Оценка достоверности результатов направленного поиска оптимальных решений

Оценка достоверности результатов направленного поиска оптимальных решений

Рассматривается один из возможных подходов к вопросу оценки достоверности результатов направленного поиска оптимальных решений, реализованный в рамках системы оптимизационно-имитационного моделирования NEDISOPT_D и базирующийся на концепции репликационных прогонов. Розглядається один із можливих під...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Теорія оптимальних рішень
Дата:2009
Автор: Черный, Ю.М.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2009
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/46647
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Оценка достоверности результатов направленного поиска оптимальных решений / Ю.М. Черный // Теорія оптимальних рішень: Зб. наук. пр. — 2009. — № 8. — С. 113-119. — Бібліогр.: 9 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-46647
record_format dspace
spelling Черный, Ю.М.
2013-07-04T19:29:20Z
2013-07-04T19:29:20Z
2009
Оценка достоверности результатов направленного поиска оптимальных решений / Ю.М. Черный // Теорія оптимальних рішень: Зб. наук. пр. — 2009. — № 8. — С. 113-119. — Бібліогр.: 9 назв. — рос.
XXXX-0013
https://nasplib.isofts.kiev.ua/handle/123456789/46647
681.3.06+519.8
Рассматривается один из возможных подходов к вопросу оценки достоверности результатов направленного поиска оптимальных решений, реализованный в рамках системы оптимизационно-имитационного моделирования NEDISOPT_D и базирующийся на концепции репликационных прогонов.
Розглядається один із можливих підходів до питання оцінювання вірогідності результатів направленого пошуку оптимальних рішень, що реалізований в рамках системи оптимізаційно імітаційного моделювання NEDISOPT_D та базований на концепції реплікаційних прогонів.
The possible approach to the problem of reliability evaluation for the results of directed search of optimal decisions is considered. This approach is based on the conception of replications runs and was implemented in the optimization-simulation system NEDISOPT_D.
ru
Інститут кібернетики ім. В.М. Глушкова НАН України
Теорія оптимальних рішень
Оценка достоверности результатов направленного поиска оптимальных решений
Оцінювання вірогідності результатів направленого пошуку оптимальних рішень
Reliability evaluation for the results of directed search of optimal decisions
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Оценка достоверности результатов направленного поиска оптимальных решений
spellingShingle Оценка достоверности результатов направленного поиска оптимальных решений
Черный, Ю.М.
title_short Оценка достоверности результатов направленного поиска оптимальных решений
title_full Оценка достоверности результатов направленного поиска оптимальных решений
title_fullStr Оценка достоверности результатов направленного поиска оптимальных решений
title_full_unstemmed Оценка достоверности результатов направленного поиска оптимальных решений
title_sort оценка достоверности результатов направленного поиска оптимальных решений
author Черный, Ю.М.
author_facet Черный, Ю.М.
publishDate 2009
language Russian
container_title Теорія оптимальних рішень
publisher Інститут кібернетики ім. В.М. Глушкова НАН України
format Article
title_alt Оцінювання вірогідності результатів направленого пошуку оптимальних рішень
Reliability evaluation for the results of directed search of optimal decisions
description Рассматривается один из возможных подходов к вопросу оценки достоверности результатов направленного поиска оптимальных решений, реализованный в рамках системы оптимизационно-имитационного моделирования NEDISOPT_D и базирующийся на концепции репликационных прогонов. Розглядається один із можливих підходів до питання оцінювання вірогідності результатів направленого пошуку оптимальних рішень, що реалізований в рамках системи оптимізаційно імітаційного моделювання NEDISOPT_D та базований на концепції реплікаційних прогонів. The possible approach to the problem of reliability evaluation for the results of directed search of optimal decisions is considered. This approach is based on the conception of replications runs and was implemented in the optimization-simulation system NEDISOPT_D.
issn XXXX-0013
url https://nasplib.isofts.kiev.ua/handle/123456789/46647
citation_txt Оценка достоверности результатов направленного поиска оптимальных решений / Ю.М. Черный // Теорія оптимальних рішень: Зб. наук. пр. — 2009. — № 8. — С. 113-119. — Бібліогр.: 9 назв. — рос.
