оценка сложности алгоритмов планирования поведения

.Введение Эффективность использования вычислительных кластеров во многом зависит от выбора структуры взаимодействия компьютеров в сети при решении конкретных задач. Использование вычислительных кластеров для решения прикладных задач тем легче (т.е. требует меньшей квалификации программиста), чем уже проблема, и, в особенности, проще структура задачи. В нашей работе основное внимание уделяется решению структурно–сложных задач.

---

Собираетесь заказать дипломную работу в Челябинске ? Work5 поможет вам в этом.

---

. Рассматривается комплексная математическая модель, состоящая из специализированных блоков, предназначенных для решения типовых задач (системы уравнений, численное интегрирование, комбинаторика, адаптированные под эмпирику датчики случайных чисел и др.). Считается, что каждый блок сложной модели процедурно обеспечен и работает, в свою очередь, с использованием параллельных вычислений. Вместе с тем соединение блоков в единую модель остается проблематичным. Необходимость решения подобных задач становится тем очевиднее, чем выше производительность кластера. Примерами задач могут служить многие уже разработанные математические модели крупных производственных процессов (имитационное моделирование работы электростанций, химических цехов с большим числом одновременно протекающих процессов и др.). Именно с развитием вычислительных кластеров связаны комплексные решения задач большой размерности, которые до недавнего времени считались безнадежными в практическом плане. При этом значительную роль играют вычисления с повышенной разрядностью. Так, при решении, например, задач, связанных с моделированием химических реакций, часто возникают проблемы жесткости системы дифференциальных уравнений. Несмотря на то, что «жесткую» задачу удается эффективно перенести на вычислительный кластер, точность ее решения вызывает большие сомнения, если использовать стандартные представления чисел на периферийных компьютерах. Таким образом, при решении блочных задач проблемы размерности и точности могут быть взаимосвязаны: чем больше блоков участвует в моделировании, тем априори выше требования к точности вычислений с вещественными числами. Цель работы – оценка сложности алгоритмов планирования поведения. Задачи: - рассмотреть базовые концепции и предпосылки теории сложности; - описать методы моделирования сложных процессов; - выявить использование критериев оценки структурной сложности для STRIPS; - описать использование критериев оценки структурной сложности для SNLP ; - рассмотреть использование критериев оценки структурной сложности для GraphPlan; - описать использование критериев оценки структурной сложности для Plexus. Объект исследования –алгоритмы планирования поведения. Предмет исследования – оценка сложности. Методы исследования – анализ, расчеты, разработки. Структура работы состоит из введения, двух глав, заключения, списка литературы.

