Московский Авиационный Институт

(Технический Университет)

Кафедра 308

Курсовая работа

Выбор параметров контроля с использованием метода динамического программирования и метода ветвей и границ

Вариант II(2)

Выполнила

студентка

группы КТ-515

Принял

Москва

2008г.

Содержание

Задание

1. Метод динамического программирования

1.1 Теоретическая часть

2.2 Практическая часть

- ручной счёт

- листинг программы

2. Метод ветвей и границ

2.1 Теоретическая часть

2.2 Практическая часть

- ручной счёт

- листинг программы

Вывод

Литература

Задание

Вариант II(2)

Выбор параметров контроля с использованием метода динамического программирования и метода ветвей и границ при непересекающихся элементах объекта контроля и ограничениях по затратам на контроль С≤16.

Исходные данные: вероятность отказов элементов и затраты на контроль параметров.

Выбрать такие параметры, чтобы С≤16 при Q=Q_max.

N	1	2	3	4	5	6	7	8	9	10
Qi	0.17	0.03	0.15	0.09	0.13	0.08	0.07	0.02	0.06	0.04
с(xi)	5	1	4	2	6	3	2	3	1	1

1. Метод динамического программирования

 

1.1 Теоретическая часть

Математически задачу выбора набора параметров из заданной их совокупности можно сформулировать следующим образом.

Пусть работоспособность объекта контроля характеризуется совокупностью n взаимосвязанных параметров, образующих множество S={x₁, x₂, …, x_n}. Проверка всех параметров из S влечет контроль всех N элементов системы и дает однозначный ответ: объект исправен, если все N элементов исправны, или неисправен, если по крайней мере один из элементов отказал. Для " x_i определено подмножество R(x_i) элементов, проверяемых при контроле i-го параметра, причем предполагаем, что эти подмножества могут пересекаться, т.е. $ i, j: R(x_i)ÇR(x_j). Пусть W - некоторый набор параметров из множества S, т.е. WÍS. Тогда WÇW=Æ и WÈW=S. Значения x_i из S можно представить булевым вектором, причем

x_i = 1, если x_iÎW,

0, если x_iÎW.

Задача выбора параметров в этом случае формулируется двояко:

1)         найти набор Ω, для которого

P(Ω)=max

при ∑x_i·c(x_i)≤C; iЄΩ

2)         найти набор Ω, для которого

∑x_i·c(x_i)=min

при P(Ω)≥P_з,

где P(Ω) – апостериорная вероятность работоспособного состояния объекта контроля при положительном исходе контроля выбранных параметров WÍS; с(x_i) – затраты на контроль i-го параметра; Р_з – требуемая достоверность контроля; С – ограничение на общую стоимость контроля.

Значение P(Ω) зависит от принятых допущений и может быть найдено по формуле Байеса. Так, если предполагать в изделии наличие лишь одного отказа, то

P(Ω)=Р₀/1-∑Р_i,

                          iЄR(Ω)

где Р₀=∏(1-р_i) – априорная вероятность безотказной работы объекта:

                  iЄR(S)

Р₀=1-∑Р_i;

           iЄR(S)

Р_i - нормированная вероятность отказа системы из-за отказа i-го элемента:

Р_i=(p_i/(1-p_i))/(1+∑ p_k/(1-p_k);

                                        kЄR(S)

p_i – априорная вероятность отказа i-го элемента. Тогда вероятность того, что отказ будет обнаружен при проверке k-го параметра, можно вычислить по формуле:

Q_k=∑P_k

       kЄR(x_k)

При возможности наличия в ОК произвольного числа отказов

P(Ω)=∏(1-p_i)/∏(1-p_i)

             iЄR(S)            iЄR(Ω)

Можно использовать простой перебор вариантов, однако возникающие при этом вычислительные трудности не позволяют сделать этого даже для простых систем (при n>10). В связи с этим комплектование набора будем трактовать как многошаговый процесс, состоящий из последовательного выбора отдельных параметров.

В соответствии с общим принципом оптимальности разобьем весь имеющийся ресурс стоимости С на С отрезков единичной длины. (В практических случаях заданные положительные величины с(x_i) и С можно считать всегда целыми. Если это не так, то необходимо перейти к более мелким стоимостным единицам в зависимости от разрядности дробной части.). Рассмотрим наряду с интересующей нас исходной задачей множество аналогичных задач

f(Y)=max λ(x), Y Є [0,C],

xЄX_Y

где через X_Y обозначено множество неотрицательных целочисленных векторов Ω, отвечающих наборам, в которых общая стоимость проверки параметров не превосходит величины Υ.

