基于DNA编码与自适应强化学习的装备运用维修多目标协同优化方法

《Array》:A high-dimensional many-objective co-optimization method on equipment utilization and maintenance

【字体: 大 中 小 】 时间:2026年01月05日 来源:Array 4.5

编辑推荐:

  本文针对装甲装备运用与维修计划脱节导致的战备完好性下降、维修成本高等问题,开展了一项结合预防性维修理论与多目标优化的协同优化研究。研究人员构建了以降低平均故障率、预防性维修时间、月均摩托小时储备标准差及维修成本为目标的优化模型,并设计了基于DNA结构的种群编码与改进的NSGA-III算法进行求解。仿真结果表明,该方法能有效生成Pareto最优解集,为制定科学的装备运用计划提供了决策支持,具有重要的军事与经济价值。

  
武器装备是部队战斗力的物质基础,其良好的战技性能对于提升部队作战能力至关重要。然而,当前装备使用计划的制定多依赖于经验和主观判断,导致装备运用与维修计划不够科学。在实际操作中,对装备摩托小时储备和维修标准的考量不足,使用计划与维修计划相互脱节,进而引发了一系列棘手问题:大量装备需要集中进行预防性维修、整体装备故障率升高、摩托小时收支不平衡等,最终削弱了装备的整体作战能力。深入探究装备运用与维修的规律,科学合理地调度维修计划,对于减少维修时间、降低故障率、提升战斗性能和减少维修成本具有显著的军事和经济效益。
为了应对上述挑战,一项发表在《Array》上的研究提出了一种高维多目标协同优化方法,旨在提升装备的运用与维修效率。该研究基于预防性维修理论,深入分析了装备使用与维修之间的相互作用关系。
研究人员首先建立了一个综合优化模型,该模型设定了四个优化目标:最小化装备的平均故障率、预防性维修时间、月均摩托小时储备的标准差以及维修成本。同时,模型将摩托小时收支平衡作为约束条件,全面考虑了预防性维修和修复性维修策略。为了解决这个高维多目标优化问题,研究团队对经典的NSGA-III算法进行了重要改进。他们设计了一种新颖的基于DNA结构的种群编码方法,以及相应的交叉和变异操作,使得算法能更好地处理模型中不同编码段之间的关联关系。此外,针对传统NSGA-III算法参考向量适应性不强的问题,研究者引入了一种自适应强化学习算法来动态调整参考向量,从而增强了种群的多样性和算法的收敛速度。
为验证模型和算法的有效性,研究团队进行了案例仿真。仿真条件基于某部队装备摩托小时分配的实际情况设定,考虑了装备数量、摩托小时初始储备、年度使用需求、维修间隔和成本等参数。算法运行的初始参数也进行了相应设置。
算法对比分析
通过将改进的NSGA-III算法与传统NSGA-III算法进行500次迭代仿真计算对比,结果表明改进后的算法在计算速度和优化能力上均具有显著优势。计算时间从39分钟20秒缩短至22分钟34秒,速度提升了约46%。在优化结果方面,改进算法找到的Pareto等级为1的染色体在各目标函数上的极值均优于传统算法,例如平均故障率从0.0383降低到0.0257,维修成本从766.8降低到653.78。与未优化的基线方案相比,优化后的方案在各项目标函数上均有极大改善,验证了优化方法的有效性。
装备运用策略分析
通过对改进NSGA-III算法求得的各目标函数极值所对应的4个装备摩托小时使用方案进行深入分析,可以得出针对不同优化偏好的装备运用策略:若要降低平均故障率,应优先使用已进行过中修的装备(即下次预防性维修为大修的装备),并促使更多装备进行大修以产生新的车小时,这对降低故障率影响显著。若要缩短预防性维修时间,应合理分配装备的摩托小时消耗,使预防性维修尽可能集中在年底进行,减少年内维修占用时间。若要使装备摩托小时储备分布均匀,应尽可能使用更多的装备,并优先使用摩托小时储备较少的装备,同时让维修工作尽量在年内完成。若要降低维修成本,则应优先使用未进行过中修的装备(即下次预防性维修为中修的装备),并减少进行大修的装备数量,因为大修成本远高于中修。
维修成本变化敏感性分析
通过调整修复性维修平均成本与预防性维修标准成本之间的比例,分析维修成本变化对装备运用策略的影响。当修复性维修平均成本从2增加至10时,优化方案中的平均故障率进一步显著下降(从0.0257降至0.0157)。这表明当修复性维修成本相对较高时,降低故障率变得更加重要。同时,进行大修的装备比例下降,跨年度维修期的比例显著上升。这说明在高修复性维修成本条件下,应尽量减少年内进行预防性维修的装备数量,以降低因故障率升高而带来的修复性维修成本,从而控制总维修成本。
本研究通过建立装备运用与维修联合优化模型并改进求解算法,为制定科学的装备使用计划提供了有效的决策支持工具。基于不同任务需求和管理要求,决策者可以根据优化策略选择具有不同摩托小时储备和维修状态的装备,确定装备启封时机,并优化摩托小时分配计划。这有助于提高装备的整体可用率、在位率,降低维修成本,最终提升部队的战备水平和装备保障效益。尽管该模型在年度需求固定、单年优化等方面存在简化,但其研究框架和方法为后续深入探索多年度、需求动态变化等更复杂场景下的装备保障优化问题奠定了坚实基础。未来的研究可以进一步考虑月度需求波动、多年度规划、预防性维修时间的弹性以及随机出现的装备使用需求等因素,使模型更加贴近实际应用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号