CC BY
15
по результатам инспекторского надзора и контроля.
Рис. 1. Алгоритм расчета минимального объема инспекторских проверок
Рис. 2. Пример выполнения алгоритма Список литературы
1. Аккерман И. Д. Опыт планирования испытаний на надежность
комплексного электрооборудования //Надежность и контроль качества ,-1977.-№11.-С.20-29.
2. Амбарцумян В. В. Безопасность дорожного движения: Учебное
пособие для подготовки и повышения квалификации кадров автомобильного транспорта /Под ред. В. Н. Луконина. -3-е изд,-М.: Машиностроение, 1999. -335 с.
3. Самойлов Д.С., Юдин В.А. Организация и безопасность городского
движения,- М.: Высшая школа, 1981. - 256 с.
В.Н. Шабуров
Курганский государственный университет, г. Курган
ПРИМЕНЕНИЕ ГЕНЕТИЧЕСКОГО АЛГОРИТМА ПРИ ПОДБОРЕ ОБОРУДОВАНИЯ ДЛЯ ПРЕДПРИЯТИЙ АВТОСЕРВИСА
Правильный выбор оборудования во многом определяет успех работы предприятия.
Ассортимент технологического оборудования для автосервиса на российском рынке достаточно широк; десятки отечественных и зарубежных фирм предлагают свои услуги. Но вопросов при выборе оборудования от этого становится только больше.
Несомненно, что при решении этого вопроса необходимо учитывать две противоположные тенденции: с одной стороны, желательно приобретать оборудование наиболее совершенное (точное, надежное, высокопроизводительное и т.д.), позволяющее обеспечить необходимое качество оказываемых услуг; с другой стороны, в рыночных условиях нужно заботиться о том, чтобы затраты на его приобретение были как можно меньше и вложенные деньги окупались быстрее.
Кроме того, нужно определиться с количеством приобретаемого оборудования. Поскольку установка оборудования в недостаточном количестве приведет к уменьшению количества обслуживаемых автомобилей и, как следствие, к снижению возможной прибыли предприятия. Если же оборудования будет больше чем нужно, то оно будет простаивать, что приведет к излишним затратам на обслуживание оборудования и первоначальным на его приобретение.
Вопросы подбора оборудования особенно актуальны для специализированных предприятий автосервиса. Поскольку на крупных комплексных станциях обслуживания недостаток или избыток оборудования и инструмента по одной из услуг может быть компенсирован при работе станции за счет другой услуги, то для специализированных предприятий такой возможности нет. Неправильный подбор оборудования может оказаться катастрофическим для специализированных сервисных предприятий.
Для оптимизации процесса подбора оборудования для ПТО предлагается использовать генетический алгоритм. Целесообразность использования генетического алгоритма объясняется многокритериальностью и мно-гоэкстремальностью решаемой задачи. Генетический алгоритм в решении задач оптимизации представляет собой комбинированный метод, который объединяет в себе два основных подхода для решения таких задач -переборный и градиентный, такое сочетание обеспечивает устойчиво хорошую эффективность генетического поиска для любых типов оптимизационных задач.
Для определения эффективности подбора оборудования и работы ПТО сложно задать целевую функцию, поскольку она была бы многопараметрическая, корме того на работу ПТО влияет много факторов, которые носят вероятностный характер. Поэтому для проведения оценки лучше применять моделирование процесса работы ПТО с разными комплектами оборудований, после чего оценивать их влияние на показатели работы предприятия. Значения этих показателей можно использовать при выборе, согласно предлагаемому алгоритму, наиболее оптимальных комплектов оборудования.
Для реализации этого метода были разработаны соответствующий алгоритм и программное обеспечение, с помощью которого было проведено имитационное моделирование функционирования ПТО. Особенностью данного алгоритма является подпрограмма подбора оборудования с применением генетического алгоритма, работа которого основана на природных принципах естественного отбора.
Для использования генетического алгоритма необходимо информацию о комплекте оборудования представить в бинарном виде. Будем считать, что количество оборудования определенного типа Х\ кодируется определенным фрагментом кода, состоящим из фиксированного количества разрядов (рис. 1).
^ ^ I ^
001 010 001 010 000 001 010
Рис. 1. План распределения информации по длине кода комплекта оборудования
Может показаться, что такое задание количества оборудования будет связано со сложностью постоянного кодирования и декодирования, но на самом деле прямая операция кодирования комплекта оборудования не применяется. Код первоначальных комплектов генерируется случайным образом, путем последовательного заполнения разрядов и сразу в бинарном виде, всякие
последующие изменения в популяции затрагивают сначала генетический уровень, а только потом анализируются фенотипические последствия этих изменений, но никогда не наоборот В принципе для декодирования генетической информации из бинарной формы к десятичному виду подходит любой двоично-десятичный код, но обычно исходят из того, что она представлена в коде Грея.
