Содержание к диссертации
Введение
ГЛАВА 1. Обзор сферы исследований и выделение приоритетных направлений 11
1.1. Краткий исторический обзор теории и практики управления запасами 11
1.2. Основные положения теории и практики управления запасами 18
1.3. Возможность учета неопределенности в управлении запасами с использованием понятий теории нечетких множеств 29
1.4. Использование имитационного моделирования в управлении запасами 33
1.5. Возможность применения современных эвристических алгоритмов оптимизации при решении задач управления запасами 37
1.6. Аспекты создания программного обеспечения систем управления запасами 40
Выводы по обзору работ и постановка задач исследования 45
ГЛАВА 2. Построение расширенного класса стратегий управления запасами 47
2.1. Обобщенная модель управления запасами 47
2.2. Формализация синтеза расширенного класса стратегий управления запасами 55
2.3. Классы периодических замкнутых стратегий 58
2.4. Формальная постановка задачи поиска оптимальной политики на этапе планирования в заданном классе стратегий 68
2.5. Введение комплексных характеристик системы управления запасами на основе нечетких величин 72
Выводы по второй главе 80
ГЛАВА 3. Управление запасами как технологический процесс 83
3.1. Универсальная процедура многомерной оптимизации на основе генетического алгоритма 83
3.2. Экспериментальное исследование генетического алгоритма 89
3.3. Модификации генетического алгоритма с использованием методов поиска нечеткой связи между подмножествами 99
3.4. Представление оптимизационных задач управления запасами в виде технологического процесса 105
3.5. Пример расчетов рациональных уровней запаса в условиях отсутствия информации о стоимостных коэффициентах 109
Выводы по третьей главе 123
ГЛАВА 4. Класс компонентных метамоделей управления запасами 125
4.1. Объектно-ориентированная декомпозиция управления запасами на основе структуры информационных потоков 125
4.2. Объектно-ориентированная декомпозиция на основе алгоритмической структуры 130
4.3. Базовый уровень компонентного метамоделирования 133
4.4. Пользовательский уровень компонентного метамоделирования 142
4.5. Взаимодействие компонентных метамоделей с внешней программной средой 148
Выводы по четвертой главе 150
Заключение 152
Библиографический список 153
- Краткий исторический обзор теории и практики управления запасами
- Формальная постановка задачи поиска оптимальной политики на этапе планирования в заданном классе стратегий
- Универсальная процедура многомерной оптимизации на основе генетического алгоритма
- Объектно-ориентированная декомпозиция управления запасами на основе структуры информационных потоков
Введение к работе
Повышающиеся темпы научно-технического прогресса, задачи непрерывного роста эффективности функционирования предприятий приводят к совершенствованию систем управления. Складывается тенденция существенных изменений в планировании, происходит его реорганизация. Управление предприятием должно быть комплексным и опираться на прочную научную основу, поэтому важное значение приобретают исследования, связанные с внедрением в автоматизированные системы управления хорошо проработанных математических методов и их современных модификаций, разрабатываемых с учетом передовых научных идей.
В последнее время на предприятиях большое внимание уделяется комплексной оптимизации с целью повышения качества продукции, снижения затрат на производство. Дальнейшее повышение эффективности работы предприятий может быть достигнуто путем обращения к резервам, заложенным в рационализации обеспечивающих процессов, особенно это касается оптимизации запасов сырья, материалов, готовой продукции.
Повсеместно существует практика завышения уровня запасов, имеющая целью застраховаться от возможных сбоев функционирования в условиях влияния различных возмущающих факторов. Высокий уровень запасов позволяет также скрыть недостатки управления, несогласованность производственных операций и ненадежную работу поставщиков.
Актуальность темы обусловлена развитием комплексного характера управления предприятиями, в том числе внедрением новых научных разработок для повышения эффективности планирования и прогнозирования. Нерациональное управление запасами на предприятиях приводит к омертвлению капитала и значительным экономическим потерям, что во многих случаях связано с необоснованным принятием решений в условиях нестабильности или неопределенности многих факторов внешней и внутренней среды и отсутствия их количественной оценки.