Заключение В результате проделанной работы решены следующие задачи: рассмотреть базовые концепции и предпосылки теории сложности; описаны методы моделирования сложных процессов; выявлено использование критериев оценки структурной сложности для STRIPS; описано использование критериев оценки структурной сложности для SNLP; рассмотрено использование критериев оценки структурной сложности для GraphPlan; описано использование критериев оценки структурной сложности для Plexus. Суть подхода STRIPS сводится к отказу от производства продукции крупными партиями. Взамен этого создается непрерывно-поточное предметное производство. При этом снабжение производственных цехов и участков осуществляется столь малыми партиями, что по существу превращается в поштучное. В нашей стране наиболее конкурентоспособным способом производства для предприятий малого бизнеса является мелкосерийное производство продукции, происходящее параллельно с индивидуальным (или штучным) производством. Для использования в этом случае подхода SNLP необходима точная информация о текущем состоянии производства, точные прогнозы на ближайшее будущее. Появляется задача оперативного получения, хранения и обработки соответствующей информации. Внедрение систем ERP-класса в этом случае требует значительной доработки информационной архитектуры для каждого из предприятий, основывающейся на особенностях производственного процесса, организационной структуры и стиля управления. Существует возможность упростить этот процесс, введя абстрактную модель информационной архитектуры, учитывающую изменения в традиционной модели управления предприятием, связанные с использованием подхода SNLP. Модель предприятия, использующего подход JIT, состоит из следующих основных формирующих блоков, на которые должны быть направлены управленческие воздействия. Производственное планирование. Включает процессы: планирование сроков и методов производственного процесса, назначение ответственных лиц, составление плана закупки ресурсов. Ресурсы и производство. Включает процессы: контроль процесса закупки ресурсов, хранения и перемещения ресурсов, контроль производственного процесса. Разработка изделий. Включает процессы: проектное проектирование, проектирование и моделирование изделий, разработка инноваций. Контроль, анализ и изменение бизнес-процессов. Включает процессы: сбор данных о работе предприятия, анализ полученных данных, непрерывный контроль качества на основании данных о работе предприятия, изменение бизнес-процессов предприятия в рамках процесса управления качеством и в связи с изменением ситуации на рынке и внутренней политики предприятия. Кадровые/организационные элементы. Включает процессы: управление людскими ресурсами. В рамках данных контуров управления GraphPlan приводит к необходимости пересмотра способа автоматизации управления следующими элементами бизнес-процессов предприятия. Запасы. При этом у предприятий, имеющих серийное производство в нашей стране так или иначе должен присутствовать небольшой запас постоянно используемых ресурсов, это позволит снизить логистические затраты и риск резкого изменения предложения на рынке поставщиков. Необходимо управление складскими запасами, причем кроме информации о количестве ресурса на складе очень важно наличие информации о том когда, для какого процесса он был закуплен и точные данные о нем самом. Достоверность этих данных является критичной для процесса планирования. При планировании учитываются как ресурсы, заказанные у внешних поставщиков, так и ресурсы, использующиеся несколькими процессами внутри предприятия. Для производства бездефектных изделий необходима постоянная отбраковка материальных ресурсов. Необходим отдельный учет ресурсов, закупленных у поставщика и поступивших сразу на производство (артикул, количество, цена, сроки гарантии), переходящих от одного к другому процессу внутри предприятия (также важны данные об использующем процессе, ответственном лице, о процессе, использующем ресурс в дальнейшем и др.), о браке (критично для процесса планирования). Поставщики. При возникновении потребности в материальных ресурсах необходимо сразу направлять запрос поставщику и осуществлять доставку ресурсов точно в срок, в нужное место в нужном объеме. Обмен информации с поставщиками должен происходить при использовании данных, понятных обеим сторонам. Необходимо наладить обмен данными между информационными системами компании и постоянных поставщиков. Необходимо иметь данные о качестве продукции отдельных поставщиков, сроках и способе поставок, контактная информация агентов и актуальные данные об ассортименте. Объем партий. Необходимо искать способы снижения объемов производственных партий и добиваться коротких производственных циклов. Это приводит к необходимости иметь очень точные данные о ресурсах, ошибки в данных могут быть критичными для процесса планирования, так как отсутствуют стратегические запасы ресурсов и времени. Качество. Необходимо стремиться к отсутствию брака и постоянному улучшению качества изделий и бизнес-процессов на основе комплексного управления качеством. Необходимо постоянно получать сведения о поломках, простаивании оборудования, нереализованных ресурсах, производственном браке и его причинах и т.д. Для управления качеством существует потребность в системе анализа полученных данных. Время выполнения заказов. Необходимо снижать время выполнения заказов, чтобы снизить вероятность вмешательства факторов неопределенности. Существует потребность в точном учете времени и планировании временных ресурсов. Надежность. Все операции должны выполняться без сбоев и быть непрерывно управляемыми, т.е. не должно быть поломок оборудования, брака, не выхода персонала на работу и т.п. Подобные случаи должны быть учтены и доведены до сведения руководства. Работники. На предприятиях малого бизнеса большинство работников задействованы сразу на нескольких ролях и в различных ситуациях вынуждены брать на себя часть функций других сотрудников. Нужно не только иметь персональные данные каждого работника и сведения об объеме проделанной им работы и выполняемых в данный момент времени функциях, но и возможность анализа имеющихся у каждого работника временных ресурсов, его функциональной и эмоциональной совместимости с другими работниками, проявленных инициативах, вести строгий учет отгулов и внеурочной работы. Информационная поддержка Plexus должна позволять оперативно обмениваться информацией и синхронизировать все процессы поставки ресурсов, производства и сборки, поставки готовой продукции. Опираясь на выделенные особенности, возможно построение модели информационной архитектуры для широкого класса информационных систем, позволяющей повысить эффективность внедрения информационной системы на предприятиях рассмотренного типа.

