Материал: Методические основы совершенств. транспортных связей в предприя

36

2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СОВЕРШЕНСТВОВАНИЯ ТРАНСПОРТНЫХ ПОТОКОВ ЛЕСОМАТЕРИАЛОВ В МАЛОЛЕСНЫХ РЕГИОНАХ

2.1. Постановка общей задачи оптимизации системы транспортных потоков лесоматериалов

Развитие территориальных лесопромышленных холдингов системы грузо-

потоков в настоящий момент приобретает совсем иной характер. Рациональное планирование размещения потребителей лесоматериалов особенно актуально для нашей страны с большой территорией и неравномерным размещением лес-

ных ресурсов в районах с различной степенью концентрации перерабатываю-

щих производств.

Вработе рассматриваются лесозаготовительные и деревоперера-

батывающие предприятия, выпускающие широкую номенклатуру лесоматериа-

лов. В зависимости от способа задания вариантов производства лесоматериалов имеются транспортные потоки с дискретными и непрерывными переменными.

Для первого случая производственная программа и виды потребляемых лесо-

материалов остаются неизменными. Для второго варианта имеется информация только по размерно-качественному составу лесоматериалов, без фиксированно-

го объема поставок лесоматериалов. Схема лесотранспортных потоков с непре-

рывными переменными описывает варианты с заданным ассортиментом про-

дукции, но любой мощности их грузопотоков [43, 45].

Процессы развития лесотранспортных связей во времени рассмотрим как динамическую модель с разложением ее на подмодели более низкого уровня.

Некоторые критерии задач транспортного освоения арендуемых участков лесного фонда представлены в табл. 2.1.

37

Задача оптимального размещения предприятий давно изучается, и для ре-

шения данной проблемы разработан ряд методов, описанных в литературе. Из известных методов, хорошо зарекомендовавших себя при решении различного типа задач математического программирования, можно назвать методы линей-

ного и динамического программирования, последовательного анализа вариан-

тов, последовательных расчетов, построения последовательности планов, вет-

вей и границ и некоторые другие [23]. Все они имеют общий недостаток –

«чувствительность» к незначительному изменению условий задачи. Например,

если в задаче линейного программирования вместо линейного функционала рассмотреть выпуклую вверх функцию, то для отыскания ее минимума сим-

плекс-метод становится неприменимым, хотя множество, на котором достига-

ется этот минимум (вершины многогранника), остается прежним; введение до-

полнительного ограничения зачастую делает неприменимым метод линейного программирования, с успехом используемый для решения задачи без этого ог-

раничения; нарушение условия может сделать неприменимым метод последо-

вательных расчетов, даже универсальный (в изложении) метод ветвей и границ обладает этим недостатком. Незначительное изменение условий решаемой за-

38

дачи может потребовать построения новых правил ветвления и вычисления оценок [37, 51].

Иногда используют опыт менеджера. Таким образом, при оценке факто-

ров, влияющих на размещение предприятий, присутствует доля субъективизма;

одни методы не могут работать в условиях неопределенности; другие обладают малой точностью расчета. Во всех случаях требуется сбор большого объема ис-

ходной информации и длительное время расчета при сложных вычислениях. На основе этого можно сделать вывод о том, что ни один из рассмотренных мето-

дов не является универсальным [90].

Существующие модели структурного и параметрического синтеза и анали-

за размещения производств, как правило, основаны на аналитических методах их реализации, методах оптимизации и принятия решения по одному критерию.

Слабое использование теоретико-множественного подхода к решению этих за-

дач нарушает целостность в рассмотрении процессов изменения объемов и на-

правлений лесотранспортных потоков. Современные подходы к решению зада-

чи размещения производств с учетом потребительского спроса, основанные на использовании теории множеств, векторной оптимизации принятия решений,

экспертных оценок, интеллектуальных гибридных технологий и др., позволяют решить задачи размещения производств в условиях различного потребитель-

ского спроса более эффективно. Все рассмотренные до этого модели включают два звена производства: изготовители продукции какого-то вида – потребители этой продукции [65].