work_keys_str_mv AT černyiûm ocenkadostovernostirezulʹtatovnapravlennogopoiskaoptimalʹnyhrešenii
AT černyiûm ocínûvannâvírogídnostírezulʹtatívnapravlenogopošukuoptimalʹnihríšenʹ
AT černyiûm reliabilityevaluationfortheresultsofdirectedsearchofoptimaldecisions
first_indexed 2025-11-24T19:09:33Z
last_indexed 2025-11-24T19:09:33Z
_version_ 1850490230909435904
fulltext Теорія оптимальних рішень. 2009, № 8 113 ÒÅÎÐ²ß ÎÏÒÈÌÀËÜÍÈÕ Ð²ØÅÍÜ Рассматривается один из воз- можных подходов к вопросу оценки достоверности резуль- татов направленного поиска оптимальных решений, реализо- ванный в рамках системы опти- мизационно-имитационного мо- делирования NEDISOPT_D и ба- зирующийся на концепции репли- кационных прогонов.  Ю.М. Черный, 2009 ÓÄÊ 681.3.06+519.8 Þ.Ì. ×ÅÐÍÛÉ ÎÖÅÍÊÀ ÄÎÑÒÎÂÅÐÍÎÑÒÈ ÐÅÇÓËÜÒÀÒΠÍÀÏÐÀÂËÅÍÍÎÃÎ ÏÎÈÑÊÀ ÎÏÒÈÌÀËÜÍÛÕ ÐÅØÅÍÈÉ Введение. Одной из важных проблем, кото- рая возникает при исследовании сложных стохастических систем на основе методов и средств имитационного моделирования, явля- ется оценка достоверности и интерпретации результатов моделирования. Многоаспектная по своей сути указанная проблема всегда бы- ла и остается актуальной. Исследованию различных аспектов этой проблемы уделяли и уделяют много внимания известные ученые и специалисты в области имитационного моделирования. Здесь прежде всего следует указать на работы Н.П. Бус- ленко, В.В. Калашникова, И.Н. Ковален- ко [1], Р. Шеннона [2], Дж. Клейнена [3]. Американские специалисты выполнили цикл работ по проблеме оценки достоверно- сти в рамках соответствующих научно- технических программ и программ Мини- стерства обороны США. На зимней конфе- ренции по имитационному моделированию в 1998 г. О. Балчи представил обобщенные ре- зультаты исследований по указанному вопро- су, сформулированные как своего рода мето- долого-технологические стандарты решения проблемы оценки достоверности, включаю- щие 15 базовых принципов и 77 различных тестов (приемов), которые рекомендованы для использования на различных стадиях проек- тирования и реализации имитационных при- ложений [4]. Американские специалисты выполнили цикл работ по проблеме оценки достоверно- сти в рамках соответствующих научно- Ю.М. ЧЕРНЫЙ 114 Теорія оптимальних рішень. 2009, № 8 технических программ и программ Министерства обороны США. Результаты дальнейших исследований по этому вопросу были представлены в докладах А. Ло и Р. Сэджента на регулярных конференциях Winter Simulation Conference [5–6]. Особенно важно и необходимо проводить оценку достоверности получен- ных результатов моделирования при использовании интегрированных оптими- зационно-имитационных подходов для поиска из большого множества альтер- натив оптимальных проектных решений сложных стохастических систем Постановка задачи и определение цели исследования. Несмотря на общ- ность формализмов и подходов к оценке достоверности результатов моделиро- вания, их практическое использование требует адаптации как к специфике про- блемной области, так и к особенностям реализации соответствующих систем моделирования. В связи с этим авторы созданной в Институте кибернетики им. В. М. Глушкова НАН Украины системы оптимизационно-имитационного моделирования NEDISOPT_D разработали унифицированную схему (методику) реализации экспериментов, ориентированную в первую очередь на поддержку задач оценки достоверности. Система NEDISOPT_D и унифицированная схема разрабатывались на основе таких концепций как имитационное приложение, оптимизационно-имитационная интеграция, популяция решений [7]. Согласно указанной схеме жизненный цикл имитационных приложений представляется методологическим стандартом M & S & R, где М - этап разра- ботки имитационной модели, S - этап реализации оптимизационно- имитационных экспериментов на основе указанной модели, R - этап оценки дос- товерности конечных результатов моделирования на основе репликационных прогонов. Цель исследований – в условиях наличия реализованных