Файл: Голенко Д.И. Статистические модели в управлении производством.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 11.04.2024
Просмотров: 173
Скачиваний: 0
2. Вычисляем матрицу Т=А'В
1982 |
3334 |
4704 |
58.0 |
6480 6552 |
5974 |
4754 |
||
3221 |
2977 |
3003 |
3155 |
|
3370 |
3666 |
4142 |
4978 |
4738 |
5546 |
5496 |
5100 |
|
4785 |
4893 |
5681 |
7321 |
4138 |
4742 |
5034 |
5270 |
5710 |
6618 |
8262 |
10914 |
|
1873 |
1901 |
2961 |
2325 |
2640 |
2928 |
3086 |
3986 |
|
4984 |
4388 |
4110 |
4070 |
|
4150 |
4194 |
4008 |
3360 |
3322 |
3458 |
3804 |
4140 |
4595 |
4647 |
4123 |
2699 |
|
6315 |
5787 |
5385 |
5145 |
5100 |
5280 |
5712 |
6420 |
3. Решаем задачу о назначениях |
с |
весовой матри |
|
цей Т. Дл я этих целей была |
использована |
программа ре |
|
шения транспортной задачи. |
Минимум |
математического |
ожидания длины пути получен на перестановке п =(1,4 , 2,5,8,3,6,7), соответствующей значению 77 (ЛЯ ) = 137.
Алгоритм 2 реализует стохастическую процедуру ре шения задачи очередности и может быть использован в тех случаях, когда исходные данные являются достаточно надежными, время решения не ограничено малыми сро ками и экономическая эффективность улучшения целевой функции оправдывает соответствующие затраты эксплу атации ЭВМ. Первые два этапа вычислительной проце дуры алгоритма 2 совпадают с этапами 1 и 2 алгоритма 1, последующие этапы представляют собой модернизацию
метода Монте-Карло, которая |
заключается |
в способе |
||||
формирования |
каждой |
новой |
случайной перестановки. |
|||
Порядок вычислений (после |
выполнения |
этапов 1 и |
||||
2) заключается в следующем. |
|
|
|
|||
Этап 3. По |
алгоритму |
Форда |
[2.26] |
вычисляется |
||
F(A). Значение |
F(A) |
и |
исходная |
последовательность |
столбцов заносится в специальные ячейки памяти ЭВМ,
содержимое которых в |
дальнейшем |
обозначается |
через |
|
Fj и щ. |
|
|
|
|
Этап 4. По |
матрице |
Т вычисляем |
матрицу R |
с эле |
ментами Гц = — |
= 1,2,..., п). |
|
|
Этап 5. Определяем номер i\ элемента, стоящего на первом месте последовательности я = (t'i, 1*2, in). Для этого:
п
Шаг 1—определяем rx = 2rix. Генерируем равномерно
/=1
распределенную на (0,1) случайную величину а. Прове
ряем |
условие аг\>гп. |
Если |
оно |
не выполняется, то: |
1) |
в матрице R на местах |
гц |
(/ = 1, 2, ... , п) записыва |
ются нули; 2) присваиваем ix значение 1 и переходим к
этапу 6. Если условие агх>гп |
выполняется, то |
переходим |
||||||||||
к шагу 2. |
|
|
агх>гп+г21. |
|
|
|
|
|
||||
|
Шаг 2 — проверка условия |
Если |
условие |
|||||||||
не |
выполнено, то: |
1) |
в матрице |
R |
на |
местах |
r2j |
(/ = |
||||
= |
1, 2, ... , п) записываются нули; 2) |
присваиваем |
i\ |
зна |
||||||||
чение 2 и переходим |
к этапу 6. |
Если условие |
выполняет |
|||||||||
ся |
(т. е. a r i > r n + r 2 i ) , |
то переходим к шагу 3, |
и т. д., |
цо |
||||||||
шага k. |
|
|
|
|
|
к |
|
|
|
|
|
|
|
Шаг k — проверяем |
условие |
|
|
Если |
оно |
не |
|||||
|
аГі>Игц. |
|||||||||||
выполняется, то: 1) |
в матрице R |
на |
местах rhj |
( / = 1 , 2 , . . . , |
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.
|
Этап 6. Определяем номер i2 элемента, стоящего на |
|||||
втором месте в перестановке я. Последовательность |
ша |
|||||
гов |
этапа |
б |
аналогична последовательности |
шагов |
эта- |
|
|
|
|
к |
|
п |
|
па |
5. На |
k-м |
шаге проверяется аг2>1,Гі2 |
(r^'Er^). |
Если |
|
|
|
|
i=i |
|
i=i |
|
условие не выполняется, то: 1) в матрице |
R на местах |
|||||
'"л/ ( / = 1 , 2 , . . . , п) записываются нули; 2) |
присваивается |
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
следовательности я = ( і ь |
і 2 , i n |
) |
заканчивается. |
ве |
||
Этап (п + 5). |
Определяем (по |
алгоритму |
Форда) |
|||
личину F(An). |
Проверяем |
условие |
F(An)<Fj. |
Если |
оно |
|
соблюдается, то величины |
F(An) |
и я заносятся в ячейки |
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
1 дает значение F, удовлетворяющее |
неравенству |
F<Fl + 0,\3(F2-Fl) |
, |
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
результаты, |
чем алгоритм |
2 на начальном этапе |
поиска, |
|||||||||||
и более |
медленную |
сходимость |
при |
увеличении |
числа |
|||||||||
реализаций. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Первые три этапа |
алгоритма 3 совпадают с соответст |
|||||||||||||
вующими |
этапами алгоритма 2, дальнейшие вычисления |
|||||||||||||
заключаются в следующем: |
|
|
перестановку |
Л |
||||||||||
Этап |
4. |
|
Генерируем |
|
случайную |
л — |
||||||||
|
|
|
|
|
|
|
|
|
|
Л |
|
|
|
|
= (t"i, i 2 , |
i n |
) |
- Определяем |
по я, используя матрицу Т, |
||||||||||
перестановку |
я = ( / ь |
/г, • • •, |
in) |
следующим |
образом: |
|||||||||
1) среди элементов г'гй строки матрицы Т находим |
мини |
|||||||||||||
мальный |
элемент |
U>jа |
|
вместо |
thJ: |
(k=l,2,..., |
|
п) |
за |
|||||
писываем |
числа, |
равные |
«машинной бесконечности», |
|||||||||||
/і — первый |
|
элемент |
я; |
2) среди элементов і2-й |
|
строки |
||||||||
матрицы |
Т |
определяем |
минимальный |
элемент |
ti3j,, |
а |
||||||||
вместо thj |
(k=l, |
2 , . . . , п) |
записываем |
числа, равные |
«ма |
|||||||||
шинной бесконечности». Тогда \ 2 |
есть второй элемент це^ |
|||||||||||||
рестановки |
л, |
|
|
|
|
|
|
|
|
|
|
|
Аналогичным |
образом определяем |
последовательно |
элементы /з, /4, • • •, In |
|
|
dian 5. Этап |
5 полностью совпадает |
с этапом (п + 5) |
в алгоритме 2. Вычисления заканчиваются после опреде
ленного числа |
реализаций. |
|
§ 2. 8. Рандомизированные правила |
||
предпочтения |
в условиях мелкосерийного |
производства |
В предыдущих параграфах настоящей главы были |
||
рассмотрены |
наиболее представительные |
стандартные |
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-