Об одном практическом способе решения транспортной задачи с экологическим критерием

Бесплатный доступ

Рассмотрен алгоритм решения транспортных задач с так называемым экологическим критерием, когда транспортные расходы состоят из тарифной части, пропорциональной количеству перевозимого груза, а также из не зависящих от этого постоянных «штрафных» добавок. Исходя из априорных интегральных оценок соотношения между оценками этих двух частей транспортных расходов предлагается предварительно оценить количественную роль «штрафной» компоненты и степень необходимости строить специальный план с ее учетом. Если учет этой компоненты существенен, то предлагается получить цепочку последовательных решений классических транспортных задач с перестраиваемыми ценами до момента ее зацикливания (повторения). После этого остается выбрать наилучший план, который либо оказывается оптимальным, либо близок к нему и может быть получен за несколько шагов, например, распределительным методом. Исследовано применение этой процедуры при изменении ряда параметров транспортной задачи: относительной доли интегрального вклада штрафов, структуры таблицы штрафов, а также мощностей и емкостей.

Еще

Целевая функция, стоимость перевозки, оптимальный план, корректирующий цикл

Короткий адрес: https://sciup.org/148325657

IDR: 148325657   |   DOI: 10.18101/2304-5728-2022-3-3-13

Текст научной статьи Об одном практическом способе решения транспортной задачи с экологическим критерием

Рассмотрим некоторые возможности практического решения транспортной задачи (ТЗ) с «экологическим критерием» [1] (в других формулировках это «ТЗ с фиксированными доплатами», «неоднородная ТЗ» и т. д.). Суть задачи заключается в том, что помимо «сдельной» (тарифной) составляющей, пропорциональной тарифам за каждую единицу перевозимого груза [2], требуется также оплатить некий «штраф» только за сам факт использования конкретного участка трассы независимо от объема перевозки. Эта задача вызывает интерес в течение многих десятиле-тий 1 [3–11]. Однако известны лишь приближенные и часто достаточно сложные способы решения, причем некоторые из них по своим объемам сравнимы с прямым перебором всех вариантов планов, из-за чего они порой представляют чисто академический интерес.

Основная часть

В целях решения таких задач на практике для начала предлагается оценить, насколько существенно введение «штрафов» в конкретной задаче может повлиять на ее решение в виде обычной ТЗ только с транспортными «тарифной» ( C ) и без «штрафной» ( D ) составляющих по всей таблице (рассматривать эти вклады для каких-то отдельных частей таблицы не имеет смысла, поскольку оптимальные планы задачи не найдены и могут касаться различных частей таблицы). Введем следующий интегральный показатель:

_ E n = i Е m = 1 ^ min4, B )

-Rn =                                     .

0      nm

Ew E j = i d i,j

Здесь Ai , i =1÷ n — мощности поставщиков;

B j , j =1÷ m — емкости потребителей.

Целесообразно также использовать отношения характеристик «тарифной» и «штрафной» составляющих по каждой клетке таблицы:

ci j *min( Ai , Bj )

R. . = —,-------------и оперировать их средними значениями:

  • i ,    j                     di , j
    R

    i , j


    n mR

    Z—ii = 1 Z—ij = 1 i , j


    n * m

    и среднеквадратичными отклонениями (СКО):


2 0,5

EnE^Ry-R^

по всем клеткам таблицы.

n * m

Если эти интегральные (средние) характеристики существенно больше единицы, т. е. «штрафная» составляющая относительно невелика, то можно решать классическую ТЗ, задав только несколько измененные (модифицированные) тарифы:

dij cmi j = ci j +----,—r.

Можно использовать оптимальный план классической ТЗ также и в случае, если СКО «штрафной» компоненты существенно меньше, чем СКО «тарифной» компоненты.

В противном случае влияние «штрафной» составляющей значительно и должно учитываться иным образом при выборе оптимального плана. Начав с решения ТЗ с теми же измененными тарифами, далее будем (мно- гократно) повторять такие классические решения ТЗ, каждый раз пере- считывая модифицированные тарифы по правилу:

c

i, J где xij — перевозка, назначенная в последнем плане в ячейку с адресом (i, J) [1].

Эта процедура относится к ячейкам транспортной таблицы оптимального плана. Исследуем применение этой процедуры, изменяя в задачах: а) относительную долю интегрального вклада штрафов;

  • б)    размер таблиц;

  • в)    структуру таблицы штрафов;

  • г)    структуру партнеров, их емкости и мощности.

