- •09.03.01 Информатика и вычислительная техника
- •Глава 1 Общие сведения о теории принятия решений
- •1.1 Понятия, связанные с принятием решений
- •1.2 Определенность результатов принимаемых решений
- •1.3 Критерии оценки решения
- •5 Реальные процедуры принятия управленческих решений.
- •1.4 Системы поддержки принятия решения
- •1.5 Математическое моделирование при принятии решений
- •1.6 Классификация математических моделей структурированных систем
- •1.7 Задачи моделирования на различных уровнях принятия решений
- •Глава 2 Системы поддержки принятия решений, основанные на знаниях
- •2.1 Способы описания знаний
- •2.2 Когнитивные модели
- •2.3 Онтологические модели процесса принятия решений
- •Ниже приведены краткие сведения об онтологиях и пример их использования для моделирования процессов принятия решений в системах обучения. Слово «онтология» имеет два значения:
- •Методология создания онтологий. Практическая разработка онтологии включает:
- •2.4 Экспертный подход к принятию решений
- •2.4.1 Методы экспертных оценок
- •2.4.2 Методы средних баллов при оценке альтернатив
- •2.5 Продукционные модели знаний
- •2.5.1 Основные определения
- •2.5.2 Байесовский подход к построению продукционных моделей знаний
- •2.5.3 Структура базы знаний и алгоритм логического вывода
- •Глава 3 Методы оптимизации в задачах принятия решений
- •3.1 Принятие решений на основе методов линейного программирования
- •3.2 Математическая модель планирования производства
- •3.3 Задачи оптимального планирования производства
- •3.4 Транспортная задача
- •3.5 Задачи об упаковке
- •3.5.1 Задача о рюкзаке
- •3.5.2 Задачи упаковки в контейнеры
- •3.6 Задачи о замене оборудования
- •3.6.1 Простейшая задача о замене оборудования
- •3.6.2 Задача об оптимальных сроках замены дискового оборудования
- •3.7 Многокритериальные задачи принятия решений
- •Глава 4 Вероятностные модели формирования и выбора альтернатив решений
- •4.1 Моделирование систем на основе формализма цепей Маркова
- •4.1.1 Определение и динамика цепи Маркова
- •4.1.2 Оценка длительности пребывания процесса во множестве невозвратных состояний
- •4.1.3 Оценка поведения цепей Маркова при большом числе шагов
- •4.2 Модель процесса обучения как цепь Маркова
- •4.3 Система обслуживания заявок с очередью и отказами
- •4.4 Модель динамики информационных ресурсов
- •4.5 Принятие решений об оптимизации инвестиционного портфеля
- •4.6 Имитационное моделирование при принятии решений
- •4.6.1 Система AnyLogic: активные объекты, классы и экземпляры активных объектов
- •4.6.2 Объектно-ориентированный подход
- •4.6.3 Средства описания поведения объектов
- •4.6.4 Анимация поведения и интерактивный анализ модели
- •4.6.5 Примеры имитационного моделирования
- •Глава 5 Сетевые модели поддержки принятия решений
- •5.1 Обыкновенные сети Петри
- •5.1.1 Формальное определение
- •5.1.2 Графы сетей Петри
- •5.1.3 Пространство состояний сети Петри
- •5.1.4 Основные свойства сетей Петри
- •5.1.5 Некоторые обобщения сетей Петри
- •5.1.6 Инварианты сетей Петри
- •5.2 Раскрашенные (цветные) сети Петри (cpn)
- •5.2.1 Мультимножества
- •5.2.2 Формальное определение cpn
- •5.2.3 Функционирование cpn
- •5.2.4 Расширения cpn
- •5.2.5 Сравнение формализмов обыкновенных и раскрашенных сетей Петри
- •5.2.6 О моделирующих возможностях сетей Петри
- •5.3 Моделирование дискретных систем
- •5.3.1 Моделирование вычислительных систем
- •4.3.2 Моделирование программ
- •5.3.3 Моделирование протоколов передачи данных
- •5.3.4. Об исследовании сетей Петри с помощью эвм
- •5.4 Герт-сети
- •5.4.1 Описание герт-сети
- •5.4.2 Производящие функции герт-сетей
- •5.4.3 Вычисление w-функций для типовых соединений дуг
- •5.4.4 Модель процесса обучения как герт-сеть
- •Глава 6 Примеры систем поддержки принятия решений
- •6.1 Система эспла
- •6.1.1 Режимы функционирования системы
- •6.1.2 Принятие решений при техногенных авариях
- •6.1.3 Использование информационных ресурсов
- •6.2 Информационная система дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства рф
- •6.2.1 Общая характеристика системы
- •6.2.2 Использование спутниковых данных
- •6.2.3 Центры приема и обработки спутниковых данных
- •6.2.4 Информационные продукты, формируемые системой
- •6.2.5 Прогнозирование параметров лесных пожаров по данным исдм-Рослесхоз
- •Г.А. Доррер методы и системы принятия решений
- •Красноярск 2016
3.3 Задачи оптимального планирования производства
Приведенные в п. 3.2 соотношения позволяют формулировать задачи оптимального планирования производства [10]. Для этого предварительно необходимо проделать следующие операции:
составить все необходимые технологические карты, на их основе рассчитать матрицы
и
,
а также определить векторы
.принять решение о критерии оптимизации. В частности, таким критерием может быть:
а) максимум выхода
продукции
(3.14),
б) минимум расхода
сырья
(3.16),
в) минимум отходов
(3.17).
В практике планирования производства возможны различные постановки задач оптимизации. Ниже рассмотрены три наиболее типичных случая.
