CC BY
32
Примечание. Линия 1 - результат моделирования, 1' -расчет по аналитическим зависимостям, 2' и 3' - соответственно верхняя и нижняя оценки сопротивления по аналитическим зависимостям.
Рис. 3. Зависимость электросопротивления контакта от нормальной нагрузки для параметров шероховатости Яр=10'6, г=10'5
Сравнение полученных на основании предложенной модели результатов с результатами аналитического расчета показывает, что модель позволяет адекватно описать деформационные характеристики контакта. Некоторое расхождение вызвано тем, что с помощью модели можно более точно учесть параметры микрогеометрии поверхности, а именно, распределение радиусов выступов шероховатости.
На рисунке 3 представлены результаты расчетов электрического сопротивления контакта от нормальной (сжимающей) нагрузки в сравнении с расчетом по аналитическим зависимостям из работы [3]. И в этом случае результаты моделирования согласуются с аналитическим расчетом.
В заключение сделаем следующие выводы. Предложенная математическая модель контакта реальных технических поверхностей и ее компьютерная реализация позволяют адекватно описывать эксплуатационные свойства контактных соединений. Адекватность модели проверена путем сравнения результатов моделирования с расчетом таких эксплуатационных характеристик контакта, как деформация и электрическое сопротивление. Результаты моделирования в целом правильно отражают зависимость указанных характеристик контакта от приложенной сжимающей нагрузки, при этом моделирование позволяет более полно учесть особенности микротопографии поверхности и повысить точность расчетов характеристик контакта.
Литература
1. Демкин Н.Б., Измайлов В.В. Зависимость эксплуатационных свойств фрикционного контакта от микрогеометрии контактирующих поверхностей // Трение и износ. 2010. Т. 31. № 1. С. 68-77.
2. Демкин Н.Б., Рыжов Э.В. Качество поверхности и контакт деталей машин. М.: Машиностроение, 1981. 244 с.
3. Измайлов В.В., Новоселова М.В. Контакт твердых тел и его проводимость. Тверь: Изд-во ТГТУ, 2010. 112 с.
УДК 004.89
МНОГОАГЕНТНЫЙ ПОДХОД К НЕЧЕТКОМУ МОДЕЛИРОВАНИЮ РАБОТЫ АВТОТРАНСПОРТНОГО ПРЕДПРИЯТИЯ
(Работа выполнена при финансовой поддержке РФФИ, грант № 11-01-00374-а)
, д.т.н.; А.А. Образцов, к.т.н.; И.А. Жилкин
(Филиал Московского энергетического института (технического университета)
в г. Смоленске, izhmdm^mail-ru)
И.В. Абраменкова
Предложен многоагентный подход к моделированию сложных систем на примере имитационного моделирования транспортного предприятия, представлена математическая модель объекта исследования, приведен алгоритм муравьиных колоний, используемый в процедурах имитации реальной системы.
Ключевые слова: имитационное моделирование, многоагентный подход, муравьиные алгоритмы, роевой интеллект, программный агент, система распределения, транспортная задача.
В современной экономике рациональное распределение изготовленной предприятиями-производителями продукции невозможно без распределительной логистики, которая является частью сбытовой деятельности промышленного предприятия и связана с управлением потоковыми про-
цессами при сбыте готовой продукции с целью наиболее полного удовлетворения спроса потребителей. Однако, как правило, промышленное предприятие-производитель не может самостоятельно полностью обеспечить доведение изготовленной продукции до конечных потребителей и
прибегает к услугам посредников, создавая новую или пользуясь уже существующей системой распределения (дистрибьюции). Последняя призвана, в свою очередь, превратить готовую продукцию промышленного предприятия в товар, обеспечить ее передачу посредством операций обмена потребителям. Важной составляющей системы распределения является логистическая инфраструктура, оптимизация которой, очевидно, позволяет производителям получать дополнительные конкурентные преимущества уже не в сфере производства, а в сфере обращения.
В транспортной инфраструктуре в системах дистрибьюции в основном используется автомобильный и железнодорожный транспорт, причем в региональных перевозках значительно лидируют автоперевозки, что подтверждается статистическими данными по грузообороту и объемам перевозок. Беглый анализ деятельности автотранспортных предприятий показал, что большинство из них имеют хороший потенциал для сокращения удельной стоимости и повышения качества услуг благодаря четкому выделению и оптимизации бизнес-процессов, в том числе и оптимизации управления грузоперевозками, что вполне в духе многих успешных перевозчиков, использующих стратегию low cost/high value.
