新体制下战区陆军物资配送保障网络优化论文

新体制下战区陆军物资配送保障网络优化

荀烨¹，党伟滔²，李文源²，杨学铭²

（1.陆军军事交通学院军用物资配送系，天津 300161；2.陆军军事交通学院学员五大队研究生队，天津 300161）

[摘要] 分析了新体制下战区陆军物资配送保障网络优化的内容、流程和影响因素，以网络保障平均时间最短、网络保障总成本最低为优化目标函数，提出了带约束条件的多目标网络优化模型，并改进了多目标全面学习粒子群优化算法（MOCLPSO）。最后以某年度中部战区陆军部队冬季军需被装物资配送保障为验证分析案例，在分析处理相关数据的基础上，运算求得了三个Pareto最优解，并对优化结果进行了综合分析与评价。

[关键词] 新体制；战区陆军；物资配送保障；网络优化

1 引言

随着国防与军队体制编制改革的不断进行与深化，新体制下战区陆军物资配送的保障关系也发生了重大变化。在未来现代战争中，随着高精尖技术武器的广泛使用，各项军事任务的突发性与激烈程度空前增大，与之对应的物资消耗就会急剧增加^[1]，使新体制下的军事行动比过去任何时候都更加依赖物资补给的程度和效率。因此，合理的进行战区陆军物资配送保障网络设计与优化，对于新体制下完善我军军事物流系统、提高军事物流资源的合理配置具有重大的现实意义。

2 战区陆军物资配送保障网络优化的内容与技术思路

2.1 战区陆军物资配送保障网络优化目的与内容

本文对战区陆军物资配送保障网络进行优化，主要考虑保障网络的时效性和保障网络的总成本，为战区陆军平战时物资配送保障计划方案的编制和保障综合效益的提高提供理论依据。

（1）保障网络的时效性。保障网络的时效性是指按照一定的物资配送保障网络关系，物资配送保障活动在部队受供单位产生实际效果的时间限度，具体讲起来就是：适时、适地、适量。

在战区陆军物资配送保障网络中，通专物资往往具有多个物资配送保障节点，多个物资配送保障节点又按照一定的物资配送保障网络关系对应着多个部队受供单位^[2]。在优化分析时，保障网络的时效性具体表现为按照网络关系实施物资配送保障活动所花费的总时间。

（2）保障网络的总成本。保障网络的总成本是指按照一定的物资配送保障网络关系，因物资配送保障行动所产生的所有直接和间接费用。在优化分析时，保障网络的总成本具体表现按照网络关系实施物资配送保障活动所产生的总费用。

2.2 战区陆军物资配送保障网络优化流程

结合战区陆军物资配送保障实际，采用建立模型定量计算的方法进行网络优化。战区陆军物资配送保障网络优化的流程主要有以下几个步骤：

（1）确定物资配送保障网络优化的主要内容。主要分析确定物资配送保障网络优化的主要目的，并确定物资配送保障网络优化的主要内容。

（2）分析确定网络优化的主要因素。通过收集相关资料和数据，分析自战役仓库接到物资调拨单起，到物资送达至陆军部队用户手中，所需要经历的流程时间及相应的成本，即确定网络时间因素和网络成本因素。

MOCLPSO的主要操作流程如图2所示。

（4）模型求解。针对建立的网络优化模型，选择合适的优化算法对案例模型进行计算求解。

（5）结果分析。将求解得到的优化后的物资配送保障方案与现行的物资配送保障实际方案进行对比分析，并指出模型的应用价值。

除此之外，教师还可以利用多媒体教学技术来为学生创设教学情境。比如在进行《水调歌头》文章教学时，教师可以利用网络搜集关于文章的图片资料，然后课堂初期通过多媒体投影进行展示，并且配上相关的音乐，让学生的视觉感官受到强烈冲击。利用多媒体进行情境创设，能够在激发学生兴趣的同时帮助学生加深对文章的理解，让学生带着强烈的探索欲望进行学习，提升学生的学习主动性。

