[发明专利]一种面向任务资源匹配的装备保障任务多目标规划方法

摘要

本发明公开了一种面向任务资源匹配的装备保障任务多目标规划方法，包括粒子编码、求解近似理想点、生成初始目标权重、适应度函数构造方法、生成初始粒子种群、粒子速度的更新、位置的更新及修正和解空间规划、粒子群优化计算寻优、目标满意度评价及权重调整等步骤，该方法能够较好地解决装备保障任务规划问题，能够实现装备保障的精确化和高效化，在信息化条件下装备保障辅助决策及方案生成中具有重要的参考价值，有利于推进装备保障的信息化建设。

主权项

1.一种面向任务资源匹配的装备保障任务多目标规划方法，其特征在于，包括如下步骤：步骤(1)粒子编码：每个粒子表示任务与资源匹配的一个解，用矩阵各列的行标作为粒子的各个维，粒子各维表示的意义为：各个子任务所占用资源的序号；粒子i的位置和速度数学分别表示为：Xi(t)＝(xi1(t),xi2(t),…,xij(t),…,xiV(t))    (1)Vi(t)＝(vi1(t),vi2(t),…,vij(t),…,viV(t))    (2)其中，xij(t)∈[1,2,…,V]，表示t时刻第i个粒子第j个子任务在资源序列中的位置，V为子任务数量；步骤(2)求解近似理想点：针对所有单个目标求最优，在不考虑其他目标情况下得到每个目标的最优值；对于问题规模较大时，使用粒子群优化算法求解目标近似理想点：以各目标的目标函数为适应度函数，分别进行优化求解；假设共有m个目标，理想点表示为：L＝(fl1,fl2,…fli…flm)    (3)其中，fli表示目标i的最优值；步骤(3)生成初始目标权重：对于有m个目标的优化问题，其权重表示为：Wp＝(wp1,wp2,…,wpk,…,wpm)   (4)Wp表示进行第p次优化的所使用的目标权重向量，wpk表示第p次优化目标k对应的权值；第一次即p＝1时，优化所用的权重向量通过系统生成的方式获取：根据目标的重要性，生成有大小顺序的权重向量，其中重要性越高的目标其权值越大；以后优化即p≥2时的权重向量由评价结果经过修改计算来获取；步骤(4)适应度函数构造方法：粒子群优化算法在度量粒子对目标优化程度的同时，还要考虑粒子的全局搜索能力；因此适应度函数兼顾粒子目标值与理想点的距离、粒子间距离两个方面；某代种群第i个粒子的目标值表示为：f(xi)＝(f1(xi),f2(xi),…,fm(xi))    (5)使用线性处理的方法进行无量纲化处理：其中θk(xi)越接近1，表明目标j越接近理想值；粒子实际目标值与目标理想点的距离计算方法如下：粒子间距离计算方法如下：粒子离散度计算方法如下：N为粒子的数量；与理想点的距离越近，粒子间距离越小，表明粒子的适应度越高，粒子优化效果越好；因此，适应度函数定义如下：优化目标为minF(i)，即F(i)越小粒子适应度越高，粒子越优；步骤(5)生成初始粒子种群：初始规模为N，迭代次数为E，初始化粒子位置、速度和算法各项参数；计算初始种群各粒子的目标值，根据适应度函数求得适应度最高的粒子，初始化为全局历史最优gBest；各粒子当前位置作为初始个体历史最优pBest；步骤(6)粒子速度的更新、位置的更新及修正和解空间规划；重复步骤(5)至步骤(6)，直至达到迭代次数；步骤(7)粒子群优化计算寻优：第一次优化根据随机生成的目标权重构造适应度函数来计算得到最优解，以后的计算将根据交互评价的最优结果及修改后的权重构造新的种群；通过一定的迭代次数E控制结束，获取全局最优位置gBest；步骤(8)目标满意度评价及权重调整：对满意程度设定9个等级，用1‑9数字表示：Φ＝(1,2,3,4,5,6,7,8,9)；规定数字越大满意度越高，其中：评价等级Φk≤3表示不满意；4≤Φk≤6表示对满意程度为一般；Φk≥7表示满意；决策者根据方案的目标逐个进行评价，标出对各目标优化结果的满意等级；评价结果表示为：表示对第k个目标的满意程度；设定某个阈值σ，对所有目标(k＝1,2…m)：如果满意程度则表明该优化结果达到了决策者的期望，输出最优结果；如果则说明所有的目标均不能满足决策者的要求，需要返回步骤(4)重新构造适应度函数；对于其他情况，则需要调整权重，做进一步优化，直至对所有目标均满足为止，输出最优解，算法结束；权重调整公式如下：Wp+1＝(wp+11,wp+12,…,wp+1k,…,wp+1m)   (12)wpk为进行第p次优化时目标k的权重。