Файл: Голенко Д.И. Статистические модели в управлении производством.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 11.04.2024
Просмотров: 163
Скачиваний: 0
Как будет показано ниже, при реализации алгорит ма поиска с использованием инверсной метрики при дется вычислять некоторые из чисел (г, q). В зависи мости от параметров задачи и возможностей вычисли тельной машины можно по-разному пользоваться соот ношениями (2.5.1), (2.5.2), (2.5.3). Можно, например, каждый раз непосредственно вычислять числа (г, q), или предварительно составить таблицу некоторых зна чений (г, q), или вычислять их приближенно, пользуясь формулой (7.5.3.) и асимптотической формулой Стер линга.
Используя полученные выше свойства метрики, по строим алгоритм, позволяющий выбрать с равной ве
роятностью векторы |
перестановок |
из |
/^-окрестности |
||
произвольного вектора |
я = ( я ь |
Я2, |
. . . , я т ) . |
Из опреде |
|
ления /^-окрестности вектора |
следует, |
что |
случайный |
||
вектор я* = (яг 'ь я{2, • • •, лЛп) |
равномерно |
распределен |
в /^-окрестности вектора я тогда и только тогда, когда
каждая |
компонента я*3- вектора |
я* равномерно распре |
|||||
делена |
в |
/^-окрестности |
Л) — соответствующей |
компо |
|||
ненты |
вектора я. Поэтому достаточно |
указать |
алго |
||||
ритм равновероятной выборки |
перестановок |
из |
R-OK- |
||||
рестности |
произвольной |
перестановки. |
При |
этом |
мож |
но ограничиться /^-окрестностью нуля, так как любую
перестановку |
я = ( а ь |
а2,...,ап) |
с |
некоторой |
ее R-OK- |
||||
рестностью можно |
топологически |
отобразить |
в нуль с |
||||||
его /^-окрестностью, |
установив |
соответствие: |
|
||||||
|
Otj |
|
н ( £ =1, 2,..., |
п). |
R |
/--окружно |
|||
/^-окрестность |
перестановки состоит |
из |
|||||||
|
|
— |
|
|
|
|
|
|
|
стей (0<r^ZR), |
а |
r-окружность, |
в |
свою |
очередь, со |
стоит из [г, п—1) перестановок; среди них содержит-
ся 2 (г, п—2) перестановок, индекс которых НаЧИНа-
г - І
ется с а г, в свою очередь, среди этих перестановок со-
R—а,—<х.2 |
(г, п—3) таких, индекс |
которых имеет |
на |
держится 2 |
|||
втором месте |
«г, и т. д.; множество |
перестановок, |
ин |
дексы которых начинаются с чисел |
щ, а 2 , . . . , а,, |
со |
|
стоит из |
|
|
|
Н- 2і а,- j = i
2 (r,n-i-\)
7* |
99 |
перестановок. Следовательно, чтобы обеспечить равно
мерную |
|
выборку |
|
перестановок |
|
из |
^-окрестности |
ЗТо, |
||||||||||
можно |
применить |
следующий |
поэтапный |
алгоритм. |
||||||||||||||
Этап |
1. |
|
Делим |
отрезок |
(0,1) |
на |
R |
частей |
в отно |
|||||||||
шении |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
H j - l |
|
|
ПІ): |
Я 4 |
- 2 |
|
|
|
2 |
|
|
|
|
1 |
|
|
|
|
2 |
|
(г, |
2 |
(г, п і ) : - : |
2 |
|
{г,п{)- |
|
2 |
(г,пх), |
|
|||||||
Г=1 |
|
|
|
Г=1 |
|
|
|
Г=1 |
|
|
|
Г=г1 |
|
|
||||
|
|
|
|
где |
ПІ = П— |
1 |
и |
Ri = R. |
|
|
|
|
|
|||||
Этап |
2. |
|
После |
того |
как |
отрезок |
|
(0,1) |
разделен |
на |
||||||||
R частей, |
генерируем |
go — случайную |
|
величину, |
равно |
|||||||||||||
мерно |
распределенную |
на |
(0,1). |
Если |
| 0 |
попадает |
на |
|||||||||||
1-й интервал отрезка |
(0,1), |
то |
полагаем |
aj = г—1. |
|
|||||||||||||
Этап |
3. |