Стоит отметить, что оптимизация управления грузоперевозками является многофакторной задачей, включающей как формальные признаки, так и неопределенные факторы. Так, к формальным переменным однозначно относятся переменные, описывающие маршруты, стоимость топлива, характеристики транспортных средств (ТС), к неопределенным - вероятностный характер спроса, случайное поведение клиентов и т.д. [1].
Построение оптимальной системы распределения продукции является частным случаем задачи маршрутизации [2, 3], которая сводится к оптимизационной задаче на графе. Математическую модель системы маршрутов можно представить как полный взвешенный граф G=(V, E), где вершины V={v0, v1, ..., Vn}, а дуги E={e0, eb ..., en}. Автотранспортное предприятие, являющееся началом и концом каждого маршрута (базой), - это вершина v0. Другие вершины представляют места реализации, а также промежуточные узлы (склады, перевалочные пункты и пр.). Для каждой дуги (i, j) задана стоимость перевозки, а для каждого места реализации (клиента) - ожидаемый спрос и соответствующая ему вероятность. Также задана грузоподъемность каждого ТС.
Задачу оптимизации управления грузоперевозками можно описать формально как задачу минимизации функционала, описывающего полную стоимость расходов на транспортировку продукции: TC = min Ti(l, Sj)dl+2 cp J
при ограничениях
EmSj <k■ mmax,k = 1,2,3...,
Sj
(w.
E t
Sj < wmax) Л (lSj < lmax ) Л (hSj < hmaxX
<t
a;
S til SS til,
. l n i=1 l
где {Ti} - множество типов ТС, i=1, ..., n; {Sj} -ассортимент продукции, j=1, ..., m; Ti(l, Sj) -стоимость перевозки j-го типа продукции как функция от расстояния; cp - стоимость p-й пере-
T
валки; m^ - максимальная грузоподъемность
ТС Ti типа; mSj - масса j-го типа товара; wSj, lSj, hSj
- габариты j-го типа товара; Z ti - общее время
i
эксплуатации i-го ТС; ai - константа, характеризующая степень загруженности i-го ТС (0^1).
Для моделирования автотранспортной инфраструктуры с применением многоагентного подхода предлагается использовать муравьиные алгоритмы, которые обладают высокой эффективностью при решении NP-задач на графах, возможностью использования неформализованных критериев и нечетких правил для описания поведения программных агентов, а также высоким быстродействием.
Предложенный агентно-ориентированный подход использует адаптированную схему метаэв-ристики муравьиных колоний, при этом каждому типу ТС соответствует один муравей. При поиске оптимальной системы маршрутов доставки продукции можно выделить следующие шаги агент-но-ориентированного алгоритма.
Шаг 1. Установка начального значения феромона, представляющего собой терм нечеткого множества «значимость» прокладки локального маршрута муравьем для всех ребер графа возможных маршрутов. Центр данного терма можно оп-
S r(i,j)
ределить при помощи выражения т0
(i.j)EG
min r(i, j)
(i.j)eG
где j) - стоимость перевозки из Ьго в j-й узел (точку разгрузки); G - граф маршрутов.
Шаг 2. Пошаговая прокладка маршрутов с использованием набора эвристических правил, определяющих поведение муравья как программного агента.
В начале выполнения данного шага в базу помещаются все муравьи колонии, которые движутся к клиентам, прокладывая множество маршрутов. Достигнув клиента, они с заданной степенью вероятности могут попасть в ситуации, когда спрос либо соответствует ожиданиям, либо ниже или выше ожидаемого значения. В соответствии с ситуацией муравей отправляется к другому клиенту или возвращается на базу. Множество муравьев образуют колонию (которая подчиняется неким
k
k
n
поведенческим правилам), определяемую набором нечетких и четких продукционных правил маршрутизации (ППм) при непринадлежности смежной вершины j к списку табу Т(т): ППм-1 - выбор направления прокладки локальной трассы из 1-й в j-ю вершину графа маршрутов; ППм-2 - разгрузка товара; ППм-3 - возвращение на базу; ППм-4 -смена ТС.
ППм-1: Если «величина [т^ ]а •['(^^ » «достаточно большая», ТО «ребро 0, j)» имеет «большой приоритет» И «добавить вершину j в T(m)».
