Все выпуски

Рассматривается процедура встраивания оптимизируемых фрагментов маршрутных решений в глобальные решения «большой» задачи, определяемые эвристическими алгоритмами. Постановка задачи маршрутизации учитывает некоторые особенности инженерной задачи о последовательной резке деталей, имеющих каждая один внешний и, возможно, несколько внутренних контуров. Последние должны подвергаться резке раньше внешнего, что приводит к большому числу условий предшествования. Данные условия активно используются в интересах снижения сложности вычислений. Тем не менее размерность задачи остается достаточно большой, что, в частности, не позволяет применять «глобальное» динамическое программирование и вынуждает к использованию эвристических алгоритмов (исследуемая задача относится к числу труднорешаемых в традиционном понимании). Поэтому представляет интерес разработка методов коррекции решений, получаемых на основе упомянутых алгоритмов. В настоящей работе такая коррекция реализуется посредством замены фрагментов (упомянутых решений), имеющих умеренную размерность, оптимальными «блоками», конструируемыми на основе динамического программирования с локальными условиями предшествования, которые согласуются с ограничениями исходной «большой» задачи. Предлагаемая замена не ухудшает, а, в типичных случаях, улучшает качество исходного «эвристического» решения, что подтверждается вычислительным экспериментом на многоядерной ПЭВМ.

Предложенный алгоритм реализован в итерационном режиме: полученное после первой вставки на основе динамического программирования решение в виде пары «маршрут-трасса» принимается за исходное, для которого вновь конструируется вставка. При этом начало этой новой вставки выбирается случайно в пределах, определяемых возможностями формирования скользящего «окна» ощутимой, но все же достаточной для применения экономичной версии динамического программирования размерности. Далее процедура повторяется. Работа итерационного алгоритма иллюстрируется решением модельных задач, включая варианты с достаточно плотной «упаковкой» заготовок деталей на листе, что типично для машиностроительного производства.

На примере известной задачи о прокладке трассы изучаются возможности численного решения сосредоточенных задач оптимального управления методом параметризации управления с помощью линейной комбинации $\mu$ функций Гаусса. Напомним, что функция Гаусса (называемая также квадратичной экспонентой) - это функция вида $\varphi(x)=\dfrac{1}{\sigma\sqrt{2\pi}}\exp\left[-\dfrac{(x-m)^2}{2\sigma^2}\right]$. Основу метода составляет сведение исходной бесконечномерной задачи оптимизации к конечномерной задаче минимизации целевого функционала по параметрам аппроксимации управления с последующим применением численных методов конечномерной оптимизации. Данная статья опирается на исследование, проведенное автором ранее и касавшееся возможностей аппроксимации функций одного переменного на конечном отрезке линейной комбинацией функций Гаусса, и является его непосредственным продолжением. Прежде всего, мы доказываем утверждение об аппроксимации на любом конечном отрезке материнского вейвлета «мексиканская шляпа» линейной комбинацией двух квадратичных экспонент. Отсюда получаем теоретическое обоснование возможности эффективной аппроксимации функций одного переменного на любом конечном отрезке линейными комбинациями функций Гаусса. После этого мы проводим сравнение качества аппроксимации указанного вида с аппроксимацией по Котельникову на базе численных экспериментов. Затем приводится постановка задачи о прокладке трассы, а также результаты ее численного решения при различных способах параметризации управления, наглядно демонстрирующие преимущества предлагаемого способа, в частности устойчивость численного решения к погрешности вычисления параметров аппроксимации оптимального управления даже при использовании малого количества этих параметров.

