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 PDF

Info

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
Application number
CN202310001027.1A
Other languages
English (en)
Other versions
CN115689257B (zh
Inventor
张臻
季托
申杰亮
王宝祥
朱涛
张弛
季卫栋
王召辉
王晋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 28 Research Institute
Original Assignee
CETC 28 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC 28 Research Institute filed Critical CETC 28 Research Institute
Priority to CN202310001027.1A priority Critical patent/CN115689257B/zh
Publication of CN115689257A publication Critical patent/CN115689257A/zh
Application granted granted Critical
Publication of CN115689257B publication Critical patent/CN115689257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种装备规模需求综合分析方法
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。
（2）基于装备能力标准值
Figure 396687DEST_PATH_IMAGE001
，考虑匹敌修正系数
Figure 408506DEST_PATH_IMAGE002
的蓝彻斯特平方率关系，建立装备规模匹敌模型，分析计算我方匹敌装备规模。
（3）引入装备规模实际约束模型，包括经费约束
Figure 966526DEST_PATH_IMAGE003
、产能约束
Figure 823624DEST_PATH_IMAGE004
、寿命结构约束
Figure 517910DEST_PATH_IMAGE005
、编制约束
Figure 700630DEST_PATH_IMAGE006
。
（4）构建基于能力值排序的装备递补模型，采用引入装备递补矩阵
Figure 480367DEST_PATH_IMAGE007
的改进遗传算法，快速迭代收敛得到符合我方实际情况的匹敌装备规模，使得装备生产、购置、维护等过程经费达到极小值。
所述步骤（2）的装备规模匹敌模型具体为：
构建装备规模匹敌模型：假定对手某型装备
Figure 406735DEST_PATH_IMAGE008
能力标准值为
Figure 221107DEST_PATH_IMAGE009
，数量为
Figure 309149DEST_PATH_IMAGE010
；我方同类型装备
Figure 576182DEST_PATH_IMAGE011
能力标准值为
Figure 40661DEST_PATH_IMAGE012
，数量为
Figure 709540DEST_PATH_IMAGE013
；引入考虑匹敌修正系数
Figure 968483DEST_PATH_IMAGE014
的蓝彻斯特平方率关系，建立装备规模匹敌模型如下：
Figure 722812DEST_PATH_IMAGE015
其中，
Figure 990983DEST_PATH_IMAGE016
代表双方整体能力对比，体现匹敌策略，
Figure 514368DEST_PATH_IMAGE017
表示优于竞争对手；
Figure 209792DEST_PATH_IMAGE018
，取能力值最接近的装备进行规模匹敌，可取得
Figure 451417DEST_PATH_IMAGE019
的极小值。
步骤（3）中所述的装备规模实际约束模型具体为：
（3.1）经费约束模型：某型装备费用为
Figure 726541DEST_PATH_IMAGE020
，装备总经费需满足
Figure 635591DEST_PATH_IMAGE021
；
Figure 970757DEST_PATH_IMAGE020
的计算如下所示：
Figure 965258DEST_PATH_IMAGE022
其中，某型装备购置单价
Figure 44072DEST_PATH_IMAGE023
，维护费用
Figure 73208DEST_PATH_IMAGE024
，报废处理费用
Figure 844855DEST_PATH_IMAGE025
，现有数
Figure 61073DEST_PATH_IMAGE026
，需求数
Figure 943578DEST_PATH_IMAGE027
。
（3.2）产能约束模型：
Figure 296062DEST_PATH_IMAGE028
，即装备规模增量需求与实际产能匹配。
（3.3）寿命约束模型：采用报废比例
Figure 504190DEST_PATH_IMAGE029
来描述某装备年度到寿情况。
（3.4）编制约束模型：装备需求数量不超过总编制数量，即
Figure 942124DEST_PATH_IMAGE030
