Учебное пособие 2125

Выделяют следующие этапы проектирования рецептуры готового изделия [3], основным из которых является математическая формализация задачи.

Шаг 1. Установление цели разработки нового или модификация существующего продукта питания.

Шаг 2. Выбор критериев формализации. Выявление ограничений на критерии.

Шаг 3. Математическая формализация процесса.

Шаг 4. Обработка исходных данных и определение допустимого решения задачи. Если решение имеется, то переходят к следующему этапу. В противном случае необходима корректировка исходных данных.

Шаг 5. Нахождение оптимального решения поставленной задачи. Если оптимальные решения определяются, то формируется перечень подходящих вариантов рецептуры, иначе требуется введение дополнительных ограничений.

Шаг 6. Выбор оптимального рецептурного состава проектируемого многокомпонентного изделия. Если оптимальная рецептура не выделяется, то необходимо вернуться на стадию составления математической модели процесса.

Целевое назначение модели, зависящее от прикладных задач е применения в системах автоматизированного расч та и оптимизации рецептур многокомпонентных пищевых систем, влияет на выбор методов и средств моделирования.

Анализируя литературные источники, было установлено, что задачи проектирования пищевых продуктов решаются по одному из выбранных направлений: химическому, минеральному, витаминному составам, энергетической ценности и т.п. Большое внимание при этом уделяется вопросам разработки и проектирования сложнокомпонентных изделий. При этом задачу оптимизации рецептур таких продуктов стремятся упростить, сводя е к однокритериальной. В связи с этим необходима разработка программного продукта, который позволял бы проектировать изделия со сложным сырьевым составом не только с задаваемой пищевой, биологической и энергетической ценностью, но также определяющим функциональную направленность таких продуктов.

Литература

1.Олейникова А.Я. Технологические расчеты при производстве кондитерских изделий / А.Я. Олейникова, Г.О. Магомедов, И.В. Плотникова. - СПб.: Издательство РАПП, 2008. – 240 с.

2.Донскова Л.А. Концептуальные основы разработки комбинированных мясных продуктов / Л.А. Донскова // Известия УрГЭУ. 2013. - № 2(46). - С. 152-156.

3.Автоматизированное проектирование сложных многокомпонентных систем // Е.М. Муратов и др. – Тамбов: Из-во ФГБОУ ВПО «ТГТУ», 2011. – 80 с.

ФГБОУ ВО «Воронежский государственный университет инженерных технологий», Россия

80

УДК 004.021

И.И. Токарев, С.А. Олейникова

АЛГОРИТМ РЕШЕНИЯ ОПТИМИЗАЦИОННОЙ ЗАДАЧИ ВЫБОРА БАЗОВЫХ СТАНЦИЙ ДЛЯ СИСТЕМ ПОДВИЖНОЙ СВЯЗИ

Введение Одной из специфических особенностей современных систем подвижной

связи является непрерывное усовершенствование качества обслуживания и расширения спектра предоставляемых услуг. Кроме того, в настоящее время происходит интенсивное строительство загородных поселков, расширения городов, что также обуславливает необходимость обеспечения новых потенциальных клиентов качественной связью. Все это требует периодического решения задач частотно-территориального планирования и выбора базовых станций.

Очевидно, что с учетом практической значимости данной задачи, она уже была ранее исследована, и получены определенные методы ее решения. Так, в работах [1,2] анализируются существующие и предлагаются новые модели и методы частотно-территориального планирования.

Однако, многообразие критериев, положенных в основу задачи и учитываемых характеристик таково, что:

1.Постановка задачи и ее особенности

Рассматриваемую задачу можно сформулировать следующим образом. Пусть имеется некоторая область D, которую необходимо полностью обеспечить «покрытием». Пусть каждая базовая станция bi задается следующим вектором [3]:

Выделим отдельно из вектора r стоимость costi, поскольку данная характеристика будет использоваться в целевой функции. Необходимо определить места размещения базовых станций и их конфигурацию, чтобы

является обобщенный характер ее постановки. Существующие подходы ориентированы на специфические особенности той или иной технологии. Именно эти особенности определяют ограничения задачи. Однако, при необходимости изменений потребуется формализовать и решить оптимизационную задачу заново, поскольку часть ограничений становится неактуальными, а другие, наоборот, необходимо ввести. В связи с этим было решено формализовать оптимизационную задачу в общем виде, без конкретизации специфики ограничений. Опишем их следующим образом [3]. Пусть качество обслуживания определяется некоторым вектором

81

зрения качества обслуживания.

