搶修任務多目標動態(tài)調度的動態(tài)驅動策略研究

，， ，，

(陸軍裝甲兵學院 技術保障工程系，北京 100072)

0 引言

機動進攻作戰(zhàn)作為未來重要作戰(zhàn)樣式之一，突顯出作戰(zhàn)空間廣、機動性能強、作戰(zhàn)節(jié)奏快、持續(xù)時間短、戰(zhàn)損裝備眾多、分布地域廣、戰(zhàn)斗態(tài)勢多變等特點。在戰(zhàn)場搶修過程中，搶修力量十分有限，面對不同時刻、不同地點、不斷地出現(xiàn)的、不同損傷程度的故障裝備時，若采用定點修理的方式，搶救后送難度大、耗時久，在有限的進攻戰(zhàn)斗持續(xù)時間內能夠修竣的裝備極其有限，無法滿足作戰(zhàn)對裝備保障的時效性要求。如何合理運用數(shù)字化合成旅的搶修力量，根據決策時刻的作戰(zhàn)任務需求、搶修任務的輕重緩急、待修裝備的位置遠近和維修工作量、搶修單元的修理能力等，快速制定出搶修任務分配方案，明確不同搶修單元間的任務分工以及同一搶修單元內的搶修序列；并根據戰(zhàn)場態(tài)勢發(fā)展及不斷更新的搶修需求信息，適時、動態(tài)地調整搶修任務分配方案，爭取在有限作戰(zhàn)持續(xù)時間內盡可能多地修復或部分修復損傷裝備，使其能夠再次投入戰(zhàn)斗，是亟需解決的一個實際軍事問題。目前，在制定搶修任務分配方案時，主要存在以下兩個方面問題：1)缺乏定量化測算模型及求解方法，只能依靠決策者的主觀經驗和定性搶修實施原則進行決策，導致決策主觀性過強、風險較高、整體搶修效益不高；2)雖有部分關于維修任務靜態(tài)分工的研究成果，但其與“搶修需求呈現(xiàn)出的時間、地點的不確定性規(guī)律”不符；缺乏關于搶修任務動態(tài)調度的研究，忽略了對部分實際約束條件的合理抽象(如恢復狀態(tài)的不確定性、不同搶修單元間的修理能力差異)，沒有考慮不同動態(tài)驅動策略對任務分配結果的影響。

針對戰(zhàn)時裝備搶修任務動態(tài)調度及其動態(tài)驅動策略問題，國內外學者已取得了許多研究成果。在動態(tài)調度方面，研究熱點主要集中于動態(tài)車輛路徑問題[1]、生產調度問題[2]和無人機協(xié)同任務規(guī)劃問題[3-4]，主要約束條件包括：多類型的任務主體[5]、時間不確定性[6]、費用[7]、時間窗[8]、動態(tài)需求集合[9]、動態(tài)環(huán)境[10]等。在戰(zhàn)場搶修任務動態(tài)調度方面，王正元[11-12]基于戰(zhàn)時的定點維修，分別提出了不同約束條件下的動態(tài)維修任務調度方法。郭軍[13]將證據推理運用于戰(zhàn)時多任務的搶修重要度決策。陳偉龍[14]將戰(zhàn)場搶修、伴隨保障、動態(tài)調度結合起來，首次提出了搶修任務動態(tài)問題，并以修竣裝備獲得的二次作戰(zhàn)時間總和為目標函數(shù)，建立了戰(zhàn)場搶修任務單目標動態(tài)調度模型及求解算法。昝翔[15]建立了以修竣裝備重要度之和最大為目標函數(shù)的搶修任務單目標靜態(tài)分配模型。陳春良[16]考慮諸多約束條件，建立了以修竣裝備數(shù)量、節(jié)點重要度、二次作戰(zhàn)時間為目標函數(shù)的搶修任務多目標動態(tài)調度模型。在動態(tài)驅動策略方面，文獻[17]將動態(tài)驅動策略分為固定時長滾動時域和變時長滾動時域2類。文獻[18]提出了“緊急顧客插入+分批驅動”的動態(tài)驅動策略，解決了重要客戶動態(tài)請求的快速響應問題。文獻[19]為了有效減少兩車間設備的空閑等待時間，提出了兩車間設備驅動的動態(tài)驅動策略。文獻[20]提出了分區(qū)靈活分批TSP策略，仿真結果表明該策略能夠減少平均行駛距離和平均等待時間。

