книги / Теоретические основы автоматизированного управления
..pdfВ варианте 1.4 потери AF^k —0, а выигрыш ДЯц определяют из вы ражения (6.38), где Р4*[Г,] устанавливают на основе маркетинговых исследований:
|
Л'зШт - |
1] + № = R3*[t - 1] - |
ЧкПШЪк[* - U - |
Raк) - |
|
|
|
- |
R 3* [t |
- 1 1 ) , |
|
где |
I = ТТй, |
т3* = diag{/3ij, ) е / 3с |
177}. |
|
|
|
В варианте 1.2 при AFn ~ О |
|
|
||
|
|
F4к =< |
|
П |
|
|
|
>2 j P4JtM^> |
(6.39) |
||
|
|
|
|
/= 1 |
|
где |
Р4 4 [Г(] определяется при |
РЗЛ[/] = РЗЛ[г]. |
|
При использовании варианта 1.3 возникают дополнительные по тери
%
^ 4 к =<^4*, ^ P 4 * t^ ]>» /=I
где л3 определяют из значения Т3 = л3[/]; Т3 — запаздывание выпуска продукции по отношению к моменту полного снятия с производства продукции РЗА:.
В вариантах 1.2 — 1.4 за счет лучшей организации возможен до полнительный выигрыш
л,-л,
AF4 k =<C4k, £ Р 4*[/,]>, |
(6.40) |
(=1 |
|
где т4 = п2Щ — n2[t\, ([/,] = [/] = const) — наибольшая |
длительность |
технологического цикла для новой продукции; t4 = «,[?] — запазды вание в выпуске продукции, связанное с организационными факто рами; т4 < / 4 и, следовательно, п2 < п{.
Очевидно, что вариант 1.4 предпочтительнее вариантов 1 .1 и 1.3, однако организационно он сложнее. В итоге окончательный выбор
варианта определяет |
исследователь. |
|
Выражения, аналогичные (П.5) приложения 2, можно составить |
||
для уровней h = 1 и |
h = 2 . |
|
Для уровня h = 1 |
справедливо выражение (П.5) и |
|
m |
|
|
Fk - Е<<С 4 *> Р4 * ['/]> -< с з*= p 3 *[f,]>}->max, |
(6.41) |
|
/= Г+ 1 |
|
|
а для уровня h - 2 , где имеет место горизонтальное взаимодействие элементов, в дополнение к (6.41) получим выражения (6.42) для материальных ресурсов
А'б*»® |
r ç * M - p 3* M |
0 |
|
|
|
р « м |
< |
|
|
|
|
®> |
^ \2 к |
|
Р 4 * -|М |
и целевой функции
F ^ F |
k . |
(6.43) |
*=i |
|
|
Выражения (6.36)—(6.43) фактически составляют математическую модель процесса определения нового плана, исследование которого можно провести методами, описанными в подразд. 6 .2 .2 —6.2.3.
6.2.5. Расчет с помощью декомпозиции (по частям)
До сих пор считалось, что размерность задач позволяла решать их целиком.
При большой размерности векторов Р и Р* решения находят ис пользуя декомпозиции (см. рис. 6 .2 ) с постепенным укрупнением структуры по схеме «компонент — элемент — уровень — система», где под компонентами понимают составные части, на которые разде ляется элемент структуры.
Далее рассмотрим задачу (6.13) без второго выражения, полагая, что оно соответствующим образом введено в первое.
Декомпозиция подразумевает:
•выделение сильно связных множеств (классификацию);
•декомпозиционное решение задачи.
При выполнении процедуры классификации полезно учитывать следующие предварительные рекомендации:
1 ) выбирать количество классов К в пределах 6 — 8 с одинаковым по возможности числом элементов т в каждом [46];
2 ) иметь между классами минимум связей, чтобы уменьшить ин формационный обмен и значительно увеличить скорость решения;
3) использовать для классификации предпочтительно простые, быстродействующие и эффективные алгоритмы.
Данная задача является нестандартной задачей кластеризации, ибо проводится на двудольном графе. Ее трудно представить фор
мально в виде задачи целочисленного программирования, что служит одной из причин применения для решения таких задач эвристиче ских алгоритмов [7].