Необходимо определить параметры вектора (1), чтобы минимизировать целевую функцию (3) с учетом всех ограничений (5).

2.Разработка алгоритма решения задачи

Исходя из постановки, представленной выше, реализуем алгоритм решения задачи. В первую очередь, необходимо отметить, что задача обеспечения подвижной связи заданного качества включает в себя две взаимосвязанные задачи:

-задачу частотно-территориального планирования, т.е. выбора оптимального расположения базовых станций;

-задачу выбора состава базовых станций, т.е. выбор из множества базовых станций с определенными характеристиками тех, что доставляют минимум функции стоимости при выполнении ограничений.

Рассмотрим каждую из данных задач более подробно. Первая задача относится к классу задач непрерывной оптимизации. Допустимым является любое решение, суммарная зона покрытия для которого включает в себя область D. Предполагается, что данное ограничение в числе прочих описано в абстрактном виде среди множества ограничений (5). Однако, для данной задачи его можно более подробно описать следующим образом. Пусть выбор вектора pi для базовой станции i позволил охватить некоторую зону di. Тогда вектор p=(p1,…,pN), где N – число базовых станций должен быть таковым, чтобы:

имеется вектор p=(p1,…,pN). Необходимо определить такой вектор r, каждая компонента которого описывается с помощью формулы (2), чтобы в условиях ограничений (5) обеспечить минимум функции (3). В данном случае допустимым будет являться любое решение, удовлетворяющее ограничениям (5); оптимальное – допустимое, доставляющее минимум функции (3).

Очевидно, что, с одной стороны данные задачи взаимосвязаны, и решать одну из них без другой не имеет смысла. С другой стороны, данные задачи относятся к разным видам оптимизационных задач (непрерывная и дискретная оптимизация), для которых используются принципиально разные подходы. В частности, все методы дискретной оптимизации так или иначе сводятся к перебору, что в непрерывном случае просто не имеет смысла. В связи с этим, предлагается следующий подход к решению задачи. Поскольку количество перебираемых характеристик, определяющих качество связи, не настолько

82

велико, то частная задача определения оптимальных характеристик будет решаться перебором. При этом на каждом этапе (при каждом очередном наборе значений) необходимо обеспечить возможную коррекцию решения задачи о покрытии (например, при одних параметрах базовой станции ее зона покрытия будет одной, а при других – другой, что, очевидно, повлияет на координаты размещения соседних базовых станций). Исходя из этого, общий алгоритм можно описать следующим образом:

1)определить некоторое допустимое значение параметров вектора r для всех базовых станций без учета их положения (таким образом, чтобы обеспечить выполнение ограничений (5));

2)определить некоторые координаты p для всех базовых станций таким образом, чтобы минимизировать функцию (3) при выполнении ограничений (6) (т.е. найти оптимальное решение первой из задач при фиксированном допустимом решении второй из них);

3)запомнить данное решение и сравнить его с некоторым эталоном. После этого перейти к п.1.

Как можно видеть, в общем виде получили алгоритм дискретной оптимизации. Однако, каждый его шаг содержит ряд этапов, один из которых должен решаться с помощью методов непрерывной оптимизации.

Выводы Целью данной работы являлась разработка обобщенного алгоритма,

позволяющего осуществлять процесс выбора оптимальных мест размещения базовых станций для современных систем подвижной связи и их характеристик.

Врезультате были выполнены следующие задачи:

- формализована в общем виде задача выбора местоположения и характеристик базовых станций;

- предложен общий алгоритм ее решения, являющийся алгоритмом дискретной оптимизации, на каждом этапе которого ищется частное решение подзадачи непрерывной оптимизации.