粒子群优化算法是通过模拟鸟群觅食的过程来解决多目标优化问题的算法^[5]。多目标粒子群优化算法类似于模拟退火算法，通过对解集的不断迭代来寻找出最优解。

2.3 战区陆军物资配送保障网络优化影响因素分析

依据本文设定的战区陆军物资配送保障网络优化内容，将影响物资配送保障网络优化的主要因素归结为网络时间因素和网络成本因素。

图1 战区陆军物资配送保障网络优化技术路线图

（1）网络时间因素。战区陆军物资配送保障网络时间主要包括网络保障节点时间及网络线路时间。影响网络时间的主要因素有部队用户的物资需求量，分拣集配、装卸搬运物资的效率，网络保障节点与部队受供单位的距离，物资运输平均速度，因物资转运带来的滞留时间以及相关技术装备、作业人员的工作效率。

（2）网络成本因素。战区陆军物资配送保障网络成本主要包括固定成本和可变成本。影响网络成本的主要因素有部队用户的物资需求量，分拣集配、装卸搬运物资的人工费用和装备消耗^[3]，网络保障节点与部队受供单位的距离，物资运输费率以及物资在途中转运节点上的暂存费率^[4]。

急性肾衰伤与患者的免疫机制、手术时间、年龄等因素有着直接的关系。围手术期给予患者相应的处理措施，例如，密切观察患者的生命体征，例如，血压、体温等，需要使用降压药物控制患者的血压，另外，手术过程中可以使用去肾上腺素降低失急性肾衰伤的发生。应对患者的体液进行有效控制，防止体液过多，使患者的机体体液负荷较高而导致急性肾衰伤的发生，还应根据患者的不同疾病，制定合理的手术方案，并应注意手术相关细节，同时应用密切观察患者的各项生理指标，对患者可能出现的并发症应采取积极的应对措施，使患者发生急性损伤的概率得到降低[3] 。

根据系统胺液总量和脱盐前后HSS的浓度差进行计算，累计脱除热稳定盐43.45 t。脱盐期间能耗主要有除盐水、电、氢氧化钠溶液和少量盐酸(清洗膜堆)，产生含胺废水217 t，具体数据见表1。由表1可知，每去除1 t HSS的平均能耗为5332.7 MJ，消耗30%(w)的NaOH溶液0.3 t，并产生含盐、含胺废水5.0 t。废水中MDEA质量浓度为0.03 g/m L，平均每去除1 t HSS的胺液损耗为0.15 t，其原因是在电场作用下，部分MDEA因发生质子化而带电荷，从而穿过阳膜进入浓盐室，和废水一起排出。

3 战区陆军物资配送保障网络优化模型构建

3.1 优化模型的基本假设

根据目前战区陆军物资配送保障的实际情况，本文做以下几点假设：

（1）仅考虑公路运输以及公路和铁路结合的两种运输方式；

(二)老旧建筑拆除过多，市内工业企业基本被毁。上个世纪末期以前，唐山市中心区各行业工厂应有尽有，这些年代久远、建筑风格独特、时代感强、又有很强地域特色的企业建筑具有重要的历史价值，但随着企业股份制改革，特别是房地产的迅猛发展，加之对文物保护管理的缺位，那些大地震都没被震倒的车间厂房，绝大多数惨遭武断拆除。

（2）采用公路运输方式时，车辆行驶的公路路段为市内公路和高速公路；

珊德拉夫人啜饮着浓浓的黑咖啡说，我想，我母亲一定喜欢她那个时代，不然她不会做了这么多套精美绝伦的衣服。上帝赐予我和母亲一样的身材，我就穿着她的衣服，用她喜欢的方式来旅行和游览，这就等于延长了她的生命。我用这种怀念方式，让她在天堂微笑。

（3）物资配送在库内作业时，不考虑物资的储存时间与储存成本，仅考虑物资分拣集配、装卸搬运的成本和时间；

区块链技术可以为IoT提供较强的安全防护。首先，区块链内生的激励机制可以吸引更多的安全服务商加入到IoT系统的检测中来，有利于形成更加系统权威的检测报告；其次，区块链衍生的大规模去中心化系统可以为IoT提供分布式信任机制，保障IoT跨域互联互通的安全性；最后，区块链自身的隐私防护特性可使得IoT智能交易更具匿名性，有效地保护用户的隐私信息不受侵害。