。
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：
假定装备型号全集为
Figure 893900DEST_PATH_IMAGE031
，则
Figure 366469DEST_PATH_IMAGE032
，其中，
Figure 745498DEST_PATH_IMAGE033
表示产能或编制条件不满足的装备集，产能不足量或者超编量为
Figure 936308DEST_PATH_IMAGE034
、
Figure 160616DEST_PATH_IMAGE035
；
Figure 222113DEST_PATH_IMAGE036
表示产能过剩且未超编的装备集，产能过剩量或编制余留量为
Figure 772043DEST_PATH_IMAGE037
、
Figure 184570DEST_PATH_IMAGE038
。
对于某待补充的装备
Figure 743727DEST_PATH_IMAGE039
，将集合
Figure 925310DEST_PATH_IMAGE040
按装备能力值与
Figure 380562DEST_PATH_IMAGE039
接近程度进行排序得到
Figure 280385DEST_PATH_IMAGE041
，从能力值最接近的开始匹配；其中，
Figure 112074DEST_PATH_IMAGE042
为两型装备能力值比例系数，
Figure 413743DEST_PATH_IMAGE043
。
①若
Figure 774317DEST_PATH_IMAGE044
的产能过剩量满足需求，即
Figure 692594DEST_PATH_IMAGE045
，此时需检查
Figure 62396DEST_PATH_IMAGE044
补充后数量是否超编，即
Figure 218571DEST_PATH_IMAGE046
，若满足则装备
Figure 15625DEST_PATH_IMAGE039
匹配完毕。
②若
Figure 890040DEST_PATH_IMAGE044
的产能过剩量满足需求，但
Figure 63533DEST_PATH_IMAGE044
补充后数量超编，则需要将
Figure 339793DEST_PATH_IMAGE044
满编后，利用
Figure 307749DEST_PATH_IMAGE047
进行补充，重复上述分析至全部补充完毕或者全部S用完为止。
③若
Figure 403881DEST_PATH_IMAGE044
的产能过剩量不满足需求，即
Figure 646644DEST_PATH_IMAGE048
，首先将
Figure 511832DEST_PATH_IMAGE049
数量的
Figure 916268DEST_PATH_IMAGE044
全部补充，其次利用
Figure 499696DEST_PATH_IMAGE047
进行补充，重复上述分析至全部补充完毕或者全部
Figure 14991DEST_PATH_IMAGE050
用完为止。
（4.2）装备规模全局优化：采用考虑了装备规模递补方法的改进遗传算法，引入装备递补矩阵
Figure 265DEST_PATH_IMAGE051
，提高算法收敛速度。
（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
Figure 310023DEST_PATH_IMAGE052
；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，
Figure 911906DEST_PATH_IMAGE053
表示采用与
Figure 965313DEST_PATH_IMAGE054
能力值最接近的
Figure 70672DEST_PATH_IMAGE055
来递补，而
Figure 551332DEST_PATH_IMAGE056
表示能力值排在第
Figure 109352DEST_PATH_IMAGE057
位的递补装备，
Figure 966450DEST_PATH_IMAGE058
为经过装备递补计算的各型装备数量；那么，装备递补矩阵
Figure 926315DEST_PATH_IMAGE059
如下所示：
Figure 577877DEST_PATH_IMAGE060
（4.2.2）适度函数建立：建立装备总经费限制
Figure 154352DEST_PATH_IMAGE061
适度函数作为评价装备规模的条件，对个体进行优选或淘汰，计算出每个装备规模组合的经费值作为适度值。
（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
Figure 549561DEST_PATH_IMAGE062
，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。
（4.2.4）算法终止条件：设定装备经费
Figure 363933DEST_PATH_IMAGE063
且迭代收敛，即迭代至装备经费趋于平稳的极值，
Figure 451975DEST_PATH_IMAGE064
为极值调节参数。
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1、以民用设备制造领域红蓝双方装备竞争为背景。匹敌修正系数
Figure 984587DEST_PATH_IMAGE065
取值1.2，代表红方占得进攻优势。经市场需求研判以及产品市场占有率分析，对蓝方某装备生产规模进行细化，装备型号