структурного синтеза для современных систем мобильной связи/ С.А. Олейникова, И.И. Токарев // Электроника и электротехника, 2018. - № 4. - С. 40-47.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

83

УДК 681.3

Е.Н. Королев

ИНТЕГРАЦИЯ КОМПОНЕНТ ОБУЧЕНИЯ И КОМПОНЕНТ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В РАСПРЕДЕЛЕННЫХ УЧЕБНО-ИССЛЕДОВАТЕЛЬСКИХ САПР НА ОСНОВЕ SOA

Важным этапом жизненного цикла проектирования и разработки сложных систем является обучение системных пользователей САПР. При этом задача автоматизированных обучающих систем в учебно-исследовательских САПР сводится к обучению системных пользователей принятию инженерных решений, проверке гипотез, обучению умениям и навыкам технического творчества, правилам, выработке умений и навыков выполнения проектных операций и процедур для получения проектных решений.

При построении распределенных систем обучения пользователей САПР предлагается реализовать отдельные микрофункции обучения в специальных компонентах интеллектуальных учебно-исследовательских САПР и выполнить задачу интеграции этих компонент. Данный подход предполагает решение следующих задач:

выбор технологии разработки серверных компонент;

анализ основных типов компонент;

реализация компонент обучения в виде Session beans;

использование Stateless компонент;

использование Stateful компонент;

использование аннотаций для описания компонент и их методов;

использование рефлексии для изучения компонент и вызова их

методов;

интеграцию компонент обучения и компонент поддержки принятия

решений.

Выбор технологии для разработки компонент интеллектуальных учебноисследовательских САПР остановился на технологии EJB. Enterprise JavaBeans представляет собой спецификацию технологии написания и поддержки серверных компонентов, содержащих бизнес-логику для построения интеллектуальных высоконагруженных распределенных систем.

Разработанные EJB компоненты обучения будут выполняться внутри EJB-контейнера, который, в свою очередь, выполняется внутри EJB-сервера. EJB-контейнер будет реализовывать для находящихся в нем микрокомпонент обучения и компонент принятия решений такие сервисы как транзакции, управление ресурсами, управление версиями компонент, их мобильностью, настраиваемостью, мобильностью, жизненным циклом.

Таким образом, все представленные компоненты интеллектуальных учебно-исследовательских САПР можно реализовать в виде компонент EJB тр х основных типов:

84

объектные (Entity Bean) — используются для хранения данных, перенесены в спецификацию Java Persistence API;

сессионные (Session Beans), которые бывают трех типов: stateless (без состояния); stateful (с поддержкой текущего состояния сессии); singleton (один объект на все приложение).

Использование компонент EJB для реализации логики систем обучения и поддержки принятия решений предоставляет следующие преимущества:

поддержка сохранности данных, то есть данные должны быть в сохранности даже после остановки программы, что чаще всего достигается с помощью использования базы данных и сохранения в ней свойств серверных компонент;

поддержка распредел нных транзакций, распространенных на несколько серверов;

поддержка параллельного изменения данных и многопоточности обработки данных;

поддержка обработки событий;

безопасность и ограничение доступа к данным.

Одной из сложных и важных задач при построении распределенных учебно-исследовательской САПР является интеграция компонент обучения и компонент поддержки принятия решений. Для решения задачи интеграции предлагается реализовать вызов разработанных EJB компонент обучения через Web-службы, взаимодействующие друг с другом по протоколу SOAP. Каждый Web – сервис, реализующий вызов компонента обучения должен быть описан на языке WSDL.

Разработанные Web-сервисы представляют собой серверные компоненты, которые обменивается со своими клиентами сообщениями в формате XML, используя для их передачи стандартный коммуникационный протокол HTTP.

распредел нных, слабо связанных заменяемых компонентов обучения и компонент принятия решений, которые оснащены стандартизированными интерфейсами для взаимодействия по стандартизированным протоколам.