Полагая на |
этапе |
1 Rj+i |
= Rj—ctj, п^\ |
= п^—-1 |
||||||||||||
( 1 < / < п — 1 ) |
и повторив этапы |
1 и |
2, |
получим ctj+i. |
|
|||||||||||||
Этап |
4. |
Построив |
полностью |
индекс |
(аь аг,..., |
an-i), |
||||||||||||
находим |
по |
нему |
соответствующую |
|
перестановку. |
|
||||||||||||
Проведенные |
на |
ЭВМ |
исследования |
показали, |
что |
эффективность поиска существенно зависит от свойств
метрики |
и, в частности, от возможностей ее для |
более |
||||||
глубокой |
детализации структуры |
исследуемого |
про |
|||||
странства. |
|
|
|
|
|
|
|
|
Так, |
например, |
при |
организации |
статистического |
||||
поиска с |
помощью |
цепной |
и |
лексикографической |
мет |
|||
рик для |
задачи |
календарного |
планирования |
mXnXl |
||||
(I — количество |
операций |
каждой |
детали) количество |
|||||
недействительных |
планов |
на |
один |
действительный |
оказалось в цепной ме.трике в 5—б раз больше, чем в
лексикографической |
метрике, при одних |
и |
тех |
же |
|
^-окрестностях (расчеты проводились для |
R = 3). |
Это |
|||
указывает на |
то, что эффективность поиска |
с приме |
|||
нением лексикографической метрики в 5—6 |
раз |
боль |
|||
ше, чем при |
цепной |
метрике. Перечисленные |
ранее |
преимущества инверсной метрики по сравнению с цеп
ной |
и |
лексикографической |
позволяют ожидать боль |
|||
шую |
эффективность последней. |
|
||||
Поиск |
с пересчетом |
вероятностных |
характеристик. |
|||
Метод |
направленного |
случайного поиска, |
связанный с |
|||
пересчетом |
вероятностных |
характеристик |
случайного |
расписания, может быть предложен для решения сле
дующей задачи |
календарного планирования. Имеется |
m одинаковых |
станков, на которых нужно обработать |
два типа деталей, причем число деталей каждого типа
равно |
tij |
(/=1,2). Каждая деталь должна |
пройти об |
||||
работку |
на одном станке и только один раз. Требует |
||||||
ся найти |
оптимальное расписание. Эта |
задача |
матема |
||||
тически |
сводится к следующей. |
|
|
|
|||
В |
п= |
(п, + я2 )-мерном |
пространстве |
задано |
множе |
||
ство |
точек |
с булевыми |
переменными, |
т. |
е. |
D = { X } , |
|
где Х={х\...хп), |
ХІ = 0 или 1 означает, |
что |
на |
освобо |
дившийся станок запускается деталь 1-го или, соответ ственно, 2-го типа. Тогда вектор X однозначно опреде
ляет |
некоторое |
расписание |
запуска |
деталей. |
|
|
||||||||||
|
На множестве |
D |
задана |
некоторая |
функция |
К(Х)— |
||||||||||
значение цикла. Тогда алгоритм решения |
задачи |
мож |
||||||||||||||
но |
представить |
в |
следующем |
виде. |
|
|
|
|
|
|
||||||
|
1. |
Задаем |
некоторое |
чисто |
^о- |
|
|
|
|
|
|
|||||
|
2. Выбираем |
за |
v-e |
расписание |
Xv= |
(xvu |
xv2,..., |
|||||||||
xvn) |
|
такое, что |
|
К(Х»)>і0. |
|
|
|
|
|
|
|
|
|
|||
где |
3. |
Вычислим |
pv |
= X |
Я ( Г ) - ; „ |
|
д ^ о , |
|
|
|
||||||
К выбирается |
из |
условий |
улучшения |
сходимости. |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
— |
|
|
|
|
|
|
4. |
Моделируем |
случайный вектор |
| v |
+ ! =( |
|
|
), |
||||||||
для |
которого |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
+1_ |
| |
х{* |
с |
вероятностью |
1 —pv |
• |
|
|
|
|||||
|
|
t |
\ |
l—Xiv |