Пусть Υ₀=min c(x_i).

i=1,…,n

Тогда при всех Υ Є [0,Υ₀] соответствующие множества Χ_Υ состоят, из одного нулевого элемента и f(Y)=0 для всех таких Υ. Для ресурса Υ Є [Υ₀, С] согласно общей схеме динамического программирования справедливы следующие рекуррентные соотношения:

f(Y_k)=max [Q_i + f[Y_k – c(x_i)] – G_i (1)

iЄI_Y

где k=Y₀, Y₀+1, …, C; I_Y – множество тех i, для которых с(x_i)≤Y_k, начиная с номера k=max c(x_i) уравнение (1) решается для всех i= 1,…,n;

G_i = ∑P_i – сумма вероятностей элементов i-го параметра, которые пересекаются с

IЄR(x_i)∩Ω_l^*

элементами подмножества Ω_l^*, образованного на шаге Y_k – c(x_i).

Если " i, j; R(x_i)∩R(x_j)= Æ, то G_i=0 и

f(Y_k)=max {Q_i + f[Y_k – c(x_i)]} (2)

iЄI_Y

Для решения интересующей нас задачи опишем простой численный метод, не требующий предварительного определения всех допустимых наборов и основанный на рекуррентных соотношениях (1). Для всех целых Υ = Υ₀, С по формуле (1) вычисляются величины f(Y_k) и при этом фиксируются индексы i_Yk^*, на которых достигаются максимумы в (1). Искомый вектор Ω формируется последовательно включением в набор параметра i_Yk и подмножества Ω_l^*, зафиксированного на шаге Y_k – c(x_i). При этом, если Y_kЄ Ω_l*, то на данном шаге этот параметр исключается из рассмотрения, так как каждый параметр может включаться в набор не более одного раза. Если на некотором ν-м шаге окажется, что f(Y_ν)< f(Y_ν-1), то в качестве Ω_ν* принимается подмножество Ω_ν-1* и фиксируется параметр i_{Y ν-1}, причем за f(Y_ν)< принимается значение f(Y_ν-1). Заметим, что если в задаче P(Ω)=max при

∑x_i·c(x_i)≤C

iЄΩ

принять более жесткое ограничение, а именно ∑c(x_i)=C, то последнее не допустимо, iЄΩ так как в этом случае max f(Y_k) может быть меньше max f(Y_k-1) из-за того, что он достигается на другом подмножестве параметров.

Общая сложность метода, очевидно, φ(n) ≤ c(n+1), т.е. экспоненциальная функция при переборе заменена линейной функцией. При этом для запоминания промежуточных значений необходимо k≤2c ячеек памяти. Если в качестве максимизируемого критерия использовать P(Ω)=∏(1-p_i)/∏(1-p_i), то необходимо решить задачу динамического iЄR(S) iЄR(Ω) программирования с мультипликативным критерием. Для этого достаточно прологарифмировать это выражение и обозначить

V=lgP(Ω)=lgР₀-∑lg(1-p_i). (3)

                                        iЄR(Ω)

Так как выражение, стоящее под знаком ∑ в (3), отрицательно, то, V= V_max тогда, когда максимальна величина суммы, т.е. в этом случае получим новую целевую функцию

V=∑ν_i, где ν_i=lg (1-p_i),

      iЄR(Ω)

обладающую свойством аддитивности и обращающуюся в максимум одновременно с P(Ω).

1.2 Практическая часть

Ручной счёт

Данные для расчета:

С≤16

Таблица 1

N	1	2	3	4	5	6	7	8	9	10
Qi	0.17	0.03	0.15	0.09	0.13	0.08	0.07	0.02	0.06	0.04
с(xi)	5	1	4	2	6	3	2	3	1	1

Для удобства расчетов проранжируем таблицу1 следующим образом:

Таблица 2

N	9	10	2	4	7	6	8	3	1	5
Qi	0.06	0.04	0.03	0.09	0.07	0.08	0.02	0.15	0.17	0.13
с(xi)	1	1	1	2	2	3	3	4	5	6

Вычисления сведем в таблицу 3:

Таблица 3

Yk	f(Yk)	iYk	Ωl*
1	0,06	9	9
2	0,1	10	9,10
3	0,15	4	4,9
4	0,19	4	4,10,9
5	0,22	7	7,4,9
6	0,26	7	7,4,10,9
7	0,3	3	3,4,9
8	0,34	3	3,4,10,9
9	0,37	3	3,7,4,9
10	0,41	7	7,3,4,10,9
11	0,44	2	2,7,3,4,10,9
12	0,47	1	1,3,4,9
13	0,51	1	1,3,4,10,9
14	0,54	2	2,1,3,4,10,9
15	0,58	7	7,1,3,4,10,9
16	0,61	1	1,2,7,3,4,10,9

Оптимальный набор включает параметры Ω^*= {1,2,7,3,4,10,9} при этом

P(Ω) = 0,61+0,16 = 0,77 и С = 16.

