Файл: пензенский государственный университет политехнический институт.docx

ВУЗ: Не указан

Категория: Диссертация

Дисциплина: Не указана

Добавлен: 30.11.2023

Просмотров: 207

Скачиваний: 4

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

Содержание

Введение

Основные положения, выносимые на защиту:

Эквивалентные преобразования моделей задач линейного программирования

Анализ моделей и алгоритмов решения задач о назначениях

Анализ эквивалентных преобразований моделей задач о назначениях

Выводы

Модель и алгоритм решения задачи с приоритетными назначениями

Выводы

Алгоритм решения простейшей линейной многокритериальной задачи о назначениях Многообразие многокритериальных задач в сочетании с отсутствием единого принципа оптимальности порождает огромное число методов их решению. Использование того или иного подхода к решению конкретной задачи может оказать существенное влияние на трудоемкость вычислений. Это относится особенно к специальным классам задач, для которых при скалярном критерии качества разработаны эффективные алгоритмы, использующие специфику ограничений и критериальной функции. Одной из таких задач является задача о назначениях.В основе подавляющего большинства методов решения многокритериальных задач лежит понятие веса критерия, характеризующего его сравнительную важность. Наиболее распространенные методы решения многокритериальных задач основаны на свертке набора исходных целевых функций (с учетом их веса) в один обобщенный скалярный критерий [71]. Такой подход позволяет получить оптимальное по Парето решение и при этом характеризуется вычислительной эффективностью. Использование свертки обеспечивает возможность применения для решения многокритериальной задачи о назначениях специально разработанные для однокритериального случая методы – венгерский и метод Мака.Свертка частных критериев разного смыслового содержания не позволяет интерпретировать значение взвешенного обобщенного критерия, поэтому в общем случае использование операторов свертки требует предварительного нормирования матриц затратСl,l 1, k, т.е. приведения их к единой безразмерной шкале. Часто используемый способ нормирования – минимакс-нормализация.Предлагается следующий алгоритм решения простейшей многокритериальной линейной задачи о назначениях (70) – (75). Нормировать матрицы затрат Сl, l 1, k: cl clсl ijmin . c  cijl maxlmin Составить целевые функции безразмерными коэффициентами: f1(X), f2 (X),..., fk(X) с n nlfl(X)  сijxij, l 1, ki1 j1 Составить вектор   (1, 2,..., k)весовых коэффициентов относительной важности целевых функцийf1(X), f2 (X),..., fk(X) ,l 0 , l 1.k, l 1. В том случае, если все критерии имеют одинаковуюl1 важность,l 1, l 1.k. Составить скалярную целевую функция (обобщенный критерий) g(X)   ) ,( f1(X), f2 (X),..., fk(X),где  – оператор свертки. Перейти к однокритериальной задаче о назначениях вида g(X)  min, (76) n xij 1, j 1, n,i1 (77) n xij 1, i 1, n,j1 (78) xij{0,1}, i, j 1, n. (79) Решить задачу (76) – (79) венгерским методом или методом Мака. Результатом является получение решения, оптимального по Парето. Решая задачу многократно и с изменением весовых коэффициентов, можно получить множество Парето-оптимальных решений. Вид свертки в каждом конкретном случае отражает приемлемую для ЛПР форму компромисса между частными критериями. Наиболее часто используемыми свертками являются линейная свертка, мультипликативная свертка и свертка на основе отклонения от идеальной точки. 1   ...   8   9   10   11   12   13   14   15   ...   21