В качестве первого примера рассмотрим следующую транспортную задачу (табл. 1):

Таблица 1

Ai\Bj

9

18

23

16

9

20

4

45

7

29

22

5

39

3

50

6

36

12

1

60

8

22

2

54

На примере тарифов, заданных в левых верхних углах ячеек, и исходных штрафов (в правых нижних углах ячеек табл.1) с различными значениями пробного коэффициента к по правилу:

cm j

d

= С +Tjv min (AiBj)

строились условные модифицированные тарифы cmi , j , для которых делались оценки параметров сравнения Ro и Ri,j , а также находились начальные оптимальные планы для классической ТЗ с оценкой соответствующей тарифной составляющей.

В таблице 2 пошагово представлена процедура получения цикла новых планов на основании пересчета модифицированных тарифов при k = 1. Планы первого и третьего шагов совпадают, что позволяет остановить процесс, выбрав в качестве наилучшего результат второго шага. Наряду с этим в таблице 2 в скобках представлены оптимальный план и полная стоимость перевозок (412).

Таблица 2

k

1

R o

1.738

R

2.244±1.607

в

в

Ai\Bj

9

18

23

16

11.222

6.813

15

8.813

1

22

9.333

5.778

2

7.636

20

12

7.667

9

9.833

6.5

3

C o +D o

205+255=450

В в св В в

16

11.222

(5)

6.813

16

8.813 (11)

22

9.333 (4)

28

(18)

7.8

22

12

7.667

9

9.833

6.5

3 (12)

C o +D o

232+192=424 (412)

в св В в

16

1.222

7

16

36

22

9.333

5.778

2

7.636

20

12

7.667

9

15.333

6.5

3

C o +D o

205+255=450

С целью иллюстрации влияния амплитудного фактора доли штрафной компоненты при неизменной структуре таблицы штрафов в табл. 3 представлены аналогичные цепочки расчетов для k =25, 0.5, 0.25 по столбцам.

Таблица 3

k

25

0.5

0.25

R o

43.5

0.9

0.4

R

56.1±40.1

1.1±0.8

0.6±0.4

в

Ai\Bj

9

18

23

9

18

23

9

18

23

16

16

9

7

9

6

1

22

2

20

11

11

22

12

9

3

12

12

C o +D o

205+10=215

232+410=642

340+608=948

в св В в

16

16

16

9

7

22

2

20

9

13

2

12

9

3

5

7

11

1

C o +D o

205+10=215

250+388=638

331+708=1039

cd в в

16

16

16

9

7

22

2

20

22

6

16

12

9

3

9

2

1

12

C o +D o

205+10=215

223+434=657

340+628=968

в св В в

16

15

1

9

7

22

22

2

12

9

3

11

1

C o +D o

232+384=616

331+708=1039

cd в в

16

9

7

22

11

11

12

12

C o +D o

232+410=642

Здесь предполагается, что классическая ТЗ с критерием цен легко решается с помощью стандартной процедуры, например, методом «потенциалов». Можно использовать также и другие способы, например, стандартную процедуру « minimize » пакета Mathcad [12].

Как и следовало ожидать, параметры сравнения составляющих C/D Ro и Ri,j имеют тот же порядок, что и задаваемый амплитудный фактор k , отличаясь примерно в 2–3 раза, а найденные таким способом планы перевозок существенно изменяются. При этом увеличивается тарифная составляющая C , которая перестает быть доминирующей при выборе оптимального плана.

Таким образом, по крайней мере, в последних двух случаях ( k ≥ 2; R o ≤ 0.9; R ≤ 1.1±0.8) требуется по-новому проводить процедуру поиска наилучших планов.

Анализируя результаты представленных в столбиках трех ТЗ с различными значениями k , можно заметить, что в каждой из них наблюдаются цепочки циклических повторений ситуаций различной длины, на которых можно найти наилучший план перевозок, наиболее близкий к оптимальному.

Аналогично в таблице 4 рассмотрена такая же задача большей размерности (4*4) , а в скобках представлен оптимальный план с полной стоимостью перевозок 1636.

Таблица 4

Ai\Bj

28

20

12

20

15

9

120

24

3 (3)

20

16

12 (12)

50

18

40

22

17

10 (2)

40

8

120

19

30

14

12 (20)

60

25

15

(8)

60

12

17 (17)

80

21

20

13

8

70

18

11

18 (18)

90

15

60

17

40

10

100

Анализ полученных решений показывает, что при k ≤ 0.05 влияние штрафной компоненты можно не учитывать. При изменении значений k предложенная процедура приводит к появлению циклов повторяющихся ситуаций различной длины, из которых можно выделить наилучший план с минимальной полной стоимостью перевозок ( C o +D o); длина этих циклов не обнаруживает регулярной связи с априорным соотношением тарифной и штрафной компонент C/D (параметр k ).

