- •«Математическое моделирование в логистике»
- •2013 Содержание
- •Введение
- •1. Моделирование в логистике
- •1.1. Классификация моделей
- •1.2. Научная база логистики и методология
- •2. Многокритериальная оптимизация в логистике
- •2.1. Включение целевых функций в ограничения
- •2.2. Метод последовательных уступок (метод главного критерия)
- •2.3. Метод экспертных оценок. Непосредственное назначение коэффициентов веса.
- •2.4. Оценки точности параметров в баллах
- •2.5. Статистический метод экспертных оценок
- •2.6. Метод бинарных (парных) соотношений
- •3. Транспортная задача
- •, , ,.
- •4. Базовые понятия теории графов
- •5. Сетевое планирование и управление
- •5.1. Элементы сетевого графика
- •5.2. Временные параметры сетевого графика
- •6. Задачи прокладки коммуникаций
- •6.1. Прокладка коммуникаций
- •6.2. Планирование сети дорог
- •10 9,928... 9,196...
- •7. Задачи поиска оптимальных путей
- •8. Задачи размещения
- •8.1. Размещение регулярных пунктов обслуживания
- •8.2. Размещение экстренных пунктов обслуживания
- •9. Задачи объезда
- •9.1. Маршрут китайского почтальона
- •9.2. Маршрут коммивояжера
- •Вопросы для самоконтроля
- •Список использованной литературы
2. Многокритериальная оптимизация в логистике
Критерием эффективности реализации логистических функций является степень достижения конечной цели логистической деятельности, выраженной шестью правилами логистики:
груз нужный товар;
качество необходимое качество;
количество в необходимом количестве;
время должен быть доставлен в нужное время;
место в нужное место;
затраты с минимальными затратами.
Эти правила определяют многокритериальный характер математических моделей в логистике.
Рассмотрим, каким образом решаются такие задачи средствами математического программирования. В многокритериальных задачах математическая модель имеет несколько целевых функций, причём некоторые из них требуют нахождения максимального, а другие –минимального значений. Поэтому ставится задача нахождения такого компромиссного (субоптимального) решения задачи, в котором значения всех рассматриваемых экономических показателей были бы приближены к экстремальным значениям.
Нахождение компромиссного решения относится к многокритериальным задачам оценки оптимальности.
В настоящее время подобные задачи математически недостаточно разработаны и на практике решаются разными методами.
2.1. Включение целевых функций в ограничения
В линейном программировании достаточно подробно исследована так называемая общая задача линейного программирования (ОЗЛП). Постановка задачи ОЗЛП в форме минимизации целевой функции имеет вид:
при ограничениях
, ,,,
где – некоторая целевая функция. Разработано много методов решения ОЗЛП в такой постановке и проблем с ней не возникает при корректной постановке задачи. Однако если попробовать решить эту задачу с несколькими целевыми функциями, все стандартные методы бесполезны. Для этого случая разработан другой метод, заключающийся во внесении новых критериев в ограничения.
Рассмотрим целевые функции
при ограничениях
, ,,.
Решая задачу по каждому показателю отдельно, находим и. Введя в рассмотрение фиктивную переменную ,сформулируем ограничения в виде
а новая целевая функция записывается в виде .
Математическая модель будет аналогичной в случае нахождения компромиссных решений задач, имеющих три целевые функции и более.
2.2. Метод последовательных уступок (метод главного критерия)
Суть метода в том, что одну из оптимизируемых функций принимают в качестве целевой функции, а для других задают некоторые предельные значения граничных условий. Задачу решают в нескольких вариантах, которые отличаются друг от друга предельно задаваемыми значениями.
Таким образом, рассматриваются две постановки задачи:
максимизация объёма при обеспечении качества не ниже заданного значения;
максимизация качества при обеспечении объёмов не меньше заданного значения.
Заметим, что полное использование всех видов ресурсов может быть только в задачах малой размерности, как в данном примере.
Не вызывает сомнения, что этот метод можно применить в случае большого числа параметров. Если стоит задача максимизации по параметрам, то один из них следует принять в качестве целевой функции, а в остальные ввести ограничения.