[发明专利]一种基于混沌遗传算法的装备试验资源统筹调配方法

说明书

本发明公开了一种基于混沌遗传算法的装备试验资源统筹调配方法，其步骤包括，根据当前试验任务要求和设备资源情况，确定调配优化集，即确定参与调配的任务/步骤集以及参与调配的可用设备集；构建目标函数和约束条件；利用混沌遗传算法对试验资源统筹调配过程的数学模型进行求解；基于Logistic混沌映射构造混沌交叉算子，并利用混沌遗传算法的交叉概率和混沌交叉算子产生新个体；混沌交叉和混沌变异后产生的新个体构成新一代种群，直到混沌遗传算法收敛，得到试验资源统筹调配的最优解，将该最优解作为装备试验资源的最终调配方案，输出该调配方案。本发明改变了现有装备试验资源人工调配的方式，解决了装备试验资源配置不均、试验效率低下等问题。

技术领域

本发明涉及装备试验领域，尤其涉及一种基于混沌遗传算法的装备试验资源统筹调配方法。

背景技术

装备试验是在装备研制过程中，按规定要求对装备性能、生产条件和使用状况等进行的考核验证，目的是确保装备的性能和质量达到规定标准。对于装备试验活动的完成，不同的试验科目需要不同的试验资源进行保障。不同的试验资源分布在不同地点和单位，各试验资源是相互孤立的，在装备试验组织过程中，面向不同的试验需求，经常需要试验人员采用人工调配和人工统筹的方式，完成试验资源的统筹调配。在这一过程中，由于试验资源种类众多、使用复杂，不同试验资源种类众多、使用复杂，并且使用多种通信协议和时钟格式，存在着统一调配、资源状态监控、数据采集、数据传输等共性技术需求。尤其对于需要使用大量试验资源的情形，如果仍采用人工调配统筹的方式，不但上述共性技术需求问题无法解决，甚至会产生试验资源浪费、资源配置不均等问题。因此，为了提高装备试验资源统筹调配能力和合理规划能力，需要充分整合现有试验资源，对每个试验任务和科目分配合适的试验资源，以达到整体试验效果的最优。

发明内容

针对大量试验资源的人工调配统筹过程时难以解决统一调配、资源状态监控、数据采集、数据传输等共性技术需求的问题，本发明将上述问题可抽象为组合优化问题。组合优化问题的求解方法有多种，其中遗传算法是较为经典的一种智能求解算法。但是标准遗传算法在求解过程中存在过早收敛、新个体产生随机性大、无法得到准确解等问题。于是本发明引入混沌理论对其进行改进，公开了一种基于混沌遗传算法的装备试验资源统筹调配方法，通过构造混沌交叉算子和混沌变异算子，来确定交叉操作的交叉位置以及变异操作的变异基因位，控制新个体的产生，从而使算法跳出局部最优，提高算法搜索能力。本发明为装备试验过程的资源优化提供决策支撑。

本发明公开了一种基于混沌遗传算法的装备试验资源统筹调配方法。该方法构建试验资源统筹调配的数学模型，并采用混沌遗传算法进行求解，得到试验资源统筹调配方案，支撑试验条件建设定量化科学决策。

试验资源统筹调配，是在接收到试验任务后，根据试验任务要求和当前设备设施资源的在用情况，对试验资源进行调配，使得完成试验任务的效率最高，并保证设备设施负荷利用更加平衡。

本发明公开了一种基于混沌遗传算法的装备试验资源统筹调配方法，具体包括以下步骤：

S1，根据当前试验任务要求和设备资源情况，确定调配优化集，即确定参与调配的任务/步骤集以及参与调配的可用设备集。

S2，建立试验资源统筹调配过程的数学模型，构建目标函数和约束条件。

S3，利用混沌遗传算法对试验资源统筹调配过程的数学模型进行求解，定义试验资源统筹调配的染色体编码方式为双层遗传编码，并结合调配优化集，建立调配问题解空间到染色体编码空间的映射关系。

S4，基于约束条件，初始化产生若干个体构成初始种群，个体数即为种群规模，每个个体为一条编码的染色体。

S5，将试验资源统筹调配过程的数学模型中的目标函数确定为适应度函数，计算种群中所有个体的适应度，并判断循环代数是否达到循环代数阈值，若是则将混沌遗传算法的优化结果输出为试验资源统筹调配结果，混沌遗传算法结束，否则执行步骤S6。