圖1 搶修任務動態(tài)調度系統(tǒng)的運行圖

現(xiàn)有研究存在以下不足：1)限定于遍歷型調度，無法解決非遍歷型問題；2)所建立的搶修任務動態(tài)調度模型與實際情況趨于接近，但其動態(tài)驅動策略采用的是單事件驅動或數(shù)量(時間)分批驅動，極易受到“新?lián)屝扌枨蟪霈F(xiàn)時刻的不確定性”的影響，導致?lián)屝蘖α坎荒軐π聯(lián)屝扌枨筮M行及時響應、搶修力量出現(xiàn)閑置、搶修效益降低；3)部分研究成果中提出了新的動態(tài)驅動策略，但并不適用于搶修任務動態(tài)調度問題。基于此，本文針對搶修任務動態(tài)調度的動態(tài)驅動策略開展研究，建立搶修任務多目標靜態(tài)分配的數(shù)學模型，提出“混合分批+基于搶修組狀態(tài)”的一種新的動態(tài)驅動策略，構造基于均勻設計思想的6組測試問題實例，并通過實驗分析各種動態(tài)驅動策略的優(yōu)劣性及適用性。研究結果有助于搶修力量對新產生的搶修需求進行及時響應，提高搶修力量的利用率和搶修效益。

1 問題分析

搶修任務動態(tài)調度問題是指，在機動進攻作戰(zhàn)過程中，因敵炮火打擊，勢必造成我方部隊在不同時刻和地點、隨機地出現(xiàn)戰(zhàn)損裝備；但搶修力量有限，無法在進攻作戰(zhàn)持續(xù)時間內完成對修理范圍內的所有待修裝備的修理。為取得最有利于完成本次進攻作戰(zhàn)任務的搶修效益，綜合權衡待修裝備的優(yōu)先程度、所需修理工時、距離遠近、不同搶修組的修理能力差異、動態(tài)驅動策略等因素，通過設計搶修任務動態(tài)調度模型及其求解方法，從修理范圍內的眾多故障裝備中迅速地選擇部分裝備并將其分配給各個搶修組；并根據戰(zhàn)場態(tài)勢發(fā)展以及不斷變化的搶修需求信息，適時、動態(tài)地調整搶修任務分配計劃，爭取在有限作戰(zhàn)持續(xù)時間內盡可能多地修復或部分修復損傷裝備。

動態(tài)驅動策略則是指設定某種驅動策略及其閾值，在戰(zhàn)場搶修過程中，當驅動條件滿足時，決策者即在該時刻依據搶修任務靜態(tài)分配模型及求解算法對已有的搶修需求(包括新出現(xiàn)的、非新出現(xiàn)但尚未搶修的)進行再次分配。研究動態(tài)驅動策略的核心目的是為了解決何時進行任務動態(tài)調度的問題，以期取得更優(yōu)的搶修效益。

基于系統(tǒng)工程思想，搶修任務動態(tài)調度系統(tǒng)的構成要素主要包括：搶修對象及其相關信息、搶修力量及其相關信息、環(huán)境信息、決策模型與求解算法、修竣裝備與搶修效益。

其中：1)搶修對象的相關信息主要包括：(1)損傷信息，如損傷時刻、坐標位置、裝備類型、預計所需維修工作量等；(2)搶修進度信息，如修竣與否、恢復狀態(tài)、預計修竣時刻、實際修竣時刻、動態(tài)調度時刻的剩余修理工作量等。

2)搶修力量的相關信息主要包括：(1)各個搶修組的編制信息，如各搶修組的保障裝備的種類和數(shù)量信息、保障人員的數(shù)量和修理技能水平信息等；(2)在進攻作戰(zhàn)持續(xù)時間內的任意時刻，所有搶修組的狀態(tài)信息，如各搶修組在任意時刻的位置信息、人員/裝備損失情況信息等。

3)環(huán)境信息是指在戰(zhàn)場搶修過程中，除卻搶修力量和搶修對象的相關信息外，與搶修任務動態(tài)調度問題相關的其它所有信息。主要包括：(1)作戰(zhàn)起止時刻；(2)各作戰(zhàn)單元、武器裝備的在任意時刻的任務信息、位置信息；(3)各作戰(zhàn)單元、武器裝備的相互關系信息；(4)地形、道路、氣象水文信息等。

