Презентация, подготовленная для выступления на IV международной научно-практической конференции молодых учёных «Современная информационная Украина: информатика, экономика, философия», ГУИиИИ, Донецк, 13—14 мая 2010 г.
Приближенный метод решения практических задач рационального раскроя на основе...Victor Balabanov
Презентация, подготовленная для выступления на I всеукраинской научно-технической конференции студентов, аспирантов и молодых учёных «Информационные управляющие системы и компьютерный мониторинг», ДонНТУ, Донецк, 19—21 мая 2010 г.
Эволюционный подход к оптимизации раскроя рулонных материаловVictor Balabanov
Презентация, подготовленная для выступления на XII международной научно-технической конференции «Системный анализ и информационные технологии», НТУУ «КПИ», Киев, 25—29 мая 2010 г.
ЭЛЕМЕНТЫ ИСКУСТВЕННОГО ИНТЕЛЛЕКТА ПРИ ПРОГРАММИРОВАНИИ. (http://tuladev.net/e...Pavel Tsukanov
Видео на http://tuladev.net/events/128
Расскажу про нейронные сети, генетические алгоритмы, машинное зрение и нечёткую логику. Всё с реальными примерами. Подискутирую что-же такое ИИ (как же без этого :) ). Если хотите услышать что ещё оставляйте свои комментарии. На самом деле тема обширная, можно рассказать о многом, главное начать.
Приближенный метод решения практических задач рационального раскроя на основе...Victor Balabanov
Презентация, подготовленная для выступления на I всеукраинской научно-технической конференции студентов, аспирантов и молодых учёных «Информационные управляющие системы и компьютерный мониторинг», ДонНТУ, Донецк, 19—21 мая 2010 г.
Эволюционный подход к оптимизации раскроя рулонных материаловVictor Balabanov
Презентация, подготовленная для выступления на XII международной научно-технической конференции «Системный анализ и информационные технологии», НТУУ «КПИ», Киев, 25—29 мая 2010 г.
ЭЛЕМЕНТЫ ИСКУСТВЕННОГО ИНТЕЛЛЕКТА ПРИ ПРОГРАММИРОВАНИИ. (http://tuladev.net/e...Pavel Tsukanov
Видео на http://tuladev.net/events/128
Расскажу про нейронные сети, генетические алгоритмы, машинное зрение и нечёткую логику. Всё с реальными примерами. Подискутирую что-же такое ИИ (как же без этого :) ). Если хотите услышать что ещё оставляйте свои комментарии. На самом деле тема обширная, можно рассказать о многом, главное начать.
Построение рациональных планов продольного раскроя рулонных материалов на осн...Victor Balabanov
Презентация для доклада на конференции «Современные тенденции развития информационных технологий в науке, образовании и экономике», Украина, Луганск, 15 — 17 апреля 2010 г.
Оптимизация раскроя рулонного металлопроката на слиттереVictor Balabanov
Презентация для доклада на конференции «Современный электропривод, информационные технологии и системы автоматизации», Украина, Краматорск, 25 — 27 марта 2009 г.
Построение рациональных планов продольного раскроя рулонных материалов на осн...Victor Balabanov
Презентация для доклада на конференции «Современные тенденции развития информационных технологий в науке, образовании и экономике», Украина, Луганск, 15 — 17 апреля 2010 г.
Оптимизация раскроя рулонного металлопроката на слиттереVictor Balabanov
Презентация для доклада на конференции «Современный электропривод, информационные технологии и системы автоматизации», Украина, Краматорск, 25 — 27 марта 2009 г.
Community detection (Поиск сообществ в графах)Kirill Rybachuk
Моя презентация по кластеризации графов, прочитанная на курсах newprolab в Digital October весной 2015 года. Назначение: ликбез по основным подходам, метрикам и алгоритмам. Также приведено кое-что из наших наработок в DCA.
1. Двоичная система счисления, перевод чисел, битовое представление.