Величина л(ш) определяется по следующей эмпирической формуле:
"^ШТ'Р = о,
'Ш> =1
г(1,.0 + уу(ш
р
, р > о,
г(1,]) + уу(ш)
где г(1, j) - стоимость перевозки из 1-го в j-й узел; Pj - выручка, которая может быть получена муравьем от продажи товара в узле j; у - некоторая константа; у(ш) - стоимость маршрута от узла j
до базы: у(ш) = шт{г(], 0)}, где z - множество
. г
возможных маршрутов от узла j до базы. Четкие правила ППм-2 имеют вид
а) «ЕСЛИ (С^®) И (Q(m)(k)>0) И ^/к)^(т)(к)),
ТО (Р(к) = е(к)д(ш)(к)) И ^(т)(к)=0) И №(к^(к)--Q(m)(k))»;
б) «ЕСЛИ (С^р®) И (Q(m)(k)>0) И ^(к)^(тХк)), ТО (р(к) = е(к)д(к)) И (Q(m)(k)=Q(m)(k)—Qi(k)) И ^(к)=0)»;
С - п(к'
в) «ЕСЛИ (С^®) И (Q(m)(k)>0) И ( р^ х
xQi(k)>Q(m)(k)), ТО (Р<к) = е(к)д(ш)(к)) И ^(т)(к)=0) И (Qi(k)=Qi(k)-Q(m)(k))»;
С - п(к>
г) «ЕСЛИ (С^®) И (Q(m)(k)>0) И ( С Р' х
xQi(k)<Q(m)(k)), ТО (Р<к) =
С - Р(к) '(к) _ С1 р
1 - Р(
(к)
1 - Р(к>
е(к>д(к> )
И
(т)(к)—л(т)(к)
(Q(m)(k)=Q(
С, - р(
(к)
О(к)) и ^(к)=0)»
(к)
1 - Р(к>
где С - случайная величина в интервале [0, 1]; р! - вероятность спроса заданного количества к-го типа товара в узле 1; Qi(k) - спрос к-го типа товара в 1-м узле; Q(m)(k) - количество к-го типа товара у муравья т; Р/к) - прибыль, полученная муравьем от продажи к-го типа товара в узле ц с(к) - стоимость к-го типа продукции.
Правило ППм-2 применяется для каждого типа товара в каждом узле, который посетил муравей. Данное правило позволяет учесть случайный характер спроса у потребителей.
ППм-3: «ЕСЛИ (смежная вершина j не при-
надлежит списку табу Т ) И (Т/^+ОД j)>
г(").
>Тj(m)+Pj), ТО (муравей перемещается на базу)».
Формализованная запись ППм-3 имеет вид ю, 0) | V 0, j), jeт(m), ^(1п)+г(1, j)>Тj(m)-Pj}, где Pj - выручка, которая может быть получена муравьем от продажи товара в узле j.
ППм-4: «ЕСЛИ (смежная вершина j не принадлежит списку табу Т(т)) И (2-с„+г*(1, j)<r(i, j)), ТО (производится смена транспорта)», где с„ -стоимость перевалки; г*(1, j) - стоимость перевозки из узла ^ в узел j после смены ТС; г(1, j) - стоимость перевозки из узла ^ в узел j без смены ТС.
Муравей движется до тех пор, пока не посетит все узлы, после этого движение начинает второй муравей и т.д. После того как все муравьи в колонии проложат свои маршруты, необходимо осуществить процедуру обновления феромонов на всех ребрах с учетом опыта всех муравьев колонии.
Шаг 3. Обновление концентрации феромонов на всех ребрах графа маршрутов по следующему правилу в типовой схеме метаэвристики муравьиных колоний: ту=(1-р)-ту+р-дту, где тц - переменная, определяющая скорость испарения феромона (0<р<1); Дт^ - приращение концентрации феромонов на очередной итерации алгоритма, вычисляемое по известной формуле
дт.,1 =
О
если (1, .0 е
0 - иначе.
где Q - некоторая константа; соз^О - стоимость полученной конфигурации маршрута.
Как видно из формул на шаге 3, маршрут с меньшей стоимостью характеризуется более высокой концентрацией феромона, а с большей стоимостью - более низкой концентрацией.
Шаг 4. Повторение шагов 2 и 3, пока результат распределения продукции по маршрутам не перестанет изменяться.
