Mirosław ZAJDEL, Bogusław FILIPOWICZ Wielowymiarowy problem
Transkrypt
Mirosław ZAJDEL, Bogusław FILIPOWICZ Wielowymiarowy problem
Mirosław ZAJDEL*, Bogusław FILIPOWICZ** WIELOWYMIAROWY PROBLEM PRZYDZIAŁU JAKO NARZĘDZIE WSPOMAGANIA PROCESÓW DECYZYJNYCH W PRZEDSIĘBIORSTWIE Streszczenie Problem przydziału (ang. AP - Assignment Problem) jest dobrze znanym tematem, występującym w licznych zagadnieniach natury technicznej i ekonomicznej. Jego cechą szczególną jest wysoka złoŜoność, która juŜ dla dziedziny obejmującej trzy wymiary predestynuje go do przynaleŜności do problemów NP-trudnych. Niniejsza praca obejmuje kwestię rozszerzenia problemu AP do przestrzeni o dowolnej liczbie wymiarów oraz przedstawia skuteczny algorytm mrówkowy dla rozwiązywania tego zagadnienia w ogólnym przypadku. Wyniki badań porównane zostały z opublikowanymi dotychczas rozwiązaniami. 1. Problem przydziału Zagadnienie przydziału naleŜy do fundamentalnych problemów optymalizacji kombinatorycznej, a jego temat często poruszany jest w sferze badań operacyjnych oraz produkcji czy zarządzania. RóŜnorodne jego formy adaptowane są do wielu kwestii, w których kluczowym elementem jest czynnik ekonomiczny. Począwszy od prostego zarządzania personelem obsługiwanego przez problem przydziału przy liniowym wskaźniku jakości, poprzez transport towarów i obróbkę kamieni szlachetnych, aŜ po wielokryterialne zagadnienia natury technicznej, związane z ponoszeniem kosztów zaleŜnych od doboru określonej liczby czynników. * mgr inŜ., Akademia Górniczo-Hutnicza, Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki, 30-059 Kraków, al. Mickiewicza 30, pawilon B1, III p., pokój 312, [email protected] ** prof. zw. dr hab. inŜ., Akademia Górniczo-Hutnicza, Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki, 30-059 Kraków, al. Mickiewicza 30, pawilon B1, III p., pokój 312, [email protected] Wielowymiarowy problem przydziału … 289 1.1. Zagadnienie liniowe W swojej najprostszej, a zarazem najbardziej szablonowej i najczęściej spotykanej postaci, zagadnienie przydziału jest problemem opisanym w przestrzeni dwuwymiarowej przy liniowym wskaźniku jakości. Oznacza to, iŜ moŜna je sprowadzić do poszukiwania maksymalnego skojarzenia w waŜonym grafie dwudzielnym. W praktyce oznacza to zazwyczaj analizę dwóch zbiorów o mocy n (w literaturze moŜna znaleźć metody rozwiązań dla zbiorów róŜnolicznych [7], jednak nie jest to przedmiotem bieŜącego zainteresowania), dla których poszukuje się minimum funkcji kosztu. Algorytmy rozwiązujące tak postawiony problem to między innymi techniki immunologiczne, które dają bardzo dobre rezultaty dla problemów o małych rozmiarach oraz niesymetrycznej liczności obu zbiorów. Natomiast zdecydowanie najpopularniejsza oraz najchętniej stosowana jest tak zwana metoda węgierska, która ze względu na swoją dokładność oraz stałą, sześcienną złoŜoność obliczeniową jest takŜe techniką lepszą w ogólnym przypadku [10]. Dla zagadnienia wielowymiarowego problemu przydziału nie istnieje jednakŜe podobnie uniwersalna metoda, co nastręcza znacznie więcej trudności, ale teŜ stwarza przy tym pole do badań, ulepszeń i analiz dla technik niedeterministycznych oraz inspirowanych biologicznie metod populacyjnych. 1.2. Uogólnienie wielowymiarowe Chcąc rozszerzyć problem przydziału przy liniowym wskaźniku jakości na dowolną, skończoną liczbę wymiarów, opisujemy go na m rozłącznych zbiorach X1,…, Xm w następujący sposób. Funkcja celu przyjmuje postać: f = ∑ ... ∑ c i1 ∈ X 1 im ∈X m i1 ...i m xi1 ...im , (1) gdzie: ci1 ...im - dana tablica kosztów o elementach rzeczywistych, xi1 ...im - poszukiwana, binarna tablica przydziału, przy ograniczeniach: ∀k ∈ {1,..., m}: ∑ ... ∑ i1 ∈ X 1 ∑ i k −1 ∈ X k −1 i k +1 ∈ X k +1 ... ∑x im ∈X m i1 ...i m ∀{i1 ,..., im }∈ X 1 × ... × X m : xi1 ...im ∈ {0,1}, X 1 = ... = X m = n , X 1 ∩ ... ∩ X m = φ . = 1, (2) 290 Mirosław Zajdel, Bogusław Filipowicz Tak postawiony problem polega na znalezieniu maksymalnego skojarzenia w grafie