Решение простейшей линейной многокритериальной задачи о назначениях с использованием свертки на основе отклонения от идеальной точки Под идеальной точкой в многокритериальной задаче о назначениях вида (71) – (76) понимают такой векторF*(X)  Rk, компоненты которого являются минимумами целевых функцийf1(X), f2 (X),..., fk(X) по отдельности, т.е.fl*(X)  min fl(X),XDl 1, k. В практических задачах идеальная точка является недостижимой [73]. Свертка на основе идеальной точкиF*(X)имеет вид: g(X)  (F(X), F*(X)) , где  – некоторая метрика вRk. Наиболее часто используются взвешенная чебышевская метрика g(X)  maxlfl(X)  fl* l (80) и взвешенная евклидова метрика kg(X)  ( fl(X)  fl*)2.l1 (81) Предлагается следующий алгоритм составления обобщенного скалярного критерия на основе идеальной точки: составить kоднокритериальных задач о назначениях вида n nlfl(X)  cijxij min,i1 j1n (82)  xij 1, j 1, n,i1n (83)  xij 1, i  1, n,j1 (84) xij{0,1}, i, j 1, n, (85) гдеl 1,k; найти X * – оптимальное решение l-й задачи вида (82) – (84) и lfl*  fl(X*) , l 1, k; lсоставить вектор F*(X)  ( f*, f*,..., f*) , гдеfl*  fl(X*) , l 1, k;1 2 k lсоставить свертку на основе отклонения от идеальной точки по формуле (80) или (81). Разработана программа для нахождения решения многокритериальной линейной задачи о назначениях с использованием свертки на основе отклонения от идеальной точки средствами математического пакета Mathcad, полный текст которой представлен в приложении E. На рисунке 20 приведены результаты применения свертки на основе отклонения от идеальной точки к многокритериальной задаче о назначениях, исходные данные которой совпадают с исходными данными задачи, решенной с использованием линейной свертки: Рисунок 20 – Результаты решения многокритериальной линейной задачи о назначениях с использованием свертки на основе отклонения от идеальной точки На рисунке 20 представлены матрица X – оптимальное по Парето решение, полученное с использованием чебышевской метрики, и матрица Y – оптимальное по Парето решение, полученное с использованием евклидовой метрики. Также программа находит для каждого оптимального по Парето решения значения соответствующего ему критериального вектора. Применяя алгоритм многократно с изменением весовых коэффициентов, можно построить множество точек Парето. Выбор конкретного решения из множества Парето-оптимальных осуществляется ЛПР.Следует отметить, что в некоторых прикладных задачах ЛПР за идеальную точку может принять реальное решение, соответствующее некоторым принятым стандартам или планируемым значениям. 1   ...   10   11   12   13   14   15   16   17   ...   21

Модель и алгоритм решения многокритериальной задачи о назначениях с целевыми функциями противоположного направления

Модель и алгоритм решения многокритериальной открытой задачи о назначениях Обобщим открытую задачу о назначениях на случай многокритериальности. Математическая модель такой задачи в предположенииm nимеет вид:

Модель и алгоритм решения многокритериальной задачи с порядком назначений Обобщим задачу с порядком назначений на случай многокритериальности. Математическая модель такой задачи имеет вид:nn f1(X)  c1 x min,(121) ijiji1 j1… nn k(X)  ckx min,n (122)  xij 1,n j 1, n, (123)  xij 1, i  1, n, (124) {0,1}, i1, n, j 1, n, , i1, n, j h1, n, j*  1, h. (126) f xij гдеP {1,2,.., h}пр.(i, j)  (i, j*)– подмножество индексов работ, распределяемых в первую очередь.В главе 2 показано, что однокритериальная задача с порядком назначений эквивалента совокупности двух последовательно решаемых задач – открытой и с недопустимыми назначениями. Аналогично, многокритериальная задача с порядком назначений эквивалента совокупности двух последовательно решаемых задач – многокритериальной открытой задаче и многокритериальной задаче с недопустимыми назначениями. Следовательно, можно описать алгоритм решения многокритериальной задачи с порядком назначений. Нормировать матрицы затрат Сl, l 1, k: cl clсl ijmin . c  cijl maxlmin Найти размер штрафа Ml 2n. Построить математическую модель назначения на работы из множества P :

Выводы

Заключение

Список использованных источников





  1. перейти к матрице затрат Q такой, что





qij

cij , если (i, j) Rпр. ,



cijM, если (i, j)  Rпр..

Результатом применения преобразования является переход к простейшей линейной модели вида:

nn

f(X) qijxij min,

i1 j1
n

(66)

xij 1, j 1, n,

i1

n

(67)

xij 1, i 1, n,

j1

(68)

xij{0,1}, i, j 1, n,

(69)





где
qij
M

cij , если (i, j) Rпр.,



cijM, если (i, j)  Rпр.;

2n max сij.


Модели (61) – (65) и (66) – (69) эквивалентны друг другу. Отсюда можно описать алгоритм решения задачи о назначениях (61) – (65).

  1. Применить к модели (61) – (65) эквивалентное преобразование приоритетных назначений. Результатом является получение эквивалентной модели (66) – (69).

  2. Решить задачу, описываемую соотношениями (66) – (69), венгерским методом или методом Мака.


Разработана программа поиска оптимального решения задачи с приоритетными назначениями. Результаты работы программы представлены на рисунке 14.