возможностей поддержки этапов M и S необходимо разработать методы и средства для реше- ния задач оценки достоверности результатов направленного поиска оптималь- ных решений (R-этапа). Особенности реализации основных этапов жизненного цикла имитаци- онных приложений. Рассмотрим более детально задачи реализации жизненно- го цикла имитационных приложений. Первый этап – Modeling (М) связан с процессом построения компьютерной модели и определения доминантных факторов и компонент системы, которые оказывают наибольшее влияние на выходные данные (отклики) модели. Основ- ной функциональной задачей этого этапа является поддержка процедур верифи- кации имитационной модели и валидации входных данных экспериментов с обязательным определением ограничений и критических значений для послед- них. ОЦЕНКА ДОСТОВЕРНОСТИ РЕЗУЛЬТАТОВ НАПРАВЛЕННОГО ПОИСКА ОПТИМАЛЬНЫХ РЕШЕНИЙ Теорія оптимальних рішень. 2009, № 8 115 Независимо от типа используемой оптимизационной стратегии поиск опти- мальных решений может осуществляться только для моделей, для которых ис- полнены процедуры верификации, валидации и тестирования (в общепринятой нотации VV&T). В соответствии с методологией имитационного моделирования процесс ис- следования сложных систем рассматривается как оценивание множества альтер- натив с целью выбора альтернативы Aоpt, определяющей оптимальные показате- ли эффективности функционирования моделируемых систем. Поскольку опти- мизационные стратегии в системе NEDISOPT_D базируются на концепции "по- пуляция решений", то этап M должен завершаться формированием начальной популяции хромосом-решений. При этом в качестве генов таких хромосом ис- пользуются характеристики-факторы соответствующих альтернатив. Второй этап – Simulation (S) связан с проведением экспериментов, ориенти- рованных на получение оценок адекватности имитационной модели по отноше- нию к реальной системе и поиск оптимальных решений для поставленных задач анализа, проектирования или модернизации сложных систем. Поскольку процесс поиска и оценивания альтернатив Aоpt базируется на ис- пользовании соответствующих значений откликов имитационной модели, то значения функции цели для Aоpt включают вероятностную составляющую. По- следнее требует статистической интерпретации полученных для каждой Aоpt зна- чений функции цели (fitness-функции) и, как следствие, – разработки схемы и соответствующего сценария репликационных прогонов имитационных моделей, представленного как R (этап жизненного цикла имитационных приложений). В данном случае идет речь об оценке достоверности результатов направлен- ного поиска оптимальных решений, полученных с применением оптимизацион- ной стратегии на базе генетического алгоритма. Таким образом, на каждом этапе (M, S и R) жизненного цикла имитацион- ных приложений должна решаться многоаспектная задача оценки достоверно- сти, ориентированная на оценку адекватности как имитационной модели, так и результатов оптимизационно-имитационных экспериментов, реализованных на ее основе. Описание задачи модернизации морского порта . В качестве практиче- ского примера для оценки достоверности полученных в результате моделирова- ния проектных решений была рассмотрена задача поиска оптимальных решений модернизации морского порта с нефтеперерабатывающей установкой (НУ) [8]. Для понимания поставленной задачи поиска оптимальных решений здесь при- ведем краткое описание исследуемой системы. Более детальное описание работы порта приведено в [9]. Как уже упоминалось выше, имеется порт с НУ, которая снабжается нефтью с помощью танкерного флота, который может состоять из танкеров двух типов - дедвейтом 150 000 баррелей (танкер 1-го типа) и дедвейтом 450 000 баррелей Ю.М. ЧЕРНЫЙ 116 Теорія оптимальних рішень. 