m-dzielnym. Łatwo zauwaŜyć, iŜ istniejących rozwiązań dla m zbiorów o mocy n kaŜdy jest (n!)m jako Ŝe dla kaŜdego zbioru moŜna wskazać n! permutacji jego elementów. Karp pokazał, Ŝe juŜ dla m=3 zagadnienie przydziału naleŜy do zbioru problemów NP-trudnych [9]. Z tego teŜ względu nie istnieje (zakładając P ≠ NP) deterministyczny algorytm rozwiązujący je w czasie wielomianowym i naleŜy raczej poszukiwać algorytmów dla wielowymiarowego, osiowego problemu przydziału wśród technik niedeterministycznych. Jak do tej pory zaproponowano kilka algorytmów rozwiązujących wielowymiarowy problem przydziału. Skupiają się one przede wszystkim na zagadnieniu w jego formie trójwymiarowej, zapewne ze względu na fakt, iŜ ma ona bardziej uniwersalny charakter i łatwiej jest znaleźć w naturalnej dla człowieka przestrzeni kwestie, do których moŜna je adaptować. Przykładem moŜe być tutaj wszelkiego rodzaju obróbka ze skrawaniem, dla której rozwiązując problem przydziału AP3 moŜna zminimalizować ilość odpadów. Propozycje rozwiązań algorytmicznych dla tego problemu znaleźć moŜna w wielu pracach. Przedstawili je między innymi Balas i Saltzman [2], Crama i Spieksma [5], Burkard, Rudolf i Woeginger [3][4], Aiex, Resende, Pardalos i Toraldo [1] a takŜe Huang i Lim [8], których hybrydowy algorytm genetyczny LSGA okazał się najbardziej wydajny wśród opracowanych i opublikowanych do tej pory. Wielowymiarowy problem przydziału dla liczby wymiarów wynoszącej 4 i więcej jest raczej pomijany w literaturze, mimo Ŝe znajduje on juŜ zastosowanie w zaawansowanych mechanizmach, jak wieloczujnikowe systemy obserwacji i równoległego śledzenia wielu obiektów [6]. Z pewnością moŜe on być takŜe atrakcyjnym rozwiązaniem dla przedsiębiorstw, które gotowe są zainwestować w zebranie odpowiednio dokładnych danych statystycznych, aby w konsekwencji zastosowania modelu wielowymiarowego problemu przydziału uzyskać optymalizację choćby procesu produkcyjnego względem wielu czynników. Liczba owych kryteriów, która w konsekwencji pokrywa się z liczbą wymiarów dla problemu przydziału, musi być jednak logiczną konsekwencją rozsądnego kompromisu między rozmiarem wydatków na badania statystyczne, a udziałem poszczególnych czynników w funkcji celu. 2. Algorytm mrówkowy Proponowany sposób rozwiązania bazuje na sprowadzeniu zagadnienia w postaci grafu m-dzielnego do formy sieci widocznej na rysunku 1, w której dodano wierzchołek źródłowy („Mrowisko”), połączony z wagą 0 z kaŜdym z n Wielowymiarowy problem przydziału … 291 wierzchołków zbioru X1 oraz wierzchołek ujścia („PoŜywienie”), połączony równieŜ z wagą 0 z kaŜdym z n wierzchołków zbioru Xm. Rys. 1. Model m-wymiarowego problemu przydziału, wykorzystywany w prezentowanym algorytmie mrówkowym Idea działania algorytmów mrówkowych opiera się na analogii do komunikacji w koloniach owadów, które wyruszają z gniazda („Mrowiska”) w duŜej liczbie na poszukiwanie poŜywienia. W przypadku gdy owad znajdzie takowe, zabiera je do gniazda, a całą drogę powrotną znaczy odpowiednim zapachem (tzw. feromonem), aby inne owady, które natkną się na tę ścieŜkę, wiedziały w jaki sposób szybko dotrzeć do poŜywienia. KaŜdorazowo kiedy jakiś owad przechodzi ową ścieŜką, stęŜenie feromonu rośnie i więcej owadów tę ścieŜkę wybiera. Z analogicznej zasady korzysta prezentowany algorytm. Pamiętając o załoŜeniach problemu przydziału, które w takim modelu oznaczają, Ŝe kaŜdy element zbiorów X1,…, Xm ma znaleźć się na ścieŜce „mrówek” dokładnie raz, naleŜy wykorzystać n „mrówek” w taki sposób, Ŝe wierzchołek sieci leŜący na ścieŜce uŜytej przez daną mrówkę nie moŜe juŜ zostać wykorzystany przez następne „mrówki”, aŜ do wyczerpania populacji, po czym procedura jest powtarzana dla kolejnej populacji juŜ z nowymi oznaczeniami feromonu na ścieŜkach. Po pewnym czasie działania algorytmu dostajemy n ścieŜek m-elementowych (źródło i ujście pomijamy), spełniających ograniczenia problemu przydziału, dla których stęŜenie feromonu jest sumarycznie największe, zaś funkcja celu ma wartość minimalną. 