2．1．2构建逆优化模型。

　　实际生产过程中，各种资源投入时均会存在一定弹性，与运算最优解相比，模型可行解或非可行解更为适合情况下，反映出模型原有的约束条件与实际需求不相符的问题，需调整各项资源的投入。实际作业时，最优解为xi*(i=1，2，3…n)，因约束条件需要做出适当的条件，所以改变b和m，变为b*、m*，令bi*=bi+σi－βi、mi*=mi+ηi－γi，其中，bi、mi的增量、减量分别为σi≥0、βi≥0、ηi≥0、γi≥0，目标函数选择总体变化最小，据此即可将逆优化模型建立起来。

　　2．2应用实例。

　　以某煤业集团下属煤矿为例，分析上述逆优化模型构建的有效性。该煤矿生产能力为0．22Mt/a，预计有324万t的开采储量，以18年作为该煤矿的服务年限。从资产价值看，该煤矿机电设备共值114．6亿元，每年最多要投入980万元的管理费用。

　　2．2．1构建模型。

　　按照上述条件，利用Minitab软件，回顾性分析该煤矿20xx年至20xx年的机电设备管理投入费用、机电事故损失费用，同时，与其投入计划相结合，完成优化模型的构建。在构建的模型中，主要包含:①求解各项指标(x1，x2，x3，x4)投入最优的管理资源配置方案，并最大化降低机电事故损失;②x1，x2，x3，x4的投入上限、下限分别为285－335万元、130－166万元、245－300万元、229－256万元;③x1+x2、x2+x3、x3+x4、x1+x2+x3、x2+x3+x4的总投入至少要达到482万元、380万元、458万元、745万元、630万元;④这4项指标的总投入要控制在980万元以内。随后，转化该模型，使其变为标准形式，同时，求解在Matlab遗传算法工具箱辅助下进行，迭代94次后，模型获得最优解的条件为4项治疗分别投入323．308万元、165．327万元、261．563万元、229．802万元，此时模型解为120．99万元。由生产实践可知，这四项指标分别投入180万元、220万元、411万元、179万元时，与模型最优解相比，进一步降低了机电事故损失，降低幅度达9．85%。这说明，原模型与实际需求并不相符，需对约束条件利用逆优化方法调整，以使优化效果最佳。按照本文理论方法建立逆优化模型，并将上述指标投入值输入Matlab中，获得新的模型。

　　2．2．2结果分析。

　　(1)安全运行方面。原模型时，该指标投入下限为285万元，利用逆优化方法优化后，投入下限降低到176．815万元。经调查，该煤矿十分重视操作人员的`培训教育工作，但实际开展过程中，由于未能明确分工，导致冗余大量人员，同时，能源浪费问题也明显存在。基于此种现状，分工要科学开展，以使操作人员数量适当减少，并以节能减排等方法降低能源消耗，促进运行投入减少。

　　(2)维护保养方面。原模型时，机电设备用于维护保养的投入上限为166万元，经优化后，提高到221．1317万元。该指标投入上限的升高，说明该煤矿在使用机电设备过程中并未彻底落实定期检查与润滑保养制度，导致疲劳运行的机电设备数量众多。为避免机电事故的发生，维护保养力度必须要加大，定期开展润滑保养工作，以减少安全隐患，保证机电设备运行状态良好。

　　(3)设备维修方面。原模型时，维修机电设备的投入上限为300万元，优化后，提高了114．1437万元，达到414．1317万元。因优化后该指标投入上限升高，因此，对该煤矿的机电设备维修工作展开调查、分析，结果显示，尽管该煤矿频繁的进行机电设备维修工作，但存在未能彻底维修、未全面落实维修计划的问题，而且为降低成本，较少更换损坏部件，造成机电设备频繁发生故障。为了解决此问题，逆优化后，提高了机电设备的维修投入，并建立完善的维修监督机制、定期考核机制，促进维修质量的提高，同时还规定该煤矿要及时更换损坏部件，避免故障的发生。

　　(4)更新改造方面。原模型时，更新改造投入下限为229万元，优化后，投入下限变为177．1437万元。该煤矿管理机电设备过程中，十分注重更新改造工作，但由于仅采取了更换废旧设备的措施，导致出现高投入、低效益的问题。对此，应纠正该煤矿的认识，让其正确认识何为更新改造，从而减少该项工作的投入。

　　(5)安全运行及维护保养方面。煤矿机电设备的安全运行紧密联系着维护保养工作，因此，还需要对二者的总投入做出严格的控制。原模型时，这两项指标的总投入下限高达482万元，经优化后，投入下限重新设定为399．62万元。该煤矿为了保证机电设备运行的安全性，投资相应管理资源时力度较大，但却并未重视与此息息相关的维护保养投入，不仅导致存在资源浪费问题，也无法获得资源投入后的预取目标。因此，该煤矿应在将维护保养重视程度显著提升的基础上，通过合理协调二者投入比例，使总投入适当减少。