Предлагается использовать известный алгоритм 2.5 приложения 2. Для декомпозиции можно применять алгоритмы выделения силь
но связных множеств [46].
Задача содержательно ставится так. Необходимо разделить ^ э л е ментов, связи которых характеризуются коэффициентами матрицы А = {aqv}, на А"классов по /и*(к = 1 , К) элементов в каждом так, чтобы взвешенная сумма связей между классами была минимальна.
Рассмотрим случай, когда заданы количество классов К и число элементов в классе /и* (часто /я* = т = const).
Используемые методы возможно разделить на точные и прибли женные.
Точная постановка данной задачи [39] имеет вид алгоритма 2.6 приложения 2 .
Это задача целочисленного квадратичного программирования, обладающая большим количеством переменных / = KN + K N 2и зна чительным числом ограничений т = K N 2 + К. Уже при К = 2 и N —6 размерность задачи I х т = 84 х 74.
Задача (П.6 )—(П. 10), как показано в [7], может быть приведена к линейной целочисленной:
кN N
^ Z Z |
Z ' V J V -> max; |
|
|
*=l0 =I V=| |
|
|
|
N |
N |
2. |
|
ZZ-v*= |
(6.44) |
||
|
m |
|
|
|
|
|
|
<7 = 1 |
v=l |
|
|
K |
N |
|
|
ZZy < * = |
|
||
|
m; |
|
|
k=\v=l |
|
|
|
к |
N |
|
|
ZZУчук = |
|
||
|
m, |
|
*=1<M
гДе У9*к= (°. U» mk = m.
Задача имеет размерность 1 x m = K N 2 x (K + 2N) и уже для К = 2 и N = 6 размерность 1 x т = 72 х 14. Следовательно, такая задача при значительных величинах К и N характеризуется высокой размерно стью (и длительным временем решения).
В связи с этим предпочтительнее использовать приближенные методы:
•метод эквивалентных преобразований;
•последовательные методы.
Из двух разновидностей метода эквивалентных преобразований [3 9 ] более универсальным и конструктивным является метод, состав ленный из двух процедур: нахождение первого приближения; улуч шение решения путем целенаправленной перестановки строк и столбцов матрицы А.
В процедуре нахождения первого приближения задача (П.6 )—(П. 10) алгоритма 2 . 6 заменяется на линейную задачу целочисленного про граммирования. Ее применение описано в [39], там же формально из ложена процедура улучшения решений, которая в общем случае мо жет не привести к оптимальному решению.
Процедуры метода эквивалентных преобразований при большой размерности матрицы А являются задачами достаточно сложными и самостоятельными.
Желание упростить и совместить эти процедуры привело к широ кому использованию последовательных методов.
Их идея заключается в последовательном выделении к-го семей ства (класса) и исключения его элементов (и связей) из матрицы А на последующих итерациях. Центром, вокруг которого образуется каж дый &-й класс, служит опорный элемент, выделяемый по критерию
F = £ ау -» шах. |
(6.45) |
V=1 |
|
На базе последовательных методов сформулирован [46] и предло жен алгоритм, отличительной чертой которого является [74] рассмот рение на каждой итерации только двух классов (алгоритм 2.7 прило жения 2 с разновидностями Al — А5).
Отметим также, что структура матрицы А задачи (6.13) с выделен ными подматрицами — кластерами может быть двух видов:
А = {А,у}, /,у = Т70, |
(6.46) |
где диагональные элементы А,- характеризуют выделенные классы, а матрицы Ау определяют связи между классами, или
А1
^0
0
о :
to
0
to
0
А 3 |
А а |
|
|
0 |
0 |
(6.47) |
|
0 |
0 |
||
|
|||
0 |
Аа |
|
при использовании более прогрессивного лимитного метода деком позиции.
Сказанное относится и к матрицам А* выражений (6.15). Нетруд но видеть, что структура (6.47), являясь частным случаем (6.46), не всегда может быть получена. В связи с этим основные методы класси фикации рассмотрены для структуры (6.46).