Литература

1. Королев Е.Н. Разработка компонент интеллектуальных учебноисследовательских САПР / Е.Н. Королев // Оптимизация и моделирование в автоматизированных системах: труды международной молодежной школы. - 2018. - С. 35-36.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

85

УДК 001.57, 656.211

А.А. Загорских, О.К. Альсова

ИССЛЕДОВАНИЕ РАБОТЫ ЖЕЛЕЗНОДОРОЖНОЙ СТАНЦИИ НА ОСНОВЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

Внастоящее время особую актуальность приобретают вопросы усовершенствования работы железнодорожных станций и приведения станционных процессов обслуживания в соответствие с современными требованиями рыночной экономики. Современные станции представляют собой сложные системы, которые нельзя рассматривать отдельно по элементам — слишком сильно их взаимное нелинейное влияние. Параметры работы железнодорожных станций невозможно рассчитать по аналитическим формулам, потому что в системе существуют стохастические процессы, есть приоритеты обработки вагонов, внутренний параллелизм в обрабатываемых подсистемах, прерывание работы и т. д. Эффективным средством анализа и оценки показателей функционирования станций в различных условиях, их технико-технологических и экономических параметров является имитационное моделирование станционных процессов, которое в сочетании с современными средствами вычислительной техники становится мощным инструментом для исследования станций и оптимизации их работы [3]. Применение компьютерных моделей позволяет существенно сократить затраты инженернотехнического труда на выполнение расчетов и увеличить объемы поездной работы [2].

Встатье приводятся результаты разработки и исследования имитационной модели процесса технического обслуживания подвижных составов на железнодорожной станции для эффективного управления деятельностью обслуживающих бригад.

Модель позволяет провести анализ работы бригад с различной нагрузкой для установления условий и мест возникновения превышений нормативов временных затрат выполнения работ, что ведет к появлению простоев, выходу из расписания, снижению пропускной способности. А также позволяет равномерно распределять нагрузку на обслуживающие бригады, минимизировать временные затраты на проведение технических работ с целью обеспечения наиболее качественного обслуживания железнодорожных подвижных составов.

Вкачестве исходных данных при разработке имитационной модели использовались:

технические характеристики рассматриваемой железнодорожной станции (количество станционных путей, вместимость путей);

характеристики прибывающих поездов (количество вагонов в составе, тип подвижного состава, масса брутто вагонов);

86

временные параметры: интенсивность поступления заявок на обслуживание, время обработки заявок, продолжительность технического обслуживания, интенсивность изъятия технических средств.

Исходные данные для моделирования взяты из информационной системы управления деятельностью обслуживающих бригад на железнодорожной станции, предназначенной для автоматизированной поддержки всего комплекса технических работ [1].

Имитационная модель разработана в среде пакета AnyLogic. Выбор инструментальной среды обусловлен широкими функциональными возможностями AnyLogic, реализацией трех основных парадигм имитационного моделирования, наличием библиотеки (Rail Yard Library) для моделирования работы железнодорожных станций.

Разработанная имитационная модель описывает процесс технического обслуживания подвижных составов на железнодорожной станции. Ниже приводится обобщенное описание реализованного в модели процесса технического обслуживания составов.

На железнодорожную станцию поступают подвижные составы 4-х видов (грузовой, хоппер-дозатор, пассажирский-24,5м, пассажирский-25,5м). Из поступающих заявок формируется очередь. Поступающий подвижной состав занимает свободный путь на станции (всего N станционных путей). Рабочими бригадами в системе может обрабатываться одновременно не более N составов (по количеству путей). Рабочая бригада состоит из k сотрудников.

Далее дежурный по станции обрабатывает заявки в течение заданного интервала времени и передает указание на закрепление. Интервал времени обслуживания представляют собой случайную величину и распределен по заданному закону распределения. В модели использовался равномерный закон.

Затем сигналист из бригады производит установку тормозных башмаков (ТБ) для подвижного состава. Время установки ТБ зависит от типа состава и распределено по равномерному закону распределения. Простой вагонов на станции также зависит от типа состава и описывается равномерным законом распределения.

Затем дежурный по станции передает указание об отцеплении подвижного состава в течение заданного интервала времени (равномерный закон распределения). Далее составитель из бригады снимает закрепленные ТБ для подвижного состава. Время снятия ТБ зависит от типа состава и описывается равномерным законом распределения.

