Кадура (Математическое моделирование процессов перевозки грузов железнодорожным транспортом на основе использования задачи коммивояжера), страница 4
Описание файла
Файл "Кадура" внутри архива находится в папке "Математическое моделирование процессов перевозки грузов железнодорожным транспортом на основе использования задачи коммивояжера". Документ из архива "Математическое моделирование процессов перевозки грузов железнодорожным транспортом на основе использования задачи коммивояжера", который расположен в категории "". Всё это находится в предмете "дипломы и вкр" из 8 семестр, которые можно найти в файловом архиве ДВГУПС. Не смотря на прямую связь этого архива с ДВГУПС, его также можно найти и в других разделах. .
Онлайн просмотр документа "Кадура"
Текст 4 страницы из документа "Кадура"
Рисунок 8-Построение модели задачи различными методами формализованного представления систем а) — аналитическими; б) — статистическими; в) — логическими; г) — лингвистическими; д) — нечеткими
1.4Мера сложности моделирования задачи
Измерение сложности задач можно сравнить с измерением количества информации. Известны фундаментальные результаты [54 — 65] по синтаксической, семантической и прагматической информации. На их основе В.И. Николаев [48] вводит для оценки сложности решения задачи показатель:
где Pp — вероятность правильного решения; C0 = ln (k (l !- k +1) l!) ,
-
— число возможных схем решения, l — число операций (ЭВМ), которые нужно выполнить для решения задачи; a и b — коэффициенты учета условий получения и обработки информации; I 0 , I1 , I p — информация, участвующая в решении задачи; Il +1 — информация, полученная в результате решения задачи.
-
качестве меры сложности задач возможно брать неопределенности их формулировки: параметрическая, функционально-структурная, неопределенность по статической структуре оригинала, по оригиналу (по границе раздела оригинала и его среды), по целям исследования. Еще одна мера сложности задач — объем поиска, который требуется осуществить для их решения.
Определяя меру количества информации, У.Эшби исходил из понятия «разнообразие» [16], употребляя его в двух смыслах: 1) количество различных элементов; 2) логарифм этого количества по основанию два.
Поскольку базисом для построения моделей «однородная задача» и «неоднородная задача» выбран естественный язык, то разнообразие и неоднородность были сведены к разнообразию и неоднородности двух фундаментальных понятий: переменной и отношения. Составлены ограниченные перечни классов переменных (табл. 1.3), которыми оперирует наука [4], и классов отношений, связывающих эти переменные. Разнообразие классов отношений показано на рисунке 9. На нем представлен ориентированный граф G = <VT, RT>, где вершины VT— классы переменных из таблицы 3, а дуги RT — классы отношений между переменными. Класс отношения будем определять по классам переменных, которые оно связывает, например: «ДП — ДП», «ДП — СП» или «СП — ДП». Отношения переменных одного класса будем называть однородными (представлены петлями на графе G), в противном случае — разнородными.
Разнообразие и неоднородность информации — фундаментальная причина сложности моделирования решения задач [15]. Вводимая ниже мера названа мерой сложности моделирования задачи и будет включать два показателя: 1) количество классов переменных в модели задачи; 2) количество классов разнородных отношений между ними.
Представим меру сложности моделирования задачи, и классифицируем задачи по сложности моделирования, отобразив множество комбинаций типов переменных и классов разнородных отношений на множество классов сложности задач.
Таблица 3- Классы переменных
№ | Наименование | Методы научных дисциплин | |
п/п | класса переменных | ||
Методы классической математики | |||
1 | Детерминированные перемен- | Методы поиска экстремумов функций | |
ные (ДП) | Методы вариационного исчисления | ||
Методы математического программирования | |||
Методы теории вероятностей | |||
2 | Стохастические переменные | Математическая статистика | |
(СП) | Теория массового обслуживания | ||
Методы статистических испытаний | |||
3 | Логические или пропозицио- | Методы математической логики | |
нальные переменные (ЛП) | Методы дискретной математики | ||
4 | Лингвистические нечеткие | Теория нечетких множеств | |
переменные (ЛНП) | Методы нечеткой логики | ||
Лингвистические четкие или | Методы теории формальных языков и автоматов | ||
5 | символьные переменные | Методы синтаксического анализа | |
(ЛЧП) | Методы сопоставления с образцом | ||
6 | Неизвестные науке перемен- | Будущие научные методы |
Рисунок 9-Полный граф G классов переменных и классов отношений
Обозначим число классов переменных (таблица 3), используемых в модели задачи, как x X , а число классов разнородных отношений — y Y. И количество классов переменных, и количество классов разнородных отношений — положительные целые числа. Число классов переменных ограничим пятью, рассмотренными в таблице 3. Если разнородные (т.е. связывающие переменные разных классов) отношения отсутствуют в модели, число их классов равно нулю, т.е. X , Y {0}. Кроме того, верхняя и нижняя границы числа классов разнородных отношений y зависят от числа классов переменных x, используемых в модели. Пусть G’ = <VT’, RT’> — подграф графа G классов переменных и классов разнородных отношений, используемых в модели задачи, где вершины VT’ — классы переменных, используемые в модели, x = |VT’|, а дуги RT’ — классы разнородных отношений, y = |RT’|. Исследуем на графе G’ два случая.
