63596

Автор(ы): 

Автор(ов): 

4

Параметры публикации

Тип публикации: 

Тезисы доклада

Название: 

Двойственная задача и методы генерации примеров для задачи одного прибора

Электронная публикация: 

Да

ISBN/ISSN: 

978-5-317-06519-5

Наименование конференции: 

  • 27-я Международная научная конференция студентов, аспирантов и молодых ученых «Ломоносов – 2020». Секция: Физика

Наименование источника: 

  • Материалы Международного молодежного научного форума «Ломоносов-2020»

Город: 

  • Москва

Издательство: 

  • МАКС Пресс

Год издания: 

2020

Страницы: 

https://lomonosov-msu.ru/archive/Lomonosov_2020_2/data/19485/uid337800_35af3f1c216b02597ce846026e77d35467d7eee6.doc
Аннотация
Рассматриваются методы оценки сложности алгоритма решения NP-трудной в сильном смысле задачи теории расписаний для одного прибора с различными моментами поступления требований, продолжительностями обслуживания и директивными сроками . В качестве целевой функции выбрана минимизация максимального временного смещения. Для решения задачи предлагается использовать алгоритм, который с помощью оценок, получаемых при решении двойственной задачи, реализует метод ветвей и границ для получения точного решения исходной задачи [1]. Оценкой сложности примеров будет количество точек ветвления в построеном дереве. Алгоритм решения двойственной задачи имеет полиномиальную трудоёмкость. Для оценки эффективности предложенного алгоритма его необходимо протестировать на различных примерах. Самый простой способ генерации примеров – случайный. Все параметры требований задаются случайными величинами. Такой способ плох тем, что нет никакой гарантии, что будут рассмотрены различные типы примеров (в силу большого количества переменных), и примеры не будут повторяться. Также необходимо протестировать алгоритм на сложных примерах, а случайным методом гарантированно их получить невозможно. Если представить пример как точку в -мерном пространстве ( требований с тремя параметрами), то при равномерном распределении невозможно получить точки, достаточно удаленные от начала координат. Чтобы при случайной генерации примеров была возможность получить точки во всем пространстве, в [2] было предложено использовать нормальное распределение, благодаря чему существует вероятность достаточно сильного отклонения от нормы, что позволяет создавать более “удаленные” друг от друга примеры. Используя сгенерированные примеры, с помощью алгоритма и вариации параметров каждого требования в примере создавался новый пример, требующий больших вычислительных мощностей для нахождения оптимального решения. Также были предложены методы генерации L-примеров в шаре, P-примеров в параллелепипеде, G-примеров на кубе для оценки эффективности алгоритма решения задачи одного прибора, основанной численном количестве точек ветвления в построенном дереве решения.

Библиографическая ссылка: 

Гришин Е.М., Галахов С.А., Барашов Е.Б., Правдивец Н.А. Двойственная задача и методы генерации примеров для задачи одного прибора / Материалы Международного молодежного научного форума «Ломоносов-2020». М.: МАКС Пресс, 2020. С. https://lomonosov-msu.ru/archive/Lomonosov_2020_2/data/19485/uid337800_35af3f1c216b02597ce846026e77d35467d7eee6.doc.