2021蝙蝠算法在战备物资调运决策优化中的应用研究范文.docxVIP

2021蝙蝠算法在战备物资调运决策优化中的应用研究范文 　　引言 　　战备物资是为了应对战争或突发事件而提前准备的作战物品，其目的是保障部队能够快速投入战斗并且持续保持战斗力。战备物资主要包括枪支弹药、车船油料等作战军械以及伙食被服等生活保障品，对于空军而言，战备物资以航空器材为主。 　　近些年，随着我军现代化建设不断加速，部队的后勤保障工作日渐成为关注焦点。面对现今动荡的国际环境以及周边局势，建立完备的战备保障系统已经成为重中之重。单个需求点的战备物资调运是战备保障工作中的常见项目，而如何找到一种高效合理的调运方案，正是调运指挥人员所急需解决的问题。 　　目前关于战备物资的研究主要集中在储备结构与策略上，如文献[1-3],而对于战备物资的调运问题研究较少。文献[4]采用计算机终端进行物资转运控制，能够提高物资转运效率，但并未设计多目标多调运点条件下的优化问题；文献[5]建立了单个需求点的军械调运规划模型；文献[6]利用标准粒子群算法（PSO）对军械调运方案进行了优化。 　　然而，现有的解法不易运用在复杂的现实情况下，涉及供应点较多会出现内存溢出的情况，另外PSO也具有易陷入局部最优的缺陷。 　　蝙蝠算法（BatAlgorithm）是剑桥大学学者Yang[7]在 2010 年提出的一种基于蝙蝠回声定位行为的启发式算法。该算法已经通过标准测试函数的测试[7-10],并应用于多种优化问题，尤其适用于处理包含约束的优化问题[8]以及多目标优化问题[9],其结果证明了蝙蝠算法相对于粒子群算法、遗传算法等其他仿真优化算法的优越性。近年来蝙蝠算法在越来越多的领域展开了应用：李枝勇[11]使用蝙蝠算法解决了多目标多选择的背包问题；盛晓华[12]将蝙蝠算法应用在 PFSP 调度问题中，均取得了良好优化结果。 　　本文针对战备物资的调运问题进行了研究，建立了时间最短和损失度最低的多目标优化模型。因为在多目标优化中，各目标属性往往彼此矛盾，基本上不可能同时达到最优，只能使各目标在一定范围内尽可能优化以获得最大的综合效益，这也是多目标优化的魅力所在。本文采用蝙蝠算法对目标函数进行优化，充分发挥蝙蝠算法易获得全局最优解的优点，使得各目标同时尽可能达到最优值，从而获得最大利益。 　　1蝙蝠算法 　　1.1蝙蝠算法的基本原理与步骤 　　蝙蝠具有利用回声进行定位的能力，可以通过发射和接收脉冲信号来测量距离、寻找食物、躲避障碍物以及定位栖息地。研究表明，蝙蝠利用脉冲发射与回收的时间延迟以及回声的响度变化，可以构造出精确度非常高的周围环境三维场景。 　　蝙蝠算法有以下3 个假设条件： 　　（1）蝙蝠都能利用回声定位感知与目标之间的距离，并能以一种奇妙的方式辨别猎物与障碍物的不同。 　　（2）蝙蝠在随机的位置 xi上以任意速度 Ai飞行，发出固定频率 fmin的脉冲并通过调整波长 λ 和响度 A0搜寻猎物。它们可以判断与猎物之间的距离，自动调整脉冲的波长（或频率），在接近猎物时调整脉冲速率 r∈[0,1]. 　　（3）响度有多种变化方式，这里假设响度从最大值（正值）A0变化到最小值Amin. 　　蝙蝠发出的脉冲只持续8 ms~10 ms,频率是25 kHz~150 kHz 中的一个固定值，对应的波长范围在 0.7 mm~17 mm.在解决具体问题的过程中，可以调整波长频率等参数获得适宜的搜索范围。脉冲速率一般在[0,1]的范围内，0 表示无脉冲，1 表示最大发射速率。 　　在问题的求解空间中，蝙蝠群体通过从无序到有序的演化过程获取最优解。问题的每个解都是搜索空间中的一个蝙蝠，所有蝙蝠都有一个优化问题决定的适应值，通过调整频率、响度、脉冲发射率，追随当前适应值最优的蝙蝠在解空间中进行搜索。 　　基于以上分析，蝙蝠算法的主要步骤如下：设有目标函数【1】 　　　　其中，fi、fmin、fmax分别表示第i 只蝙蝠在当前时刻发出的脉冲频率、脉冲频率的最小值和最大值，通常 fmin=0、fmax=100,U（0,1）是[0,1]间的随机数。x*是当前全局最优解。一旦从现有最优解集中选定了当前最优解，该蝙蝠的新位置可由式（4）产生：xnew=xold+εAt（4）其中，xold表示从当前最优解集中随机选的一个解，At表示当前蝙蝠种群响度的平均值，ε 是[0,1]之间的 d 维随机向量。 　　1.3脉冲响度和速率脉冲的响度和速率会随着迭代的过程进行更新。通常情况下，越接近猎物，响度越低而发射速率越高，更新方程如式（5）、式（6）：【2】 　　　　2蝙蝠算法在战备物资调运决策优化的应用　　　　2.1 模型描述 　　战备物资的调运是部队后勤保障任务中非常重要的一个环节，战备物资是否数量充足、种类齐全，能否及时运达物资需求点，都对部队战斗力的保持和恢复有重大影响。战备物资供应点一般