Цель работы: разработка и исследование методов моделирования, решения оптимизационных задач и проектирования программного обеспечения систем управления запасами с использованием нечеткого подхода к описанию неопределенности, недетерминированных универсальных алгоритмов оптимизации и технологии создания компонентных распределенных программных систем.
Положения, отличающиеся научной новизной.
1. Проведено дальнейшее обобщение модели управления запасами, выделены ключевые характеристики стратегий управления запасами, позволяющие синтезировать расширенный класс стратегий.
2. Предложены новые способы формализации управления в условиях существенной неопределенности стоимостных коэффициентов с использованием комплексных нечетких характеристик.
3. Построена компонентная схема численной условной оптимизации на основе нестандартной функциональной декомпозиции алгоритмического обеспечения методов оптимизации.
4. Предложен метод построения адаптивных генетических алгоритмов оптимизации с ведением информационной базы и автоматической настройкой параметров на основе идентификации нечеткой связи между подмножествами значений параметров и значений целевой функции в процессе отбора.
5. Построена методика компонентного метамоделирования систем управления запасами как основа разработки программных модулей АСУ запасами в составе современных интегрированных систем управления предприятиями.
Практическое приложение полученных теоретических результатов.
Разработанные в диссертации принципы позволяют создавать эффективные АСУ запасами и модифицировать существующие с целью снижения затрат на хранение запасов и рисков, возникающих из-за дефицита. Формальный синтез стратегий управления любой сложности упрощает построение универсальных имитационных моделей. Методика использования
комплексных характеристик идеологии управления способствует обоснованной активной реорганизации управления запасами в условиях неопределенности. Предложенная гибкая компонентная структура программного обеспечения призвана упростить интеграцию с программными модулями существующих АСУП.
Положения научной работы проверены и продемонстрированы на примере обработки данных бухгалтерского учета двух предприятий с существенно различными характерами процессов потребления и профилями деятельности (строительно-монтажный и издательский).
Автор защищает
1. математическую модель формализации стратегий управления запасами;
2. нечеткие обобщенные характеристики систем управления запасами;
3. методы применения генетических алгоритмов к решению оптимизационных задач управления запасами;
4. методику компонентного метамоделирования систем управления запасами.
Апробация работы. Основные положения и результаты диссертации доложены и обсуждены на международном конгрессе по интеллектуальным методам вычислений и их приложениям С1МА 99 (Рочестер, США, 1999), молодежной научно-технической конференции технических вузов Центральной России (Брянск, 2000), международной научно-технической конференции «Современные сложные системы управления» CCCy/HTCS 2002 (Липецк, 2002).
Публикации.
По теме исследований опубликовано 6 печатных работ, список которых прилагается.
Объем и структура работы.
Диссертация состоит из введения, четырех глав, заключения, списка литературы (ПО наименований работ отечественных и зарубежных авторов). Работа изложена на 162 страницах машинописного текста, содержит рисунков и 13 таблиц.
Работа выполнена в Липецком государственном техническом университете.
Место задачи управления запасами как предмета исследований и ее роль в научно-практической сфере показаны на рис. 0.1.
Общая теория систем
Кибернетика
Исследование операций
Экономика
Информатика
А
Логистика
П ред принимательская деятельность
Логистика запасов Задачауправлениязапасами
Условные обозначения связей:
Условные обозначения блоков:
т
образует парадигму методологии
выступает научной основой
образует методологический базис
является частью
Раздел науки
Область практической деятельности
Научно-практическая
проблема, подлежащая
исследованию
В первой главе сделан краткий исторический обзор и приведены основные положения теории и практики управления запасами на основе анализа литературных источников. Выявлена возможность описания некоторых видов неопределенности в задачах управления запасами с использованием нечетких множеств, а также целесообразность имитационного моделирования в комплексе с современными универсальными эвристическими алгоритмами оптимизации для решения большинства задач в этой области, особенно в связи с развитием средств вычислительной техники. Проанализированы также аспекты создания программного обеспечения систем управления запасами и выявлена необходимость создания комплексной методики проектирования систем управления запасами в составе интегрированных систем управления предприятиями на основе объектно-ориентированного компонентного подхода к моделированию и созданию программного обеспечения. На основании выявленных приоритетных направлений поставлены задачи исследования.
