В статье описана реализация эволюционно-имитационного алгоритма в системе моделирования процессов металлургического предприятия. В основе алгоритма лежит метод мультиагентной генетической оптимизации, предложенный авторами в предыдущих работах. Метод мультиагентной генетической оптимизации предназначен для решения оптимизационных задач, целевая функция которых не формализуется аналитически. Эволюционно-имитационный алгоритм был реализован на языке Java в модуле оптимизации процессов предприятия автоматизированной системы выпуска металлургической продукции. Алгоритм был протестирован при решении задачи оптимизации логистических процессов выпуска металлургической продукции. В ходе тестирования алгоритма были получены рекомендации для пользователя по настройке параметров работы алгоритма. Для достижения быстрой сходимости алгоритма при сохранении точности результата необходимо использовать число хромосом в поколении в размере не менее 6 хромосом и останавливать работу алгоритма при смене не менее чем 10 поколений.
The article describes the implementation of an evolutionary-simulation algorithm in the simulation system of the metallurgical enterprises processes. The algorithm is based on the multi-agent genetic optimization method proposed by the authors in previous works. The multi-agent genetic optimization method is intended to solve optimization problems where the objective function is not formalized analytically. The evolutionary-simulation algorithm has been implemented on Java in the optimization module of the metallurgical enterprise information system. The algorithm has been tested in solving the problem of optimization of the logistics processes of the steel products manufacture. During algorithm testing, recommendations have been obtained for the user to configure the parameters of the algorithm. To achieve the rapid convergence of the algorithm, while maintaining the accuracy of the result, it is necessary to use the number of chromosomes in the generation of at least 6 chromosomes and stop the algorithm when changing at least 10 generations.
1. Аксенов К.А., Антонова А.С., Спицина И.А., Сысолетин Е.Г., Аксенова О.П. Разработка автоматизированной системы анализа, моделирования и принятия решений для металлургического предприятия на основе мультиагентного подхода // Автоматизация в промышленности. – 2014. – № 7. – С. 49-53.
2. Антонова А.С., Аксенов К.А. Генетическая оптимизация при решении задачи планирования проектных работ // Современные проблемы науки и образования. – 2012. – № 6. - URL: http://www.science-education.ru/106-7409 (дата обращения: 13.11.2012).
3. Антонова А.С., Аксенов К.А. Применение мультиагентного и эволюционного моделирования при планировании работ // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. – 2013. - № 6 (186). - С. 126-136.
4. Антонова А.С., Аксенов К.А., Клебанов Б.И., Киселева М.В., Быков Е.А. Анализ систем имитационного моделирования на примере задачи разработки модели технологической логистики // Современные проблемы науки и образования. – 2013. - № 6. - URL: http://www.science-education.ru/113-11342.
5. Бионические информационные системы и их практические применения / под ред. Л.А. Зинченко, В.М. Курейчика, В.Г. Редько. – М. : ФИЗМАТЛИТ, 2011. – 288 с.
6. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. – М. : ФИЗМАТЛИТ, 2003. – 432 с.
7. Оптимизатор OptQuest [Электронный ресурс]. – Режим доступа: http://www.opttek.com/OptQuest (дата обращения: 13.11.2012).
8. Aksyonov K.A., Bykov E.A., Aksyonova O.P., Antonova A.S. Development of real-time simulation models: integration with enterprise information systems // Proceedings of ICCGI 2014: The Ninth International Multi-Conference on Computing in the Global Information Technology, 22-26 June 2014, Sevilla, pp. 45-50.
9. Borodin A., Kiselev Y., Mirvoda S, and Porshnev S. On design of domain-specific query language for the metallurgical industry // Proceedings of 11th Int. Conference BDAS 2015: Beyond Databases, Architectures and Structures: Communications in Computer and Information Science, 26-29 May 2015, Ustron, vol. 521, pp. 505-515.