Рисунок 14 Результаты поиска оптимального решения задачи с приоритетными назначениями
Необходимость учета приоритета назначений в общем случае влечет рост значения целевой функции (рисунок 15).



Рисунок 15 Результаты поиска оптимального решения простейшей линейной задачи с матрицей затрат С

Как видно, минимальное значение целевой функции линейной задачи о назначениях существенно меньше минимального значения целевой функции задачи с приоритетными назначениями при одной и той же матрице затрат.

Выводы



Предложено обобщение задачи с недопустимыми назначениями, заключающееся в том, что недопустимыми считаются некоторые комбинации назначений. Построена математическая модель задачи с недопустимыми комбинациями назначений. Показано, что задача с недопустимыми комбинациями назначений эквивалентна совокупности задач с недопустимыми назначениями. Сформулировано эквивалентное преобразование задачи с недопустимыми комбинациями в совокупность простейших линейных задач. Предложен алгоритм поиска оптимального решения, основанный на эквивалентном преобразовании задачи с недопустимыми комбинациями назначений и ее последующей оптимизации с использованием венгерского метода или метода Мака.

Предложено обобщение простейшей линейной задачи, заключающееся в установлении порядка назначений. Построена математическая модель задачи с порядком назначений. Показано, что задача с порядком назначений эквивалентна совокупности двух последовательно решаемых задач – открытой задаче и задаче с недопустимыми назначениями. Сформулировано эквивалентное преобразование задачи порядком назначений в совокупность двух последовательно решаемых простейших линейных задач. Предложен алгоритм поиска оптимального решения, основанный на эквивалентном преобразовании задачи с порядком назначений и ее последующей оптимизации с использованием венгерского метода или метода Мака.

Предложено обобщение простейшей линейной задачи, заключающееся в предположении того, что некоторые назначения имеют приоритет перед другими. Построена математическая модель задачи с приоритетными назначениями. Показано, что задача с приоритетными назначениями эквивалентна задаче с недопустимыми назначениями. Сформулировано

эквивалентное преобразование задачи с приоритетными назначениями. Предложен алгоритм поиска оптимального решения, основанный на эквивалентном преобразовании задачи с приоритетными назначениями в простейшую линейную задачу и ее последующей оптимизации с использованием венгерского метода или метода Мака.


Рассмотренные задачи расширяют множество задач о назначениях, эквивалентных простейшей линейной задаче, и позволяют применить для их решения стандартные алгоритмы. Необходимость учета дополнительных требований в общем случае приводит к росту значений целевой функции.
  1. Модели многокритериальных задач о назначениях и алгоритмы их решения


    1. Модель простейшей линейной многокритериальной задачи о назначениях

Однокритериальная задача о назначениях редко встречается на практике. Как правило, в реальной постановке эта задача является многокритериальной. Например, при выборе программного продукта показателями оценки являются, с одной стороны, его функциональные возможности, надежность, эргономичность, а с другой стороны, стоимость, расходы на внедрение и др. При подборе персонала важнейшими критериями оценки являются квалификация, опыт работы, возраст, размер заработной платы и т.п. Модель простейшей линейной многокритериальной задачи о назначениях представляется в виде:

nn

f1(X) c1 x min,

ijij

i1 j1

(70)

nn

f2 (X) c2x min,

ijij

i1 j1


(71)






nn

fk(X) ckx min,

ijij

i1 j1


(72)

n

xij 1, j 1, n,

i1


(73)

n

xij 1, i 1, n,

j1


(74)

xij{0,1}, i, j 1, n,

(75)





где

f1(X), f2 (X),..., fk(X)

– скалярные целевые функции (частные

критерии).

Обозначим через Dмножество допустимых решений простейшей

многокритериальной линейной задачи о назначениях,

X D. Набор значений

целевых функций

( f1(X), f2 (X),..., fk(X))

является вектором k-мерного

векторного пространства

Rk, называемого критериальным пространством.

Векторы этого пространства называют критериальными векторами. Каждому

фиксированному решению

X0 D

можно поставить в соответствие

критериальный вектор

( f1(X0 ), f2 (X0 ),..., fk(X0 )) , компонентами которого

являются значения целевых функций при данном задачу (70) – (75) можно записать как

F(X) min ,

X0 D.Тогда



n
xij

i1


n




xij

j1

1,
1,

j 1, n,



i 1, n,


xij{0,1},

i, j 1, n,

где

F(X) ( f1(X), f2 (X),..., fk(X))

вектор-функция,

X D.