с |
-вероятностью |
p v |
|
|
|
|
|||||
|
Реализацию |
£ v + 1 |
обозначим |
через |
Xv+1 |
|
|
|
||||||||
|
5. Вычислим K(Xv+]) |
и сравним с до |
|
|
|
|
||||||||||
вели K(Xv+l)>f0, |
|
то |
переходим |
к |
п. |
2. |
|
|
|
|
||||||
|
.6. Запоминаем |
Xv+X; уменьшаем |
t0 |
так, |
чтобы |
|||||||||||
io^K(lv+l) |
и переходим |
к |
п. 4 |
|
|
|
|
|
|
|
||||||
|
Признаком |
окончания |
процедуры |
является |
v>N, |
|||||||||||
где |
N задано, |
и за оптимальное |
принимаем |
расписание |
||||||||||||
Xv+l. |
|
Процесс |
моделирования |
|
Xv,v=l,...,N |
|
|
можно |
||||||||
представить |
как |
случайное |
блуждание |
в |
области |
D, |
||||||||||
отвечающее |
некоторой |
марковской |
цепи. |
Состояния |
||||||||||||
X, |
для которых |
K(X)^t0, |
|
являются |
поглощающими. |
|||||||||||
Известно, что |
вероятность |
попадания |
из |
любого |
со |
стояния конечной неприводимой марковской цепи в поглощающее состояние равна единице,
Рассмотренный метод применялся для решения за
дачи |
со |
следующими |
исходными данными [2,9]. |
|
||||||
т = 7, |
« 1 |
= 115, |
я 2 = 20, % = 3. |
|
исследовалось |
|||||
На |
ЭВМ |
«БЭСМ-ЗМ» за минуту |
||||||||
около |
60 |
расписаний. |
Цикл, |
соответствующий |
наилуч |
|||||
шему |
расписанию, |
составил |
/( = 720 |
час. Ранее |
за ме |
|||||
сяц |
(К —717 |
час.) |
на |
т = 7 выполнялось |
число |
деталей |
||||
П ! = 93 |
и |
п2 |
= 20. |
|
|
|
|
|
|
|
|
|
|
§ 2. 6. Вероятностные методы решения |
|
||||||
|
|
|
одномаршрутных задач очередности |
|
||||||
|
|
|
|
с прямоугольной матрицей |
|
|
||||
Выше, в |
§ 2.2 |
настоящей |
главы, |
мы |
уже отмечали, |
что под задачей очередности в теории расписаний по нимается следующая проблема. Имеются т различных станков, на которых необходимо обработать п различ
ных деталей. |
Деталь |
di(i= |
1,2,..., п) характеризуется |
ВеКТОрОМ di— |
(til, ti2, |
. . . ,tim) |
, ГДЄ t{j — ВреМЯ обработ- |
ки ї'-й детали на /-м станке. Необходимо найти такой порядок обработки деталей, при котором время завер
шения |
обработки последней |
детали |
достигает |
миниму |
|
ма при условии, что последовательность |
обработки де |
||||
талей |
на всех станках одна |
и та же |
и |
каждая |
опера |
ция не может быть начата ранее, чем завершится пред шествующая операция данной детали и станок освобо дится от обработки предыдущей детали.
Для задач очередности определенного объема пре
имущество |
некоторого |
метода |
оптимизации проявляет |
ся в том, |
что либо этот |
метод |
за фиксированное время |
дает лучшее решение, нежели остальные, либо эквива лентное решение получается за меньшее время.
Эффективность |
статистических |
методов |
оптимизации, |
|||
как правило, сравнивают |
с чисто случайным поиском |
|||||
(метод Монте-Карло), который |
в |
этом |
случае |
стал |
||
эталоном. |
|
|
|
|
|
|
Можно распространить эту методику на все пред |
||||||
лагаемые методы |
решения |
задачи |
очередности. |
Если |
||
эффективность метода Монте-Карло принять за |
едини |
|||||
цу, то эффективность какого-нибудь |
другого |
метода |
||||
можно считать равной 9 |
единицам; |
эквивалентные |
решения той же ЭВМ могут быть получены во втором случае за время (в среднем) в в раз меньшее, чем в