- •Моделирование транспортных процессов и систем
- •1. Информация о дисциплине
- •1.1. Предисловие
- •1.2. Содержание дисциплины и виды учебной работы
- •1.2.1. Содержание дисциплины
- •1.2.2. Объем дисциплины и виды учебной работы
- •2. Рабочие учебные материалы
- •2.1. Рабочая программа
- •Введение (2 ч)
- •Раздел 1. Роль математических методов в решении производственных задач автомобильного транспорта (14 ч)
- •Раздел 7. Методы динамического программирования (13 ч)
- •Раздел 8. Планирование перевозок по сборным, развозочным и сборно-развозочным маршрутам (22 ч)
- •Раздел 9. Теория массового обслуживания в задачах оптимизации транспортных процессов (13 ч)
- •Заключение (1 ч)
- •2.2. Тематический план дисциплины
- •2.2.1. Тематический план дисциплины
- •2.2.2. Тематический план дисциплины
- •2.2.3. Тематический план дисциплины
- •2.3. Структурно-логическая схема дисциплины «Моделирование транспортных процессов и систем»
- •Роль математических методов в решении производственных задач автомобильного транспорта
- •2. Корреляционно-регрессионный
- •3. Модели линейного программирования
- •4. Формирование
- •5. Маршрутизация перевозок
- •6. Модели транспортных сетей
- •7. Методы динамического программирования
- •8. Планирование перевозок по сборным,
- •9. Теория массового обслуживания в задачах оптимизации транспортных процессов. Заключение
- •Использовании информационно-коммуникационных технологий
- •2.5. Практический блок
- •2.5.1. Лабораторные работы
- •2.5.1.1. Лабораторные работы (очная и очно-заочная формы обучения)
- •2.5.1.2. Лабораторные работы (заочная форма обучения)
- •2.5.2. Практические занятия (очная форма обучения)
- •2.6. Балльно-рейтинговая система оценки знаний
- •Информационные ресурсы дисциплины
- •Библиографический список
- •3.2. Опорный конспект Введение
- •Роль математических методов в решении производственных задач автомобильного транспорта
- •1.1. Представление процессов в автомобильно-дорожном комплексе как процессов в сложной системе
- •1.2. Понятие модели. Классификация моделирования систем. Эвристические методы решений задач
- •Условия задач по количеству грузов и расстояний
- •Формирование объекта имитационного моделирования
- •Массив вершин графа автомобильно-дорожной сети территории
- •2. Корреляционно-регрессионный анализ математических моделей
- •2.2. Вычисления парной корреляции и линейной регрессии
- •Заключение по решению
- •Заключение по решению
- •3. Модели линейного программирования в решениях задач управления транспортными процессами
- •3.1. Общая задача линейного программирования
- •3.2. Графоаналитический метод
- •3.3. Симплексный метод
- •Симплексная таблица с первоначальным допустимым базисным решением задачи
- •Вторая симплексная таблица для решения задачи по перевозке грузов
- •4. Формирование системы оптимальных грузопотоков
- •4.1. Общая постановка задачи. Метод потенциалов
- •4.2. Задача закрытого типа по сокращению дальности перевозок
- •4.3. Задача открытого типа с нарушенным балансом производство-потребление для однородных грузов
- •Матрица условий задачи на перевозку груза при наличии дисбаланса производство-потребление
- •Матрица условий задачи с введенным фиктивным потребителем, уравнивающим дисбаланс производство-потребление
- •4.5. Задача с минимизацией времени перевозки скоропортящихся грузов
- •Матрица условий
- •Матрица расчета
- •5. Маршрутизация перевозок грузов помашинными отправками
- •5.1. Общая постановка задачи
- •5.2. Аналитическая модель задачи маршрутизации перевозок
- •5.3. Решение задачи маршрутизации. Составление маятниковых и
- •6. Модели транспортных сетей экономического региона и расчеты кратчайших расстояний перевозок
- •6.1. Принципы формирования моделей транспортных сетей
- •Минимальная величина Это и будет строки к9, и опять .
- •Затем исправляется величина в соответствующем столбце матрицы.