Листинг программы

unit Unit1;

interface

uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,

Dialogs, ToolWin, ComCtrls, mdCONTROLS, Grids, StdCtrls, ExtCtrls, Unit2,

Buttons;

type

TForm1 = class(TForm)

sgH: TStringGrid;

sgP: TStringGrid;

sgC: TStringGrid;

sgQ: TStringGrid;

lbC: TLabeledEdit;

BitBtn1: TBitBtn;

Label1: TLabel;

sgW: TStringGrid;

Label2: TLabel;

procedure FormCreate(Sender: TObject);

procedure BitBtn1Click(Sender: TObject);

procedure sgExit(Sender: TObject);

private

{ Private declarations }

public

H: TH;

P: TP;

C: TC;

W: TW;

end;

var

Form1: TForm1;

implementation

{$R *.dfm}

procedure TForm1.FormCreate(Sender: TObject);

var i,j: integer;

x: Byte;

f: TextFile;

begin

AssignFile(f, 'data.txt');

Reset(f);

sgW.Cells[0,0] := 'W';

// Ввод исходной матрицы

readln(f);

for j:=1 to 10 do

begin

sgH.Cells[0,j] := IntToStr(j);

sgW.Cells[0,j] := IntToStr(j);

for i:=1 to 10 do

begin

sgH.Cells[i,0] := IntToStr(i);

read(f, x);

sgH.Cells[i,j] := IntToStr(x);

if x = 1 then

H[i-1,j-1] := true

else

H[i-1,j-1] := false;

end;

readln(f);

end;

// Ввод вероятностей

readln(f);

readln(f);

sgP.Cells[0,0] := 'P';

for i:=1 to 10 do

begin

read(f, P[i-1]);

sgP.Cells[i,0] := FloatToStr(P[i-1]);

end;

readln(f);

// Ввод стоимостей

readln(f);

readln(f);

sgC.Cells[0,0] := 'C';

for j:=1 to 10 do

begin

read(f, C[j-1]);

sgC.Cells[0,j] := IntToStr(C[j-1]);

end;

CloseFile(f);

// Ввод вероятностей обнаружения отказа

sgQ.Cells[0,0] := 'Q';

for j:=1 to 10 do

sgQ.Cells[0,j] := FloatToStr(Q(j-1,H,P));

lbC.Text := '1';

end;

procedure TForm1.BitBtn1Click(Sender: TObject);

var i: integer;

begin

label1.Caption := FloatToStr(maxf(1, StrToInt(lbC.Text), H,P,C, W));

for i:=1 to 10 do

begin

sgW.Cells[2,i] := IntToStr(W[i-1].N);

if W[i-1].E then

sgW.Cells[1,i] := '1'

else

sgW.Cells[1,i] := '0';

end;

end;

procedure TForm1.sgExit(Sender: TObject);

var i,j: integer;

begin

for j:=1 to 10 do

for i:=1 to 10 do

if sgH.Cells[i,j] = '1' then

H[i-1,j-1] := true

else

H[i-1,j-1] := false;

for i:=1 to 10 do

P[i-1] := StrToFloat(sgP.Cells[i,0]);

for j:=1 to 10 do

C[j-1] := StrToInt(sgC.Cells[0,j]);

// Ввод вероятностей обнаружения отказа

for j:=1 to 10 do

sgQ.Cells[0,j] := FloatToStr(Q(j-1,H,P));

end;

end.

unit Unit2;

interface

type

TH = array [0..9, 0..9] of boolean;

TP = array [0..9] of extended;

TC = array [0..9] of integer;

TDateW = record

E: boolean;

N: integer;

end;

