Диссертация (1137100), страница 12
Текст из файла (страница 12)
На основе численныхэкспериментов показано, что разработанный комплекс программ обеспечиваетлицо,принимающеерешение,эффективныминструментомдляпоискарациональных решений в имитационной модели предприятия дистанционнойторговли.Произведено внедрение программного комплекса в действующую компаниюООО «РитейлСистем».Предложенный программный комплекс является универсальными, и можетиспользоваться в имитационных моделях не только предприятия дистанционнойторговли, но и других сложных организационных структур.8485ЗаключениеПо итогам завершения диссертационной работы удалось выполнитьпоставленные задачи и достичь следующие результаты:1.
Описаныбизнес-процессытиповогокрупногопредприятияобластиисследованийдистанционной торговли.2. Сиспользованиемимеющихсявданнойспроектирована многомерная имитационная модель предприятиядистанционной торговли (сложной организационной структуры).3. Поставлена многокритериальная оптимизационная задача для поискарациональныхрешенийприуправлениидистанционнойторговли,котораябылапредприятиемагрегированасоспроектированной имитационной моделью по целевым функционалам.4.
Проведен системный анализ существующих методов, алгоритмов ипрограммных продуктов, предназначенных для поиска решений вмногокритериальных оптимизационных задачах большой размерности сиспользованием имитационного моделирования.5. Разработанновыймногоагентныйгенетическийалгоритм,предназначенный для нахождения подмножества Парето с использованиемразработанной имитационной модели. Проведена его апробация дляпоставленной оптимизационной задачи.6. Спроектирован программный комплекс, обеспечивающий на основемногоагентного генетического алгоритма, агрегированной имитационноймодели и других подсистем эффективную процедуру поиска рациональныхрешений.
Проведены численные эксперименты для оценки разработанногопрограммного комплекса.7. Произведено внедрение программного комплекса в действующуюкомпанию ООО «РитейлСистем», что, по оценкам руководства, сильноповысилокачествоуправлениякомпанией,позволилвыявитьрациональные решения с использованием имитационного моделирования.8586Проведенные численные эксперименты также показывают эффективностьMAGAMO.
Имеется справка о внедрении.Врезультатеисследованиябыладостигнутацельпоразработкеимитационной модели и эффективных вычислительных процедур, реализованныхв виде программного комплекса, обеспечивающего поиск рациональныхуправленческихрешенийврезультатерешениямногокритериальнойоптимизационной задачи для предприятия дистанционной торговли.В программном комплексе реализована следующая функциональность:1. Разработка системно-динамических ИМ.2.
Управление расчетами в ИМ.3. Нахождение подмножества Парето-оптимальных решений в ИМ.4. Визуализация фронта Парето.5. Ввод дополнительной информации о предпочтениях ЛПР и сужениефронта Парето методом справедливого компромисса.6. Вывод конечных результатов – рациональных решений.Разработаннаямногокритериальнойимитационнаяоптимизации,модель,новыйсинтезированнаяметодзадачамногокритериальнойоптимизации и комплекс программ обеспечивает лицо, принимающее решение,эффективныминструментомдинамическомууправлениюдлявыработкиассортиментом,рациональныхрешенийценообразованию,покачествуобслуживания, оборачиваемости запасов, маркетинговой активности, расходами,географическим покрытием. При этом поиск рациональных управленческихрешений осуществляется в разрезе регионов, товарных категорий, сегментовпотребительских предпочтений и др.Для решения оптимизационной задачи требуется максимизировать на конецпериода моделирования накопленную EBITDA и размер активной клиентскойбазы,минимизировавприэтомсреднююзапериодымоделированияоборачиваемость товарных запасов.
Эти цели являются стратегически важнымидля типового предприятия дистанционной торговли, к тому же они являютсяконкурентными.8687Предложенные подходы являются универсальными и после определеннойадаптации могут использоваться для конкретного предприятия дистанционнойторговли.
Для дальнейшего развития предложенных научных результатовнеобходимо проведение исследования и формализация по гибким настройкамMAGAMO.8788Список литературы1. Akopov A.S. Designing of integrated system-dynamics models for an oil company //International Journal of Computer Applications in Technology. 2012. Vol. 45. No. 4.P.
220-230.2. Akopov A.S., Hevencev M.A. A Multi-agent genetic algorithm for multi-objectiveoptimization // Proceedings of 2013 IEEE International Conference on Systems, Manand Cybernetics. Manchester, UK, October 13-16, 2013. IEEE, 2013. P. 1391-1396.3. Alba E., Troya J.M. A Survey of Parallel Distributed Genetic Algorithms//Complexity.