На основе реальных данных работы станции было проведено исследование распределения интервалов между поступлениями заявок (подвижных составов) в систему на соответствие законам распределения по критериям согласия Пирсона (χ2) и Колмогорова-Смирнова. На рис. 1, для примера, приведены результаты исследования для подвижных составов второго типа (хоппер-дозаторов). Распределение интервалов поступления заявок адекватно описывается моделью экспоненциального закона распределения (р-значение равно 0,91 и 0,35 соответственно для критериев χ2 и Колмогорова-Смирнова).

87

Рис. 1. Гистограмма распределения интервала между прибытиями подвижных составов с наложением функции плотности экспоненциального закона

Поэтому, для моделирования входящих потоков в систему использовался экспоненциальный закон распределения интервалов между приходом подвижных составов.

Имитационная модель представляет собой многофазную разомкнутую многоканальную СМО, которая может быть формализована в рамках дискретно-событийного подхода.

На рис. 2 представлена логическая схема разработанной модели в среде AnyLogic. Блок Train Source генерирует поступление заявок 4-х типов

согласно заданному закону распределения, которые соответствуют видам поступающих подвижных составов на станцию (грузовой, хоппер-дозатор, пассажирский-24,5м, пассажирский-25,5м). Далее происходит передача заявок на блок queue (очередь). На основании типа заявки осуществляется дальнейшее обслуживание в блоках delay. Дисциплина обслуживания является FIFO (первым пришел - первым ушел).

Рис. 2. Логическая схема процесса технического обслуживания подвижных составов на железнодорожной станции в AnyLogic

88

В процессе разработки была использована «Железнодорожная библиотека», с помощью которой были построены блоки моделирования процессов: Train Source, Train Dispose, Train Move To, Rail Settings.

Также была использована «Библиотека моделирования процессов» для моделирования процесса закрепления подвижного состава на станционных путях (Блок Delay, Queue, Seize, Release, Split, Combine, Resource Pool).

Модель демонстрирует, как библиотека AnyLogic Rail может работать вместе с библиотекой AnyLogic Process Modeling: рельсовые пути, стрелочные переводы, вагоны и локомотивы, а также логика работы железнодорожной станции моделируются с помощью библиотеки Rail, в то время как процесс закрепления состава моделируется библиотекой Process Modeling.

По результатам моделирования была оценена загруженность железнодорожных путей, которая составила 76%. Коэффициент использования тормозных башмаков равен 5-ти %. Также были оценены все характеристики очереди и сделан вывод об эффективности работы станции при заданных параметрах.

Планируется в ходе дальнейшего исследования применить комбинацию дискретно-событийного и агентного подходов при разработке имитационной модели. А также разработать удобную среду взаимодействия с моделью для работников железной дороги, с помощью которой работник будет иметь возможность провести имитационный эксперимент при заданных входных параметрах и сформировать набор рекомендаций по оптимальному количеству рабочих бригад для технического обслуживания состава на станции с различной нагрузкой.

Литература

1. Загорских А.А. Информационная система управления деятельностью обслуживающих бригад на железнодорожной станции / А.А. Загорских, О.К. Альсова // Интеллектуальный анализ сигналов, данных и знаний: методы и средства: сб. статей II Всерос. науч.-практ. конф. с междунар. участием им. В. В. Губарева. – 2018. – С. 155–159.

2. Котельников С.С. Имитационное моделирование работы станции / С.С. Котельников, А.Н. Иванков // Современные проблемы транспортного комплекса России. – Магнитогорск: Изд-во Магнитогорского государственного технического университета им. Г. И. Носова. – 2011. - № 1. - С. 82-86.

3. Красникова К.В. Применение подходов к имитационному моделированию для создания модели движения поездов / К.В. Красникова, В.И. Хабаров // Политранспортные системы: материалы IX Междунар. науч.- техн. конф. – Новосибирск: Изд-во Сибирского государственного университета путей сообщения. – 2017. - С. 588-592.

ФГБОУ ВО «Новосибирский государственный технический университет», Россия

89