联合更换部件的随机策略优化模型.docxVIP

联合更换部件的随机策略优化模型 1 基于分解与协调的随机策略模型 道路照明设备的维护费用是政府固定资产维护费用中的第二个积极成本。 有限阶段内的最优策略通常是与时间相关的非平稳策略, 不易求解.目前大多数维修策略优化的研究仍集中在无限阶段模型下的平稳策略, 优化有限阶段总费用的动态策略模型相对缺乏 本文针对一般性的故障率分布给出了优化总费用的有限阶段随机组合策略模型.该模型具有一定的分解性, 因此可利用基于分解与协调思路的拉格朗日松弛方法 (Lagrangian relaxation, 下文简称LR) 本文在所提模型的基础上, 给出针对随机决策变量的概率分布拉格朗日松弛方法 (PLR) .通过引入与决策变量概率分布关联的随机乘子, 使得在该随机策略优化模型下, 状态和决策的组合可以在评价和寻优阶段被分解, 大大降低了计算复杂性.基于该随机乘子, 给出联合更换最优费用的求解方法.在实际规模的算例测试上给出了近优解及最优解的下界. 2 优化路灯维护策略的模型optimationcapturetechnology 2.1 高频无线网络故障模型 1) 阶段. 维修工作一般以同一路段上的数百至数千盏灯为一组.为了保证道路照明的基本要求, 损坏的灯头需要在一定的时间之内被更换 2) 状态. 某路段需维护的路灯总数为N盏, 出于节能目的, 选择使用某高频无极灯作为光源.根据当地的天气情况和经纬度, 每天需要开启灯的时间平均为10小时, 灯及其部件的寿命按照该平均点亮时数以1) 中所述离散时间间隔为单位折算.各部件折算后的寿命 (组合) 定义为状态. 3) 故障. 高频无极灯由控制器和泡体两个部件组成, N盏灯的同一种部件的故障为独立同分布.该高频无极节能灯的测试数据如图1所示, 部件故障率随点亮时数变化的测试数据折合为以周为单位, 并经过了平滑处理.图 (a) 为控制器故障率, 图 (b) 为泡体故障率. 4) 费用. 出车检查和更换部件这两类成本是维修费用中的主要部分.出车检查包括人工工时及车辆使用等成本;更换部件包括部件的价格、回收费用、更换操作的人工工时等.出现故障时可单独更换损坏的部件, 其他部件寿命不受影响.考虑到取下整个灯头检测拆装的工时成本, 若其他部件的点亮时间已经较长, 或短期内发生故障的概率较高, 如果将其同时更换有可能更经济. 由于两个部件寿命特征不同, 使用中并不能总是同时更换.随着使用中的更换, 同一盏灯的两个部件所处的状态发生差异, 因此优化更换决策需考虑两者状态的组合特征.这两个部件的故障率既非时齐亦非无记忆分布, 且特性不相同.平稳策略通常不适用于这个有限阶段的联合更换问题.要得到对总费用最优值的估计, 需要考察各阶段上的随机决策变量. 2.2 t-1阶段问题 路灯组中灯盏数记为N;路灯通常以5000盏为1组, 即N=5000.考虑t=0, ···, T-1共T个阶段的问题;一般的合同期为5年共260周, 即T=260第n盏灯的泡体的故障用0-1变量ξ 第n盏灯的泡体的更换决策变量记为X 每次出工的工时费及成本合计为C, 更换一个泡体的成本为c 首先考虑一个灯两个部件联合更换的策略.T个阶段的总费用为 2.3 换该部件 如果第n盏灯的泡体或控制器失效, 则需要更换该部件, 即 由此看出, 决策变量X 只要出故障就需要在同一周内出工维修, 所以有 约束 (4) 和 (5) 为问题的耦合约束.由于X 3 采用ptl方法优化路灯维护策略plf 3.1 典型情境下的耦合约束 在确定性问题下, 形如该问题的线性耦合约束可以通过拉格朗日松弛方法, 松弛耦合约束进而有效求解大规模的优化问题.针对该问题中随机性的耦合约束, 文献中有通过典型情境 由于本问题的决策变量均为0-1变量, 耦合约束 (4) 和 (5) 的左端的取值均只有3种可能:–1, 0及1.当且仅当X 及 分别记对应于X 因此有 3.2 拉格朗日分解 用非负乘子λ 可将上述目标函数中的3项分别表示为 下面分别讨论最小化这3个子项的解法. 3.3 启动车辆维修 在式 (8) 中, 系数项C-λ 决策变量P (? 由于该子问题的目标函数为线性函数, 最优解在约束的边界上取得.即 其中η 3.4 泡体故障时的更换策略 式 (9) 和式 (10) 有同样的结构, 其中随机变量X 由约束 (2) 可知, 更换概率大于相应故障率, 即 但不会大于两个零件的叠加故障率, 即至少有一个零件故障才会更换, 即 考虑一种确定性的更换策略.在第t周已知两个零件是否发生故障的情况下, 是否更换是确定性的.如没有零件损坏, 两个都不换 (如前所述, 可以证明此问题中不需要预防性的更换) .如两个都损坏, 则都更换.如只有一个零件坏, 则可只更换坏零件, 或两个一起换—此时需要决策的