TW = array [0..9] of TDateW;

function Q(j: integer; H: TH; P: TP): extended;

function maxf(n, Yk: integer; H: TH; P: TP; C: TC; var W: TW): extended;

implementation

function Q(j: integer; H: TH; P: TP): extended;

var i: integer;

begin

Result := 0;

for i:=0 to 9 do

if H[i,j] then

Result := Result + P[i];

end;

function G(j: integer; H: TH; P: TP; W: TW): extended;

var i,k: integer;

begin

Result := 0;

for i:=0 to 9 do

if H[i,j] then

for k:=0 to 9 do

if W[k].E and H[i,k] then

begin

Result := Result + P[i];

Break;

end;

end;

function f(n, Yk, j: integer; H: TH; P: TP; C: TC; var W: TW): extended;

begin

Result := Q(j,H,P) + maxf(n+1, Yk - C[j], H,P,C, W) - G(j,H,P,W);

end;

function maxf(n, Yk: integer; H: TH; P: TP; C: TC; var W: TW): extended;

var j,i: integer;

ft: extended;

Wt: TW;

begin

Result := 0;

for i:=0 to 9 do

begin

W[i].E := false;

W[i].N := 0;

end;

for j:=0 to 9 do

if C[j] <= Yk then

begin

for i:=0 to 9 do

begin

Wt[i].E := false;

Wt[i].N := 0;

end;

ft := f(n, Yk, j, H,P,C, Wt);

if Result < ft then

begin

Result := ft;

W := Wt;

W[j].E := true;

W[j].N := n;

end;

end;

end;

end.

2. Метод ветвей и границ

 

2.1 Теоретическая часть

Рассмотрим следующую задачу целочисленного программирования. Требуется максимизировать выражение:

     n

L=∑c_j∙x_j (4)

    j=1

при ограничениях

n

∑а_ij∙x_j≤b_i, i=1, …,m (5)

j=1

x_jЄ{0;1}, j=1, …,n

причем с_j≥0, a_ij≥0.

Метод ветвей и границ использует последовательно-параллельную схему построения дерева возможных вариантов. Первоначально ищут допустимый план и для каждого возможного варианта определяют верхнюю границу целевой функции. Ветви дерева возможных вариантов, для которых верхняя граница ниже приближенного решения, из дальнейшего рассмотрения исключают.

Эффективность вычислительных алгоритмов зависит от точности и простоты способа определения верхней границы возможных решений и точности определения приближенного решения. Чем точнее способ определения верхней границы целевой функции, тем больше бесперспективных ветвей отсекается в процессе оптимизации. Однако увеличение точности расчета верхних границ связано с возрастанием объема вычислений. Например, если для оценки верхней границы использовать симплекс-метод, то результат будет достаточно точным, но потребует большого объема вычислительной работы.

Рассмотрим алгоритм решения задачи методом ветвей и границ с простым и эффективным способом оценки верхней границы целевой функции.

Обозначим: U – множество переменных x_j; S – множество фиксированных переменных, вошедших в допустимое решение; E_s – множество зависимых переменных, которые не могут быть включены в множество S, так как для них выполняется неравенство

а_ij> b_i - ∑а_ij∙x_j, i=1, …,m

                    x_jЄS

G_S – множество свободных переменных, из которых производится выбор для включения в S очередной переменной.

Рассмотрим первоначально одномерную задачу, когда m=1 и задача (4) имеет только одно ограничение вида (5).

Обозначим h_1j = c_j/a_1j и допустим, что x_jЄS (j=1, …,k<n) и выполняются условия

h_1,k+1≥ h_1,k+2≥ …≥ h_1l, l≤n,

l

∑a_1j>b₁ - ∑ a_1j∙x_j,

j=k+1       x_jЄS

l-1

∑a_1j≤ b₁ - ∑ a_1j∙x_j,

j=k+1                x_jЄS

Условия означают, что во множество S без нарушения неравенства (5) можно дополнительно ввести элементы x_k+1, x_k+2, …, x_l-1. При введении во множество S элементов x_k+1, x_k+2, …, x_l неравенство (5) не выполняется.

Для определения верхней границы решения может быть использовано выражение

H_s =∑c_j∙x_j + L_s^’,

           x_jЄS

где

               l-1

L_s^’ = ∑с_j + h_1l∆ b₁ ,

            j=k+1

                            l-1

∆ b₁ = b₁ - ∑ a_1j∙x_j - ∑a_1j.