В процессе управления сложными организационными системами необхо-

димо постоянно принимать решения, связанные с учетом многих критериев ка-

чества и ограничений. Если такие решения принимать с использованием только интуиции и опыта руководителя, то будет достаточно сложно сделать опти-

мальный выбор. В этой связи необходимо разрабатывать и внедрять формали-

зованные методы поддержки принятия решений.

39

Математические модели принятия решений в настоящее время все более полно отражают сложность реальных практических проблем, что, с одной сто-

роны, делает их более адекватными реальным системам, а с другой приводит к необходимости решать все более сложные задачи оптимизации. Основные свойства реальных задач оптимизации – наличие многих критериев, сущест-

венных ограничений, разношкальных переменных и алгоритмическое задание функций делают невозможным применение традиционных методов [86]. Вы-

ходом из такой ситуации является использование адаптивных стохастических алгоритмов, успешно преодолевающих указанные трудности.

Одним из наиболее часто применяемых в такой ситуации подходов явля-

ются эволюционные алгоритмы, представляющие собой стохастические опти-

мизационные процедуры, имитирующие процессы естественной эволюции, в

частности, генетические алгоритмы (ГА). Алгоритмическое задание функций и разношкальность переменных не представляют дополнительных трудностей для ГА, которые работают с бинаризованными представлениями решений и не требуют информации о свойствах целевых функций. Однако детальный анализ литературы показал, что при реализации ГА возникает ряд трудноразрешимых недостатков, основными из которых являются: достаточно высокая ресурсоем-

кость ГА; предварительная сходимость алгоритмов в локальном оптимуме, в

общем случае далеком от глобального; среди полученных с помощью ГА реше-

ний часто встречается большое количество непаретовских точек.

Таким образом, совершенствование существующих и разработка новых эффективных адаптивных поисковых алгоритмов многокритериальной оптими-

зации является на сегодняшний день актуальной научной задачей.

Для решения указанных проблем в работе предлагается разработать гиб-

ридный эволюционный алгоритм, сочетающий в себе применение модифици-

рованных генетических операторов (ГО), схем селекции и архитектур генетиче-

ского поиска (ГП) [120].

40

Структурная схема предложенного гибридного эволюционного алгоритма представлена в прил. Б. Реализация данного алгоритма представлена в прил. Г.

Работа ГА начинается с формирования случайным образом начальной популяции, состоящей из P0 индивидуумов. После этого для каждого индиви-

дуума построенной популяции вычисляются соответствующие значения целе-

вых функционалов и ограничений. В данной работе для решения проблемы предварительной сходимости ГА и экономии ресурсов предлагается реализо-

вать метагенетический подход, который заключается в направленном генериро-

вании начальной популяции.

Для направленной генерации множества индивидуумов начальной популя-

ции предлагается использовать ЛП -поиск. Основная идея метода заключается в использовании равномерно распределенных последовательностей точек в пространстве допустимых параметров, которые распределены неравномерно, а

координаты точек находятся с помощью алгоритма ЛП -поиска. Это позволяет сократить количество точек с повторяющимися координатами и упростить вы-

числения. В данном случае критериями оптимизации являются:

минимальные расстояния между полученным по алгоритму множест-

вом решений и действительным фронтом Парето;

равномерно распределенные решения вдоль фронта Парето;

решения должны принимать минимальные показатели по каждому из целевых функционалов [120].

Однако на практике имеется большой набор вариантов транспортировки лесоматериалов. Например: заготовитель и поставщик сырья – потребитель сы-

рья (он же изготовитель некоторой промежуточной продукции) – потребитель промежуточной продукции (он же изготовитель конечной продукции). Кроме того, возможны еще и поставки сырья непосредственно изготовителю конечной продукции.