Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu
Transkrypt
Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu
Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu Marcin Anholcer Uniwersytet Ekonomiczny w Poznaniu 19 marca 2013, Ustroń Marcin Anholcer Stochastyczne zagadnienie rozdziału 1/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie 1 Wprowadzenie Zagadnienie rozdziału Sformułowanie problemu 2 Algorytm Warunki optymalności Szczegóły Zbieżność i wydajność 3 Podsumowanie Uwagi końcowe Podziękowania Marcin Anholcer Stochastyczne zagadnienie rozdziału 2/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Zagadnienie rozdziału Sformułowanie problemu Zagadnienie rozdziału Jednorodne dobro transportowane jest od m dostawców do n odbiorców. Warunki podażowe i popytowe. Celem jest minimalizacja całkowitego (liniowego) kosztu. Ilość transportowanego dobra zmienia się w czasie transportu. Marcin Anholcer Stochastyczne zagadnienie rozdziału 3/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Zagadnienie rozdziału Sformułowanie problemu Model min f (x) = m X n X cij xij i=1 j=1 m X rij xij i=1 n X = bj , j = 1, . . . , n xij ≤ ai , i = 1, . . . , m j=1 xij ≥ 0, i = 1, . . . , m, j = 1, . . . , n Marcin Anholcer Stochastyczne zagadnienie rozdziału 4/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Zagadnienie rozdziału Sformułowanie problemu Losowy popyt Wielkości popytu: zmienne losowe Bj o dyskretnych rozkładach Pr (Bj = bjs ) = pjs , s = 1, . . . , Sj (1) (2) Koszt nadmiaru sj , koszt niedoboru sj . Wartość oczekiwana dodatkowego kosztu j: (2) (1) fj (xj ) = sj (E (Xj ) − xj ) + (sj Marcin Anholcer (2) + sj ) Z xj Φj (t)dt 0 Stochastyczne zagadnienie rozdziału 5/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Zagadnienie rozdziału Sformułowanie problemu Stochastyczne zagadnienie rozdziału min f (x) = m X n X fj (xj ) (1) rij xij = xj , j = 1, . . . , n (2) i=1 j=1 m X i=1 n X cij xij + n X j=1 xij = ai , i = 1, . . . , m (3) xij ≥ 0, i = 1, . . . , m, j = 1, . . . , n (4) j=1 Cel: wyznaczyć rozwiązanie minimalizujące koszt całkowity, uwzględniający wartość oczekiwaną dodatkowego kosztu. Marcin Anholcer Stochastyczne zagadnienie rozdziału 6/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Warunki optymalności Szczegóły Zbieżność i wydajność Warunki optymalności cij + rij f+0 (xj ) ≥ ui , i = 1, . . . , m, j = 1, . . . , n, xij = 0 cij + rij f−0 (xj ) ≤ ui ≤ cij + rij f+0 (xj ), i = 1, . . . , m, j = 1, . . . , n, xij > 0 Marcin Anholcer Stochastyczne zagadnienie rozdziału 7/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Warunki optymalności Szczegóły Zbieżność i wydajność Algorytm 1 Wyznacz rozwiązanie początkowe: xij = ai , j = n xij = 0, j 6= n 2 Wyznacz jednostronne pochodne cząstkowe i kryteria optymalności. Jeżeli rozwiązanie jest optymalne, to STOP. 3 Zmień aktualne rozwiązanie i wróć do kroku 2. Marcin Anholcer Stochastyczne zagadnienie rozdziału 8/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Warunki optymalności Szczegóły Zbieżność i wydajność Warunki optymalności Wyznacz: vi = min{kij+ |j = 1, . . . , n + 1} −→ j ?? wi = max{kij− |, xij > 0, j = 1, . . . , n + 1} − vi −→ j ? α = max{wi |i = 1, . . . , m} −→ i ? Marcin Anholcer Stochastyczne zagadnienie rozdziału 9/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Warunki optymalności Szczegóły Zbieżność i wydajność Zmiana rozwiązania Wyznacz λ− = xj ? − bj−? λ+ = bj+?? − xj ?? − − λ+ λ , , xi ? j ? λ = min ri ? j ? ri ? j ?? xi ? j ? := xi ? j ? − λ xi ? j ?? := xi ? j ?? + λ Marcin Anholcer Stochastyczne zagadnienie rozdziału 10/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Warunki optymalności Szczegóły Zbieżność i wydajność Zbieżność Algorytm zawsze kończy działanie po skończonej liczbie kroków. Marcin Anholcer Stochastyczne zagadnienie rozdziału 11/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Warunki optymalności Szczegóły Zbieżność i wydajność Wydajność cij ∈< 5, 10), sij1 ∈< 1, 2), sij2 ∈< 5, 10), rij ∈< 0.8, 0.9), ai ∈< 10, 20), tij ∈ {1, . . . , 10}, rozkłady: od 10 do 20 wartości, kolejne obliczane według wzoru bjs+1 = bjs + r , r ∈< 0.5, 1.5), 1000 problemów każdego rozmiaru, Java SE, Intel(R) Core(TM) i7-2670 QM CPU 2.20 GHz Rozmiar (m, n) AVG ST DEV MIN MAX 10, 10 0,032 0,008 0,009 0,058 10, 20 0,082 0,015 0,042 0,133 50, 50 2,032 0,218 1,090 2,810 50, 100 5,758 0,426 4,540 7,500 Marcin Anholcer 100, 100 12,657 1,082 9,300 18,700 100, 200 39,541 2,152 34,300 48,400 250, 250 173,783 9,960 156,000 250,000 Stochastyczne zagadnienie rozdziału 250, 500 616,969 21,022 547,000 702,000 12/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Uwagi końcowe Podziękowania Uwagi końcowe Efektywny algorytm. Wykorzystanie jednostronnych pochodnych pozwoliło na wykorzystanie metody gradientowej mimo, że funkcja celu nie jest rózniczkowalna w sposób ciągły. Zastosowanie metody wyrównań sprawia, że nie jest konieczne używanie w sposób jawny struktury A-lasu. Metodę można stosować dla zadań z dowolnymi rozkładami dyskretnymi, również nieskończonymi (w szczególności do zadań z rozkładem Poissona). Marcin Anholcer Stochastyczne zagadnienie rozdziału 13/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Uwagi końcowe Podziękowania Podziękowania DZIĘKUJĘ! Marcin Anholcer Stochastyczne zagadnienie rozdziału 14/ 15 Plan wystąpienia Wprowadzenie Algorytm Podsumowanie Uwagi końcowe Podziękowania Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu Marcin Anholcer Uniwersytet Ekonomiczny w Poznaniu 19 marca 2013, Ustroń Marcin Anholcer Stochastyczne zagadnienie rozdziału 15/ 15