Во второй главе представлена обобщенная модель управления запасами, развивающая процессно-ориентированный логистический подход, введены новые понятия областей активности процесса управления, на основе которых удалось формализовать синтез расширенного класса стратегий управления запасами. Описана постановка задачи численной оптимизации с использованием имитационных моделей и с учетом специфики структуры задачи, предложены способы описания некоторых характеристик систем управления запасами с помощью нечетких величин и разработана методика их использования для управления в условиях неопределенности стоимостных показателей.
В третьей главе изложены методы решения частных задач при управлении запасами. Проведено исследование применимости недетерминированных эвристических методов оптимизации (генетических алгоритмов) для решения задачи планирования запасов, а также предложены новые методы повышения эффективности вычислительных процедур такого класса на основе методов идентификации нечеткой связи между значениями
параметров генетических алгоритмов и качеством получаемых решений задачи оптимизации. Приведены также результаты решения задачи планирования запасов на основе ретроспективного анализа соответствующих данных бухгалтерского учета по двум предприятиям разного профиля деятельности, при этом использовались вновь введенные в настоящей работе теоретические положения.
В главе четвертой рассматриваются вопросы синтеза этапов моделирования и создания программного обеспечения систем управления запасами на основе объектно-ориентированного подхода. Предложены два варианта объектно-ориентированного описания таких систем, показана эффективность процессно-ориентированного компонентного подхода. Приведено концептуальное описание компонентного метамоделирования систем управления запасами как перспективной методики проектирования распределенных расширяемых программных комплексов как для задач научных исследований, так и для работы их в составе интегрированных систем управления предприятиями.
Заключение содержит основные выводы по работе.
Краткий исторический обзор теории и практики управления запасами
Математическая теория запасов - относительно молодая интенсивно развивающаяся наука. Проблемами выбора рационального, теоретически обоснованного уровня запасов исследователи стали интересоваться в конце XIX - начале XX в. В 1888 г. Эджуорт (Edgeworth) впервые математически сформулировал задачу управления запасами (применительно к определению резервных денежных фондов). Аналогичные результаты получил в 1915 г. Харрис (Harris), в немецкой литературе - в 1927 г. Стефаник-Алмейер (Steffanic-Allmayer), в 1929 г. Андлер (Andler) и др. Во всех работах начального периода рассматривается так называемая модель EOQ (Economic Order Quantity) - детерминированная модель наиболее экономичного размера заказа. Независимо от своих предшественников в 1934 г. Уилсоном (Wilson) была выведена группа формул, относящихся к EOQ, которая в англоязычной литературе носит его имя.