根据战区陆军物资配送保障网络优化的特点，提出利用多目标全面学习粒子群算法（MOCLPSO）来对本论文优化模型进行求解。

3.2 优化模型的基本参数设置

（1）相关参数见表1。

小学语文教学中很大的的困境就是学生主动性差，一直是小学语文老师灌输性教学，学生被动接受，这样的学习可想而知是很低效的。这是因为教师是以升学率为教学目标，一般更注重的是小学生对语文知识的学习和掌握，而不是以培养学生语文素养为目的的教学，所以内容一般枯燥乏味，不能有效的提起学生学习语文的积极性和主动性。

表1 相关参数表

（2）决策变量

其中，i=1,2,…,n。k1i、k2i为在(0，1)范围内均匀独立生成的2*n个随机数，对于整体算术杂交算子，k1i=(k11，k12，…，k1n)，k2i=(k21，k22，…，k2n)，对于线性杂交算子，生成的2*n个随机数为k11=k12=…=k1n=k1，k21=k22=…=k2n=k2。

3.3 优化模型的建立

根据战区物资配送保障的实际情况，综合上述分析和设定，以网络保障平均时间最短和网络保障总成本最小作为目标函数，建立两级间“多个网络保障节点对多个部队用户”的多目标优化模型如下：目标函数：

约束条件：

由于生产的智能工程机械设备，技术含量高，一旦设备发生故障，客户最看重的是厂家排除故障的速度。为此，山河智能在全国各地设立了20个售后服务网点，配备了100多台服务车。“过去高速公路路网不发达时，不敢承诺客户排除故障的时间。如今，高速公路路网发达了，公司承诺客户市内3小时之内排除故障，省内4小时内排除故障。”李伟伟说道。

（1）目标函数。式（3）、（4）分别为物资配送网络保障平均时间最短和网络保障总成本最低的目标函数。保障平均时间最短的目标函数主要由两个部分构成：第一部分为选择公路运输方式时网络保障所需的平均时间，第二部分为选择公铁结合运输方式时网络保障所需的平均时间。保障总成本最低的目标函数同样由两个部分构成：第一部分为选择公路运输方式时网络保障所花费的总成本，第二部分为选择公铁结合运输方式时网络保障所花费的总成本。

（2）约束条件。式（5）表示在实施物资配送保障时，每个部队用户只能由一个网络保障节点来完成；式（6）表示在实施物资配送保障时，运输方式只能选择公路运输或者公铁结合运输；式（7）表示网络保障节点库存量充足，能够满足多个部队用户的物资需求量；式（8）表示在实施物资配送保障时，各个部队用户的物资保障需求量得到完全满足；式（9）表示物资配送保障网络能够覆盖所有部队用户；式（10）表示Z_ij、Z_ijkm为0-1整数决策变量。

4 战区陆军物资配送保障网络优化模型求解

4.1 模型求解方法介绍

（5）每个部队用户受供同一类物资只能由一个储供基地或战役仓库或其他网络保障节点供应保障。

[13] Glaeser E L, Kahn M E., “Sprawl and Urban Growth”, Handbook of Regional and Urban Economics, 2003, pp. 2481-2527.

战区陆军物资配送保障网络优化技术路线如图1所示。

在MOCLPSO中，粒子群向粒子的全局最优位置gbest、粒子自身飞到过的最优位置pbest 以及其他粒子飞到过的最优位置学习。设群体中粒子的维度为D，其中粒子的d 维向gbest 学习，粒子的D-d 维随机向其他非劣解的pbest或者粒子自身的pbest学习^[6]。