- •Исходный базовый вариант для определения кратчайших расстояний между пунктами модели (рис. 6.2)
- •Оптимальное решение для определения кратчайших расстояний между пунктом а1 и всеми остальными для модели (рис. 6.2)
- •Решение для определения кратчайших расстояний по маршрутной сети (рис. 6.2) от пункта а2 до всех остальных
- •Решение для определения кратчайших расстояний по маршрутной сети (рис. 6.2) от пункта а3 до всех остальных
- •Методы динамического программирования
- •Основные понятия и общая постановка задачи
- •7.2. Методика оптимального решения задачи
- •Выбор кратчайшего пути на этапе V
- •Выбор кратчайшего пути на этапе IV
- •Выбор кратчайшего пути на этапе III
- •Выбор кратчайшего пути на этапе II
- •Выбор кратчайшего пути на этапе I
- •8. Планирование перевозок по сборным, развозочным и сборно-развозочным маршрутам
- •8.2. Проектирование развозочных маршрутов методом перебора вариантов
- •Результаты расчета пробега и грузооборота в развозочной системе
- •Результаты функционирования автомобиля в системе
- •8.3. Проектирование маршрутов методом сумм
- •Результаты расчета
- •Результаты функционирования автомобиля в системе
- •9. Теория массового обслуживания в задачах оптимизации транспортных процессов
- •Общая характеристика автотранспортных задач массового обслуживания
- •9.2. Аналитические модели оптимальных решений задач
- •Заключение
- •3.3. Глоссарий
- •3.4. Методические указания к выполнению лабораторных работ
- •Объемы перевозок груза, т
- •Номер начального пункта пути следования по сети дорог (рис. 6.2) для выполнения лабораторной работы №3
- •Номер начальной точки (пункт погрузки), пункты разгрузки и потребность их в грузе
- •3.5. Методические указания к проведению практических занятий
- •3.5.1. Практическое занятие №1. Оптимизация грузопотоков с помощью модели транспортной задачи линейного программирования с использованием метода аппроксимации Фогеля
- •1. Описание метода расчета
- •Исходная матрица с данными и начальный этап решения задачи по методу аппроксимации Фогеля
- •Этапы расчетов по составлению первого допустимого плана перевозок груза при решении задачи по методу аппроксимации Фогеля
- •3.5.2. Практическое занятие №2. Сменно–суточное планирование перевозок помашинных отправок грузов. Составление маятниковых и кольцевых маршрутов
- •Сводный план грузопотоков (т) и расстояния между пунктами (км),
- •План подачи порожнего подвижного состава (пс) под погрузку,
- •Сводный план грузопотоков (т) и расстояния между пунктами (км) варианты 2,4,6,8,0 (последняя цифра шифра студента)
- •План подачи порожнего подвижного состава (пс) под погрузку, варианты 2,4,6,8,0 (последняя цифра шифра студента)
- •3.5.3. Практическое занятие №3. Прикрепление кольцевых маршрутов к автотранспортному предприятию и технологический расчет маршрута
- •4. Блок контроля освоения дисциплины
- •4.1. Задание на курсовой проект и методические указания к его выполнению общие указания
- •Задание на курсовой проект
- •Вопросы по курсовому проекту
- •Задача №1
- •Расстояния между пунктами, км
- •Объемы перевозок груза, т
- •Задача №2
- •Развозочного маршрута
- •Методические указания к выполнению курсового проекта
- •4.2. Текущий контроль
- •Правильные ответы на тренировочные тесты текущего контроля
- •Итоговый контроль
- •Перечень вопросов к экзамену
- •Содержание
- •3. Информационные ресурсы дисциплины……………………………………27
- •191186, Санкт-Петербург, ул. Миллионная, 5
Условия задач по количеству грузов и расстояний
-
Пункт отправления
Пункт назначения
Наличие груза, т
B1
B2
…
Bj
…
Bn
A1
l11
l12
…
l1j
ln
a1
A2
l21
l22
…
l2j
l2n
a2
…
…
…
…
…
…
…
…
Ai
li1
li2
…
lij
lin
ai
…
…
…
…
…
…
…
…
Am
lm1
lm2
…
lmj
…
lmn
am
Потребность в грузе, т
b1
b2
…
bj
…
bn
bj ai
Так как потребность пункта Bj составляет bj m, то
=
bj.
Сказанное справедливо для любого пункта Bj, поэтому получаем систему n уравнений:
x11 x21 …. xm1 b1;
x12 x22 …. xm2 b2;
…………………………. (1.3)
x1n x2n …. xmn bn.
С другой стороны, общее количество груза, отправляемого из пункта Аi во все пункты назначения Bj, составит
хi1
xi2
….
xin
.
По условию задачи эта сумма равна наличию груза в пункте Аi:
.
Сказанное справедливо к любому пункту отправления, поэтому имеем систему m аналогичных (1.3) уравнений:
x11 x12 …. xin a1;
x21 x22 …. x2n a2;
…………………………. (1.4)
xm1 xm2 …. xmn am.
Более компактно системы (1.3) и (1.4) записываются в виде
=
bj
,
=
ai
. (1.5)
Суммарная транспортная работа Р в т· км из условия задачи равна
P=
l11
x11
+ l12
x12
+ ….+
lij
xij
+….+ lmn
xmn
=
.
В процессе дальнейшей оптимизации (оптимального решения) рассматриваемой задачи суммарную транспортную работу Р нужно минимизировать, то есть определить значения переменных, при которых достигается минимальная величина в т· км целевой функции Р (1.6):
Р
=
min
. (1.6)
Выражение (1.5) и целевая функция (1.6) являются аналитической моделью рассмотренного в данном примере транспортного процесса. Таким образом, поставленная в данном примере 1.1 задача выполнена и аналитическая модель составлена.
