基于PSO算法的最优化调度策略方法研究

摘要 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；PSO；调度策略

中图分类号 TP3-0 文献标识码A 文章编号 1674-6708（2014）111-0000-00

0 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、更换模块为主要维修方式。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。

2 PSO算法介绍

粒子群优化算法（Particle Swarm Optimization ，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算法中，首先对设置种群并初始化，群内每个粒子都是空间中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，每个粒子根据目前飞行姿态以及周边同伴飞行动态调整自身的飞行模式，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=1，2，…，m)，第i个粒子位置信息为，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，每个粒子都是依照以下的公式进行计算来得到最新的飞行速度和位置：

其中，d=1，2，…，E，i=1，2，…，m，t为当前进化代数，和为[0，1]之间的随机数，和为正常数称为加速因子，调节本身位置步长，调节全局位置步长。

3 设备维修策略中改进型PSO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，具体来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m个抢修小分队用来维修n个设备所需要的时间，是维修任务的总时间。取值范围[0，1]，当=1时，抢修小分队处于无空闲工作状态；当0

各抢修小分队之间工作平衡度为：

其中的取值范围[0，1]，当=1时，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PSO算法的调度策略进行验证，并对比PSO算法与FCFS算法的优劣。

基于PSO算法的维修策略参数设置如表1所示：

名称 M C1 C2 K 重复

数值 40 2.05 2.05 0.729 10

表1基于PSO算法的参数表

根据想定，设m=20，n∈[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 维修任务最短时间随任务量变化

图2 抢修小分队平均利用率随任务量变化

图3 工作平衡度随任务量变化

通过仿真计算可以看出，基于PSO算法的维修策略在三个方面都要优于FCFS算法。证明基于PSO算法的维修调度策略具有较强的可实施性和最优的匹配性。

5 结论

设备维修中人员、时间和资源的分配是维修过程中的关键环节，优化调度策略是解决维修矛盾的主要手段，选择优良的调度算法有助于提高设备维修的时效性和优化配置维修资源。本文介绍的基于PSO算法的维修调度策略具有较强的可实施性，已在部分领域进行应用，具有较强的经济价值。

参考文献

[1]雷开友.基于自适应粒子群算法的约束布局优化研究[J].计算机研究发展，2006，43(10)：1724-1731.

[2]曾建潮.一种保证全局收敛的PSO算法[J].计算机研究发展，2004，41(8)：1333-1338.

[3]刘志煌.PSO的惯性权重与种群大小的选择[J].计算机与现代化，2007，142(6)：1-3.