Для вывода формулы EOQ требуются минимальные знания из области математического анализа, однако результаты ее применения часто далеко не очевидны практикам. Вопреки известной поговорке «запас карман не тянет» следует заботиться о том, чтобы расходы на накопление находились в разумных пределах. Если спрос в единицу времени постоянен и равен S, дефицит не допускается, доставка пополнения немедленная, стоимость доставки заказанной партии равна К, а плата за хранение единицы продукта в единицу времени равна h, то оптимальный размер доставляемой партии оказывается равным при этом минимизируются суммарные издержки в предположении, что стоимость заказываемого продукта с течением времени не меняется. Эта зависимость является составляющей частью более сложных задач, в том числе стохастических. Другая простая модель, уже стохастическая, появилась в годы второй мировой войны, но стала широко известна лишь в 1951 г. как модель продавца газет или рождественских елок. Она традиционно приводится как пример принятия решения в условиях неопределенности, но по своей природе это задача управления запасами. Здесь предполагается, что спрос на продаваемый продукт разовый и представляет собой случайную величину с известным распределением. Известна цена покупки В, продажи К, неиспользованный продукт пропадает (в частных случаях может быть возвращен по более низкой цене). В качестве функционала, который надо максимизировать, рассматривается полученный средний доход VEmin(Q, )-BQ, если приобретена заранее партия размера Q. Модель газетчика применяется к поставкам запасных частей и дополнительного оборудования к уникальным комплексам на весь период эксплуатации, так как вместе с основным оборудованием запчасти могут быть поставлены по одной цене, а позже - по существенно более высокой из-за необходимости повторного запуска производства. К этому же классу проблем относится сезонное снабжение, торговля модными товарами и др. задачи с разовым созданием запаса. Быстрое развитие теории управления запасами началось в годы второй мировой войны применительно к организации эффективного снабжения вооруженных сил и сразу после войны в рамках становления группы прикладных математических дисциплин, традиционно объединяемых названием «исследование операций». В настоящее время теория управления запасами рассматривается как раздел общей теории управления. О формировании теории запасов как научной дисциплины к середине 1950-х гг. свидетельствует работа [67], в которой приведен глубокий математический анализ задач управления запасами, сформулированы основные математические проблемы, описаны важные модели, указаны факторы, влияющие на принятие решений, и предложены подходы к учету неопределенности спроса. В нашей стране первыми математическими работами по теории запасов были статьи Е.В. Булинской [8], опубликованные в журнале «Теория вероятностей и ее применения» в 1964 г., и ее кандидатская диссертация «Некоторые задачи оптимального управления запасами» (МГУ, 1965 г.), развивавшие стоимостной подход, затем появились переводы на русский язык монографий [7, 61]. В 1969 г. появилась книга Рыжикова [49], далее книги Рубальского [47], Первозванского [40] и др. отечественных авторов. Можно отметить, что до середины 1960-х годов основную роль при выборе политики регулирования запасов играл стоимостной подход. Он означает, что при фиксированном горизонте планирования Т для оценки качества функционирования системы рассматриваются средние суммарные издержки ST. Если горизонт планирования неограничен, то в качестве целевой функции рассматриваются средние издержки в единицу времени при длительном функционировании системы (более точно, lim(\/T)ST). С середины 1960-х годов получает развитие надежностный подход в теории запасов, который оказался очень плодотворным в связи с фундаментальными результатами, полученными в работах Гнеденко, Соловьева, Коваленко, Каштанова, Беляева, их коллег и учеников [16]. В то время как стоимостной подход стремится свести к минимуму издержки, существуют ситуации, когда такой подход неприменим, и необходим другой критерий качества функционирования системы - ее надежность. При надежностном подходе в качестве целевой функции выступают вероятности опустошения и/или переполнения, средний размер дефицита и другие характеристики системы. В то время как при стоимостном подходе часто оказывалось возможным находить оптимальную политику, обеспечивающую достижение экстремума целевой функции, добиться «полной надежности», скажем, бездефицитной работы, практически никогда не удается. В 1970-е годы в связи с развитием средств вычислительной техники и ростом популярности вычислительных систем возникла идея использовать их возможности для планирования деятельности предприятия, в том числе для планирования производственных процессов. В это время снова усиливается интерес к детерминированным моделям теории запасов, при этом центр тяжести перемещается в область централизованного планирования производственных процессов и запасов сырья и полуфабрикатов. Если раньше речь шла о наиболее рациональном выборе уровня запасов, то теперь доминирует желание иметь их как можно меньше, а лучше всего не иметь вообще. В 1975 г. выходит работа [96], посвященная этим проблемам. В развитом виде идеи планирования нашли отражение в известных концепциях MRP и ЛТ. Планирование потребностей в материалах (Materials Requirements Planning, MRP) - внутризаводская система планирования потребностей сырья и полуфабрикатов в условиях прогнозируемого спроса, целями которой являются удовлетворение потребности в материалах, компонентах и продукции для планирования производства и доставки потребителю, поддержание низкого уровня запасов материальных ресурсов, незавершённого производства, готовой продукции, планирование производственных операций, графиков закупок и доставки [25, 31].