Первый случай планирования
Заданы:
спецификация вырабатываемой продукции ,
матрицы и ,
векторы
,
Требуется определить:
оптимальную по выбранному критерию спецификацию сырья – вектор
;план производства
,
обеспечивающий получение спецификации
.
Последнее условие запишется в виде равенства
. (3.18)
Поскольку спецификация сырья заранее не ограничена и можно выбирать любое сырье, то справедливо неравенство
. (3.19)
Критерии оптимизации могут быть двух видов:
минимум расхода сырья
где
; (3.20)
или минимум отходов
. (3.21)
Использование в качестве критерия максимума выхода продукции (2.17) в рассматриваемой задаче не имеет смысла, т.к. спецификация продукции жестко задана.
Задачи (3.18), (3.19), (3.20) и (3.18), (3.19), (3.21) представляют собой задачи линейного программирования, которые можно решить с помощью стандартных программ, реализующих алгоритм симплекс-метода. Решив эти задачи и получив оптимальный вектор , можно затем определить искомую оптимальную спецификацию сырья (вектор ):
. (3.22)
Второй случай планирования
Заданы:
спецификация сырья
,матрицы и ,
векторы
.
Требуется определить:
оптимальную по выбранному критерию спецификацию вырабатываемой продукции
,план производства , обеспечивающий полное использование сырья и получение оптимальной спецификации продукции .
В этом случае задача оптимизации ставится следующим образом: найти такой оптимальный план производства , который удовлетворяет ограничениям
, (3.23)
(3.24)
и обеспечивает экстремум одного из критериев:
максимум выпуска продукции
, (3.25)минимум отходов . (3.26)
Использование в качестве критерия оптимизации минимума расхода сырья в данной постановке невозможно, т.к. объемы сырья заданы. Как и в предыдущем случае, решив с помощью стандартной программы задачи (3.23), (3.24), (3.25) или (3.23), (3.24), (3.26), получим оптимальный план производства , а затем искомую оптимальную спецификацию продукции
. (3.27)
Третий случай планирования
Это наиболее распространенный случай планирования производства, он заключается в следующем.
Заданы:
спецификация сырья
,плановая спецификация вырабатываемой продукции ,
матрицы и ,
векторы
.
Требуется определить
оптимальный по выбранному критерию
план производства продукции
из имеющегося в наличии сырья
с
целью выполнения заданной спецификации
продукции
.
В данном случае ограничения имеют вид
, (3.28)
,
(3.29)
а критерий оптимальности задается одним из выражений:
максимум выпуска продукции
, (3.30)
минимум отходов
,
(3.31)
минимум расхода сырья
. (3.32)
Найдя план
производства
как решение
неравенств (3.28), (3.29) с условиями (3.30),
(3.31) или (3.32), необходимо затем вычислить
фактические спецификации вырабатываемой
продукции
и используемого сырья
.
Пример. Рассмотрим пример принятия решения о производстве пиломатериалов из круглых бревен [10].
Требуется составить план раскроя бревен четырех размерных групп со средними диаметрами вершинной части 38. 42, 46 и 50 сантиметров на пиломатериалы 12 сечений с использованием 12 технологических карт (поставов). При этом нужно выполнить заданную спецификацию пиломатериалов и обеспечить минимум расхода сырья.
Характеристики сырья приведены в таблице 3.2, а характеристики карт раскроя – в таблице 3.1.
Таблица 3.2
Характеристики сырья
Средний диаметр, см |
38 |
42 |
46 |
50 |
Объем1 бревна, куб. м. |
0,73 |
0,89 |
1,08 |
1,26 |
Запас сырья данного вида,штук |
200 |
200 |
200 |
200 |
.
Плановая спецификация вырабатываемых пиломатериалов определена таблицей 3.3.
Таблица 3.3
План выработки пиломатериалов
Номер сечения |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
План выработки пиломатериалов, куб.м. |
3 |
11 |
6 |
13 |
11 |
10 |
12 |
11 |
18 |
23 |
18 |
Поскольку и спецификация сырья, и спецификация пиломатериалов заданы, мы имеем третий случай планирования производства, причем критерием оптимальности служит минимум расхода сырья.
Выпишем все исходные данные задачи. Матрица определится таблицей 3.1.
Матрица применимости карт раскроя к видам сырья также определяется таблицей 3.1 и имеет вид
. (3.33)
Векторы спецификаций сырья и пиломатериалов определяются соответственно таблицами 3.2 и 3.3 и имеют следующий вид.
(3.34)
Вектор расхода
сырья по каждой карте раскроя
определится
объемами бревен тех размерных групп, к
которым применима данная карта раскроя.
На основе таблицы 3.1 вычислим вектор
Задача формулируется
следующим образом: определить, сколько
штук бревен
нужно раскроить с помощью каждой из
имеющихся карт
,
т.е. найти такой план раскроя
(3.35)
который бы удовлетворял системе ограничений
(3.36)
и доставлял минимум критерию
(3.37)
Сформулированная
задача решалась с использованием
стандартной программы, реализующей
симплекс-метод. В результате расчета
были выбраны карты раскроя с номерами
3, 6, 7, 9 и 10, а остальные карты не
использовались. Полученный вектор
оптимального выпуска продукции после
округления значений
до ближайшего целого числа имеет вид
(3.38)
При этом фактически будет выработана следующая спецификация продукции (в куб.м):
Мы видим, что план по выпуску продукции выполнен, а по ряду позиций – и перевыполнен.
Фактически израсходовано следующее количество сырья (штук бревен):
.
(3.39)
Сравнивая полученные цифры с заданной спецификацией (3.34), мы видим, что получилась значительная экономия сырья.
Значение критерия оптимизации (общий объем израсходованного сырья) составил
(куб.м). (3.40)