4)決策模型與求解算法是指在戰(zhàn)場過程中，為求得搶修任務動態(tài)調度問題在各個決策時刻的決策方案(各搶修組間的任務分工和搶修組內的搶修序列)，所需借助的數(shù)學模型和求解方法。

5)修竣裝備與搶修效益，是指在作戰(zhàn)持續(xù)時間內，各搶修組通過實施巡回修理，修竣的待修裝備及獲得的修理效益。

基于控制論思想，從系統(tǒng)輸入、系統(tǒng)過程、系統(tǒng)輸出、系統(tǒng)限制以及逆向聯(lián)系5個方面，構建搶修任務動態(tài)調度系統(tǒng)的運行圖，如圖1所示，旨在從整體上呈現(xiàn)出系統(tǒng)各構成元素及其相互關系。

解決搶修任務動態(tài)調度問題的難點在于設計合理的決策模型及求解算法。但由于在搶修任務動態(tài)調度問題中，搶修需求信息會隨時間動態(tài)變化(包含隨機不確定性和模糊不確定)，直接求解的難度極大。

在任意動態(tài)調度時刻t(s)，由于動態(tài)搶修需求信息(即新出現(xiàn)的搶修需求)和靜態(tài)搶修需求信息均己知，引入滾動時域思想，提出“動態(tài)問題靜態(tài)化”的求解思路，即將搶修任務動態(tài)調度問題P(t)轉化為一系列離散時間點的搶修任務靜態(tài)分配問題P(t(s))進行求解。其求解思路如圖1所示。

圖2 求解思路

2 動態(tài)驅動策略設計

動態(tài)調度驅動策略設計分為兩種：基于搶修需求信息和基于搶修組狀態(tài)。

2.1 基于搶修需求信息的動態(tài)驅動策略

2.1.1 單事件驅動策略

定義1：單事件驅動策略。在進攻作戰(zhàn)持續(xù)時間內，如果搶修需求出現(xiàn)的時刻分別為t1,t2,t3,…，且t1

單事件驅動策略的優(yōu)點在于能夠對搶修任務的動態(tài)搶修需求進行快速響應，決策出各個時刻的最優(yōu)分配方案。然而，當動態(tài)需求較多時，若采用單事件驅動策略，極有可能出現(xiàn)“某一時刻，各搶修組均正在搶修戰(zhàn)損裝備，而新的搶修需求在短時間內相繼出現(xiàn)，動態(tài)驅動策略不斷被觸發(fā)，搶修任務靜態(tài)分配模型求解得到的任務分配方案始終無法實施，即不斷產生無實效的任務分配方案”，帶來巨大的計算負荷，大大增加了保障決策指揮中心的工作量和時間耗費，效益極低。與此同時，采用單事件驅動策略求得的“各個時刻最優(yōu)的搶修任務分配方案”的搶修效果，在絕大部分情況下劣于后文中提出的動態(tài)驅動策略。因此，本文中舍棄單事件驅動策略，不納入研究范疇。

2.1.2 時間分批驅動策略

其中t(s+1)為動態(tài)調度時刻，其確定公式為：

(1)

式中，t(s)=ti，t(s+1)=tj。

時間分批驅動策略的優(yōu)點在于便于保障決策指揮中心進行搶修任務的動態(tài)管理。但其閾值難以合理確定，且極易受到搶修需求到達時刻不確定性的影響，進而導致“一個周期內積累了非常多的故障裝備，增大了決策難度和時間耗費”、“搶修組處于閑置狀態(tài)，但動態(tài)驅動策略的觸發(fā)條件不滿足，仍然不進行任務分配，不能對搶修需求及時進行響應，極大降低了搶修效益”。

2.1.3 數(shù)量分批驅動策略

其中:t(s+1)為動態(tài)調度時刻，其確定公式為：

且ti>t(s)}

(2)

數(shù)量分批驅動策略的優(yōu)缺點與時間分批驅動策略相似。

2.1.4 混合分批驅動策略

其中t(s+1)為動態(tài)調度時刻，其確定公式為：

(3)

混合分批驅動策略繼承了時間分批和數(shù)量分批驅動策略的優(yōu)點，能夠在一定程度上緩解“極易受到動態(tài)搶修需求到達時刻不確定性的影響”的問題，能夠提高對搶修需求的響應速率，但仍存在“搶修組閑置浪費”的問題。