Формальная постановка задачи поиска оптимальной политики на этапе планирования в заданном классе стратегий
Обычно считается, что любую оптимизационную задачу управления запасами можно свести к поиску набора точек {t,x} с двумя координатами -время / и объем х заказа. В рассмотренном выше расширенном классе стратегий управления выделены две независимые области - принятия решения [Л0 и воздействия Л+ , поэтому при синтезе конкретной политики управления на основе выбранной стратегии целесообразно определять оптимальные параметры для каждой из этих областей. При выборе стратегий с небольшим числом переменных параметров пространство поиска может быть существенно снижено.
Управление запасами традиционно выполняется поэтапно: на первом этапе осуществляется планирование с учетом стоимостных критериев, но с ослабленным учетом неопределенности, на втором этапе производится адаптивная коррекция полученного плана с учетом поступающей в реальном времени информации, причем целью адаптации является компенсация неопределенности величин, влияющих на непредвиденные изменения динамики уровня запаса.
Производить планирование в неопределенных, случайных, нестационарных условиях чрезвычайно трудно, поэтому за этапом планирования следует адаптивная коррекция первоначального плана. С диалектической точки зрения недостаток информации можно скомпенсировать быстрой реакцией на неконтролируемые изменения условий. Обычно характеристики неопределенности не могут изменяться во времени слишком быстро - это упрощающее допущение, в отличие от многих остальных традиционно вводимых допущений, не слишком огрубляет модель.
В принципе, адаптивный механизм может применяться с самого начала, тогда система, следуя заданным критериям эффективности функционирования через переходный процесс войдет в рабочий режим. Однако в таком виде управление носит пассивный характер в том смысле, что изменение управления происходит лишь вследствие изменения наблюдаемых значений неконтролируемых параметров. Это оправдано и, более того, является единственно возможным в условиях высокой неопределенности, но при наличии информации о процессах можно повысить эффективность адаптивного управления.
Действительно, очень редко система управления запасами не имеет априори никакой информации о характере потребления. В случае управления производственными запасами (сырье, полуфабрикаты и т.п.) интенсивность потребления во многих случаях близка по своим характеристикам к детерминированной, хотя и динамической. В торговых предприятиях, отделах сбыта промышленных предприятий неопределенность потребления может быть выше, однако практически всегда имеются информационные массивы, предоставляющие качественные статистические данные, или по крайней мере возможность получить некоторую информацию по потреблению из неформализованных знаний специалистов.
Поэтому на этапе планирования обоснованно использование программных стратегий, возможно, с большим количеством фиксированных параметров (т.е. таким, оптимальный подбор которых не проводится, а значения задаются), на этапе коррекции плана - пошаговых. При использовании периодических стратегий правила управления задаются для одного периода.
До сих пор для областей активности In0 и U задавались только такие характеристики, как фиксированное или переменное положение по соответствующей оси {t или х), однако для полной характеристики условий активности процесса, а также его осуществимости следует задать правила, определяющие принадлежность точек {t,x} соответствующим областям. Вполне естественно рассматривать эту принадлежность в нечетком аспекте (рис. 2.4.1). Разумеется, не требуется реализации произвольных сколь угодно сложных правил принадлежности (конфигурации областей). В простейших стандартных случаях правила сводятся к четким условиям, использующим значение порогового уровня и величины задержек поставки. Эти простые случаи являются частными случаями нечетких условий, но не наоборот. При построении имитационных моделей целесообразно задавать условия рассматриваемых областей алгоритмическим способом, что будет описано в разделе, посвященном компьютерному моделированию. При постановке задачи оптимизации существенно только, что набор переменных в задаче оптимизации управления запасами есть совокупность точек 0 , 0 ), 1 і №0 принятия решения о заказе и точек \dJ,xdJ\, \ j N + воздействия на повышение уровня запаса. Если задана имитационная модель М \и +\...), и с ее помощью можно получить LK =M\fA ,U +\...), то задача оптимизации определяется как min / (м), если LK =LS (стоимостной критерий), либо max LR{u), если LK = LR (надежностный критерий). В сущности, метод численного решения задачи довольно прост: имитационная модель с заданными параметрами U (и другими, неконтролируемыми) выступает в роли процедуры, вычисляющей значения целевой функции LK. Область поиска (значения координат точек V) задается алгоритмически вычисляемыми условиями, которые используются процедурой условного поиска при выборе базовых точек поиска и направлений поиска.