Список литературы 1. Бугайченко, Д. Ю. Абстрактная архитектура ин­теллектуального агента и методы ее реализации. Д.Ю. Бугайченко, И.П. Соловьев // Системное программирование. – 2010. – №1. – С. 36-67. 2. Досужева Е.Е. Показатели оценки эффективности инновационно-инвестиционного проекта / Е.Е. Досужева // Проблемы экономики и управления предприятиями, отраслями, комплексами. Кн. 27: монография. – Новосибирск : Изд-во ЦРНС, 2015. – кн. 27. – C. 36-53. 3. Досужева Е.Е. Методика оценки эффективности инновационно-инвестиционного проекта / Е.Е. Досужева // Мировая экономическая система: проблемы и перспективы развития: материалы 2 междунар. науч.-практ. конф. студентов, магистрантов, аспирантов и молодых ученых, 21 апр. 2015 г. – Новосибирск : НФ РЭУ им. Г.В. Плеханова, 2015. – С. 198-204. 4. Досужева Е.Е. Автоматизация оценки эффективности инвестиционных проектов / Е.Е. Досужева // Социально-экономические, гуманитарные и политические тренды глобализации: точка зрения молодых : ст. и тез. докл. 18 междунар. молодеж. науч. конф., Челябинск, 20-13. – Челябинск, 2013. – С. 316-317. 5. Кузюрин Н. Н., Поспелов А. И. Вероятностный анализ шельфовых алгоритмов упаковки прямоугольников в полосу. Дискретная математика. 2012. Т. 18. 1. С. 76-90. 6. Кузюрин Н. Н., Поспелов А. И. Вероятностный анализ нового класса алгоритмов упаковки прямоугольников в полосу. ЖВМиМФ. 2011. Т. 51, N 10, с. 1931-1936. 7. Мусаев А.А., Гладкова И.А. Современное состояние и направления развития общего логико-вероятностного метода анализа систем : тр. СПИИРАН, Отделение нанотехнологий и информационных технологий РАН. СПб. : Изд-во "Анатолия", 2010. Вып.1(12). С. 75–96. 8. Нестеров Д. А. Разработка алгоритма планирования поведения агентов-игроков в керлинг // Молодой ученый. — 2010. — №5. Т.1. — С. 98-101. 9. Новиков, Д.А. Рефлексивные игры: монография / Д.А. Новиков, А.Г. Чхартишвили; СИНТЕГ. – М., 2013. – 149 с. 10. Полесский, В.П. Об одной нижней границе надежности информационных сетей [Текст] / В.П Полесский // Тезисы докладов I Всесоюзного Симпозиума "Оценка надежности сетей связи и их элементов". –Новосибирск, 2010. – С.64-65. 11. Рассел, Стюарт. Искусственный интеллект: современный подход / Стюарт Рассел, Питер Норвиг; Пер. с англ. – Изд. 2-е. – М.: Издательский дом "Вильяме", 2006. — 1408 с. 12. Тарасов, В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте / В.Б. Тарасов // Новости искусственного интеллекта. – 2015. – №2. – С. 5-63. 13. Baker B. S., Coffman E. J., Rivest R. L. Orthogonal packings in two dimensions. SIAM J. Computing. 2010. V. 9. 4. P. 846-855. 14. Baker B. S., Schwartz J. S. Shelf algorithms for two dimensional packing problems. SIAM J. Computing. 2013. V. 6. 2. P. 508-525. 15. Karp R. M., Luby M., Marchetti-Spaccamela A. A probabilistic analysis of multidimensional bin packing problems. Proc. Annu, ACM Symp. on Theory of Computing. New-York: ACM. 2014. P 289-298. 16. Shor P. W. The average-case analysis of some on-line algorithms for bin packing. Combinatorica. 2010. V. 6. 2. P. 179-200. 17. Csirik J., Woeginger G. J. Shelf algorithm for on-line strip packing, Inf. Process. Lett. 2013. V. 63. 4, P. 171-175. 18. Coffman E. G., Jr, Shor P. W. Packing in two dimensions: Asymptotic average-case analysis of algorithms. Algorithmica. 2013. V. 9. 3. P. 253-277. 19. X. Han, K. Iwama, D. Ye, G. Zhang. Strip Packing vs. Bin Packing. Algorithmic Aspects in Information and Management. Lecture Notes in Computer Science. 2009. V. 4508/2007. P. 358-367. 20. Seiden S. S., On the online bin packing problem. J. ACM 49. 2012. P. 640-671.