1.4. Понятие имитационной модели
Имитационные модели – это модели более высокого уровня по сравнению с аналитическими.
Имитационные модели содержат отдельные подпроцессы, которые не могут быть описаны функциональными соотношениями, используемыми для аналитических моделей. Для их описания используются экспертные и кибернетические методы, а также опытные данные. Эти модели используются для анализа и расчета процессов и систем большой сложности.
Имитационной моделью называется также специальный программный комплекс, который позволяет имитировать деятельность какого-либо сложного объекта. Он запускает в компьютере параллельные взаимодействующие вычислительные процессы, являющиеся по своим временным параметрам (с точностью до масштабов времени и пространства) аналогами исследуемых процессов. В странах, занимающих лидирующее положение в создании новых компьютерных систем и технологий, научное направление Computer Science использует именно такую трактовку имитационного моделирования.
Во многих случаях имитационный эксперимент является единственным способом описания реальных сложных систем, поскольку процессы, протекающие в таких системах, являясь многокритериальными, связаны, кроме того, с длительными временными интервалами.
Имитационные модели позволяют достаточно просто учитывать такие факторы систем, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и другие, которые часто создают трудности при исследованиях на аналитических моделях.
Методология имитационного моделирования основана на воспроизведении реальных или гипотетических бизнес-процессов в специальной компьютерной среде, образующей виртуальный мир предприятия, организации, производства и любого другого объекта управления.
Эта технология появилась в 60-х г. XX в., и на протяжении многих лет она не только остается одной из основных в исследовании операций, но и бурно развивается в области реинжиринга, бизнес-процессов и новых направлений искусственного интеллекта.
Имитационное моделирование – это чисто компьютерная работа, которую невозможно выполнить подручными средствами. Поэтому часто для этого вида моделирования используется синоним компьютерное моделирование.
Имитационную модель нужно создавать. Для этого необходимо специальное программное обеспечение – система моделирования (simulation system). Специфика такой системы определяется технологией работы, набором языковых средств, сервисных программ и приемов моделирования.
В общем случае, с точки зрения специалиста в области информационных технологий, имитационное моделирование контролируемого процесса или управляемого объекта – это высокоуровневая информационная технология, которая обеспечивает два вида действий, выполняемых с помощью компьютера:
работу по созданию или модификации имитационной модели;
эксплуатацию имитационной модели и интерпретацию результатов.
Основные этапы имитационного моделирования
Имитационное моделирование как особая информационная технология состоит из следующих основных этапов:
1. Структурный анализ процессов. Проводится формализация структуры сложного реального процесса путем разложения его на подпроцессы, выполняющие определенные функции и имеющие взаимные функциональные связи согласно легенде, разработанной рабочей экспертной группой. Выявленные подпроцессы в свою очередь могут разделяться на другие функциональные подпроцессы. Структура общего моделируемого процесса может быть представлена в виде графа, имеющего иерархическую многослойную структуру. В результате появляется формализованное изображение имитационной модели в графическом виде, например - см. рис. 8.1.
2. Формализованное описание модели .Графическое изображение имитационной модели; функции, выполняемые каждым подпроцессом; условия взаимодействия всех подпроцессов и особенности поведения моделируемого процесса (временная, пространственная и финансовая динамика) должны быть описаны на специальном языке для последующей трансляции. Для этого существуют различные способы:
Описание вручную на языке типа GPSS, Pilgrim и даже на Visual Basic. Последний очень прост, на нем можно запрограммировать элементарные модели, но он не подходит для разработки реальных моделей сложных экономических процессов, так как описание модели средствами Pilgrim компактнее аналогичной алгоритмической модели на Visual Basic в десятки –сотни раз;
Автоматизированное описание с помощью компьютерного графического конструктора во время проведения структурного анализа, т.е. с очень незначительными затратами на программирование. Такой конструктор, создающий описание модели, имеется в составе системы моделирования в Pilgrim.
3. Построение модели (build). Обычно это трансляция и редактирование связей (сборка модели), верификация (калибровка) параметров.
Трансляция осуществляется в различных режимах:
- интерпретации, характерной для систем типа GPSS, SLAM-11, Rethink;
компиляции (характерен для системы Pilgrim).
Каждый режим имеет свои особенности.
Режим интерпретации проще в реализации. Специальная программа– интерпретатор на основании формализованного описания модели запускает все имитирующие программы. Данный режим не приводит к получению отдельной моделирующей программы, которую можно было бы передать или продать заказчику (продавать пришлось бы и модель, и систему моделирования, что не всегда возможно).
Режим компиляции сложнее реализуется при создании моделирующей системы. Однако это не усложняет процесс разработки модели. В результате можно получить отдельную моделирующую программу, которая работает независимо от системы моделирования в виде отдельного программного продукта.
Верификация (калибровка) параметров модели выполняется в соответствии с легендой, на основании которой построена модель, с помощью специально выбранных тестовых примеров.
Проведение экстремального эксперимента для оптимизации определенных параметров реального процесса.