Универсальная процедура многомерной оптимизации на основе генетического алгоритма
Популяция (набор точек, в которых осуществляется проверка значения целевой функции), состоит из принципиально не ограниченной последовательности генотипов отдельных индивидов (отдельных точек в пространстве поиска) длиной / М бит, / - количество индивидов. В практических реализациях генетических алгоритмов длина популяции зависит не столько от занимаемого ею объема памяти, сколько от вычислительных возможностей системы, ведь в каждой точке приходится вычислять значение целевой функции (ЗЦФ), которое в рассматриваемом в данной работе классе задач является выходом имитационной модели, чей «прогон» сам по себе требует значительных вычислительных ресурсов. Обычный генетический алгоритм состоит из следующих шагов: Шаг 1. Задание параметров алгоритма, кодирование переменных и получение начальной популяции. Шаг 2. Вычисление ЗЦФ для каждого индивида в популяции, сортировка популяции по ухудшению полученных значений, отбор наилучших и исключение наихудших индивидов. Шаг 3. Добавление в популяцию новых индивидов, генотипы которых получены рекомбинацией наилучших. Шаг 4. Мутации не самых лучших индивидов. Шаг 5. Проверка достижения условия окончания итеративного эволюционного процесса. Если условие не выполняется, переход к шагу 2. Шаг 6. Декодирование генотипа индивида, лучшего в популяции, получение значений переменных - координат субоптимальной точки. В основе генетического алгоритма лежат процедуры селекции, рекомбинации и мутаций. Выбор конкретных алгоритмов для каждой из этих процедур определяет чрезвычайно широкий класс конкретных реализаций алгоритмов и их эффективность.
Процедура селекции (отбора) заключается в исключении из дальнейшей эволюции индивидов с наихудшим ЗЦФ. Без ограничения общности можно задавать показатель отбора в виде доли г/, є[0,і] «выживающих» индивидов от длины популяции на данном шаге, тогда процедура отбора заключается в сортировке массива точек по вычисленным ЗЦФ и исключении (l J)-1 последних точек. Показатель TJ может меняться на каждом шаге эволюции (при каждой «смене поколений»), тогда возникает задача выбора функции таких изменений. Одним из способов здания такой функции является оценка «разнообразия» популяции; при высоком разбросе значений генотипа, что типично на начальных этапах эволюции, TJ выше, а при более-менее однородной популяции т] может уменьшаться. Очевидно, что в данной области исследований существует потенциал для использования нечеткой логики.
Процедура рекомбинации является одной из ключевых для достижения высокой эффективности генетического алгоритма. Сущность ее заключается в получении новых значений генотипа из лучших достигнутых, т.е. отобранных в процедуре селекции. Новые значения получаются обменом участками генотипа. Обозначим NR - количество индивидов, участвующих в предоставлении своих генотипов для синтеза новых, G,, i = \..NR - наборы генов, предназначенные для передачи в новый генотип G , тогда G = \jGt. Кроме того, следует задавать количество вновь полученных генотипов, определяющих расширение популяции. Без ограничения общности можно задавать коэффициент Л 1 увеличения популяции, тогда на к-м шаге эволюции 1к = I к_хт](к)Л(к). В такой постановке определение процедуры рекомбинации сводится к определению правил создания наборов G, и функции Л.