2.2 基于搶修組狀態(tài)的動態(tài)驅動策略

為解決“搶修組閑置”的問題，提高搶修組的利用率和戰(zhàn)場搶修效益，提出一種新的輔助策略“基于搶修組狀態(tài)的動態(tài)驅動策略”。

定義5：基于搶修組狀態(tài)的動態(tài)調度驅動策略。在進攻作戰(zhàn)持續(xù)時間內，如果搶修需求出現(xiàn)的時刻分別為t1,t2,t3,…，且t1

其中t(s+1)為動態(tài)調度時刻，其確定公式為：

(4)

基于上述分析，本文將混合分批驅動策略和基于搶修組狀態(tài)的動態(tài)驅動策略結合起來，提出“混合分批+基于搶修組狀態(tài)”的一種新的驅動策略，旨在既能繼承混合分批驅動策略的優(yōu)點，又能解決搶修組閑置的問題，從而提高整體搶修效益。

3 測試問題實例構造

文中基于均勻設計思想構造測試問題實例，重點考慮如何將具有代表性的設計點均勻地散布在試驗范圍內，使其能夠通過較少的試驗點獲得最多的信息。首先分析對問題數(shù)學特性影響比較大的影響因素，然后在樣本空間均勻采樣，構造具有代表性的測試問題實例。

3.1 測試問題實例的影響因素設置

3.1.1 進攻作戰(zhàn)持續(xù)時間

考慮兩種情況：1)進攻作戰(zhàn)持續(xù)時間較短。在這種情況下，搶修組遂行遍歷型搶修的概率較大，決策難度相對較小。2)進攻作戰(zhàn)持續(xù)時間較長。在這種情況下，搶修組遂行非遍歷型搶修的概率較大，決策難度較大，且不同決策方案的搶修效果差異也較大，見表1。

表1 3個因素的設置

3.1.2 搶修組數(shù)量

搶修組作為搶修任務動態(tài)調度模型的任務主體，當任一搶修組的編制已確定時，其數(shù)量的多少直接影響著搶修效果；顯然搶修組的數(shù)量越多，搶修越及時，對維持進攻作戰(zhàn)部隊的持續(xù)進攻能力越有益?？紤]2種情況，見表1。

3.1.3 搶修需求的數(shù)量

考慮兩種情況：1)搶修需求的總數(shù)較少。在這種情況下，搶修組遂行遍歷型搶修的概率較大，決策難度相對較??；2)搶修需求的總數(shù)較多。在這種情況下，搶修組遂行非遍歷型搶修的概率較大，決策難度和求解耗時較大，見表1。

3.1.4 搶修需求產生時刻的時間分布

在實際的搶修任務調度中，搶修需求的產生與戰(zhàn)場態(tài)勢密切相關，且在時間軸上是隨機出現(xiàn)的；不同的搶修需求產生時刻的時間分布，必然導致不同的任務分配方案。文中將搶修周期劃分為前期、中期和后期，并用百分比表示不同時間段內的搶修需求數(shù)量的多少。考慮以下兩種情況：1)前期多，中期較多，后期少；2)前期和中期較多，后期少。

表2 時間分布的設置 %

3.1.5 損傷狀態(tài)及預計所需修理工時

由于不同種類的損傷狀態(tài)及其對應的不同恢復狀態(tài)，預計所需修理工時是不同的。為確保試驗質量且減少試驗計算量，將6種損傷狀態(tài)Ei(i=1,3,…,6)分為兩類：第1類為Ei(i=1,2)，僅某一種子系統(tǒng)損傷，其可選恢復狀態(tài)僅為C1；第2類為Ei(i=3,4,5,6)，有2種或3種子系統(tǒng)損傷，其可選恢復狀態(tài)為C1或C2，詳見文獻[16]?？紤]以下2種情況：(1)第1類少，第2類多。(2)第1類較少，第2類較多。詳見表3。

3.1.6 動態(tài)驅動策略

基于“2 動態(tài)驅動策略”的分析，在測試問題實例構造中，本文考慮以下3種策略，見表4。

表3 比例設置 %

表4 動態(tài)驅動策略的設置

3.2 基于均勻設計思想的測試問題實例構造

借鑒均勻設計的思想，在樣本空間進行選擇，構造具有代表性的搶修任務動態(tài)調度測試問題實例?？紤]的主要影響因素及其水平數(shù)見表5。

表5 因素及其水平數(shù)