Figure 183487DEST_PATH_IMAGE066
，数量
Figure 852366DEST_PATH_IMAGE067
。
步骤2、基于匹敌系数
Figure 111309DEST_PATH_IMAGE065
修正的改进蓝彻斯特平方率模型，取与蓝方各型装备能力值最接近的红方各型装备，即
Figure 396797DEST_PATH_IMAGE068
，得到红方初始装备规模，即型号
Figure 133809DEST_PATH_IMAGE069
，数量
Figure 922773DEST_PATH_IMAGE070
。
步骤3、建立装备规模实际约束模型。
经费约束模型：针对某型装备
Figure 352618DEST_PATH_IMAGE071
，明确其购置单架
Figure 594243DEST_PATH_IMAGE072
，维护费用
Figure 134946DEST_PATH_IMAGE073
，报废处理费用
Figure 309575DEST_PATH_IMAGE074
，现有数
Figure 644742DEST_PATH_IMAGE075
，需求数
Figure 639242DEST_PATH_IMAGE076
，则该装备总经费：
Figure 718057DEST_PATH_IMAGE077
产能约束模型：
Figure 481614DEST_PATH_IMAGE078
，即装备规模增量需求与实际产能匹配。
寿命约束模型：该装备的报废比例为
Figure 987681DEST_PATH_IMAGE079
。
编制约束模型：装备需求数量不超过总编制数量，即
Figure 469478DEST_PATH_IMAGE080
。
步骤4、如图2所示，首先构建装备递补模型。针对N型装备需求
Figure 351984DEST_PATH_IMAGE081
，则
Figure 235626DEST_PATH_IMAGE082
，其中，
Figure 178174DEST_PATH_IMAGE083
表示产能或编制条件不满足的装备集，产能不足量或者超编量为
Figure 881688DEST_PATH_IMAGE084
、
Figure 302305DEST_PATH_IMAGE085
。
Figure 40454DEST_PATH_IMAGE086
表示产能过剩且未超编的装备集，产能过剩量或编制余留量为
Figure 888324DEST_PATH_IMAGE087
、
Figure 344713DEST_PATH_IMAGE088
。
对于待补充的某型装备
Figure 569021DEST_PATH_IMAGE089
，将集合
Figure 161677DEST_PATH_IMAGE090
按装备能力值与
Figure 446027DEST_PATH_IMAGE089
接近程度进行排序得到
Figure 124133DEST_PATH_IMAGE091
，从能力值最接近的开始匹配。其中，
Figure 886553DEST_PATH_IMAGE092
为两型装备能力值比例系数，
Figure 333715DEST_PATH_IMAGE093
。①若
Figure 788967DEST_PATH_IMAGE094
的产能过剩量满足需求，即
Figure 219948DEST_PATH_IMAGE095
，此时需检查
Figure 786059DEST_PATH_IMAGE094
补充后数量是否超编，即
Figure 87727DEST_PATH_IMAGE096
，若满足则装备
Figure 713881DEST_PATH_IMAGE089
匹配完毕。②若
Figure 366579DEST_PATH_IMAGE094
的产能过剩量满足需求，但
Figure 470801DEST_PATH_IMAGE094
补充后数量超编，则需要将
Figure 626976DEST_PATH_IMAGE097
满编后，利用装备
Figure 955189DEST_PATH_IMAGE098
进行补充，重复上述分析至全部补充完毕或者全部
Figure 564025DEST_PATH_IMAGE099
用完为止。③若
Figure 3097DEST_PATH_IMAGE094
的产能过剩量不满足需求，即
Figure 13778DEST_PATH_IMAGE100
，首先将
Figure 247313DEST_PATH_IMAGE101
数量的
Figure 343445DEST_PATH_IMAGE094
全部补充，其次利用
Figure 55049DEST_PATH_IMAGE098
进行补充，重复上述分析至全部补充完毕或者全部
Figure 185816DEST_PATH_IMAGE102
用完为止。
其次，在构建装备递补模型的基础上，采用考虑了装备规模递补方法的改进遗传算法，引入装备递补矩阵
Figure 855832DEST_PATH_IMAGE103
，从能力值最接近的装备开始匹配。
①装备匹配编码。初始编码为
Figure 439260DEST_PATH_IMAGE104
。其中，
Figure 954555DEST_PATH_IMAGE105
表示采用与
Figure 939829DEST_PATH_IMAGE106
能力值最接近的装备
Figure 515166DEST_PATH_IMAGE107
来递补，而
Figure 585891DEST_PATH_IMAGE108
表示能力值排在第