                           x_jЄS                j=k+1

Из условий следует, что L_s^’ не меньше максимального значения величины

∑c_j∙x_j

x_jЄG_S

при ограничениях

∑ a_1j ∙x_j b₁ - ∑ a_1j∙x_j = b₁^’,

x_jЄG_S                               x_jЄS

x_jЄ {0;1}, x_jЄG_S ,

Выбор очередной переменной для включения во множество S производится с помощью условия

h_1r(x_r) = max h_1j(x_j)

x_jЄG_S

Для выбранной переменной x_r определяются величины H_s(x_r) и H_s(x_r), т.е. в S включаются x_r = 1 или x_r = 0.

Если в процессе решения окажется, что во множестве G_S нет элементов, которые могут быть введены во множество S без нарушения ограничения (5), то полученное решение L_s =∑c_j∙x_j принимается в качестве первого приближенного  x_jЄS решения L₀.

Все вершины дерева возможных вариантов, для которых выполняются условия

H_s≤ L₀, из дальнейшего рассмотрения исключаются.

Из оставшихся ветвей выбирается ветвь с максимальным значением H_s, и процесс поиска оптимального варианта продолжается. Если в процессе решения будет найдено L_s = ∑c_j∙x_j > L₀, то полученное решение принимается

                                                          x_jЄS

в качестве нового приближенного результата. Вычислительная процедура заканчивается, если для оставшихся ветвей выполняется условие H_s≤ L₀.

2.2 Практическая часть

 

Ручной счёт

Данные для расчета:

С≤16

Таблица 4

N	1	2	3	4	5	6	7	8	9	10
Qi	0.17	0.03	0.15	0.09	0.13	0.08	0.07	0.02	0.06	0.04
с(xi)	5	1	4	2	6	3	2	3	1	1
hj	0.034	0.03	0.0375	0.045	0.0217	0.0267	0.035	0.0067	0.06	0.04

Для удобства расчетов проранжируем таблицу 4 в порядке убывания h_j и присвоим новые номера элементам, следующим образом:

Таблица 5

N	1	2	3	4	5	6	7	8	9	10
n	9	4	10	3	7	1	2	6	5	8
Qi	0.06	0.09	0.04	0.15	0.07	0.17	0.03	0.08	0.13	0.02
с(xi)	1	2	1	4	2	5	1	3	6	3
hj	0.06	0.045	0.04	0.0375	0.035	0.034	0.03	0.0267	0.02167	0.0067

Для формирования таблицы 6 произведем расчеты:

1)

8

∑с_j=19>b₁ - ∑ c_j∙x_j=16-0=16;

j=1                         x_jЄS

7

∑с_j=16£16;

j=1

                                             7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-0-16=0

                     x_jЄS                j=1

H_s(x₁) = q1+q2+q3+q4+q5+q6+q7+h₈∆ с = 0.61

8

∑с_j=18>b₁ - ∑ c_j∙x_j=16-0=16;

j=2                         x_jЄS

7

∑с_j=15£16;

j=2

                                            7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-0-15=1

                     x_jЄS                      j=2

H_s(x₁) = q2+q3+q4+q5+q6+q7+h₈∆ с = 0.5767

 

2)

8

∑с_j=18>b₁ - ∑ c_j∙x_j=16-1=15;

j=2                         x_jЄS

7

∑с_j=15£15;

j=2

                                             7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-15=0

                     xjЄS                 j=2

H_s(x₂) = q1+q2+q3+q4+q5+q6+q7+h₈∆ с = 0.61

8

∑с_j=16>b₁ - ∑ c_j∙x_j=16-1=15;

j=3                            xjЄS

7

∑с_j=13£15;

j=3

                                              7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-13=2

                    xjЄS                  j=3

H_s(x₂) = q1+q3+q4+q5+q6+q7+h₈∆ с = 0.5734

3)

8

∑с_j=16>b₁ - ∑ c_j∙x_j=16-1-2=13;

j=3                          xjЄS

7

∑с_j=13£13;

j=3

                                            7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-2-13=0

                     xjЄS                j=3

H_s(x₃) = q1+q2+q3+q4+q5+q6+q7+h₈∆ с = 0.61

8

∑с_j=15>b₁ - ∑ c_j∙x_j=16-1-2=13;

j=4                          xjЄS

7

∑с_j=12£13;

j=4

                                             7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-2-12=1

                      xjЄS                j=4

H_s(x₃) = q1+q2+q4+q5+q6+q7+h₈∆ с = 0.5967

4)