表6 均勻設計表 表7 混合均勻設計表

根據混合均勻設計表，構造6個測試問題實例TP1至TP6，見表8。

表8 測試問題實例集

接下來，給定部分邊界條件的輸入設置：

2)修理水平差異取值θ1=0.8，θ2=1.3。

3)令τ=4，即若將任一故障裝備修竣至狀態(tài)C1，則該修竣裝備能執(zhí)行4種戰(zhàn)斗任務。

4)設定初始種群大小pop_size=400,迭代次數(shù)num_iter=100。

4 實驗結果及分析

4.1 實驗結果

1)模型可采用變體遺傳算法進行求解，可參見作者的另一篇文獻[16]。篇幅所限，此處僅給出TP2在任一動態(tài)調度時刻的任務分配結果(見表9)。

2)由表9分析可知，到進攻戰(zhàn)斗結束時，經搶修獲得的二次作戰(zhàn)總時間為3565 min(約60 h)，相當于為進攻部隊增添了10輛可以參與6 h進攻作戰(zhàn)的戰(zhàn)斗裝備，也相當于增加了一個戰(zhàn)斗連的作戰(zhàn)裝備；間接證明了實施伴隨保障的重要性和建強伴隨保障力量的必要性。

3)關于搶修動態(tài)調度的更多結果分析，可參見文獻[16]，篇幅所限，此處不展開分析。

4.2 動態(tài)驅動策略的優(yōu)劣分析

4.2.1 混合分批驅動策略

對于TP5，其作戰(zhàn)持續(xù)時間較長(12 h)，搶修組數(shù)量(2個)和搶修需求數(shù)量(12臺)少。由計算結果可知，搶修組最終修竣了10臺戰(zhàn)損裝備，修復率為83.3%，經搶修獲得的二次作戰(zhàn)總時間為3762 min(約62.7 h)，相當于為進攻部隊增添了5輛可以全程參與進攻作戰(zhàn)的戰(zhàn)斗裝備。對于TP6，其作戰(zhàn)持續(xù)時間較長(12 h)，搶修組數(shù)量(3個)和搶修需求數(shù)量(24臺)較多，且搶修需求在作戰(zhàn)前期密集出現(xiàn)。TP6最終修竣了21臺戰(zhàn)損裝備，修復率為87.5%；經搶修獲得的二次作戰(zhàn)總時間為8137 min(約135.6 h)，相當于為進攻部隊增添了11輛可以全程參與進攻作戰(zhàn)的戰(zhàn)斗裝備。

表9 TP2在任一動態(tài)調度時刻的任務分配結果

在進攻作戰(zhàn)持續(xù)時間內，搶修組多次處于閑置狀態(tài)，與此同時，雖已有新的搶修需求出現(xiàn)，但由于驅動策略的觸發(fā)條件不滿足，不會進行任務動態(tài)調度，進而導致了搶修組的利用率和搶修效益降低；且相比較而言，TP5比TP6的閑置時間明顯更多。例如，對于TP5，在55 min時刻，任務分配方案將待修裝備1和2分別分配給搶修1組和搶修2組，其實際修竣時刻分別為104 min和99 min；但由于搶修需求出現(xiàn)的時間間隔較長，導致了“數(shù)量分批驅動策略”優(yōu)先于“時間分批驅動策略”被觸發(fā)，進而決定了下一次動態(tài)調度驅動被觸發(fā)的時刻為145 min；盡管在98 min出現(xiàn)了新的搶修需求(待修裝備3)。換言之，在145 min進行任務動態(tài)調度前，不會有新的任務分配給各搶修組，搶修1組和搶修2組分別有41 min和46 min處于閑置狀態(tài)，大大推遲了待修裝備3的修竣時刻，降低了其對本次進攻作戰(zhàn)的貢獻。

采用“混合分批驅動策略”能夠降低搶修任務分工的更新頻率和計算負荷，易于進行搶修任務的動態(tài)管理。但搶修組可能會多次處于閑置狀態(tài)，使得搶修組的利用率和搶修效益降低；與此同時，驅動策略的閾值難以事先合理設定，閾值設定過大則問題規(guī)模會增大且無法快速響應系統(tǒng)中發(fā)生的干擾，過小則調度過于頻繁、影響系統(tǒng)的穩(wěn)定性。適用條件：1)搶修需求的數(shù)量很多，任務量較大；2)搶修需求產生時刻的時間分布相對均勻。