Сравнительный анализ методов кластеризации, проведенный в [7], позволяет рекомендовать последовательные методы (разновид ности А1, A4 алгоритма 2.7).
После выделения £2 классов в структуре матрицы А задачу можно
переписать в виде: |
|
|
Ав>Рш[Гр] 2 М 7)), |
со = 1, П; |
(6.48) |
X A ^ P J ^ M |
T ; ] ; |
(6.49) |
Ю=1 |
|
|
F ,P JT p ]= £ < C to,P jr„ ]> -M n a x , |
(6.50) |
|
Ш=1 |
|
|
где Ь(7» = {Ь0Т(7;), Ьшт(7;), со = Т7Я}Т; К (Т Г), Ь0 (ГГ) — векгор-сголбцы
локальных |
и общих |
(глобальных) ресурсов системы; Р[7],] = |
= { Р Л ^ Г , |
С, = {С/(0, |
co=T7Q}. |
Аналогичные преобразования могут быть сделаны для выражений |
||
(6.16), (6.19)—(6.23). |
|
|
Если каким-либо образом, например лимитным методом, удается |
||
представить |
(6.49) в виде |
Ь0 (Т 'г)= 1 Ь ш0 (7’г),
©=1
то задача (6.48) — (6.50) декомпозируется на fi прямых локальных за дач
АюРв[Гр] < b0 0(7»; |
|
AJPJ2],] < K (T r); |
|
/i(P J2 r’P])= S < C ,<DPœ[7’P] > ^ n ia X |
(6.51) |
10=1 |
|
и одну глобальную задачу |
|
J b ^ - ,>(7'r) < b 0 (7’r)j |
|
£0=1 |
|
Л * о О = |> о * F , К (Tr) -> max, |
(6.52) |
£0=1 |
|
где s {s = 1,5) — номер итерации; WQ —двойственная переменная. При декомпозиционном подходе необходима проверка совмест
ности задач (6.51) и (6.52). Условия совместности «о-задачи (6.51) и за дачи (6.52) трансформируются с заменой [13] Ь® на (bô° + ДЬ“), bo, на (Ью + ДЬШ) с ценами D® и Dffl соответственно.
Потребное количество ресурсов для решения задач определяется выражениями Ьо > (Ь“ + ДЬ“), b„ > (b,» + ДЬ,„).
При декомпозиционном решении задачи (6.13), равно как и (6.15), (6.22), имеет место следующий сходящийся итерационный ал горитм 2.7 приложения 2.
Таким образом, определен оптимальный план P*[7)J для задачи (6.13) при ее решении целиком (© = 1) или через ©-компоненты при декомпозиционном решении [46].
Аналогично получаем решения Р*[/,] для отдельных к-х (к = fixe, к= I, К) элементов, описываемых выражениями (6.15), (6.22).
Отметим, что «факторизованная» задача при декомпозиционном способе дает то же решение, которое получается при рассмотрении задачи целиком.
Сказанное в данном подразделе справедливо и для нестационар ного режима.
6.3. УПРАВЛЕНИЕ ПРИ ИЗМЕНЯЮЩЕМСЯ СПРОСЕ
6.3.1.Векторное свойство элементов
иэтапы его изучения
Специфика многоуровневой системы заключается в том, что в критериях ее работы должны быть учтены как экономические, так и управленческие (динамические) характеристики
В подразд. 6.2 сильный акцент сделан на экономическую состав ляющую, рассмотрен лишь один вариант задания динамических ха рактеристик. При этом детально не обсуждались условия обеспече ния характеристик динамического режима, не рассматривались след ствия неопределенности в получении информации для управляющей части системы. В то же время степень оптимизации в значительной мере определяется динамическими характеристиками.
Допустим, что целеполагание проведено и цели определены мето дами, приведенными в подразд. 6 .2 .
Математический аппарат описания процедуры должен удовле творять противоречивому требованию — удовлетворения ЛПР и обеспечения высокого качества процессов.