8

∑с_j=15>b₁ - ∑ c_j∙x_j=16-1-2-1=12;

j=4                         xjЄS

7

∑с_j=12£12;

j=4

                                            7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-2-1-12=0

                     xjЄS                j=4

H_s(x₄) = q1+q2+q3+q4+q5+q6+q7+h₈∆ с = 0.61

9

∑с_j=17>b₁ - ∑ c_j∙x_j=16-1-2-1=12;

j=5                          xjЄS

8

∑с_j=11£12;

j=5

                                             8

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-2-1-11=1

                    xjЄS                j=5

H_s(x₄) = q1+q2+q3+q5+q6+q7+q8+h₉∆ с = 0.56167

5)

8

∑с_j=11>b₁ - ∑ c_j∙x_j=16-1-2-1-4=8;

j=5                          xjЄS

7

∑с_j=8£8;

j=5

                                             7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-2-1-4-8=0

                      xjЄS               j=5

H_s(x₅) = q1+q2+q3+q4+q5+q6+q7+h₈∆ с = 0.61

8

∑с_j=9>b₁ - ∑ c_j∙x_j=16-1-2-1-4=8;

j=6                      xjЄS

7

∑с_j=6£8;

j=6

                                             7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-2-1-4-6=2

                      xjЄS              j=6

H_s(x₅) = q1+q2+q3+q4+q6+q7+h₈∆ с = 0.5934

6)

8

∑с_j=9>b₁ - ∑ c_j∙x_j=16-1-2-1-4-2=6;

j=6                       xjЄS

7

∑с_j=6£6;

j=6

                                              7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-2-1-4-2-6=0

                      xjЄS             j=6

H_s(x₆) = q1+q2+q3+q4+q5+q6+q7+h₈∆ с = 0.61

9

∑с_j=10>b₁ - ∑ c_j∙x_j=16-1-2-1-4-2=6;

j=7                          xjЄS

8

∑с_j=4£6;

j=7

                                            7

∆ с = с - ∑ с_j∙x_j - ∑с_j=16-1-2-1-4-2-4=2

                     xjЄS               j=6

H_s(x₆) = q1+q2+q3+q4+q5+q7+q8+h₉∆ с = 0.56334

7) C_s = ∑ c_j∙x_j, проверяем условие С-С_s. Если с (x_j)> С-С_s, то эти

                xjЄS

элементы вводятся в множество E_s.

E_s = {x8,x9,x10}

с₇=1>b₁ - ∑ c_j∙x_j=16-1-2-1-4-2-5=1;

                        xjЄS

с₇=1£1;

Условие не выполняется.

8) L_s = q1+q2+q3+q4+q5+q6+q7 = 0.61

L_s принимается в качестве приближенного решения L₀. Так как все вершины дерева, для которых выполняется условие H_s£ L₀, из дальнейшего рассмотрения исключаются, то процесс расчета прекращается.

 

Таблица 6

№	S	Es	Gs	Hs	xr	Hs(xr)	Hs(xr)	L0
1	Æ	Æ	1…10	0.61	x1	0.61	0.5767
2	x1	Æ	2…10	0.61	x2	0.61	0.5734
3	x1,x2	Æ	3…10	0.61	x3	0.61	0.5967
4	x1,x2,x3	Æ	4…10	0.61	x4	0.61	0.56167
5	x1,x2,x3,x4	Æ	5…10	0.61	x5	0.61	0.5934
6	x1,x2,x3,x4,x5	Æ	6…10	0.61	x6	0.61	0.56334
7	x1,x2,x3,x4,x5,x6	8,9,10	7	0.61	x7	0.61	0.56334
8	x1,x2,x3,x4,x5,x6,x7	8,9,10	Æ	-	-	-	-	0.61

Для контроля системы необходимо использовать следующие параметры контроля: x1,x2,x3,x4,x5,x6,x7.

Перейдем на старую нумерацию элементов и построим дерево возможных вариантов решения. Оно представлено на рис.1. Около каждой вершины указана верхняя граница решения. Так как все эти оценки не превышают величины 0,61, то, следовательно, полученное решение L₀ = 0,61 является оптимальным. Таким образом необходимо использовать следующие параметры контроля: x9,x4,x10,x3,x7,x1,x2.