В настоящее время в рамках управления воздушным движением крайне важной является задача формирования оптимального безопасного расписания прибытия самолетов в точку слияния воздушных трасс. Безопасность результирующей очереди обеспечивается наличием безопасного временнóго интервала между соседними прибытиями в точку слияния. Изменение момента прибытия может обеспечиваться изменением скорости движения самолета и/или использованием схем, удлиняющих или укорачивающих его траекторию. Оптимальность результирующей очереди рассматривается с точки зрения дополнительных требований: минимизации отклонения назначенных моментов прибытия от номинальных, минимизации количества изменений порядка самолетов в очереди, минимизации расхода топлива и т.д. Минимизируемый критерий оптимальности, отражающий эти требования, часто выбирается как сумма индивидуальных штрафов каждому судну за отклонение назначенного момента прибытия от номинального. Функция индивидуального штрафа почти во всех статьях рассматривается либо как модуль отклонения, либо как функция, похожая на модуль, но с различными наклонами ветвей, что приводит к разному штрафу за задержку и ускорение. В целом, задача может быть разделена на две: одна связана с поиском оптимального порядка прибытия судов, вторая — с выбором оптимальных моментов прибытия при заданном порядке. Последняя подзадача достаточно просто решается, поскольку чаще всего может быть формализована как задача линейного программирования. Однако первая решается значительно сложнее, для ее решения применяются разнообразные методы — от эвристических и генетических процедур до подходов смешанного целочисленного линейного программирования. В статье предлагаются условия на параметры задачи, достаточные для того, чтобы порядок оптимальных моментов прибытия самолетов в точку слияния совпадал с порядком номинальных моментов. Это позволяет исключить первую подзадачу из решения всей задачи.

Рассматривается «аддитивная» задача последовательного обхода мегаполисов (непустых конечных множеств), при посещении которых выполняются некоторые работы; перемещения и выполняемые работы оцениваются функциями стоимости, допускающими зависимость от списка заданий. Имеются ограничения различных типов, среди которых выделяются условия предшествования, используемые «в положительном направлении» (в интересах снижения сложности вычислений). Кроме того, в постановке присутствуют динамические ограничения, формирующиеся по мере выполнения заданий. Исследуемая постановка ориентирована на инженерные приложения, связанные с листовой резкой на машинах с ЧПУ. Исследуется подход к построению оптимальных решений на основе нестандартной версии динамического программирования (ДП). В рамках данного подхода учитываются ограничения различных типов, включая динамические ограничения, естественно возникающие при листовой резке деталей (в частности учитываются тепловые допуски, связанные с надежным отводом тепла из окрестностей точек врезки). При этом допускается комбинация «прямых» запретов на перемещения и выполнение врезки, а также системы штрафов. В последнем случае типично возникают функции стоимости с зависимостью от списка заданий. Применяемый вариант ДП позволяет оптимизировать точку старта, маршрут, отождествляемый с перестановкой индексов, и трассу (траекторию), согласованную с данным маршрутом. На этапе построения функции Беллмана используется экономичный вариант ДП, при котором весь массив значений этой функции не насчитывается, а определяется только система ее слоев (при условиях предшествования, типичных для задачи, связанной с листовой резкой, это приводит к существенному снижению вычислительных затрат). На основе ДП построен оптимальный алгоритм, реализованный на ПЭВМ; приведены результаты вычислительного эксперимента.

Рассматривается задача последовательного обхода мегаполисов с ограничениями в виде условий предшествования и (внутренними) работами, выполняемыми в пределах мегаполисов. Особенностью является то, что стоимости внешних перемещений и внутренних работ явным образом зависят от списка заданий. Построен метод итераций с элементами декомпозиции совокупного решения, задаваемого в виде пары «маршрут-трасса».

Рассматривается маршрутная задача о посещении сечений мультифункций с ограничениями в виде условий предшествования. Кроме того, по постановке предусматривается выполнение некоторых "работ" на упомянутых сечениях. Каждое решение определяется в виде упорядоченной пары, компоненты которой имеют смысл маршрута (перестановки индексов) и трассы (траектории) перемещений по сечениям мультифункций. Согласование трассы и маршрута реализуется на основе процедур последовательного выбора упорядоченных пар (пунктов прибытия и отправления) из декартовых "квадратов" сечений мультифункций, занумерованных в соответствии с маршрутом. Агрегирование стоимостей предполагается аддитивным; совокупный критерий включает стоимости (внешних) перемещений между сечениями мультифункций, внутренних "работ" и финального состояния. При построении расширения основной задачи, порождающего используемую далее функцию Беллмана, применяется эквивалентное преобразование ограничений: допустимость маршрутов по предшествованию заменяется допустимостью по вычеркиванию (заданий из списка), что соответствует варианту ограничений на текущие перемещения с одного множества на другое. Получен аналог уравнения Беллмана в виде процедуры преобразования слоёв функции Беллмана. Операция, определяющая данное преобразование, используется далее для построения эвристических алгоритмов, реализованных на ПЭВМ.