2. Шестнадцатеричная система счисления.
3. Хранение знака: знак в старшем бите (наивный способ).
4. Арифметика по модулю и двоичный дополнительный код.
5. Переполнение.
6. Двоично-десятичный код, Packed BCD.
7. Символы и кодировки: от ASCII к Unicode.
8. Строки, базовые способы их представления.
9. Операции со строками.
10. «Веревки» — альтернативный способ представления строк.
11. Сериализация и десериализация. Пример: сериализация массива чисел переменной длины.
12. Двойственность порядка байт: little-endian и big-endian.
Об одном подходе к реализации генетического алгоритма для решения сложных задач рационального раскроя
1. «Об одном подходе к реализации
генетического алгоритма для решения
сложных задач рационального раскроя»
Виктор Балабанов
аспирант кафедры «Автоматизированные системы управления»
Донецкий национальный технический университет
IV международная научно-практическая конференция молодых учёных
«Современная информационная Украина: информатика, экономика, философия»
ГУИиИИ, Донецк, 13—14 мая 2010 г.
3. Технология производства сварных труб
• в качестве исходного материала используется стальная
холоднокатаная и горячекатаная полоса в рулонах
шириной от 500 до 2350 мм и весом до 20 т
• рулоны раскраиваются на узкую ленту заданной ширины
• плоская лента сворачивается в цилиндрическую трубную
заготовку (формовка)
• кромки сформованной трубной заготовки сближаются
между собой и свариваются в сварочном узле
• труба калибруется по диаметру и режется на мерные
длины, также возможны различные варианты отделки
(отжиг, правка, зачистка торцов и т.д.)
4. Технологическая схема производства
1 — размотка рулона; 2 — сварка концов двух рулонов; 3 — накопление петли; 4 — зачистка поверхности ленты;
5 — обрезка кромок; 6 — формовка; 7 — сварка сформованной трубы; 8 — резка на мерные длины;
9 — контроль качества шва; 10 — отжиг; 11 — правка; 12 — холодная прокатка; 13 — волочение;
14 — гидравлическое испытание; 15 — резка на мерные длины; 16 — зачистка торцов.
5. Упрощенная функциональная модель
Цех
заказ задание на выпуск
партии труб партии труб
пересчет от массы партии
Отдел продаж
труб к длине ленты
перечень рулонов
составление плана раскроя
план раскроя
отгрузка
партии труб рулоны
Склад раскрой рулонов
лента
готовая труба
производство и отделка
трубы
6. Постановка задачи
Проблема: значительная материалоемкость производства
Способы решения:
• совершенствование технологии в целом*
• улучшение работы отдельных агрегатов линии*
• рациональное использование исходного материала
*— требуются значительные капиталовложения, следует
учитывать износ оборудования, уровень организации
производства, текущую экономическую конъюнктуру и т.д.
7. Продольный раскрой рулонов
• Используются специализированные линии продольной
резки, также называемые слиттерами
• Все резы выполняются от края до края, параллельно
боковой кромке исходной полосы.
8. Оптимизация продольного раскроя
Тривиальное решение (используется в настоящий момент):
последовательно заполняем площадь рулона лентой, не
превышая его ширины.
Желтым цветом обозначена лента, которая затем будет
использована для изготовления труб, красным — отход.
9. Структура допустимого решения задачи
Продолжаем формировать план, включая в раскрой новые
рулоны, пока все заказы на ленту не будут выполнены:
Раскройная карта: задает способ раскроя рулона (ширину
и количество полос каждого вида)
План раскроя: перечень всех используемых
раскройных карт
10. Задача рационального раскроя
• относится к NP-полным задачам дискретной оптимизации
комбинаторного типа
• впервые формализована в терминах целочисленного
линейного программирования Л. В. Канторовичем в 1939 г.
