Файл: Голенко Д.И. Статистические модели в управлении производством.pdf

распределенную на (0,1) случайную величину а. Прове­

ются нули; 2) присваиваем ix значение 1 и переходим к

п) записываются нули; 2) присваиваем i\ значение k и переходим к этапу 6. Если условие выполнено, то перехо­ дим к шагу k + 1, и т. д. Так как а ^ ' 1 , то в худшем случае через п шагов этот процесс оборвется и мы перейдем к этапу 6.

i2 значение k и осуществляется переход к этапу 7. Если условие выполнено, то переходим к шагу k+l.

Последующие этапы имеют аналогичную последова­ тельность операций. На (п + 4) -м этапе формирование по­

памяти вместо ранее записанных Fj и щ, а затем осу­ ществляется переход к этапу 5. При невыполнении усло­ вия F(A„)<Fj переход к этапу 5 выполняется сразу.

Процесс вычислений можно закончить после просче­ та определенного числа вариантов, причем лучший из достигнутых результатов фиксируется в памяти ЭВМ и по окончании счета печатается.

Алгоритмы 1 и 2 были опробованы нанескольких те­ стовых задачах размеров 10X50, 10X30, 20X20, а ре­ зультаты сравнивались с методом Монте-Карло. Экспе­ римент, описанный в работе [2. 14], показал, что алгоритм

где Fi и F2 — соответственно минимальное и максималь­ ное значения Fi, достигнутые случайным поиском за 1500—2500 реализаций.

В большинстве испытанных вариантов алгоритм 2 за 500 реализаций выдавал значение F, которое не было до­ стигнуто случайным поиском за 3000 реализаций. Наря­ ду с алгоритмом 2 проводились эксперименты с некото­ рыми его модификациями, которые заключаются в спо­ собе (этап 4) получения матрицы R.

Так, например, были опробованы варианты с

которые в среднем оказались менее эффективны. Несколько иная идея просмотра окрестности оптиму­

ма задачи минимизации математического ожидания ре­ ализована в алгоритме 3, который так же, как и алго­ ритм 2, является стохастическим. Будучи опробован на нескольких тестовых задачах, он показал более хорошие

в алгоритме 2. Вычисления заканчиваются после опреде­

модели календарного планирования и описаны методы оптимизации календарных планов с помощью таких мо­ делей. Последующий материал посвящен вопросам по­ строения и исследования имитационных моделей более общего вида для конкретных объектов управления. Рас­ смотрим методы построения моделей мелкосерийного производства на достаточно простом примере, который может быть положен в основу создания более сложных имитационных моделей общего вида, — на примере вы­ бора и обоснования метода формирования очереди дета­ лей к станку. Формализация процесса выбора одной де­ тали из множества деталей, претендующих в данный мо­ мент времени на обработку, осуществляется на основе правил предпочтения, которые являются функциями не­ которых параметров системы. Числовые значения этих функций называются приоритетами. В случае возникно­ вения конфликтной ситуации при назначении деталей на обработку для всех деталей, стоящих в очереди, вы­ числяются приоритеты и деталь с максимальным прио­ ритетом ставится на обработку.

В последнее время получили распространение рандо­ мизированные правила формирования очереди, смысл которых заключается в том, что детали из очереди наз­ начаются на обработку случайно с вероятностями, про­ порциональными вычисленным приоритетам. Описанные принципы формирования очереди называют обычно ло­ кальными правилами предпочтения, имея в виду их эв­ ристическую основу и несогласованность с «глобаль­ ным» критерием оптимального функционирования систе­ мы в целом.

Задача определения оптимального (в смысле согла­ сованности с глобальным критерием) приоритета свя­ зана с большой сложностью аналитического исследова-