Figure 904876DEST_PATH_IMAGE109
位的递补装备。
Figure 744657DEST_PATH_IMAGE110
为经过装备递补计算的各型装备数量。那么，装备递补矩阵
Figure 756475DEST_PATH_IMAGE103
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
Figure 48916DEST_PATH_IMAGE111
。若引入固定的装备递补组合，则可进一步降低解空间，如
Figure 171593DEST_PATH_IMAGE112
为固定的装备编组，此时求解空间降为
Figure 865879DEST_PATH_IMAGE113
。
Figure 783020DEST_PATH_IMAGE114
②适度函数建立。建立装备总经费限制
Figure 359495DEST_PATH_IMAGE115
适度函数作为评价装备规模的条件，对个体进行优选或淘汰，计算出每个装备规模组合的经费值作为适度值。
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
Figure 754704DEST_PATH_IMAGE116
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。
④算法终止条件。设定装备经费
Figure 569076DEST_PATH_IMAGE117
且迭代收敛，即迭代至装备经费趋于平稳的极值，调节参数
Figure 657118DEST_PATH_IMAGE118
设为1.1。

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；
（2）基于装备能力标准值
Figure 594197DEST_PATH_IMAGE001
，考虑匹敌修正系数
Figure 305801DEST_PATH_IMAGE002
的蓝彻斯特平方率关系，建立装备规模匹敌模型，分析计算我方匹敌装备规模；
（3）引入装备规模实际约束模型，包括经费约束
Figure 702147DEST_PATH_IMAGE003
、产能约束
Figure 841004DEST_PATH_IMAGE004
、寿命结构约束
Figure 690012DEST_PATH_IMAGE005
、编制约束
Figure 205307DEST_PATH_IMAGE006
；
（3.1）经费约束模型：某型装备费用为
Figure 456159DEST_PATH_IMAGE007
，装备总经费需满足
Figure 31497DEST_PATH_IMAGE008
；
Figure 836642DEST_PATH_IMAGE007
的计算如下所示：
Figure 421207DEST_PATH_IMAGE009
其中，某型装备购置单价
Figure 260987DEST_PATH_IMAGE010
，维护费用
Figure 7226DEST_PATH_IMAGE011
，报废处理费用
Figure 565247DEST_PATH_IMAGE012
，现有数
Figure 156765DEST_PATH_IMAGE013
，需求数
Figure 382210DEST_PATH_IMAGE014
；
（3.2）产能约束模型：
Figure 33771DEST_PATH_IMAGE015
，即装备规模增量需求与实际产能匹配；
（3.3）寿命约束模型：采用报废比例
Figure 79088DEST_PATH_IMAGE016
来描述某装备年度到寿情况；
（3.4）编制约束模型：装备需求数量不超过总编制数量，即
Figure 474297DEST_PATH_IMAGE017
；
（4）构建基于能力值排序的装备递补模型，采用引入装备递补矩阵
Figure 819827DEST_PATH_IMAGE018
的改进遗传算法，快速迭代收敛得到符合我方实际情况的匹敌装备规模。
2.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（2）具体为：
构建装备规模匹敌模型：假定对手某型装备
Figure 642290DEST_PATH_IMAGE019
能力标准值为
Figure 174902DEST_PATH_IMAGE020
，数量为
Figure 373803DEST_PATH_IMAGE021
；我方同类型装备
Figure 308261DEST_PATH_IMAGE022
能力标准值为
Figure 301624DEST_PATH_IMAGE023
，数量为
Figure 587112DEST_PATH_IMAGE024
；引入考虑匹敌修正系数
Figure 589703DEST_PATH_IMAGE025
的蓝彻斯特平方率关系，建立装备规模匹敌模型如下：
Figure 378668DEST_PATH_IMAGE026
其中，
Figure 542933DEST_PATH_IMAGE027
代表双方整体能力对比，体现匹敌策略，
Figure 50138DEST_PATH_IMAGE028
表示优于竞争对手；
Figure 590840DEST_PATH_IMAGE029
，取能力值最接近的装备进行规模匹敌，可取得
Figure 234311DEST_PATH_IMAGE030
的极小值。
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：
假定装备型号全集为
Figure 835057DEST_PATH_IMAGE031
