递补搜索限定范围外的装备中选择某装备来递补迭代,使算法进化速度加快,不易陷入局部最优解。
一种计算机存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的一种装备规模需求综合分析方法。
一种计算机设备,包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种装备规模需求综合分析方法。
有益效果:与现有技术相比,本发明具有如下优点:
1、创新设计了匹敌系数修正的蓝彻斯特平方率模型,在考虑竞争双方优劣形势的基础上分析计算我方匹敌装备规模。
2、装备规模分析过程中创新设计了包括经费、产能、寿命结构、编制等装备规模实际约束模型,使分析结果更符合装备建设和发展规律。
3、采用遗传算法分析全局最优装备规模组合的过程中,创新设计了装备递补矩阵,从能力值最接近的装备开始匹配,在遗传算法产生初始种群过程中利用递补矩阵限制适度差的编码产生,减小问题求解规模,提高算法收敛速度。
附图说明
图1为本发明所述方法的步骤流程图。
图2为基于改进遗传算法的装备规模递补优化方法的步骤流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示,一种装备规模需求综合分析方法,具体实施步骤如下:
步骤3、建立装备规模实际约束模型。
对于待补充的某型装备,将集合按装备能力值与接近程度进行排序得到,从能力值最接近的开始匹配。其中,为两型装备能力值比例系数,。①若的产能过剩量满足需求,即,此时需检查补充后数量是否超编,即,若满足则装备匹配完毕。②若的产能过剩量满足需求,但补充后数量超编,则需要将满编后,利用装备进行补充,重复上述分析至全部补充完毕或者全部用完为止。③若的产能过剩量不满足需求,即,首先将数量的全部补充,其次利用进行补充,重复上述分析至全部补充完毕或者全部用完为止。
①装备匹配编码。初始编码为。其中,表示采用与能力值最接近的装备来递补,而表示能力值排在第位的递补装备。为经过装备递补计算的各型装备数量。那么,装备递补矩阵如下所示。若限定递补搜索范围最大至能力值第3位,则求解空间限定为。若引入固定的装备递补组合,则可进一步降低解空间,如为固定的装备编组,此时求解空间降为。
③选择算子、变异算子、交叉算子建立
选择算子选用轮盘赌算法,按照与每个装备规模组合适度值成正比的方法确定被选择的概率。交叉算子选用随机单点交叉算法,在编码长度范围内,产生随机数作为交叉点,将两组算子在交叉点处做交叉,产生新装备规模组合。同时,设定基因突变概率为0.15,此时随机从递补搜索限定范围外的装备中选择某装备来递补迭代,使算法进化速度加快,不易陷入局部最优解。
Claims (5)
1.一种装备规模需求综合分析方法,其特征在于,包括以下步骤:
(1)确定装备规模分析背景,明确分析目标,细化对手装备规模,包括装备型号、数量;
3.根据权利要求1所述的一种装备规模需求综合分析方法,其特征在于,所述步骤(4)具体为:
(4.1)构建装备递补模型;为了实现装备规模实力的匹敌,对于实际产能不足或超编制的装备,采用其他装备递补,具体过程如下:
(4.2.1)装备匹配编码:假设算法编码位长度为m,每个编码位的取值范围为0~n,编码含义描述为:若第i位编码值为j,则表示第i个装备从第j个装备开始匹配;当j=0时,表示第i个装备无其他装备补充;
初始编码为;其中,R为产能或编制条件不满足的装备集,S为产能过剩且未超编的装备集, 表示采用与能力值最接近的来递补,而表示能力值排在第位的递补装备,为经过装备递补计算的各型装备数量;那么,装备递补矩阵如下所示:
(4.2.3)选择算子、变异算子、交叉算子建立:选择算子选用轮盘赌算法,按照与每个装备规模组合适度值成正比的方法确定被选择的概率;交叉算子选用随机单点交叉算法,在编码长度范围内,产生随机数作为交叉点,将两组算子在交叉点处做交叉,产生新装备规模组合;同时,设定基因突变概率,此时随机从递补搜索限定范围外的装备中选择某装备来递补迭代,使算法进化速度加快,不易陷入局部最优解;
4.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-3中任一项所述的一种装备规模需求综合分析方法。
5.一种计算机设备,包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的一种装备规模需求综合分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310001027.1A CN115689257B (zh) | 2023-01-03 | 2023-01-03 | 一种装备规模需求综合分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310001027.1A CN115689257B (zh) | 2023-01-03 | 2023-01-03 | 一种装备规模需求综合分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115689257A true CN115689257A (zh) | 2023-02-03 |
CN115689257B CN115689257B (zh) | 2023-06-23 |
Family
ID=85057476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310001027.1A Active CN115689257B (zh) | 2023-01-03 | 2023-01-03 | 一种装备规模需求综合分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689257B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013050899A (ja) * | 2011-08-31 | 2013-03-14 | Ihi Corp | 設計支援プログラム及び設計支援装置 |
