论文部分内容阅读
随着信息科学技术的不断进步,世界新军事变革深入发展,战争形态加速向信息化转变。加强信息化建设,突出信息化特点已然成为世界各国军队建设的重要共识。当前,我国国防和军队建设正处于向信息化转型的关键时期,部队管理的各个层面,无不瞄准信息化这一关键要素。车辆调度问题属于典型的全局优化问题,自上世纪60年代被提出以来,引起了学术界的广泛兴趣。随着研究的不断深入,问题描述出现了许多新特征、新要素,也引起了运筹学、组合数学、图论、计算机应用技术等领域专家的极大重视,为此,国内外学者对其进行了广泛研究,取得了丰硕成果。军用车辆调度问题有其自身的特点和规律,研究侧重点也有所不同。本文从装备技术区车辆调度实际需求入手,提出了以作战效能为依据,以节约高效为原则,用战力指数与油耗指数的比值作为衡量调度标准的新模式,比值越大,则表明作战效能越高。战力指数和油耗指数均由静态和动态两部分构成。其中静态指数由车辆性能参数决定,只与车辆自身相关,分别用静态战力指数和静态油耗指数表达;动态指数由车辆机动性能、驾驶员经验技术、目标点自然环境等因素综合决定,与“人-车-目标点”具体配对情况有关,分别用“人-车-目标点”战力综合影响因子和“人-车-目标点”油耗综合影响因子表示。这样的模型构建有利于提高作战效率,节约资源,符合当前装备技术区管理和运行实际,对装备技术区车辆优化调度具有一定的现实意义和指导作用。遗传算法是借鉴生物进化规律,并由此演化而来的一种随机搜索方法,因其独特的求解模式,以及良好的全局搜索能力,已逐渐成为应对组合优化领域问题的一个有效方法,在车辆调度问题上的运用更为常见。本文运用了一种改进的遗传算法以求解装备技术区车辆调度问题,算法的改进主要有以下两个方面。一是在编码方式上的改进。为更好地描述问题,易于理解,便于解码,本文采用了基于二维数组的混合编码方式,即每个个体染色体的基因值由自然数和符号数组成,这样的编码方式既容易描述问题需求,又便于遗传算子操作。二是在遗传算子上的改进。交叉算子采用了改进的基于位置交叉算子,变异算子采用了随机两点对换变异算子,这两种算子的设计丰富了遗传操作,增强了种群的多样性,有助于求得问题的最优解。最后,本文借助部队日常训练中车辆调度实例,通过编程运算,得到了比较理想的结果,并依此确定了车辆选配方案。据此实例可以看出,该算法较传统算法效率有明显大幅提高,从而验证了算法的可行性和高效性。通过实例验证,该算法可用于军事装备技术区车辆调度,也可用于其他涉及优化调度的业务领域。该算法可在尽短的时间内制定出调度策略,为部队遂行任务提供优选方案,大幅提高决策效率,节约资源,对军队信息化、现代化建设具有一定意义。