2009, № 8 (танкер 2-го типа). Танкеры разгружаются у единственного имеющегося в порту причала, оборудованного специальным резервуаром общей емкостью 2 млн. баррелей. Резервуар предназначен для бесперебойного снабжения НУ нефтью в случае длительного отсутствия танкеров. Существующая суточная потребность НУ в нефти составляет 150000 баррелей (или 6250 бар./ч), а танкерный флот состоит из 15 танкеров 1-го типа. В результате модернизации НУ суточное потребление нефти возросло до 450000 баррелей (в 3 раза) или до 18750 бар./ч. Вследствие увеличения потреб- ления нефти возникла задача поиска оптимального решения по расширению инфраструктуры порта с учетом затрат как непосредственно на расширение (строительство новых причалов и покупка дополнительных танкеров), так и за- трат при дальнейшей эксплуатации НУ и танкеров. Для применения генетического алгоритма при поиске оптимальных проек- тов модернизации порта в качестве генов-факторов для хромосом-решений, опи- сывающих возможные проекты-альтернативы, были выбраны следующие изме- няемые параметры: количество причалов, количество танкеров 1-го типа, коли- чество танкеров 2-го типа. В табл. 1 для каждого фактора приведены допусти- мые границы изменения, шаг квантования и общее количество уровней. ТАБЛИЦА 1. Множество уровней генов-факторов Наименование гена-фактора Допустимые границы изменения Шаг квантования Количество уровней Иденти- фикатор Количество причалов 2 – 3 1 2 N_BRTH Количество танкеров 1-го типа 23 – 48 1 26 N_TNK1 Количество танкеров 2-го типа 0 – 5 1 6 N_TNK2 В табл. 2 приведены показатели функционирования порта, которые были выбраны на этапе M жизненного цикла приложения в качестве основных откли- ков имитационной модели для определения оптимальных решений. Для кор- ректной работы генетического алгоритма была определена fitness-функция, зна- чение которой зависело от значений параметров, описанных в табл. 1 и 2. В результате проведенных на S-этапе оптимизационно-имитационных экс- периментов была определена группа хромосом-решений с наилучшими fitness- значениями (строки 1–3 в табл. 3), а также группа хромосом (строки 4–6 в табл. 3) с fitness-значениями, близкими к оптимальным, и которые, с учетом стохастической природы fitness-функции, могли составить конкуренцию опти- мальной группе. ОЦЕНКА ДОСТОВЕРНОСТИ РЕЗУЛЬТАТОВ НАПРАВЛЕННОГО ПОИСКА ОПТИМАЛЬНЫХ РЕШЕНИЙ Теорія оптимальних рішень. 2009, № 8 117 ТАБЛИЦА 2. Отклики имитационной модели Показатели функционирования порта (отклики) Идентификаторы откликов Количество простоев НУ NS_RFNR Среднее время простоя НУ AVS_RFNR Количество простоев танкеров 1-го типа NS_TNK1 Среднее время простоя танкеров 1-го типа AVS_TNK1 Количество простоев танкеров 2-го типа NS_TNK2 Среднее время простоя танкеров 2-го типа AVS_TNK2 ТАБЛИЦА 3. Значения факторов и откликов оптимальных решений № п/п Хромосома- решение Отклики модели fi tn e ss -з на че ни е N _ B R T H N _ T N K 1 N _ T N K 2 N S _ R F N R О бщ ее в ре м я пр о- ст оя Н У , % N S _ T N K 1 A V S _ T N K 1 , ч ас ов N S _ T N K 2 A V S _ T N K 2 , ч ас ов 1 3 27 5 0 0,000000 3092 5,102 510 3,364 377,979 2 3 38 1 0 0,000000 4422 5,239 105 3,802 381,406 3 3 41 0 0 0,000000 4774 5,279 0 0,000 383,184 4 3 30 4 0 0,000000 3436 6,032 409 3,712 392,704 5 3 33 3 0 0,000000 3785 7,322 305 4,039 412,683 6 3 35 2 28 0,004195 4056 5,061 206 3,757 419,637 В табл. 3 среди откликов модели под общим временем простоя НУ, выра- женным в процентах, понимается отношение произведения NS_RFNR*AVS_RFNR к общей моделируемой длительности одного прогона сеанса моделирования (без учета времени начального этапа разгона). Для всех шести отобранных хромосом на R-этапе были осуществлены реплика- ционные прогоны, статистические результаты которых представлены в табл. 4. Ю.М. ЧЕРНЫЙ 118 Теорія оптимальних рішень. 