基于PSO算法的最优化调度策略方法研究基丁PSO算法的最优化调度策略方法研究摘耍本文根据PSO算法建立模型提出了设备维修保障调度策略，最大限度的提高维修保障系统的效能，同时对PSO算法进行改进，解决算法中的局部最优化问题，最后与基于FCFS算法的维修保障调度策略进行对比，通过仿真实验证明PSO算法对调度性能有明显改善。关键词调度策略；设备维修汗SO；调度策略屮图分类号TP3-0文献标识码A文章编号1674-6708(2014)111-0000-000引言设备维修过程中，由于时间、空间、人员、检测手段等限制，存在维修资源冲突、维修资源短缺以及维修资源分配不均等问题，难以保证有效时间内维修完设备，影响设备的正常运转。较好的维修保障调度方案能够解决设备维修过程中存在的各种问题，不但能提高设备维修的时效性，而且能够降低维修保障成本。本文基于PSO算法设计一种最优化调度策略方法，能够缩短待修设备等待时间，使设备能够在较短的时间内得到维修，最大限度的发挥设备维修保障体系的效能，对设备维修具有一定的军事经济效益。1设备维修总体要求设备维修要统筹兼顾、合理配置，总的来说满足一下几点要求：1)做好科学合理的维修计划，周密安排维修时间。维修前针对设备存在的问题做好详细的维修计划，对突发情况做好方案预案,并对设备的维修进度进行预先估计，科学合理的设置维修周期和时间节点；2)采取先重后轻、先主后次的原则开展维修工作。设备维修时间紧、要求高、任务重，一定要分清主次和轻重缓急，采用重点模块优先保障的原则，高效的开展维修工作；3)以现场维修、更换模块为主耍维修方式。现场维修可以缩短维修时间，节省维修成本，更换故障模块可以提供维修效率，两者结合可以保证装备能够在较短时间内完成维修任务，保证设备及时工作。2PSO算法介绍粒子群优化算法(ParticleSwarmOptimization,PSO)是在鸟类等生物集体活动下的启发下研究的一种整体性优化算法。PSO算法主要模拟鸟群在捕食过程中，通过鸟群之间的相互竞争与相互合作使群体达到目的。该种算法具有运行速度快、结构简单、数据量小和设置参数少等优点，近些年来在调度策略中应用广泛。在PSO算法屮，首先对设置种群并初始化，群内每个粒子都是空间屮的一个备选的解决方案，利用目标函数确定粒子的适用值，通过熟悉环境并适用环境，每个粒子根据冃前飞行姿态以及周边同伴飞行动态调整口身的飞行模式，找到最佳的解决方法，实现最佳飞行姿态的最优化寻求过程。设解决方案空间为E维，粒子总数量为m（i二1,2,…，m）,第i个粒了位置信息为，速度信息为。在整个过程中的最佳位置为。粒子群的最开始位置信息和速度信息是随机产生的，每一个搜索过程中，每个粒了都是依照以下的公式进行计算來得到最新的飞行速度和位置：其中，d=l,2,…，E,i二1,2,…，m,t为当前进化代数，和为[0,1]Z间的随机数，和为正常数称为加速因了，调节木身位置步长，调节全局位置步长。3设备维修策略中改进型PS0算法模型设计假设为m个设备抢修小分队，为待维修的设备，维修任务所需的维修时间为。在设备维修过程中，调度策略是为了实现最优化资源配置，具体來说就是维修的总周期最短、各抢修小分队利用率高、各抢修小分队之间工作平衡度高。维修设备的周期为：抢修小分队平均利用率为：其中，是ni个抢修小分队用来维修n个设备所需要的时间，是维修任务的总吋间。取值范围[0,1],当二1吋，抢修小分队处于无空闲工作状态；当0〈〈1时，抢修小分队处于有空闲工作状态；当二0时，表示没有任何待维修的设备。的值越接近于0,表示抢修小分队利用率越低，空闲越严重。各抢修小分队之间工作平衡度为：其中的取值范围[0,1],当二1吋，表示各抢修小分队同时在维修设备中，工作均衡。的值越接近于0,表示抢修小分队工作越不平衡。4仿真实验利用仿真实验对基于PS0算法的调度策略进行验证,并对比PS0算法与FCFS算法的优劣。基于PS0算法的维修策略参数设置如表1所示：名称MClC2K重复数值402.052.050.72910表1基于PS0算法的参数表根据想定，设m=20,ne[50,200],分别用维修任务完成最短时间、抢修小分队平均的利用率和工作平衡度测试两种算法性能，如图1〜图3所示。图1维修任...