一种基于人工蜂群算法的航空备件配置优化方法与流程

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。

技术实现要素：

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，ci表示第i种备件的购买和存储费用，xi表示第i种备件的配置数量，cmax表示总费用上限，pi表示第i种备件的备件保障概率，pmin表示最小备件保障概率，ni表示第i种备件的装机数量，λi表示第i种备件的故障率，ti表示第i种备件的工作时间；

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countmax，第i种备件的数量上限ximax，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：

yij(count+1)＝yij(count)+μ(yij(count)-ykj(count))

其中yij(count)表示第count次迭代中第i个采蜜蜂的第j个参数，i,k∈{1,2,…,m}且i≠k，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，pi表示观察蜂选择第i个蜜源的概率，fiti表示第i个蜜源的目标函数值，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；

步骤五、若蜜源的开采次数达到蜜源最大开采次数limit，则放弃该蜜源，该蜜源对应的采蜜蜂变为观察蜂，在解空间内直接随机生成新的可行解；

步骤六、将当前迭代次数count增加1，判断当前迭代次数count，返回步骤三，直至达到最大迭代次数countmax。

优选的是，所述步骤一中，最小备件保障概率pmin为0.7-0.9。

优选的是，所述步骤二中，蜂群规模不少于50。

优选的是，所述步骤二中，迭代次数不少于50次。

优选的是，所述步骤二中，蜜源最大开采次数不少于50次。

优选的是，所述步骤三中，取较优的作为采蜜蜂对应的当前蜜源包括取目标函数值较大的对应的蜜源作为当前蜜源。

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。

附图说明

图1为按照本发明基于人工蜂群算法的航空备件配置优化方法的一优选实施例的流程图。

图2为本发明图1所示实施例的迭代过程示意图。

具体实施方式

为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

本发明基于人工蜂群算法的航空备件配置优化方法，如图1所示，主要包括以下步骤：

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，ci表示第i种备件的购买和存储费用，xi表示第i种备件的配置数量，cmax表示总费用上限，pi表示第i种备件的备件保障概率，pmin表示最小备件保障概率，ni表示第i种备件的装机数量，λi表示第i种备件的故障率，ti表示第i种备件的工作时间；

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countmax，第i种备件的数量上限ximax，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：

yij(count+1)＝yij(count)+μ(uij(count)-ykj(count))

其中yij(count)表示第count次迭代中第i个采蜜蜂的第j个参数，i,k∈{1,2,…,m}且i≠k，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，pi表示观察蜂选择第i个蜜源的概率，fiti表示第i个蜜源的目标函数值，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；

步骤五、若蜜源的开采次数达到蜜源最大开采次数limit，则放弃该蜜源，该蜜源对应的采蜜蜂变为观察蜂，在解空间内直接随机生成新的可行解；

步骤六、将当前迭代次数count增加1，判断当前迭代次数count，返回步骤三，直至达到最大迭代次数countmax。

可以理解的是，步骤一给出了优化函数fit，给定了限制条件-费用不能超过设定值，以及备件保障概率不能低于设定值。通常情况下，备件保障概率的设定值-最小备件保障概率的设定是要符合航空标准的，一般情况下取值为0.7-0.9，而对费用标准要求较低，本实施例中xi为待求值。

本实施例中，以m＝5为例，进行说明。

第i种备件的装机数量、故障率、工作时间等参数如下表所示。

各蜂群规模m设置为100，最大迭代次数countmax设置为100，各备件的数量上限均设置为100，蜜源最大开采次数limit设置为50。

根据本方法优化得到的最优方案中各备件数量分别为：26、92、72、72、78。迭代过程如图2所示。

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。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。