Z = min ∑ xk
k
∑a
k
ik xk ≥ d i
xk ∈ Ζ +
i ∈ { , , m} k ∈ { , , P}
1 1
11. Методы решения
• Точные (на основе общей схемы метода ветвей и границ,
метод отсечений, динамическое программирование);
• Приближенные эвристические (отложенная генерация
столбцов, последовательные эвристические процедуры,
конструктивные эвристики);
• Приближенные метаэвристические (имитация отжига,
поиск с запретами, GRASP, эволюционные, муравьиные и
роевые алгоритмы).
14. Многокритериальная задача
• Первый критерий Z1: минимизировать потери материала в
отход;
• Второй критерий Z2: за счет многократного использования
раскройных карт сократить общее число уникальных карт
в плане раскроя;
• Может быть сформулирована как задача целочисленного
нелинейного программирования;
• Для упрощения решения возможно сведение к
однокритериальной задаче посредством скаляризации:
Z * = C1Z1 + C2 Z 2
15. Математическая формулировка
Z = (Z1 , Z 2 ); Z1 = min ∑∑ Tik
Wi − ∑ a jk w j ; Z 2 = min ∑ δ ∑ Tik
k i j k i
∑∑ T
k i
ik a jk Li ≥ l j
1, если рулон i кроится по способу k
Tik =
0, в противном случае
1, если ∑i Tik > 0
δ ∑ Tik =
i 0, в противном случае
i ∈ { , , m} j ∈ { , , n} k ∈ { , , K }
1 1 1
16. Эволюционные алгоритмы
• Предложены в середине 1960-х годов и реализуют
некоторые базовые идеи эволюционной теории Дарвина,
заимствуется соответствующая терминология.
• Решения оптимизационной задаче представляются в виде
последовательностей фиксированной или переменной
длины, часто используются иерархические структуры.
• На каждой итерации алгоритм работает с одним или
несколькими решениями.
• Целевая функция определяет «приспособленность»
решений.
• Существуют различные модификации: ЭП, ЭС, ГА, ГП.
17. Генетический алгоритм
начало А
инициализировать
мутация
начальную популяцию
Б
отсортировать хромосомы сформировать новую
по приспособленности популяцию
нет
селекция останов Б
да
выдать
скрещивание
решения
А конец
18. Выбор способа представления решений
план раскроя состоит из раскройных карт (р.к.)
...
X1 X1 X2 X1 X1 X2 X2 X1
р.к. 1 р.к. 2 р.к. 6
хромосома состоит из генов
(1; 1; 2) (1; 1; 2) ... (0; 2; 1)
ген 1 ген 2 ген 6
раскройная ген план хромосома
карта раскроя
19. Инициализация начальной популяции
• Для генерации раскройной карты необходимо решить
задачу рюкзачного типа
Z ' = max ∑ w j x j
j
∑w x
j
j j ≤ Wi
• Из полученных в результате решения вспомогательной
задачи раскройных карт последовательно составляется
план раскроя
• План раскроя преобразуется в хромосому, которая затем
добавляется в начальную популяцию
23. Тестирование
• Тестовые задачи формировались с учетом промышленных
объемов выпуска электросварных труб
• Реализованный подход позволяет находить планы раскроя,
удовлетворяющие требованиям реального производства
• Время, затраченное на поиск решения, обычно находится в
пределах одной-двух минут для Intel(R) Core(TM)2 Duo
T5800 @ 2.00 GHZ и 2 GB RAM
• Эффективность гибридного генетического алгоритма в
значительной степени зависит от качества раскройных
карт, генерируемых при помощи вспомогательной
процедуры
24. Направления дальнейших исследований
• Реализация генетического алгоритма для поиска Парето-
оптимальных решений многокритериальной задачи
• Разработка полноценного пользовательского интерфейса
• Внедрение системы планирования на ДМЗ
• Релиз свободно распространяемой программной
библиотеки с открытым исходным кодом, снабженной
документацией и примерами
• Предложенный подход может быть использован для
решения родственных задач рациональной упаковки и
размещения, календарного планирования и т.д.