292 Mirosław Zajdel, Bogusław Filipowicz 3. Wyniki badań Do testów algorytmu wybrane zostały dwa standardowe zbiory danych o róŜnej charakterystyce złoŜoności, Balas-Saltzman oraz Crama-Spieksma, opracowane w początkowych publikacjach na temat wielowymiarowego problemu przydziału i z powodzeniem stosowane przez badaczy tego zagadnienia do tej pory. Zestawienie porównawcze obejmuje obok algorytmu mrówkowego opisanego w niniejszej pracy takŜe najlepsze opublikowane do tej pory algorytmy rozwiązujące trójwymiarowy problem przydziału. Są to metaheurystyka GRASP [1] oraz hybrydowy algorytm genetyczny LSGA [8]. Rys. 2. Porównanie wydajności proponowanego algorytmu mrówkowego z innymi rozwiązaniami opracowanymi dla problemu AP3 Pierwsza część testów oparta została na zbiorze 60 testów opracowanych przez duet Balas-Saltzman, po 5 instancji dla kaŜdego z rozmiarów problemu n=4,6,8,10,12,14,16,18,20,22,24,26. Algorytm mrówkowy okazuje się być dalece lepszym od metaheurystyki GRASP i wykazuje tendencję do dobrej asymptotycznej zbieŜności, mimo Ŝe przegrywa jeszcze dla małych rozmiarów problemu z hybrydowym algorytmem genetycznym LSGA. W drugiej części testów wykorzystany został zbiór 18 testów dla duŜych rozmiarów problemu, rzędu n=33,66, opublikowany przez zespół CramaSpieksma. W tym przypadku algorytm mrówkowy potwierdza swoją efektywność dla duŜych n oraz o wiele lepsze w porównaniu z innymi algorytmami górne ograniczenie złoŜoności. Podsumowując, prezentowany algorytm mrówkowy dla małych rozmiarów problemu mieści się w średniej klasie wydajności dotychczas opracowanych rozwiązań. JednakŜe dla rozmiarów problemu n≥30 okazuje się mieć wyjątkowo małe asymptotyczne tempo wzrostu, co predestynuje go do bycia wydajnym narzędziem dla problemów przydziału o wysokim rzędzie wymiaru, będących modelami najbardziej złoŜonych problemów optymalizacyjnych, w których funkcja celu minimalizowana jest względem wielu kryteriów. Wielowymiarowy problem przydziału … 293 Abstract Assignment Problem is well known problem, which has been studied extensively in many operational and technical researches. It has been shown to be NP-hard for three or more dimensions and a few non-deterministic methods has been proposed to solve it. This paper is introducing a new heuristic search method for the n-dimensional assignment problem, based on swarm intelligence and comparing results with those obtained by other scientists. Bibliografia: [1] Aiex R.M., Resende M.G.C., Pardalos P.M., Toraldo G., GRASP with path relinking for the three-index assignment problem w INFORMS Journal on Computing 17/2, 2005. [2] Balas E., Saltzman M.J., An algorithm for the three-index assignment problem w Operations Research 39, 1991. [3] Burkard R.E., Rudolf R., Woeginger G.J., Three dimensional axial assignment problems with decomposable cost coefficients w Discrete Applied Mathematics 65, 1996. [4] Crama Y., Spieksma F.C.R., Approximation algorithms for threedimensional assignment problems with triangle inequalities w European Journal of Operational Research 60, 1992. [5] Escamilla-Ambrosio P.J., Lieven N., A Multiple-Sensor Multiple-Target Tracking Approach for the Autotaxi System w IEEE Intelligent Vehicles Symposium, Parma 2004. [6] Filipowicz B., Matematyczne modelowanie zagadnień decyzyjnych – Część I, Wydawnictwa AGH, Kraków 1998. [7] Huang G., Lim A., A hybrid genetic algorithm for the Three-Index Assignment Problem w European Journal of Operational Research 172, 2006 [8] Karp R.M., Reducibility among combinatorial problems w Complexity of Computer Computations, Plenum Press, New York 1972. [9] Kuhn H.W., The Hungarian method for the assignment problem, Naval Research Logistics Quarterly, 1955. [10] Merkle D., Middendorf M., Swarm intelligence w Search Methodologies – Introductory Tutorials in Optimization and Decision Support Techniques, Springer Science+Business Media, Inc., 2005. Recenzent: prof. Konrad Wala