После обновления концентрации на всех ребрах графа алгоритм запускается повторно. Список табу для каждого муравья очищается. Концентрация феромона на ребрах графа, которые входят в лучшее решение, постепенно возрастает, а на других убывает. По мере того как муравьи делают новые проходы, все больше и больше муравьев выбирают пути движения, формирующие систему распределения с наименьшей стоимостью, а остальные пути пустеют. Таким образом достигается построение оптимальной схемы поставок с наименьшими затратами на перевозку.
Описанный подход показал неплохие результаты при решении тестовых задач, используемых авторами для проверки адекватности моделирования грузоперевозок в условиях неопределенного спроса. Предлагаемый аппарат может найти при-
менение при построении интеллектуальной системы поддержки принятия решений по управлению маршрутизацией доставки продукции.
Литература
1. Дли М.И., Жилкин И.А. Интервальные модели поддержки принятия решений по развитию предприятий железобетонных изделий // Интеграл. 2009. № 2. С. 108.
2. Ghiani G., Guerriero F., Laporte G. and Musmanno R. Realtime vehicle routing: solution concepts, algorithms and parallel computing strategies / Research Report, Center of Excellence for High Performance Computing, University of Calabria, Arcavacata di Rende, 2003.
3. Усенко И.В. Обзор проблем принятия решений в неопределенных и расплывчатых условиях при решении транспортных задач // Перспективные информационные технологии и интеллектуальные системы. 2008. № 2 (34). С. 37-44.
УДК 681
ИСПОЛЬЗОВАНИЕ ЭЛЕКТРОННОГО ПОРТФОЛИО ПРИМЕНИТЕЛЬНО К ПРОФЕССОРСКО-ПРЕПОДАВАТЕЛЬСКОМУ СОСТАВУ
В.В. Андреев; Н.В. Герова, к.п.н.
(Рязанский государственный университет им.. С.А. Есенина, V.andreev@rsu.edu.ги, n.gerova@rsu.edu.ги)
В статье рассмотрены особенности и преимущества электронного портфолио профессорско-преподавательского состава, сформулированы принципы его использования. Описана структура информационной подсистемы портфолио профессорско-преподавательского состава и разработаны требования к ней.
Ключевые слова: аттестация, информация, качество образования, профессорско-преподавательский состав, рейтинг, управление деятельностью, электронный портфолио.
Статья посвящена применению информационных технологий в решении задач повышения качества управления профессорско-преподавательским персоналом вуза в рамках концепции «Электронный университет», основной из которых является разработка структуры информационной подсистемы электронного портфолио профессорско-преподавательского состава (III 1С) и принципов ее использования.
При переходе к системе уровневого образования, к новой системе оплаты труда и внедрению автоматизированных информационных систем (АИС), в том числе подсистемы балльно-рейтинговой оценки ППС вуза, возникает потребность в формировании электронного информационного многоуровневого банка данных компетенций и достижений преподавателей. Все большая коммерциализация сферы высшего профессионального образования, демографическая проблема и рост конкуренции среди коммерческих и государственных вузов делают актуальным повышение качества подготовки выпускников через оперативное управление деятельностью ППС, обеспечивающее возможность контроля за ходом образовательного процесса [1].
Основой системы оценки деятельности ППС является электронный портфолио преподавателя (далее под портфолио будем понимать его электронный вариант). Портфолио - эффективный способ оценивания профессиональных компетенций ППС, а также перспектив делового и творческого взаимодействия администрации с преподавателями вуза. Это современная образовательная технология, в ее основе лежит метод аутентичного
оценивания результатов образовательной и профессиональной деятельности, который можно применить к ППС вуза. При этом особенно ценным в аутентичности оценивания профессорско-преподавательского корпуса является комплексность оценки. С одной стороны, компетентность оценивают административные управления вуза, такие как служба качества образования, учебно-методическое управление, управление научных исследований и т.д. С другой - используются формы анализа, оценки и проектирования профессионального роста самим преподавателем.
Одним из направлений повышения качества образовательных услуг является организация мониторинга профессиональной деятельности научных и научно-педагогических кадров средствами информационных технологий обработки и хранения массивов данных. Примером внедрения информационных технологий в систему менеджмента качества образования является создание АИС «Электронный университет», содержащей подсистему ведения портфолио преподавателей вуза.
При разработке структуры информационной подсистемы портфолио ППС необходимо учитывать:
- конкретные критерии оценки деятельности преподавателя (образовательную, научную, профессиональную и общественную);
- аттестационные критерии для прохождения на должность;
- оценку деятельности преподавателя коллегами и потребителями услуг;
- оценку качества учебно-методического сопровождения занятий;