Случай 1. Максимальное число дуг на графе G’ достигается, если каждая вершина связана дугой с каждой другой вершиной, т.е. граф — полный. Кроме того, в нем должны отсутствовать петли, так как они представляют однородные отношения (т.е. связывающие переменные одного класса). Число дуг такого графа |RT’|, т.е. максимально возможное число классов разнородных отношений ymax, определяется как размещение без повторений из x элементов по 2:
Случай 2. Минимальное число дуг достигается, если граф G’ — ори-ентированное корневое дерево. Любая вершина достижима из корня, либо корень достижим из любой вершины. В корень не заходит либо не выходит ни одна дуга. Число дуг такого графа |RT’|, т.е. минимально возможное число классов разнородных отношений ymin:
Если в модели задачи используется один класс переменных (x = 1), то согласно (1.8) значение ymax не определено. Очевидно, что в модели, где все переменные одного класса, не может быть разнородных отношений, т.е. ymax = ymin = 0.
Определим соответствие V как множество векторов (x, y), т.е. допустимых в модели задачи пар («число классов переменных», «число классов разнородных отношений»):
Вектор (1, 0) в (1.10) обозначает ситуацию, когда в модели задачи используется один класс переменных и ymax не определено. Вектор
будем рассматривать как отображение разнообразия (неоднородности) и назовем мерой сложности моделирования задачи.
Для сравнения задач по сложности моделирования введем метрику p множества V как евклидово расстояние. Тогда расстояние между векторами v1 и v2, представляющими две задачи, определяется:
Введение метрики позволяет рассмотреть классификацию задач по сложности моделирования. Для этого определим отображение H множества векторов V на множество классов задач Z = {«простые», «сложные»}. Модели простых задач однородны, то есть используют не более одного класса переменных. Модели сложных задач неоднородны и содержат не менее двух классов переменных. Классификация задач по сложности моделирования выглядит так:
Графически отображение H представлено на рисунке 10. Ось абсцисс— количество классов переменных, ось ординат — число классов разнородных отношений. Элементы множества V представлены точками. Верхняя и нижняя границы множества V показаны кривыми, интерполирующими значения функций ymax и ymin , соответственно. Отображение H представлено точками на плоскости (X, Y), а третье измерение Z — фигурными скобками под осью OX . Оно делит вертикальными линиями точки на плоскости (X, Y) на две области: простых и сложных задач. Область простых задач содержит только один вектор — начало координат, (1; 0), а область сложных задач — все векторы, представленные черными точками. Учитывая, что в таблице 3 было рассмотрено пять классов переменных, то область сложных задач ограничена прямой x=5.
При перемещении по рисунку 10 слева на право происходит моделирование новых задач за счет добавления классов переменных и однородных отношений. При движении снизу вверх задача также усложняется но за счет появления новых классов разнородных отношений между переменными уже существующих классов.
Рисунок 10-Классификация задач от простого к сложному
Вывод:
1.Изложена суть задачи коммивояжера, область ее применения. Делается вывод, что традиционная постановка задачи не отражает многие практические случаи. 2. Рассмотрены характерные технологические задачи, решаемые с помо- щью задачи коммивояжера: оптимизация маневровых передвижений на сортировочной станции, нахождение оптимальных маршрутов передвиже- ния ремонтным бригадам. 3. Приведен подсчет общего количества туров в задаче коммивояжера. Подробно рассмотрены наиболее часто используемые методы ее решения: полный перебор, метод динамического программирования, метод ветвей и границ, эвристические подходы. Приведен необходимый анализ применения методов, их достоинства и недостатки. 4. Описаны возможные пути решения многокритериальной задачи ком- мивояжера. В свете решения задачи коммивояжера рассмотрены два подхода к решению многокритериальных задач. первый подход заключается в сведении многокритериальной постановки к однокритериальной. Второй подход: задача решается, оставаясь многокритериальной. Ставятся вопросы выбора критерия максимальной надежности функционирования системы и способа измерения расстояния между точками допустимой области в случае использования методологии второго подхода. 5. Описаны имеющиеся в литературе математические модели задач орга- низации движения транспортных средств. Перечислены недостатки этих подходов.
2 Разработка модели нескольких коммивояжеров
2.1 Определение модели нескольких коммивояжеров с использованием теории графов
Рассмотрим следующую математическую модель, являющуюся обобщением классической задачи коммивояжера на случай нескольких коммивояжеров. Предполагается, что есть некоторое максимально возможное количество коммивояжеров s, число п - количество городов для посещения, а также полный ориентированный граф G(X,U), связывающий эти города и точки местонахождения коммивояжеров. Множество X содержит n + 2s вершин, из них:
-
n вершин, где требуется побывать, занумерованных натуральными числами от 1 до п, называемых небазовыми.
-
s базовых вершин, где коммивояжеры находятся на начальном этапе пути. Эти вершины нумеруются целыми числами от n+1 до n + 2s-\ с шагом 2.
-
s базовых вершин, где коммивояжеры будут находиться в конце путешествия. Вершины занумерованы числами от п+2 до n+2s с шагом 2.
i-й коммивояжёр начинает обход из точки ah а закончить движение должен в точке bh. Дугам множества U графа приписаны неотрицательные числа-веса. Каждая дуга (w,v) имеет вес d(u,v). Необходимо:
-
Определить наилучшее в некотором смысле количество торговцев m (m<s) для посещения городов. Заметим, что число s может превосходить число городов п. Поскольку каждый коммивояжер должен посетить, по крайней мере, по одному пункту, количество их т должно быть выбрано не больше п.
-
Выбрать т конкретных агентов из s имеющихся.
-
Выделить на графе непересекающиеся маршруты движения выбранных коммивояжеров, в совокупности содержащие все небазовые вершины.
Длиной маршрута будем называть сумму весов всех его ребер. Через G обозначим количество небазовых вершин в i-м маршруте. Если i-й коммивояжер не задействуется, G =0.