		Рис.1

 

Листинг программы

program vetvi;

const

maxmatrix=1000;

maxsize=200;

type linear=array[1..10000] of integer;

label skip;

var matrix:array[1..1000] of pointer;

n:integer;

sizeofm:word;

q,w,e,r:integer;

start_m:integer;

sm:^linear;

bestx,besty:integer;

bz:integer;

ochered:array[1..1000] of

record

id:integer;

ocenka:integer;

end;

nochered:integer;

workm,workc:integer;

leftm,rightm:integer;

first,last:integer;

best:integer;

bestmatr:array[1..maxsize] of integer;

bestmatr1:array[1..maxsize] of integer;

curr:integer;

procedure swapo(a,b:integer);

begin

ochered[1000]:=ochered[a];

ochered[a]:=ochered[b];

ochered[b]:=ochered[1000];

end;

procedure addochered(id,ocenka:integer);

var

curr:integer;

begin

inc(nochered);

ochered[nochered].id:=id;

ochered[nochered].ocenka:=ocenka;

{Uravnoveshivanie ocheredi}

curr:=nochered;

while true do

begin

if curr=1 then break;

if ochered[curr].ocenka< ochered[curr div 2].ocenka

then

begin

swapo(curr,curr div 2);

curr:=curr div 2;

end

else break;

end;

end;

procedure getochered(var id,ocenka:integer);

var

curr:integer;

begin

id:=ochered[1].id;

ocenka:=ochered[1].ocenka;

ochered[1]:=ochered[nochered];

dec(nochered);

curr:=1;

while true do

begin

if (curr*2+1> nochered) then break;

if (ochered[curr*2].ocenka< ochered[curr].ocenka) or

(ochered[curr*2+1].ocenka<ochered[curr].ocenka) then

begin

if ochered[curr*2].ocenka> ochered[curr*2+1].ocenka

then

begin

swapo(curr*2+1,curr);

curr:=curr*2+1;

end

else

begin

swapo(curr*2,curr);

curr:=curr*2;

end;

end else break;

end;

end;

function getid:integer;

var q:integer;

qw:^linear;

begin

if memavail<10000 then

begin

q:=ochered[nochered].id;

{ exit;}

end else

begin

for q:=1 to maxmatrix do

if matrix[q]=nil then break;

getmem(matrix[q],sizeofm);

end;

qw:=matrix[q];

fillchar(qw^,sizeofm,0);

getid:=q;

end;

procedure freeid(id:integer);

begin

freemem(matrix[id],sizeofm);

matrix[id]:=nil;

end;

function i(x,y:integer):integer;

begin

i:=(y-1)*n+x+1;

end;

function simplize(id:integer):integer;

var

q,w:integer;

t:^linear;

add:integer;

min:integer;

begin

t:=matrix[id];

add:=0;

for q:=1 to n do

begin

min:=maxint;

for w:=1 to n do

if t^[i(w,q)]< >-1 then

if min> t^[i(w,q)] then min:=t^[i(w,q)];

if min<>0 then

for w:=1 to n do

if t^[i(w,q)]< >-1 then

dec(t^[i(w,q)],min);

if min>32000 then min:=0;

inc(add,min);

end;

for q:=1 to n do

begin

min:=maxint;

for w:=1 to n do

if t^[i(q,w)]< >-1 then

if min> t^[i(q,w)] then min:=t^[i(q,w)];

if min<>0 then

for w:=1 to n do

if t^[i(q,w)]< >-1 then

dec(t^[i(q,w)],min);

if min>32000 then min:=0;

inc(add,min);

end;

simplize:=add;

end;

function bestziro(id:integer):integer;

var

t:^linear;

q,w,e,x,y:integer;

min1,min2:integer;

l1,l2:array[1..maxsize] of integer;

begin

t:=matrix[id];

fillchar(l1,sizeof(l1),0);

fillchar(l2,sizeof(l2),0);

for q:=1 to n do

begin

min1:=maxint;min2:=maxint;

for w:=1 to n do

if t^[i(w,q)]< >-1 then

begin

if min2> t^[i(w,q)] then min2:=t^[i(w,q)];

if min1> min2 then

begin

e:=min1;

min1:=min2;

min2:=e;

end;

end;

if min1<>0 then min2:=0;

if min2>32000 then min2:=0;

l2[q]:=min2;

end;

for q:=1 to n do

begin

min1:=maxint;min2:=maxint;

for w:=1 to n do

if t^[i(q,w)]< >-1 then

begin

if min2> t^[i(q,w)] then min2:=t^[i(q,w)];

if min1> min2 then

begin

e:=min1;

min1:=min2;

min2:=e;

end;

end;

if min1<>0 then min2:=0;

if min2>32000 then min2:=0;

l1[q]:=min2;

end;

bz:=-32000;

bestx:=0;besty:=0;

for y:=n downto 1 do

for x:=1 to n do

if (t^[i(x,y)]=0) then

if l1[x]+l2[y]> bz then

begin

bestx:=x;

besty:=y;

bz:=l1[x]+l2[y];

end;

bestziro:=bz;

end;

begin

assign(input,'input.txt');

assign(output,'vetvi.out');

reset(input);

rewrite(output);

nochered:=0;

read(n);

sizeofm:=n*(n+2)*2+2;

start_m:=getid;

sm:=matrix[start_m];

for q:=1 to n do

for w:=1 to n do

read(sm^[i(w,q)]);

addochered(start_m,0);