Описание должно позволять учитывать, с одной стороны, алго ритм работы ЛПР, что возможно сделать только с помощью имитаци онной модели, с другой стороны, интересы структурных элементов с последующим улучшением режимов использования ресурсов, что возможно лишь в оптимизационной модели. Иными словами, полу чение данных для модели из реальной системы удобнее осуществлять в рамках имитационной модели, тогда как улучшение характеристик процедуры управления требует наличия модели оптимального управ ления.
Выходом из создавшегося противоречия является уточненная тех нология: построение имитационной модели процедуры управления с последующим улучшением характеристик процедуры путем перехода к оптимальной модели.
Для построения имитационной модели предложено использовать технологию, приведенную в подразд. 6.2.1. Одна из разновидностей имитационной модели приведена в [7, 43, 46].
Имитационная модель может предусматривать принятие оконча тельного решения человеком на основе решений — советов компью тера. Достоинство имитационной модели — простота ее построения, хотя в оценке адекватности имеются сложности [46].
Полезной стороной имитационной модели является учет нели нейностей (по координатам), близость описания решений модели к
решениям ЛПР. Однако в ней слабо описана связь (прежде всего эко номическая) между уровнями, а удержание заранее выработанного плана Рд [/,] может сказаться неблагоприятно. Принятие решений с учетом только ограничений и численный характер модели затрудня ют выявление общих закономерностей. К тому же большое разнооб разие описания различных элементов неудобно и вызывает потреб ность в более единообразной форме представления с учетом опти мальности режима функционирования.
Желательна возможность использования аналитических методов, что фактически означает [7] асимптотический переход от дискретных имитационных моделей к непрерывным. Одновременно создаются предпосылки для построения оптимальной [46] многоуровневой мо дели процесса управления с согласованием интересов (целевых функций). С этой целью перейдем к описанию в пространстве со стояний с линейно-квадратичным критерием. Такой критерий по зволяет учесть:
•линейную, экономическую аддитивную составляющую, при этом вновь полученный критерий может быть снова приведен к ли нейно-квадратическому варианту с другими числовыми параметра ми;
•корректировку плана и слежение за планом (рис. 6 .6 ). Тогда описание процедуры управления получает вид (6 .8 )—(6 .10). Заметим, что если в (6 .8 ), (6.10) tV/dt) = р*(/) = 0, решение имеет
вид
u*(/) = - K*z*(/),
где К* — матрица, и замкнутая система описывается уравнением
2 к(0 = {Ал ~ В*к*} = G*z*(/).
В выборе собственных значений матрицы G* или коэффициентов матрицы К* имеется два направления: модальное и оптимальное управления.
При модальном управлении значение матрицы К*выбирается так, чтобы обеспечить заданное расположение корней матрицы G*, при этом не учитывается приведенный ранее критерий, а реализация по лучается сравнительно простой. Однако такое решение неоднознач но, порой избыточно и существенно затрудняет согласование интере сов элементов. В связи с этим предпочтение отдано второму направ лению.
В силу рассмотренных обстоятельств описание (6 .8 )—(6.10) поло жим в основу исследования свойств многоуровневой системы с помо-
На уровень
Л=2
Рис. 6.6. Схема имитационной модели к-го подразделения
щью предложенной технологии, в которой выделены следующие стадии (рис. 6.7):
1 ) исследование свойств элементов по частям, что предполагает выделение стадий классификации и декомпозиции;
2 ) координация работы элементов и уровней;
3) управление при оперативно изменяющейся структуре (струк турный переходный процесс).
Интенсификация процедур в системе требует оценки и задания для синтеза динамических свойств. В силу сложности системы невоз можно определить какой-либо скалярный критерий и, на наш взгляд, следует сформировать векторный критерий (векторное свойство).
Определим векторное свойство, с помощью которого осуществим исследование системы.
Поскольку в конечном счете динамику в режиме диалога опреде ляет ЛПР, начнем [14] с понятных ему свойств, от которых перейдем
кспецифическим «автоматическим» свойствам системы.
А.Время на устранение отклонения в выполнении плана (с помо щью которого ЛПР может задать динамику) связано со степенью ус
тойчивости а (а = 3/Т, Т = max T j, где Т — длительность переходного
Рис. 6.7. Схема управления верхнего уровня