在过去的20年里，库存管理的研究往不同的两个方向发展，于是产生了两种截然不同的观点，但是这两种观点在现今的应用中都非常的重要。由于在工业制造方面，编制计划和实时控制是非常重要的，只有通过有效的实时控制，才能减少为了与生产过程同步的而花费在库存上的资金。而另一种情况，军队保障部门为了保障日益复杂的军用装备，且能够在规定的约束条件下，提高装备可用度，满足既定的指标，则采用越来越复杂的库存模型。第一种情况目前是供应链管理的一个组成部分。第二种情况已经发展成为系统法，一般用于以完好性为保障目的备件配置方面。本文所研究实现的算法，与后一类用于军备保障的备件库存模型相关。82520

1  Metric模型的国内外研究状况

      可修复备件保障的经典模型就是Metric模型，它是第一个实用的多等级备件库存优化方法[1] ，所以之后的研究者大多数都把此算法当做研究备件库存优化的基础。1985年Graves[2]提出Vari-Metric模型，他是改进了Metric模型，在建模过程中充分考虑各保障站点的短缺量，以及供应渠道数和方差。因此Vari-Metric模型，在保留Metric模型在复杂系统中优越性的同时，提高了Metric模型在备件优化过程中的精确度。Hillestad[3]考虑到需求随时间变化，于是提出了Dyna-Metric模型。总之，Metric模型在提高库存费效比方面的重要意义，已经被大多数研究者认可。

在国内的研究有也有很多，如文献[4]在处理复杂产品备件库存优化问题上，就采用了S-METRIC模型。文献[5]研究多等级的维修供应体系、多层次结构备件的初始库存分配。文献[6]则采用边际效应来研究复杂备件库存体系,并分析了随机需求下，备件需求如何产生，如何传递。文献[7]本文使用经典Metric模型，研究的是舰船编队的备件优化方案。论文网

2  遗传算法的国内外研究状况

    20世纪50年代末，Holland和他的学生首次在适应性中的人工问题的研究中，使用了遗传算子。20世纪60年代中期，Holland提出将遗传算法(Genetic Algorithm,GA）作为一种编程技术，其基本思想是利用类似自然选择的方式来设计计算机程序。1992年美国海军研究实验室利用Samuel[8]系统来模拟的军舰的操作和作战策略，而这个系统正式基于遗传算法。遗传算法目前广泛应用于在组合优化、模式识别和自动控制等方面。因为备件优化作是组合优化问题，所以遗传算法也被应用到备件的优化方面。

国内在这方面的研究也不少，如文献[9]依据遗传算法的特点，提出了将遗传算法用于求解备件优化问题，解决了某型飞机航材备件优化问题。文献[10]为了解决随舰备件配置中遇到的备件配置费效比低、求解模型单一等难题使用了遗传算法。文献[11]以遗传算法为主体，通过计算使弹药装备保障体系获得了最优的库存配置方案。