{ ;

bestziro(start_m);}

{Sobstvenno reshenie}

best:=maxint;

while true do

begin

if nochered=0 then break;

getochered(workm,workc);

{process MATRIX}

inc(workc,simplize(workm));

if workc> best then goto skip;

sm:=matrix[workm];

if sm^[1]=n-1 then

begin

best:=workc;

for q:=1 to n do

begin

bestmatr [q]:=sm^[i(q,n+2)];

bestmatr1[q]:=sm^[i(q,n+1)];

end;

goto skip;

end;

q:=bestziro(workm);

if q=-32000 then goto skip;

{Pravaia vetka}

if(bestx=0) or (besty=0) then goto skip;

rightm:=getid;

move(matrix[workm]^,matrix[rightm]^,sizeofm);

sm:=matrix[rightm];

sm^[i(bestx,besty)]:=-1;

addochered(rightm,workc+q);

{Levaia vetka}

leftm:=getid;

move(matrix[workm]^,matrix[leftm]^,sizeofm);

sm:=matrix[leftm];

{Dobavliaetsia rebro iz bestx v besty}

inc(sm^[1]);

sm^[i(bestx,n+2)]:=besty;

sm^[i(besty,n+1)]:=bestx;

first:=bestx;last:=besty;

if sm^[1]< >n-1 then

begin

while true do

begin

if sm^[i(last,n+2)]=0 then break;

last:=sm^[i(last,n+2)];

end;

while true do

begin

if sm^[i(first,n+1)]=0 then break;

first:=sm^[i(first,n+1)];

end;

sm^[i(last,first)]:=-1;

sm^[i(first,last)]:=-1;

sm^[i(besty,bestx)]:=-1;

end;

for w:=1 to n do

begin

sm^[i(w,besty)]:=-1;

sm^[i(bestx,w)]:=-1;

end;

addochered(leftm,workc);

skip:

{Free Matrix}

freeid(workm);

end;

{ freeid(start_m);}

if best=maxint then

begin

writeln('Путь не существует');

end else

begin

writeln('Длина пути:',best);

for q:=1 to n do

if bestmatr[q]=0 then break;

e:=q;

for curr:=1 to n do

if bestmatr[curr]=q then break;

while true do

begin

write(curr,' ');

curr:=bestmatr1[curr];

if curr=0 then

begin

writeln(e);

break;

end;

end;

end;

close(input);

close(output);

end.

 

Вывод

При решении поставленной задачи оба метода дали одинаковый результат, что показывает правильность понимания и выполнения курсовой работы. Таким образом, необходимо использовать следующие параметры контроля: x9,x4,x10,x3,x7,x1,x2.

Метод динамического программирования достаточно прост для выполнения, но имеет существенный недостаток: при его использовании для счёта вручную возникают вычислительные трудности даже для простых систем.

Метод ветвей и границ является более сложным для понимания, но он оказался проще при ручном счёте. Недостатком является большая сложность программирования метода.

Литература

1.    Селезнев А.В., Добрица Б.Т., Убар Р.Р. «Проектирование автоматизированных систем контроля бортового оборудования летательных аппаратов» стр. 90-95

2.    Алексеев О.Г. «Комплексное применение методов дискретной оптимизации» стр. 18-25

Московский Авиационный Институт (Технический Университет) Кафедра 308 Курсовая работа Выбор параметров контроля с использованием метода динамического программирования и метода ветвей и границ

 

• 14:21 05 Июля 2016
  Российско-китайский медуниверситет откроет магистерскую программу по TCM
• 01:21 05 Июля 2016
  На форуме МГУ Россия и Китай обсудят научно-образовательное сотрудничество
• 11:00 04 Июля 2016
  Реморенко: "ЕГЭ-туризм" в России сходит на нет
• 10:52 04 Июля 2016
  Летняя российско-австрийская школа откроется в Москве
• 15:31 01 Июля 2016
  В СПбГУ могут воссоздать географический факультет

Заказать уникальную работу