该算法中有两个重要的参量：学习概率P_s与精英概率P_e。学习概率决定粒子是向自身最优位置学习还是向其他非劣解最优位置学习；精英概率决定维度d的大小。

（4）储供基地、战役仓库配备的技术装备和作业人员具有稳定的工作效率，且库存量充足；

（3）建立网络优化模型。结合物资配送保障的实际情况，提出合理的假设及相关的约束限制条件，建立战区陆军物资配送保障网络优化模型。

图2 MOCLPSO算法操作流程图

4.2 战区陆军物资配送保障网络优化模型解算

本文所建立的战区陆军物资配送保障网络优化模型是一个典型的多目标优化模型，且为含约束条件的多目标优化模型（MOP）^[5]。可以应用多目标全面学习粒子群算法来求解该模型。本文案例样本来源于某综合仓库某年度陆军冬季军需被装物资配送保障任务。

4.2.1 粒子编码

根据文章研究的内容，主要分为以下9大类别：综合研究、教学探讨、实践训练、学科建设、教学技术、教师的发展、素质教育、学术载体以及杂志相关的其他内容[6]。其中综合研究和教学探讨所占比重最大。详见表2。

（1）编码方式。在本文的物资配送保障网络优化模型中，将1个配送保障方案视为一个粒子。假设模型中有m个军需仓库、n个陆军部队用户，粒子的维度为2n，其中前n维采用整数编码形式，将m个军需仓库按照1-m依次编号，表示陆军部队与军需仓库的对应关系；后n维采用二进制编码形式，即公路运输方式编号为0，采用公铁结合运输方式编号为1，表示采用的运输方式。例如某粒子i 的位置X_i={1,2,1,3,1|0,1,1,0,1}，说明B01、B03、B05号部队由N01号仓库保障，B02号部队由N02号仓库保障，B04号部队由N03号仓库保障；B01、B04 号部队的保障采用公路运输方式，B02、B03、B05号部队采用公铁结合运输方式。

（2）粒子速度和位置更新。由实际情况可知，物资从军需仓库到部队用户所采用的运输方式会影响物资配送的供应保障关系，即粒子编码的前n维和后n 维是互不独立的，粒子前n 维信息中包含着后n 维的信息。如果采用基本粒子群算法的更新方式，会不可避免地产生很多不可行解，加大运算冗余量。因此，本文算法只更新粒子的前n维向量。n维向量的初始化位置为[1，n]的随机整数，初始化速度为[1-n，1+n]的随机实数。

4.2.2 模型约束处理和适应值计算。根据上文中给出的物资配送保障优化模型，整理出本案例中存在以下的约束条件：

设置惩罚函数，将问题转化为无约束条件的优化问题，令：

给定一个较大的惩罚系数σ ，不妨取σ= 10¹⁰，得到最终的适应度函数：

4.2.3 结果仿真计算。本文通过MATLAB2015b 软件编程来进行模型求解计算，参数设置为：粒子种群规模num=50，最大迭代次数k=200，粒子维度D=2n=100，外部存档的规模L=150，学习概率P_s=0.5，精英概率P_e=0.4，加速常数C₁=C₂=2。惯性因子取ω₀=0.9，ω₁=0.4，控制因子取d₁=0.3，d₂=7。经计算，共可得到3个Pareto最优解。

（1）平均时间最优解。该物资配送保障方案总成本W₁=35 523.2元，平均时间T₁=9.6h。方案解的粒子形式如下：

（2）综合效益最优解。该物资配送保障方案总成本W₂=34 281.3 元，平均时间T₂=11.6h。方案解的粒子形式如下：

（3）总成本最优解。该物资配送保障方案总成本W₃=31 251.9 元，花费时间T₃=15.3h。方案解的粒子形式如下：

4.3 战区陆军物资配送保障网络优化结果分析

根据调查情况，所调查年度某综合仓库对战区陆军物资配送保障的实际总成本为56 285.4元，耗费平均时间为19.2h。通过上文的计算结果可知，保障方案总成本W₁＞W₂＞W₃，平均时间W₁＜W₂＜W₃，即方案一虽然保障成本最高，但其全程为公路运输，大大减小了保障平均时间，利于部队战时应急条件下的物资配送；方案三采用了公铁联运，运输时间最长，但其保障总成本最低，适用于部队平时的物资配送；方案二介于方案一三之间，为一个经济效益与军事效益较为均衡的解。另外，从三种方案的结果来看，随着全部采用公路运输向越来越倾向于采用公铁结合运输的变化，物资保障的平均时间会越来越长，总成本会越来越低，比较符合物资配送保障的运输方式与物资配送保障时间和保障成本之间的一般性变化规律。最后，三种计算得到的优化方案与实际调查所得数据对比，无论是保障总成本还是平均时间，三种方案均优于实际情况^[7]。

