Обработчик события окончания обслуживания.

1. Сбор статистики о заявке.

Продолжительность нахождения в системе

2. Если очередь заявок пуста то

1. Обслуживающее устройство свободно

2. Иначе

   1. Взять заявку на обслуживание

   2. Состояние обслуживающего устройство занято

   3. Запланировать событие окончания обслуживания.

Алгоритм имитации смо.

1. Задать временной интервал имитации

2. Запланировать событие поступления заявки в момент времени 0.

3. Очередь заявок пуста

4. Обслуживающее устройство свободно

5. Пока не исчерпан интервал моделирования и очередь заявок не пуста выполнять

   1. Взять из календаря ближайшее событие

   2. Переместить системное время в точку этого события

   3. Запустить обработчик событий по типу события хранящемуся в календаре

6. Обработать статистику.

Смо с нетерпеливыми заявками.

Нетерпеливая заявка это заявка, которая может покинуть систему до начала обслуживания.

Для моделирования таких систем используется абстрактный тип очередь с двумя концами.

Модели поддержки принятия решений.

Выбор вуза для поступления из числа вузов города Иванова.

1. Составить список критериев оценки вуза.

   1. Качество обучения

   2. Качество распределения

   3. Качество общежитий

   4. Уровень поддержки вне учебной деятельности

Перечисленные критерии не имеют метрической оценки.

2. Определить меру предпочтительности каждого вуза по каждому критерию

3. Определить предпочтительность критериев.

4. Принять решение с учетом информации по пунктам 2 и 3

Каждый вариант выбора это альтернатива.

Определение предпочтительности альтернативы по критерию.

Транжирование альтернатив.

Метод парного сравнения

Известны результаты попарных сравнений требуется найти абсолютное значение предпочтения.

При условии, что результаты парных сравнений дают точную оценку предпочтений задача отыскания абсолютных значений a[i] сводится к решению задачи о собственном векторе. Эту задачу необходимо решить для всех критериев.

Метод парных сравнений можно применить также для определения предпочтительности на множестве критериев.

Нижний уровень вершин это альтернативы

Следующий уровень это критерий – оценки альтернатив по критериям

Веса ребер это предпочтительностериев в задачи принятия решения при N – альтернативы, m – критерии. Предположим, что оценка альтернативы для принятия решения представляет собой сумму оценок, по частным критериям взвешенную оценками предпочтительности каждого из критериев.

Результатом операции произведения матрицы оценки альтернатив на матрицу весов критериев будет взвешенная сумма значения критериев по каждой из альтернатив.

Эта сумма для каждой альтернативы и есть оценка принятия решений.

29.09.2012 Приближённое решение задач оптимизации на графах.

Генетические алгоритмы.

Пример мягких вычислений это вычисление площади сложной фигуры путём многократного эксперимента. Счёт на пальцах.

Многократные повторения и случайный характер опыта.

Генетические алгоритмы моделируют процессы массовой селекции в живой природе.

1)Популяция - множество особей способных к скрещиванию и различающиеся генетическим материалом.

2)Хромосомы - способ кодирования генетического материала, который допускает быструю и однозначную реконструкцию особей.

3)Оценочная функция. По умолчанию считается чем больше значение оценочной функции тем лучше решение.

4)Генетические операторы - а)имеют вероятностную природу, б)обладают высокой вычислительной эффективностью

-оператор селекции - отвечает за выбор двух особей для скрещивания

-оператор скрещивания (cross over) - обеспечивает порождение особей потомков путём случайного комбинирования генетического материала особей родителей.

-оператор мутации - обеспечивает случайные изменения генетического материала особи под воздействием окружающей среды. Мутация используется для повышения разнообразия генетического материала в условиях ограниченной популяции и для уменьшения вероятности застревания в локальных экстремумах.

Псевдокод генетического алгоритма:

1)Сформировать популяцию вариантов решений.

2)Пока не исчерпаны вычислительные ресурсы и не удовлетворён критерий сходимости, выполнять:

2.1)Пока не выполнено нужное количество замен в текущей популяции повторять

2.1.1)Выбрать пару для скрещивания

2.1.2)Выполнить скрещивание

2.1.3)Заменить худших родителей полученными потоками

2.2)Применить заданное количество мутаций

3)Выбрать лучшее решение в последнем поколении

Параметры настройки генетического алгоритма

1)Способ кодирования вариантов (представление в виде хромосом)

2)Размер популяции

3)Оценочная функция (при необходимая оценочная функция должна предусматривать штраф для недопустимых вариантов решений)

4)Реализация генетических операторов

5)Параметры применения генетических операторов (количество замен, количество мутаций)

6)Критерий сходимости генетического алгоритма

Как только эпсилон меньше заданного значения, дальнейший поиск следует прекратить.

Применение генетических алгоритмов для решения задачи коммивояжёра

Параметры настройки

1)Способ кодирования варианта решений, а значит допустимым вариантом решений является перестановка вершин на множестве вершин графов.

2)Размер популяции выбирается исходя из верхнего предела допустимых затрат.

3)Оценочная функция - сумма весов рёбер, которая принадлежит циклу.

4)Реализация генетических операторов - оператор селекции. Метод рулетки.

1)Особи популяции упорядочены по возрастанию оценочной функции

2)Значение оценочных функций популяций вычисляются нарастающим итогом

3)Генерируется значение равномерно-распределённого случайного числа в диапазоне от нуля до максимального значения нарастающей суммы.

4)Отыскивается первое значение нарастающего итога, которое превышает значение случайного числа.

5)Соответствующий вариант решения принимается для генетического обмена (для скрещивания).

Метод рулетки отдаёт предпочтение в лучшем вероятностном смысле решению.

Операторы скрещивания и мутации существенно зависят от решаемой задачи.