Процедура мутаций состоит в изменении (обычно случайном) значений отдельных генов у отдельных индивидов, таким образом обеспечивается, как и при рекомбинации, продвижение по пространству поиска в новых направлениях. Отличие этой процедуры состоит в том, что она позволяет получать комбинации бит в генах, отсутствовавшие в исходной популяции. Обычно мутации происходят с некоторой достаточно низкой частотой, хотя ранние (и не слишком эффективные) реализации генетических алгоритмов были основаны только на мутациях, без рекомбинации. Обозначим долю мутировавших бит в общей битовой цепочке популяции о), сое [0,l], тогда на к-м шаге эволюции в популяции инвертируются а к -1к-М бит. В связи с мутациями возникает вопрос о сохранении индивидов с достигнутыми наилучшими показателями, поэтому целесообразно ввести еще один показатель в - доля «лучших» индивидов от общей длины популяции, которые никогда не подвергаются мутациям, с учетом этого в процессе мутаций инвертируются (і - вк) сок -М бит в популяции, среди индивидов, не отличающихся лучшими показателями целевой функции.
Первоначальный набор генотипов (в самом первом поколении) обычно формируется случайным образом, но можно сформировать его на основе имеющегося приближенного решения задачи оптимизации, варьируя его точки некоторым случайным или неслучайным образом. Во многих случаях приближенное решение отсутствует, тем не менее обширная практика использования генетических алгоритмов свидетельствует о том, что процесс получения довольно хороших решений из случайного набора происходит быстро.
В сложных задачах процесс совершенствования популяции может происходить сколь угодно долго. Поэтому условием завершения поиска целесообразно считать либо достижение ситуации, при которой получается решение с удовлетворительным ЗЦФ (попадающим в заранее заданный интервал, который можно определить из внешних соображений), либо по истечении отведенного на решение времени, либо при сходимости к какой-либо линии индивидов с близкими ЗЦФ.
С учетом предложенной компонентной схемы оптимизации (п. 2.4) наиболее распространенный генетический алгоритм задается так: блок Р получает информацию о количестве переменных п в задаче и диапазонах их изменения [х.шт,лг1-шах], i = \..n. Эти диапазоны разбиваются на К отрезков, полученным узлам xik = лг,- +k , к = 0..л ставится в соответствие какой-либо двоичный код, например, прямой, код Грея и др., который используется в качестве битового представления гена. Каждой точке в пространстве поиска соответствует битовая цепочка из п генов. Блок Р осуществляет, помимо случайной генерации кодов (и однозначно соответствующих им точек р), два преобразования: #, (//,//) - обмен участками двоичных кодов (скрещивание) и 92{Р) случайное изменение битов в коде (мутация).
Объектно-ориентированная декомпозиция управления запасами на основе структуры информационных потоков
На современном этапе развития системотехники стандартом де-факто является всеохватывающий и теоретически детально проработанный объектно-ориентированный подход (ООП) к построению систем [11]. ООП предоставляет парадигму, которая описывает проблему или систему в терминах объектов, обменивающихся сообщениями и реагирующих на них определенным образом. Объекты и сообщения являются наиболее существенными для имитации сущностей и процессов в предметной области. Концепция объекта подразумевает инкапсуляцию, т.е. объединение и защиту внутренней, детальной информации об объекте. Любой доступ к объекту производится через его методы (операции над объектом). Внешне методы несут ту смысловую нагрузку, которая существенна именно в данной сфере использования объектов.