Рассматривается задача последовательного обхода мегаполисов с ограничениями в виде условий предшествования и функциями стоимости, допускающими зависимость от списка заданий. Постановки такого типа могут, в частности, возникать в атомной энергетике при исследовании вопросов, связанных со снижением облучаемости работников при перемещении в радиационных полях с целью выполнения комплекса работ, связанных с демонтированием излучающих элементов. Другое применение разрабатываемых в работе методов связано с важной инженерной задачей о маршрутизации движения инструмента при листовой резке на машинах с числовым программным управлением. Последняя задача имеет, как правило, достаточно большую размерность и большое число условий предшествования: у деталей, имеющих не только внешний, но один или несколько внутренних контуров (простейший пример - шайба), резка последних должна осуществляться раньше, чем резка внешнего контура (в роли мегаполисов здесь выступают конечные множества, располагаемые вблизи соответствующих контуров). Возможная зависимость функций стоимости от списка заданий может в данном случае отражать те или иные технологические условия. Подчеркнем, что ощутимая размерность, характеризуемая совокупностью всех контуров, подлежащих резке, приводит к необходимости использования эвристик, а потому вопросы, касающиеся хотя бы локального улучшения решений, представляются достаточно важными для исследования.

Основное внимание в работе уделяется построению оптимизирующих вставок в усложненных условиях: требуется редуцировать фрагмент условий предшествования и трансформировать соответствующие функции стоимости; в последнем случае важно сохранить в надлежащей форме зависимость от списка заданий. Оба упомянутых обстоятельства учитываются при построении процедуры, имеющей смысл алгоритма на функциональном уровне.

Рассматривается усложненный вариант задачи маршрутизации «на узкие места», а именно: исследуется задача последовательного обхода мегаполисов с условиями предшествования. Предполагается, что функции стоимости, а также «текущие» ограничения на выбор перемещений зависят от списка заданий, не выполненных на данный момент времени. Предложен вариант широко понимаемого динамического программирования, в рамках которого не предусматривается (при наличии условий предшествования) построение всего массива значений функции Беллмана; конструируются специальные слои упомянутой функции, реализующие в своей совокупности частичный (это способствует снижению вычислительной сложности) массив ее значений. На этой основе предлагается алгоритм определения значения задачи (глобального экстремума), при компьютерной реализации которого в памяти всякий раз находится только один слой функции Беллмана; найденное значение может использоваться при тестировании эвристик. Построен и реализован на ПЭВМ также оптимальный алгоритм «полного» решения маршрутной задачи, в рамках которого на этапе построения маршрута и трассы используются уже все слои функции Беллмана.

Рассматривается задача маршрутизации с условиями предшествования и функциями стоимости, зависящими от списка заданий, что отвечает потребностям инженерных приложений. В частности, упомянутые особенности имеются в постановках некоторых задач, возникающих в атомной энергетике и машиностроении. Исследуются вопросы, связанные с последовательным обходом мегаполисов и выполнением, при их посещении, некоторых (внутренних) работ. Предлагается процедура локального улучшения эвристических решений для задач ощутимой размерности, использующая вставки на основе динамического программирования. Последнее реализуется в виде варианта, не предусматривающего (при наличии условий предшествования) построение «полного» массива значений функции Беллмана. На этапе поиска локализации вставки предполагается ограничиваться вариантом беллмановской процедуры, доставляющей экстремум (локального) критерия без построения соответствующего решения в виде пары «маршрут-трасса». Более полная и более затратная в смысле ресурсов памяти процедура, включающая нахождение упомянутого (локально оптимального) решения, планируется после выбора локализации вставки.