Код Грея при использовании в генетическом алгоритме имеет явные преимущества по сравнению с двоично-десятичным кодом, который при некотором стечении обстоятельств порождает своеобразные тупики для поискового процесса. В качестве примера рассмотрим любые три рядом стоящие строки из таблицы 1.1, например, порядковое обозначение 4, 5 и 6 единиц. Предположим, фрагменты кода, обозначающие число 5, являются решением задачи, а лучшая особь из текущей популяции содержит фрагмент кода из строки 4. Такая ситуация благоприятна для обоих кодов. Достаточно выполнить всего одну операцию - заменить в четвертом разряде фрагмент 0 на 1 - и решение будет найдено. Более интересный случай получается, если лучший комплект содержит фрагмент 6. Для кода Грея эта ситуация ничуть не сложнее предыдущей - замена 0 на 1 в третьем разряде опять приведет к успеху В то же время двоично-десятичный код ставит нас в необходимость выполнить последовательно две операции - заменить 1 на 0 в третьем разряде и 0 на 1 в четвертом. С какой бы из них мы ни начали, результат не приблизит нас к решению (первый вариант замены переместит нас в четвертую строку, а второй - вообще в седьмую). Преимущество кода Грея в том, что если два числа различаются на 1, то и их двоичные коды различаются только на один разряд.
Для кодирования сначала заменим число, обозначающее количество оборудования, на двоичный код, причем за нулевое обозначение примем количество оборудования, равное 1, поскольку оно минимально возможное (таблица 1). После чего переведем двоичный код в код Грея.
Поскольку создание крупных ПТО с количеством оборудования одного типа более 8 не рационально, то можно ограничится 3-разрядной кодировкой.
Таблица 1
Кодирование количества оборудования
Таким образом, комплект оборудования представленный в таблице 2, будет иметь следующий код: 001010001010000000.
Таблица 2
Пример кодирования комплекта оборудования
Порядок применения генетического алгоритма можно описать следующим образом (рис. 2).
На первом этапе случайным образом генерируем исходный набор бинарных кодов комплектов оборудования. Декодируем их значения из двоичного к вещественному виду (таблица 1) и определяем количество оборудования в каждом комплекте.
С Начало 3
Q Конец )
Рис. 2. Алгоритм подпрограммы подбора оборудования с применением ГА
При помощи моделирования работы ПТО с каждым комплектом определяем приспособленность каждого решения и в зависимости от его величины упорядочиваем набор кодов. Вычисляем среднюю по набору приспособленность. Опираясь на нее, назначаем вероятность, с какой каждый комплект оборудования, обладающий приспособленностью выше среднего уровня, может принять участие в изменении.
При этом для каждого изменяемого комплекта есть две возможности - либо просто быть скопированным в следующее поколение (доля лучших комплектов составляет 0,1 от числа изменяемых), либо подвергнуться воздействию операторов модернизации в процессе генерирования новых комплектов (вероятность применения пересечения кодов - 0,9, простое изменение кода - 0,1). Принцип работы операторов модернизации представлен на рис. 3.
Коды изменяемых Коды полученных
I ¿71 ч\ШШШШЩ I 7¡'^ПтЩ^Гг^ Л
Рис. 3. Операторы модернизации комплектов оборудования с применением ГА
Ясно, что поскольку оно получено от лучших комплектов, то его приспособленность должна быть также высокой. Не вызывает сомнений, что, блокируя слабо приспособленным комплектам возможность изменятся, мы увеличиваем или, по крайней мере, не уменьшаем
Количество обо- Порядковое обо- Двоичный Код Грея
рудования значение код
1 0 000 000
2 1 001 001
3 2 010 011
4 3 011 010
5 4 100 110
6 5 101 111
7 6 110 101
8 7 111 100
Наименование оборудования Кол-во Соответствующий код количества оборудования
Стенд контроля тормозных систем 2 001
Прибор контроля люфта рулевого управления 3 010
Прибор проверки внешних световых приборов 2 001
Газоанализатор 3 010
Дымомер 1 000
Течеискатель-сигнализатор горючих газов 1 000
44
ВЕСТНИК КГУ, 2007. №4
среднюю по набору приспособленность.
Работу алгоритма прекращаем при достижении набора комплектов состояния адаптации, при котором различия между комплектами оборудования по приспособленности будут менее 5%. Пересечение как механизм изменчивости теряет в таких условиях свою силу - при скрещивании идентичных кодов полученный код ничем не будет отличаться ни от одного из них. Простое изменение будут по-прежнему модифицировать получаемые комплекты, тестируя все новые и новые точки поискового пространства, но безуспешно - лучше найденного решения нет, и потомки не смогут даже втиснуться в сформированный набор комплектов.
Список литературы
1. Генетические алгоритмы, искусственные нейронные сети и проблемы
виртуальной реальности / Г.К. Вороновский, К.В. Махотило,
С. Н. Петрашев и др. - Харьков: ОСНОВА, 1997. - 112 с.