whereis the estimated central azimuth DOA or estimated central elevation DOA of the kth source,andis the true central azimuth DOA or true central elevation DOA of the kth source.

综上可知，本文提出的新体制下战区陆军物资配送保障网络优化模型，可以有效解决区域性军用物资配送保障网络的优化问题，该优化模型具有较高的实际应用价值^[8]。

5 结语

本文重点分析了新体制下战区陆军物资配送保障优化的重点考虑因素，研究确定了战区陆军物资配送保障网络优化的内容，设计网络优化的流程，分析网络优化的主要目标，以配送保障网络平均时间最短和网络总成本最低为目标函数建立了战区陆军物资配送保障网络优化模型，最后以某年度中部战区陆军部队冬季军需被装物资配送保障为案例，运用改进的多目标全面学习粒子群优化算法以及MATLAB 程序进行优化计算求解，并对优化结果进行了分析与评价。结果表明，该网络优化模型能够有效地解决两级间“多个保障节点对多个部队用户”的物资配送网络的优化问题，具有广泛的实际应用价值。

[参考文献]

[1]卢莉娜,樊军宁.从信息技术应用看我军后勤现代化[J].金卡工程,2009,13(11).

[2]杨学铭,荀烨.新体制下战区陆军物资配送保障网络模式研究[J].物流技术,2018,37(6):48-52.

[3]张瑞鹏.推动型军事供应链优化研究[D].北京:北京交通大学,2009.

[4]徐天亮.运输与配送[M].北京:中国物资出版社,2012.

[5]雷德明.多目标智能优化算法及其应用[M].武汉:科学出版社,2009.

[6]肖闪丽,王宇嘉,聂善坤.动态邻居维度学习的多目标粒子群算法[J].计算机工程与应用,2017,53(20):31-37.

[7]赵莉,董玉民.基于量子遗传的混合粒子群优化算法[J].计算机工程与设计,2014,(7):2 566-2 571.

[8]刘文凯,温洁嫦.远离最差解的粒子群优化算法[J].广东工业大学学报,2017,34(4):78-83.

Optimization of Ground Force Theater Material Distribution Support Network under New System

Xun Ye¹,Dang Weitao²,Li Wenyuan²,Yang Xueming²
(1.Department of Military Materials Distribution,Ground Force Military Transportation Academy,Tianjin 300161;2.Fifth Graduate Student Management Brigade,Ground Force Military Transportation Academy,Tianjin 300161,China)

Abstract: This paper analyzed in detail the content, process and influencing factors of the optimization of the ground force theater material distribution support network under the new system, then with the shortest average network support time and the lowest network support cost as the objective function, proposed a multi-objective network optimization model with constraints, and improved the multiobjective comprehensive learning particle swarm optimization algorithm(MOCLPSO).Finally,based on a case study on the uniform support of the central theater ground force in a certain winter,we obtained three Pareto optimal solutions by analyzing and processing the relevant data,and comprehensively analyzed and evaluated the result of optimization reached.

Keywords: new system;theater ground force;material distribution support;network optimization

[中图分类号] E234

[文献标识码] A

[文章编号] 1005-152X(2019)09-0156-05

doi: 10.3969/j.issn.1005-152X.2019.09.030

[收稿日期] 2019-07-17

[作者简介] 荀烨（1964-），男，硕士，教授，硕士研究生导师。

标签：新体制论文; 战区陆军论文; 物资配送保障论文; 网络优化论文; 陆军军事交通学院军用物资配送系论文; 陆军军事交通学院学员五大队研究生队论文;