2009, № 8 ТАБЛИЦА 4. Статистические показатели fitness-значений и откликов модели по результатам репликационных прогонов № п/п N _ B R T H N _ T N K 1 N _ T N K 2 С ре дн ее з на че ни е вр ем ен и пр ос то я Н У , % С та нд ар тн ое о тк ло - не ни е вр ем ен и пр о- ст оя Н У С ре дн ее з на че ни е A V S _ T N K 1 С та нд ар тн ое от кл он ен ие A V S _ T N K 1 С ре дн ее з на че ни е A V S _ T N K 2 С та нд ар тн ое о тк ло не ни е A V S _ T N K 1 С ре дн ее з на че ни е fi tn e ss -ф ун кц ии С та нд ар тн ое от кл он ен ие f it n e ss -ф ун кц ии 1 3 27 5 0,00005 0,00014 5,394 0,4803 3,658 0,2473 383,444 7,4448 2 3 38 1 0,00017 0,00027 5,132 0,2260 3,923 0,4094 381,593 5,0280 3 3 41 0 0,00000 0,00000 5,214 0,1998 0,000 0,0000 382,207 2,9937 4 3 30 4 0,00003 0,00010 6,070 0,3046 4,019 0,2921 394,477 4,6948 5 3 35 2 0,00245 0,00167 4,991 0,3666 3,779 0,5322 401,269 21,2987 6 3 33 3 0,00001 0,00002 6,939 0,4615 4,353 0,5271 408,116 6,6319 Как видно из полученных результатов, для всех хромосом первой группы были подтверждены оценки их fitness-значений, и каждая из них может рас- сматриваться как оптимальная с учетом полученных статистических данных. Выбор одной из них в качестве единственного решения может быть сделан на основе дополнительных или не учитываемых в модели показателей. Следует отметить, что ни одна из хромосом второй группы значительно не улучшила свою fitness-оценку и не смогла составить конкуренцию хромосомам первой группы. Заключение. Разработанные в результате проведенных исследований мето- ды и средства поддержки репликационных прогонов обеспечивают получение статистической значимости конечных результатов поиска оптимальных реше- ний. Последнее позволяет делать более корректные выводы относительно задач выбора ответственных проектных или управленческих решений. Использование полученных результатов связано с оценкой эффективности предложенных алгоритмов и средств при решении конкретных практических задач. К перспективным направлениям в области решения многоаспектных про- блем оценки достоверности в первую очередь следует отнести дальнейшее раз- витие формальных методов и эмпирических подходов с учетом накопленного опыта в различных прикладных областях. ОЦЕНКА ДОСТОВЕРНОСТИ РЕЗУЛЬТАТОВ НАПРАВЛЕННОГО ПОИСКА ОПТИМАЛЬНЫХ РЕШЕНИЙ Теорія оптимальних рішень. 2009, № 8 119 Ю.М. Чорний ОЦІНЮВАННЯ ВІРОГІДНОСТІ РЕЗУЛЬТАТІВ НАПРАВЛЕНОГО ПОШУКУ ОПТИМАЛЬНИХ РІШЕНЬ Розглядається один із можливих підходів до питання оцінювання вірогідності результатів направленого пошуку оптимальних рішень, що реалізований в рамках системи оптимізаційно- імітаційного моделювання NEDISOPT_D та базований на концепції реплікаційних прогонів. Yu.M. Tchornyy RELIABILITY EVALUATION FOR THE RESULTS OF DIRECTED SEARCH OF OPTIMAL DECISIONS The possible approach to the problem of reliability evaluation for the results of directed search of optimal decisions is considered. This approach is based on the conception of replications runs and was implemented in the optimization-simulation system NEDISOPT_D. 1. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем.– М: Сов.радио, 1973.– 440 с. 2. Шеннон Р. Имитационное моделирование систем – искусство и наука.– М.: Мир, 1973.– 440 с. 3. Kleijnen J.P.C.. Design and Analysis of Simulation Experiments.– New York: Springer, 2008.– 216 p. 4. Balci O. Verification, validation and accreditation // Proc. of the Winter Simulation Conf. – 1998.– P. 41–48. 5. Law A.M. Statistical Analysis of Simulation Output Data: The Practical State of the Art // Proc. of the Winter Simulation Conf. – 2007.– P. 77–83. 6. Sargent R.G. Verification and Validation of Simulation Models // Proc. of the Winter Simulation Conf. – 2008.– P. 157–169. 7. Бігдан В.Б., Пепеляєв В.А., Чорний Ю.М. Уніфікована схема реалізації оптимізаційно- імітаційних експериментів // Проблемы программирования.– 2006. – № 2–3. – С. 714–723. 8. Пепеляев В.А. Об оценке эффективности оптимизационных метаэвристических стратегий // Теорія оптимальних рішень.– 2006.– № 5.– С. 16 – 22 . 9. Коваль В.П., Пепеляев В.А., Черный Ю.М. Об оценке альтернативных решений на основе методов имитационного моделирования // Теорія оптимальних рішень.– 2004.– № 3.– С. 19 – 26. Получено 20.03.2009

Схожі ресурси