– 1999. – Vol.4, № 4. – P.31-52.4. Alba E., Troya J.M. Analyzing Synchronous and Asynchronous Parallel DistributedGenetic Algorithms// Future Generation Computer Systems. – 2001. – Vol.17, №4. –P.451-465.5. Alba E., Troya J.M. Influence of the Migration Policy in Parallel Distributed GAs withStructured and Panmictic Populations// Application Intelligence. – 2000. – Vol.12,№3. – P.163-181.6. Bleuer S., Brack M., Thiele L., Zitzler E.
Multiobjective genetic programming:Reducing bloat by using SPEA 2 // Proceedings of the 2001 Congress on EvolutionaryComputation (CES-2001). Seoul, Korea, May 27-30, 2001. P. 536-543.7. Coello Coello C.A. A comprehensive survey of evolutionary-based multiobjectiveoptimization techniques.8. Coello Coello Carlos A. An empirical study of evolutionary techniques formultiobjective optimization in engineering design.
PhD thesis. Department ofcomputer science, Tulane university. New Orleans, LA, apr 1996.9. Deb K. Evolutionary Algorithm for Multi-Criterion Optimization in EngineeringDesign // Proceedings of Evolutionary Algorithms in Engineering and ComputerScience (EUROGEN-99) -- pp. 135-161.10.Deb K. Multi-objective Genetic Algorithms: Problem Difficulties and Construction ofTest Problems. // Evolutionary Computation -- vol.7, 1999. -- pp. 205-230.888911.Escart Zitzler, Lothar Thiele, “Multiobjective Evolutionary Algorithms: AComparative Case Study and the Strength Pareto Approach”. IEEE Transactions onEvolutionary computation, vol. 3, no. 4, 1999.12.Fonseca C.M., Fleming P.J. Multiobjective optimization and multiple constrainthandling with evolutionary algorithms - Part I: A unified formulation. Technical report564, University of Sheffield, Sheffield, UK, January 1995.13.Fonseca C.M., Fleming P.J.
Multiobjective optimization and multiple constrainthandling with evolutionary algorithms - Part II: Application example. Technical report565, University of Sheffield, Sheffield, UK, January 1995.14.Golub M., Jakobovic D. A New Model of Global Parallel Genetic Algorithm//proceedings of 22nd International Conference on Information Technology InterfacesIVI.
– 2000. – P.363-368.15.Gordon V.S., Whitley D., Bohn A. Dataflow parallelism in genetic algorithms //Parallel Problem Solving from Nature, Amsterdam: Elsevier Science. 1992. No.2. P.533-542.16.Grosso P.B. Computer Simulations of Genetic Adaptation: Parallel SubcomponentInteraction in a Multilocus Model// Unpublished doctoral dissertation, The Universityof Michigan. (University Microfilms №8520908), 1985.17.Gumennikova, A.V. Comparative analysis of multiobjective optimization methods bygenetic algorithms / A.V.
Gumennikova // Красноярский край: освоение, развитие,перспективы: Тез. Докл. Регион. Студ. Науч. Конф. Ч. 1/ Краснояр. Гос. Аграр.Ун-т; Сост. О.Н. Чепалова. – Красноярск, 2003, с. 33-34.18.Holland, J.H. Adaptation in Natural and Artificial Systems. Cambridge, MA: MITPress, 1992 (2nd edition).19.Horn, J., Nafpliotis N., Goldberg D. E. A niched Pareto genetic algorithm formultiobjective optimization.
In Proceedings of the First IEEE Conference onEvolutionary Computation, Vol. 1, Piscataway, 1994. - P. 82-87.20.http://www.opttek.com/OptQuest21.J. H. Holland. “Adaptation in natural and artificial systems”. University of MichiganPress, Ann Arbor, 1975.899022.P. Hajena and C.-Y. Lin, “Genetic Search strategies in multicriterion optimizationdesign”.
Structural Optimization, vol. 4 New York: Springer, June 1992, pp. 99 – 107.23.ParetoFrontViewer.http://www.ccas.ru/mmes/mmeda/soft/third.htm(датаобращения 01.01.2014).24.Sao Jose, Simoni, P.O. “The island model parallel GA and uncertainty reasoning inthe correspondence problem Neural Networks”. Proceedings. IJCNN '01.
InternationalJoint Conference on, Volume 3. 200125.Schaffer, J.D. Multiple objective optimization with vector evaluated geneticalgorithms. In J. J. Grefenstette (Ed.), Proceedings of an International Conference onGenetic Algorithms and Their Applications, Pittsburgh, PA, 1985.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