О.Ф.Данилов, К.С. Шахов
Тюменский государственный нефтегазовый университет, г. Тюмень
АНАЛИЗ ФАКТОРОВ, ХАРАКТЕРИЗУЮЩИХ ДОРОЖНО-ТРАНСПОРТНЫЕ СИТУАЦИИ
Эксплуатация автомобильного транспорта неразрывно связана с проблемами обеспечения безопасности движения. Проведенный анализ динамики аварийности в России за последние шесть лет показал достаточно тревожное положение. Ежегодно в нашей стране количество дорожно-транспортных происшествий (ДТП) и число раненых в них неуклонно растет.
Аналогичная ситуация наблюдается в городе Тюмени. За последние 6 лет отмечен значительный рост показателей аварийности. Резкий скачек наблюдается в 2003 году: количество ДТП и количество раненых возросли более чем в 2 раза. Число погибших увеличилось в 2006 году на 18,75% по сравнению со средним показателем с 2000 по 2005 года. Проводя анализ аварийности по видам ДТП, важно отметить, что более половины из них связана с наездами на пешеходов (около 51 %), из них около 18 -20 % наездов произошло в условиях ограниченной обзорности.
Анализ методик позволил выделить две концепции решения вопроса о наличии либо отсутствии у водителя технической возможности предотвращения дорожно-транспортного происшествия в условиях ограниченной обзорности.
Первая концепция: путем сравнения расстояния (Эа), на котором находилось транспортное средство от места наезда в момент обнаружения пешехода, с остановочным путем (Эо) транспортного средства в данных дорожных условиях.
Вторая концепция: вывод о наличии либо отсутствии технической возможности производится путем сравнения рассчитанной величины расстояния (Эпо), на котором находился пешеход (велосипедист), от места наезда в момент, когда автомобиль от места наезда находился на расстоянии, равном своему остановочному пути, со значением расстояния (Эпв) от пешехода (велосипедиста) до места наезда в момент открытия видимости пешехода (велосипедиста) с рабочего места водителя.
Вместе с тем, следует отметить, что четких рекомендаций о применении той или иной концепции в литературных источниках не содержится. В связи с чем необхо-
димо систематизировать все многообразие факторов, которые характеризуют дорожно-транспортные происшествия (ситуации) в условиях ограниченной обзорности, сточки зрения математического аппарата, применяемого для решения вопроса о наличии либо отсутствии технической возможности предотвращения ДТП.
Анализ факторов, влияющих на формирование математического аппарата, позволил выделить следующие:
• момент возникновения опасной ситуации;
• направление движения пешехода: слева направо; справа налево; перпендикулярно либо под иным углом относительно края проезжей части;
• место нанесения удара: передней или боковой частью транспортного средства совершено ДТП;
• значение скорости движения транспортного средства;
• режим движения транспортного средства: в торможении или без торможения совершено ДТП.
Оценивая каждый из вышеуказанных факторов, можно прийти к следующим выводам:
1. Моментом возникновения опасной обстановки в данном случае является момент обнаружения пешехода (препятствия), а при всех иных вариантах решение задачи превращается в обычную задачу без учета ограничения обзора. Таким образом, данный фактор исключаем.
2. Направление движения пешехода (препятствия) слева направо либо справа налево принципиального значения не имеет, а вот движение пешехода перпендикулярно либо под иным другим углом к краю проезжей части необходимо учитывать.
3. Место нанесения удара для проведения расчетов имеет существенное значение, так как при ударе боковой частью необходимо учитывать расстояние от передней части до места нанесения удара.
4. Превышение скоростного режима, т.е. когда установлено, что в условиях происшествия транспортное средство двигалось со скоростью, значение которой больше, чем разрешено на данном участке в соответствии с Правилами дорожного движения, имеет существенное значение, так в данном случае необходимо устанавливать причинную связь между фактом превышения скорости и фактом совершения ДТП.
5. Режим движения транспортного средства в торможении или без торможения с точки зрения применяемого математического аппарата также имеет существенное значение, поскольку за одни и тем промежутки времени транспортное средство будет преодолевать разные участки, по-разному меняя положение относительно объекта, ограничивающего обзорность.
Таким образом, на все многообразие различных ситуаций влияют четыре фактора, представленные в виде структурной схемы (см. рис. 1).
В зависимости от конкретной ситуации каждый элемент матрицы характеризует определенный фактор и условно может принимать значения либо 0, либо 1. Например, элемент А„= 0 при условии, что до наезда транспортное средство двигалось без торможения, или А^= 1 при условии, что наезд совершен в торможении.
Следовательно, учитывая, что каждый из четырех элементов матрицы может принимать два значения, максимальное количество сочетаний и соответственно возможных дорожно-транспортных ситуаций в условиях ограниченной обзорности составит:
N = 2С\ +С2А +С\ = 2*4 + 6 + 2 = 16.
Далее четыре фактора объединяем в матрицу, представленную на рис 2.