4.2.2 基于搶修組狀態(tài)的動態(tài)驅動策略

對于TP3，其作戰(zhàn)持續(xù)時間較短(8 h)，搶修組數(shù)量(3個)較多，搶修需求數(shù)量(12臺)少，由計算結果可知，搶修組最終修竣了11臺戰(zhàn)損裝備，修復率為91.7%，；經搶修獲得的二次作戰(zhàn)總時間為2386 min(約40 h)，相當于為進攻部隊增添了5輛可以全程參與進攻作戰(zhàn)的戰(zhàn)斗裝備。由于搶修需求數(shù)量少而搶修組數(shù)量多，導致了各搶修組交替出現(xiàn)閑置狀態(tài)，但閑置時間明顯減少。

對于TP4，其作戰(zhàn)持續(xù)時間較長(12h)，搶修組數(shù)量(2個)較少，搶修需求數(shù)量(24臺)較多，搶修組最終修竣了19臺戰(zhàn)損裝備，修復率為79.2%；經搶修獲得的二次作戰(zhàn)總時間為6723 min(約112 h)，相當于為進攻部隊增添了11輛可以參與10 h進攻作戰(zhàn)的戰(zhàn)斗裝備。由于搶修需求數(shù)量較多而搶修組數(shù)量較少，各搶修組的利用率非常高，在572 min以前，其利用率為100%(即沒有出現(xiàn)過閑置狀態(tài))；而且是因為“非遍歷”約束，各搶修組才在572 min以后沒有繼續(xù)進行搶修。

采用“基于搶修組狀態(tài)的驅動策略”時，各搶修組的利用率非常高，除“非遍歷”約束外，不會出現(xiàn)“搶修需求被擱置，而搶修組處于閑置狀態(tài)”的情況。但調度系統(tǒng)不能對新產生的搶修需求及時進行響應，極大可能會降低整體搶修效益；原因在于：驅動策略僅會在“某一搶修組將所有既定搶修任務完成后”才會觸發(fā)，當搶修需求較多時，必然會導致響應速度慢、任務分工不甚合理。適用條件：1)搶修需求的數(shù)量適中或較少；2)搶修需求產生時刻的時間分布極不均勻(即既有聚集，又有分散)。

4.2.3 “基于搶修組狀態(tài)+混合分批”的驅動策略

對于TP1，其作戰(zhàn)持續(xù)時間較短(8 h)，搶修組數(shù)量(2個)和搶修需求數(shù)量(12臺)均較少。搶修組最終修竣了11臺戰(zhàn)損裝備，修復率為91.7%；經搶修獲得的二次作戰(zhàn)總時間為2015 min(約33.6 h)，相當于為進攻部隊增添了4輛可以全程參與進攻作戰(zhàn)的戰(zhàn)斗裝備。對于TP2，其作戰(zhàn)持續(xù)時間較短(8 h)，搶修組數(shù)量(3個)和搶修需求數(shù)量(24臺)較多。搶修組最終修竣了17臺戰(zhàn)損裝備，修復率為70.8%；經搶修獲得的二次作戰(zhàn)總時間為3565 min(約59.5 h)，相當于為進攻部隊增添了10輛可以參與6h進攻作戰(zhàn)的戰(zhàn)斗裝備。

在TP1的作戰(zhàn)前期，由于搶修需求數(shù)量較少，在91 min時刻，搶修2組修竣了既定的所有搶修任務(待修裝備2)，而混合驅動策略的觸發(fā)條件仍不滿足，因此“基于搶修組狀態(tài)的驅動策略”優(yōu)先于“混合分批驅動策略”被觸發(fā)；之后搶修需求的產生速率高于搶修組的修理速率，“混合分批驅動策略”總是優(yōu)先于“基于搶修組狀態(tài)的驅動策略”被觸發(fā)。

“基于搶修組狀態(tài)+混合分批”的驅動策略，能夠對新產生的搶修需求進行及時響應，且各搶修組不會出現(xiàn)閑置狀態(tài)，有利于取得更好的搶修效益。缺點：“數(shù)量分批驅動策略”和“時間分批驅動策略”的閾值難以事先合理設定；當搶修需求的數(shù)量極少時，可能出現(xiàn)無效的任務動態(tài)調度。適用條件：1)搶修需求的數(shù)量不受限制；2)修需求產生時刻的時間分布不受限制。

