ЭКОНОМИЧЕСКАЯ ЭФФЕКТИВНОСТЬ ПРИМЕНЕНИЯ МЕТОДА ЛОКАЛЬНОГО ПОИСКА ДЛЯ ЗАДАЧИ ОПЕРАТИВНОГО ПЛАНИРОВАНИЯ
Аннотация
Рассматривается модификация алгоритма локального поиска с применением турнирной селекции для задачи оперативного планирования на производстве пластиковых изделий. Сравнительный анализ результатов применения алгоритма показал прямую зависимость результатов от наличия турнирной селекции и размера популяции.
Программа предназначена для оперативного планирования на производстве пластмассовых изделий, где необходимо учитывать объем и срок производства каждого вида продукции с минимальным количеством изменения в настройках оборудования. Целью оптимизации является минимизация числа переключений видов продукции при составлении плана производства. Предлагается модификация генетического алгоритма с применением турнирной селекции для задачи планирования видов продукции на производственных мощностях. Данный алгоритм является методом локального поиска, позволяющего постепенно улучшать определенный результат в некоторой окрестности известного решения.
Цель – минимизация числа переключений видов продукции при составлении плана производства.
Метод или методология проведения работы: в статье использовались методы системного анализа, исследования операций, теории оптимизации, экономико-математические методы и статистические методы анализа.
Результаты: в среднем быстрее всего отыскивается решение при исходном размере популяции в 100 особей, и это время меньше наибольших средних значений в 2 раза. Турнирная селекция, снижая временные затраты, снижает и вероятность нахождения оптимального решения.
Область применения результатов: полученные результаты целесообразно применять на производственных линиях для распределения нагрузки мощностей.
Скачивания
Литература
Beltz E.A. Optimizatsiya razmeshcheniya predpriyatiy s uchetom minimal’no dopustimykh rasstoyaniy [Optimizing the location of enterprises taking into account the minimum permissible distances]. Bulletin of Omsk University, 2012, no. 4, pp. 13-16.
Granberg A.G. Dvizhenie regionov Rossii k innovatsionnoy ekonomike [Movement of Regions of Russia to an Innovative Economy] / Ed. A. G. Granberg, S. D. Valentey; In-t economics of the Russian Academy of Sciences. M.: Science, 2006, pp. 23-45.
Grigorvea N.S. Zadacha sostavleniya minimiziruyushchikh maksimal’noe vremennoe smeshchenie raspisaniy dlya parallel’nykh protsessorov [The task of compiling maximum time offset schedules for parallel processors]. M.: MAI Publishing House, 2016, 246 p.
Eremeev A.V., Kovalenko Yu.B. O zadache sostavleniya raspisaniy s gruppirovkoy mashin po tekhnologiyam [On the task of compiling schedules with the grouping of machines by technology]. Diskretnyy analiz i issledovanie operatsiy [Discrete analysis and research of operations], 2011, vol. 18, no. 5, pp. 54-79.
Kazakovtsev L.A. Metod zhadnykh evristik dlya sistem avtomaticheskoy gruppirovki obektov [Method of greedy heuristics for systems of automatic grouping of objects]. Dis.... Dr. Techn. sciences: 05.13.01. Krasnoyarsk: Siberian Federal University. Krasnoyarsk, 2016, 429 p.
Kazakovtsev L.A., Antamoshkin A.N. Algoritm dlya kalendarnogo planirovaniya [Algorithm for scheduling]. Bulletin of KrasGAU, 2015, no. 4 (103), pp. 215-219.
Coffman E.G. Teoriya raspisaniy i vychislitel’nye mashiny [Schedule Theory and Computing Machines]. M.: Publishing Center “Academy,” 2010, 156 p.
Kochetov Yu.A. Sravnenie metaevristik dlya resheniya dvukhurovnevoy zadachi razmeshcheniya predpriyatiy i fabrichnogo tsenoobrazovaniya [Comparison of metaevristics for solving the two-level problem of location of enterprises and factory pricing]. Diskretnyy analiz i issledovanie operatsiy [Discrete analysis and research of operations], 2015, vol. 22, no. 3 (123), pp. 36-54.
Lazarev A.A., Gafarov E.R. Teoriya raspisaniya. Zadachi i algoritmy [Schedule theory. Tasks and algorithms]. M.: Moscow State University, 2011, 220 p.
Panteleev A.V. Primenenie evolyutsionnykh metodov global’noy optimizatsii v zadachakh optimal’nogo upravleniya determinirovannymi sistemami [Application of evolutionary methods of global optimization in problems of optimal control of deterministic systems]. M.: MAI Publishing House, 2013, 128 p.
Spider O.V. Investitsionnaya aktivnost’ regiona [Investment activity of the region]. Bulletin of SibGAU named after academician M.F. Reshetnev, 2012, issue 3 (43), pp. 184-189.
Sigal I.H., Ivanova A.P. Vvedenie v prikladnoe diskretnoe programmirovanie: modeli i vychislitel’nye algoritmy [Introduction to applied discrete programming: models and computational algorithms]. 2nd edition, supplemented and corrected. M.: FIZMATLIT, 2007, 140 p.
Khlutkov A. D. Ekonomicheskaya bezopasnost’ Rossii v usloviyakh globalizatsii [Economic security of Russia in the context of globalization]. Bulletin of Education and Development of Science of the Russian Academy of Natural Sciences. St. Petersburg, 2010, no. 4, pp. 25-55.
Antamoshkin A., Masich I. Pseudo-Boolean Optimization in Case of an Unconnected Feasible Set, in: “Models and Algorithms for Global Optimization”. Optimization and Its Applications, 2007, vol. 4, pp. 111–122.
Bozkaya B.A. Genetic Algorithm for the p-Median Problem. Facility Location Applications and Theory, New York, 2002, pp. 179-232
Gonzalez-Martin S., Ferrer A., Juan A.A., Riera D. М. Н. Solving non-smooth arc routing problems throughout biased- randomized heuristics. Computer-based Modelling and Optimization in Transportation. Springer International Publishing, 2014, p. 451.
Kapoor A. Hands-On Artificial Intelligence for IoT. Mumbai: Packt Publishing, 2019, p. 267.
Kazakovtsev L.A., Gudyma M.N., Antamoshkin A.N. Genetic Algorithm with Greedy Heuristic for Capacity Planning. International Congress on Ultra Modern Telecommunications and Control Systems and Workshops, 2014, pp. 607-613.
Kazakovtsev L.A., Antamoshkin A.N., Fedosov V.V. Greedy Heuristic Algorithm for Solving Series of EEE Componrnts Classifcation Problem. IOP Conference Series: Materials Science and Engineering, 2016, vol. 122, article ID 012011.
Kirszenblat D. Dubins networks: Thesis. Melbourne Department of Mathematics and Statistics of the University of Melbourne, 2011, pp. 56-89.
Просмотров аннотации: 116 Загрузок PDF: 89
Copyright (c) 2022 Elena B. Kozlovskaya, Olga V. Patsuk
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