Существует сложность, проявляющаяся в двойственности объектно-ориентированных представлений предметной области управления запасами. Во-первых, можно выделить основные объекты, такие как поставщик, складская система, потребитель, ресурс, партия и т.п. (будем называть их функциональными объектами) и основные типы сообщений, которыми эти объекты обмениваются. В рамках такого варианта объектно-ориентированной декомпозиции можно создать следующую структуру понятий. Общие понятия: ресурс - пассивная сущность, к доступу к которой стремятся объекты; объект - активная сущность, для достижения целей существования которой необходим доступ к ресурсам; доступ - получение, использование некоторого ресурса, которое осуществляется через взаимодействие предоставляющего и запрашивающего объекта; единица доступа - способ, порция, неделимый акт использования ресурса. Информационные понятия: информационная единица - сообщение, дискретная порция информации, передающаяся между объектами; очередь информационных единиц - информационные единицы, обращенные к некоторому объекту, сгруппированные в хронологическом порядке. Группа элементов диалога: запрос - обращение одного объекта к другому с одной информационной единицей, подразумевающее обязательное подтверждение; подтверждение - обращение одного объекта к другому с информационной единицей, причинно-связанной с ранее полученной информационной единицей; объявление - обращение одного объекта к одному или нескольким объектам с информационной единицей декларативного характера, не подразумевающее обязательного подтверждения; предложение - обращение одного объекта к одному или нескольким объектам с информационной единицей побудительного характера, подразумевающее значительную степень ожидания подтверждения; указание - команда, инструкция; обращение одного объекта к одному или нескольким объектам с информационной единицей побудительного характера, не подразумевающее подтверждения, но предусматривающее обязательную, заранее определенную реакцию. Аспект принятия решений: реакция - обработка информации, поступившей в объект через входящую информационную единицу, и принятие решения по ее дальнейшему использованию; может порождать новые информационные единицы, обращенные к другим объектам, либо к самому объекту. Траекторные понятия, аспект развития: цепь - линейная последовательность причинно-связанных информационных единиц, в общем случае распределенная по разным объектам; инициатор - информационная единица, причины которой несущественны, признак логического начала цепи; терминатор - информационная единица, следствия которой несущественны, признак логического завершения цепи. Виды объектов, пространственный или функциональный аспект: источник - начальное звено логистической цепи, исходная точка материального потока, до которой его состояние неактуально для рассматриваемой системы. накопитель - посредник в предоставлении доступа к ресурсу, имеющий возможность получать в свое распоряжение единицы доступа к ресурсу некоторого объекта и предоставлять их уже от своего имени; потребитель - завершающее звено логистической цепи, конечная точка материального потока, после которой его состояние неактуально для рассматриваемой системы. Временной аспект: ожидание - состояние объекта, запрашивающего доступ, с неопределенным, негарантированным результатом относительно предоставления доступа; может быть синхронным и асинхронным. Синхронное ожидание длится в течение заранее известного или объявленного периода времени. Асинхронное ожидание длится до поступления в очередь объекта информационной единицы, конкретизирующей вид предоставления доступа. Виды подтверждения доступа: отказ - объявленная объектом безусловная невозможность предоставления доступа к ресурсу, ассоциированному с этим объектом; полный доступ - объявленная объектом возможность гарантированного предоставления доступа в запрашиваемом объеме в текущий момент времени; частичный доступ - объявленная объектом гарантированная возможность предоставления доступа в объеме, меньшем запрашиваемого, и одновременно означающая отказ в предоставлении полного доступа; отложенный доступ - объявленная объектом негарантированная возможность предоставления полного доступа в будущем времени и одновременно означающая отказ в предоставлении полного доступа в текущий момент времени.
Предложенная система понятий более близка к терминам информационных технологий, а также сходна с терминологией теории массового обслуживания. В ней акцентируются понятия, связанные с взаимодействием объектов, и принципиально не принимаются в качестве базовых такие характеристики, как число номенклатур, число складов, стратегия восполнения, свойства спроса и т.п. Предложенных базовых элементов достаточно, чтобы на их основе определить подобные общепринятые в теории запасов характеристики, но обратное, вообще говоря, неверно. Например, системы управления запасами типа ЛТ очень неудобно моделировать, исследовать и реализовывать без введения понятия информационных единиц (наиболее известной разновидностью которых являются карточки «канбан»). Информационные потоки спроса и заказов имеют одинаковую природу, но традиционно противопоставляются. В предложенной модели они естественным образом объединяются комбинированным понятием «запрос на доступ».