5 結束語

本文針對“采用時間(數(shù)量)分批驅動策略時，由于新的搶修需求出現(xiàn)時刻的不確定性，會導致?lián)屝蘖α坎荒軐π庐a生的搶修需求進行及時響應、搶修力量會出現(xiàn)閑置等”問題，設計了基于搶修需求信息和搶修組狀態(tài)的2種動態(tài)驅動策略，提出了“混合分批+基于搶修組狀態(tài)”一種新的動態(tài)驅動策略，該策略既能繼承混合分批驅動策略的優(yōu)點，又能解決搶修組閑置的問題，有利于提高整體搶修效益。

參考文獻：

[1] Victor P, Michel G, Christelle G, et al. A review of dynamic vehicle routing problems[J]. European Journal of Operational Research, 2013, 225: 1-11.

[2] Cheng H L, Cheng I H. Dynamic job shop scheduling with fixed interval deliveries[J]. Production Engineering, 2015, 9(3): 377-391.

[3] Sangwoo M, Eunmi O, David H S. An integral framework of task assignment and path planning for multiple unmanned aerial vehicles in dynamic environments[J]. Journal of Intelligent and Robotic Systems, 2013, 70(1): 303-313.

[4] 齊 驥,王宇鵬,鐘 志.無人機多階段航跡預測協(xié)同任務規(guī)劃[J].計算機測量與控制,2016,24(6):189-194.

[5] Víctor Y,Josep M. Economic heuristic optimization for heterogeneous fleet VRPHESTW[J]. Journal of Transportation Engineering, 2015, 132(4): 303-311.

[6] Lorini S, Potvin J Y, Zufferey N. Online vehicle routing and scheduling with dynamic travel times[J]. Computers & Operations Research, 2011, 38(7): 1086-1090.

[7] Letchforda A N, Nasiri S D. The steiner travelling salesman problem with correlated costs[J]. European Journal of Operational Research, 2015, 245: 62-69.

[8] Michael S. The vehicle-routing problem with time windows and driver-specific times[J]. European Journal of Operational Research, 2016, 250(1): 101-119.

[9] Briseida S, Karl F D, Verena S, et al. Variable neighborhood search for the stochastic and dynamic vehicle routing problem[J]. Annals of Operations Research, 2016, 236(2): 425-461.

[10] Engin A, Haluk R T, Murat E. Hyper-heuristics for online UAV path planning under imperfect informationJ].Lecture Notes in Computer Science ,2014, 1(1):741-752.

[11] 王正元,朱 昱,宋建社,等.動態(tài)維修任務調度的優(yōu)化方法[J].機械工程學報,2008,44(1): 92-97.

[12] 王正元,嚴小琴,朱 昱,等.一種考慮專業(yè)的動態(tài)維修任務調度的優(yōu)化方法[J].兵工學報,2009,30(2):252-256.

[13] 郭 軍,宋建社,楊 檬,等.基于證據理論的多任務搶修重要度決策[J].系統(tǒng)工程與電子技術,2011,33(3):581-584.

[14] 陳偉龍,陳春良,史憲銘,等.基于變體GA的進攻作戰(zhàn)搶修任務動態(tài)調度[J].系統(tǒng)工程與電子技術,2017,39(3): 577-583.

[15] 昝 翔,陳春良,張仕新,等.多約束條件下戰(zhàn)時裝備維修任務分配方法[J].兵工學報,2017,38(8):1603-1609.

[16] 陳春良,陳偉龍,陳康柱,等.考慮非遍歷的搶修任務多目標動態(tài)調度[J].兵工學報,2017,38(8):1593-1602.

[17] 王艷玲.取貨車輛動態(tài)調度問題研究[D].北京:北京交通大學,2010:36-37.

[18] 王 君. 不確定因素下車輛路徑問題建模及優(yōu)化方法研究[D]. 天津: 天津大學, 2011: 106-108.

[19] 謝志強,王有為,辛 宇,等.利用工序遷移時間的兩車間設備驅動綜合調度算法[J].上海交通大學學報,2016, 50(6): 929-935.

[20] 熊 浩.動態(tài)車輛路徑問題的分區(qū)靈活分批TSP策略[J].控制與決策,2013,28(10):1454-1458.

[21] 李云雁,胡傳榮.試驗設計與數(shù)據處理[M].第二版. 北京:化學工業(yè)出版社,2008.