，则
Figure 829558DEST_PATH_IMAGE032
，其中，
Figure 173951DEST_PATH_IMAGE033
表示产能或编制条件不满足的装备集，产能不足量或者超编量为
Figure 671929DEST_PATH_IMAGE034
、
Figure 709155DEST_PATH_IMAGE035
；
Figure 659793DEST_PATH_IMAGE036
表示产能过剩且未超编的装备集，产能过剩量或编制余留量为
Figure 73457DEST_PATH_IMAGE037
、
Figure 425941DEST_PATH_IMAGE038
；
对于某待补充的装备
Figure 634069DEST_PATH_IMAGE039
，将集合
Figure 72003DEST_PATH_IMAGE040
按装备能力值与
Figure 23779DEST_PATH_IMAGE039
接近程度进行排序得到
Figure 230769DEST_PATH_IMAGE041
，从能力值最接近的开始匹配；其中，
Figure 344219DEST_PATH_IMAGE042
为两型装备能力值比例系数，
Figure 535029DEST_PATH_IMAGE043
；
①若
Figure 759336DEST_PATH_IMAGE044
的产能过剩量满足需求，即
Figure 629290DEST_PATH_IMAGE045
，此时需检查
Figure 648061DEST_PATH_IMAGE044
补充后数量是否超编，即
Figure 326167DEST_PATH_IMAGE046
，若满足则装备
Figure 354166DEST_PATH_IMAGE039
匹配完毕；
②若
Figure 801328DEST_PATH_IMAGE044
的产能过剩量满足需求，但
Figure 256580DEST_PATH_IMAGE044
补充后数量超编，则需要将
Figure 156403DEST_PATH_IMAGE047
满编后，利用
Figure 722514DEST_PATH_IMAGE048
进行补充，重复上述分析至全部补充完毕或者全部S用完为止；
③若
Figure 555340DEST_PATH_IMAGE044
的产能过剩量不满足需求，即
Figure 181494DEST_PATH_IMAGE049
，首先将
Figure 568613DEST_PATH_IMAGE050
数量的
Figure 938414DEST_PATH_IMAGE044
全部补充，其次利用
Figure 94589DEST_PATH_IMAGE048
进行补充，重复上述分析至全部补充完毕或者全部
Figure 157223DEST_PATH_IMAGE051
用完为止；
（4.2）装备规模全局优化：采用考虑了装备规模递补方法的改进遗传算法，引入装备递补矩阵
Figure 766059DEST_PATH_IMAGE052
，提高算法收敛速度；
（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
Figure 205131DEST_PATH_IMAGE053
；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，
Figure 215812DEST_PATH_IMAGE054
表示采用与
Figure 449347DEST_PATH_IMAGE055
能力值最接近的
Figure 545479DEST_PATH_IMAGE056
来递补，而
Figure 522662DEST_PATH_IMAGE057
表示能力值排在第
Figure 387850DEST_PATH_IMAGE058
位的递补装备，
Figure 792287DEST_PATH_IMAGE059
为经过装备递补计算的各型装备数量；那么，装备递补矩阵
Figure 375715DEST_PATH_IMAGE060
如下所示：
Figure 422168DEST_PATH_IMAGE061
（4.2.2）适度函数建立：建立装备总经费限制
Figure 141863DEST_PATH_IMAGE062
适度函数作为评价装备规模的条件，对个体进行优选或淘汰，计算出每个装备规模组合的经费值作为适度值；
（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
Figure 717200DEST_PATH_IMAGE063
，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；
（4.2.4）算法终止条件：设定装备经费
Figure 787925DEST_PATH_IMAGE064
且迭代收敛，即迭代至装备经费趋于平稳的极值，
Figure 106910DEST_PATH_IMAGE065
为极值调节参数。
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。
CN202310001027.1A 2023-01-03 2023-01-03 一种装备规模需求综合分析方法 Active CN115689257B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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