CN106508044B (zh) * | 2010-07-16 | 2013-11-20 | 中国人民解放军空军装备研究院地面防空装备研究所 | 一种地面防空武器兵力规模需求分析方法 |
CN107944694A (zh) * | 2017-11-21 | 2018-04-20 | 中国人民解放军陆军装甲兵学院 | 一种面向作战性能的装备保障运行过程分析方法 |
CN109948228A (zh) * | 2019-02-27 | 2019-06-28 | 中国舰船研究设计中心 | 一种基于装备参数化的对抗仿真及效能评估系统 |
CN111861034A (zh) * | 2020-07-30 | 2020-10-30 | 彭耿 | 一种装备体系结构编组能力优化方法及装置 |
CN112085368A (zh) * | 2020-09-02 | 2020-12-15 | 西南交通大学 | 一种基于免疫遗传算法的设备产能配置与布局优化方法 |
-
2023
- 2023-01-03 CN CN202310001027.1A patent/CN115689257B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106508044B (zh) * | 2010-07-16 | 2013-11-20 | 中国人民解放军空军装备研究院地面防空装备研究所 | 一种地面防空武器兵力规模需求分析方法 |
JP2013050899A (ja) * | 2011-08-31 | 2013-03-14 | Ihi Corp | 設計支援プログラム及び設計支援装置 |
CN107944694A (zh) * | 2017-11-21 | 2018-04-20 | 中国人民解放军陆军装甲兵学院 | 一种面向作战性能的装备保障运行过程分析方法 |
CN109948228A (zh) * | 2019-02-27 | 2019-06-28 | 中国舰船研究设计中心 | 一种基于装备参数化的对抗仿真及效能评估系统 |
CN111861034A (zh) * | 2020-07-30 | 2020-10-30 | 彭耿 | 一种装备体系结构编组能力优化方法及装置 |
CN112085368A (zh) * | 2020-09-02 | 2020-12-15 | 西南交通大学 | 一种基于免疫遗传算法的设备产能配置与布局优化方法 |
Non-Patent Citations (1)
Title |
---|
张骁雄;葛冰峰;姜江;谭跃进;: "面向能力需求的武器装备组合规划模型与算法", 国防科技大学学报, no. 01, pages 105 - 111 * |
Also Published As
Publication number | Publication date |
---|---|
CN115689257B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114186749B (zh) | 基于强化学习及遗传算法的柔性车间调度方法及模型 | |
CN109472700A (zh) | 股票价格的预测方法、服务器及存储介质 | |
CN107168267A (zh) | 基于改进粒子群与启发式策略的生产排产方法及系统 | |
CN107275801A (zh) | 一种l型阵列天线的基于获得性遗传的阵元排布方法 | |
CN111832101A (zh) | 一种水泥强度预测模型的构建方法及水泥强度预测方法 | |
CN107644370A (zh) | 一种自增强学习的撮合竞价方法及系统 | |
CN104077634B (zh) | 基于多目标优化的主动‑反应式动态项目调度方法 | |
CN111047272A (zh) | 一种用于多语言协同开发的项目调度方法及装置 | |
CN103077288A (zh) | 面向小样本试验数据的多元合金材料的软测量及其配方决策方法 | |
CN104616062A (zh) | 一种基于多目标遗传规划的非线性系统辨识方法 | |
CN108241911B (zh) | 一种基于细菌觅食优化算法的配送中心选址方法 | |
CN109934718A (zh) | 一种考虑市场风险的电网投资方法 | |
CN112819225A (zh) | 基于bp神经网络和arima模型的碳市场价格预测方法 | |
CN110852808A (zh) | 基于深度神经网络的电子产品异步自适应价值评估方法 | |
CN115689257A (zh) | 一种装备规模需求综合分析方法 | |
CN113139284A (zh) | 一种碳排放策略优化方法及系统 | |
CN109255484A (zh) | 数据驱动的离散制造资源协同优化方法及系统 | |
CN110610264B (zh) | 一种针对不确定性情景下供水管网调控的单目标优化方法 | |
CN109919688B (zh) | 一种考虑市场因素的电子烟产品线规划方法 | |
CN104392317A (zh) | 一种基于遗传文化基因算法的项目调度方法 | |
CN111798024A (zh) | 一种分段报价规则下的发电厂报价确定方法和装置 | |
CN114648178B (zh) | 一种基于ddpg算法的电能计量装置运维策略优化方法 | |
CN111126550A (zh) | 基于蒙特卡洛方法的神经网络钢水温度预报方法 | |
CN108804746A (zh) | 一种基于遗传算法的螺旋桨设计方法 | |
CN114004065A (zh) | 基于智能算法和环境约束下的变电站工程多目标优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |