随着“中国制造2025”强国战略的积极推进,传统装备制造业逐步向以智能化、精益化、大型化、绿色发展为核心的新型制造业转型升级。维修保障作为装备全寿命周期的必要组成部分,发挥着日益重要的作用。虽然科技革新大幅提高了装备制造水平,但是装备系统维修保障问题随之接踵而来,尤其是有限的维修资源与维修保障决策之间的矛盾日益凸显。实际工程中,维修决策的制定通常要兼顾存在的资源约束因素,有选择性的执行一组维修操作对组成整个系统的部分设备与元件实施维护,即选择性维修。在资源约束条件下,以系统任务完成为要求,优化配置维修资源,制定合理的维修决策优化方案,进而可靠的达到预设目标,是提高装备系统维修保障水平,实现降本增效的关键所在。因此,开展资源约束下选择性维修策略及评估方法研究具有重要的理论和现实意义。本论文结合选择性维修理论、群体智能优化算法及多属性决策(Multi-attribute decision making,简称MADM)技术,在对选择性维修的基本概念、范围进行拓展的前提下,针对在选择性维修领域发现的几点问题和不足,构建了相关问题的选择性维修决策模型,提出了针对选择性维修策略优化和质量评估的新算法,并通过算例验证了模型与算法的有效性。本论文主要研究内容和创新性成果包括以下几个方面:(1)基于DGSA算法的单目标选择性维修策略优化研究将能效指标引入选择性维修决策问题,研究了单目标选择性维修优化问题,引入KijimaⅡ类非完好维修模型描述多状态系统维修的非完美特性,建立了串并联系统的任务可靠度模型,围绕维修过程较为复杂的能耗阶段,构建了面向选择性维修过程的能耗模型,形成了以系统任务可靠度为约束的能耗单目标选择性维修决策模型。设计了一种融合差分算子的差分-引力搜索算法(Differential-Gravitational search algorithm,简称DGSA),并应用于两个不同规模的系统算例,结果表明DGSA算法可高效产生系统维修等级匹配优化策略。通过将DGSA算法与差分算法和万有引力搜索算法进行比较实验,验证了所提算法的有效性。(2)基于二阶段求解算法的多目标选择性维修策略规划研究针对系统任务要求与团队维修能力的匹配问题,提出了团队维修能力因子的概念,分析了混合并联系统的结构特点,建立了时间约束下团队维修能力关联的多目标选择性维修优化模型,即系统可靠度最大和维修成本最小模型。提出了MADM与智能优化算法结合的二阶段求解算法,即在执行团队维修能力MADM评估基础上,采用设计的动态多目标人工蜂群算法,计算多目标选择性维修模型的Pareto前沿。通过算例验证,结果表明可有效生成不同团队维修能力下的Pareto解集,探究了任务要求与团队维修能力匹配的一般规律。最后,与基于非支配排序的遗传算法进行比较实验,验证了动态多目标人工蜂群算法的有效性。(3)基于MOGSA算法的多目标协同选择性维修序列规划研究在系统部件维修等级匹配优化研究的基础上,针对多人协作的产品维修作业,研究了任务干涉下的协同选择性维修序列规划问题。采用改进的层次维修树来表达维修任务之间的干涉关系,并以层次维修树为基础,建立了以最大化维修收益和最小化协同维修时间的多目标优化模型。设计了基于双层任务序列编码的并行维修的初始化程序,提出了求解协同选择性维修序列规划问题的多目标万有引力搜索算法(Multi-objective gravitational search algorithm,简称MOGSA)。以某载运器的加力器装置系统作为实例研究对象,验证了MOGSA算法在求解协同选择性维修序列规划问题的可行性和有效性。(4)基于模糊MADM的选择性维修质量评估方法研究针对带有许多定性指标且指标间存在大量交互作用的选择性维修质量评估问题,提出了融合模糊数、人工蜂群算法、gλ模糊测度、Choquet模糊积分和逼近理想点法的模糊MADM方法。建立了普适性较强的维修质量评估指标体系,在模糊MADM方法中,模糊数被用于表达评估定性指标的模糊语意,人工蜂群算法用于辨识gλ模糊测度并通过gλ模糊测度集处理指标间存在的交互作用,基于逼近理想点法产生的距离数据,采用Choquet模糊积分将各指标数值进行非线性集成。以中国重汽生产的某型工程车辆作为装备维修质量评估案例,通过本章方法对维修质量方案进行评估排序,并与单一的加权灰色关联法和逼近理想点法进行比较,验证了所提方法的适用性。