Количество используемых шагов при этом несравнимо меньше, чем потребовалось бы при прямом переборе всех планов перевозок. Например, при R o = 2.15; R = 3.21±2.3 до появления повторяющейся ситуации, позволяющей остановить вычислительную процедуру (выделена жирным шрифтом во второй строке табл. 5), требуется сделать 12 шагов. Для этого случая по причине громоздкости полного аналога таблиц 2, 3 в таблице 5 для каждого из этих шагов приведены лишь расчеты двух компонент: C o и D o и полные значения расходов на перевозку S Σ без указания самих промежуточных планов ( C o /D o = 1108/670 = 1.65). Оптимальный план указан жирным курсивом в табл. 5. В то же время при R o= 1075 и R = 1607±1149 требуется только 4 шага и окончательное соотношение C o /D o = 1171/1100 = 1.06.

Таблица 5

C o

D o

C o +D o

977

830

1807

1108

670

1778

1112

790

1902

941

870

1811

1111

830

1941

1256

550

1806

944

990

1934

1027

830

1857

1813

710

2023

1087

710

1797

1034

1010

2044

1087

710

1797

Наконец, в таблице 6 представлено получение циклических процедур для двух различных структур таблицы штрафов при общей таблице тарифов. Наилучший план со штрафами, представленными выше дроби, совпадает с оптимальным, в то время как наилучший план со штрафами ниже дроби отличается от оптимального под дробью в скобках и дающего общую стоимость 679.

Таблица 6

Ai\Bj

19

5

12

11

16

8

11/16 /(16) 30/59

5

5/ 40/63

10

50/74

9

25/129

10

6

1/

34/70

11

30/22

7

60/61

5

9/10( 10 )

48/38

14

12

/1

58/70

13

/( 1 ) 38/31

9

12/12 ( 12 )

62/55

10

2/1( 1 )

51/63

7

7

7/2( 3 )

45/49

6

/5( 4 )

53/23

14

30/34

9

55/73

Для первого варианта системы штрафов (фактор априорного отношения компонент C/D : R o=1.40 ( R =1.86±1.53)) задача решается за три шага (левая половина табл. 7):

Таблица 7

C o

D o

C o +D o

C o

D o

C o +Do

341

310

651

352

357

709

345

308

653

369

349

718

341

310

651

352

357

709

Если полностью изменить матрицу штрафов (их значения представлены в табл. 6 через дробь в правых нижних углах ячеек), сохранив на прежнем уровне фактор C/D : R o = 1.42 ( R = 3.2±2.3), то задача решается также за три шага с наилучшим планом, получаемым на первом шаге (правая половина табл. 7).

Два варианта задачи, различающиеся только структурой мощностей производителей и емкостей заказчиков, дают совершенно различные планы, причем оба на первом шаге процедуры с цепочкой из трех шагов (левая ( R o= 1.64; R = 1.76±1.04) и правая ( R o= 2.08; R = 2.16±0.99) половины табл. 8).

Таблица 8

Ai\Bj

19

5

12

11

Ai\Bj

8

20

11

16

16

6

16

39

8

40

9

39

10

68

12

6

8 (8)

39

8

2(4)

40

9

2

39

10

68

10

8

30

7

33

6

6

38

7

4

50

10

8

30

7

33

6 9(9) 38

7

1(1)

50

14

6

3

33

5

5

45

10

6

25

9

60

18

6

33

5 18(1 6)

45

10

(2)

25

9

60

7

5

38

9

30

8

35

5

7

66

15

5

38

9

30

8

35

5

15(15)

66

С o +D o = 298+296 =594         С o +D o = 308+317 = 625

Здесь также наилучший план задачи в левой части таблицы 8 совпадает с оптимальным, в то время как наилучший план задачи в правой части отличается от оптимального, представленного в скобках и дающего общую стоимость перевозок 613 .

Следует отметить, что по девяти рассмотренным задачам отношение «штрафной» части к «тарифной» С o /D o тесно коррелирует ( r ≥0.9) с аналогичным отношением интегральных частей из априорных расчетов С/D : ln [ С o /D o]=0.8* ln [( С/D )]-0.3. Это указывает на уменьшение относительной доли тарифной части расходов в наилучших найденных планах D o по сравнению с априорными интегральными оценками, поскольку некоторые участки выгоднее использовать с их неполной загрузкой

( xLj < min ( A , j

Такая связь может позволить найти оценки отношения этих составляющих еще до получения самих планов решения задачи.

Заключение

Таким образом, предложенный путь решения транспортной задачи с экологическим критерием, носящий до некоторой степени эвристический характер, заключается в следующем:

Исходя из простых априорных интегральных оценок отношения «штрафной» части к «тарифной», если оно составляет более нескольких процентов (например, около 5% для задач (3*3) и 1% для задач (4*4)), то предлагается получить цепочку последовательных решений для планов классических транспортных задач с измененными тарифами (ценами) до момента зацикливания (повторения ситуаций), после чего следует выбрать среди них наилучший план и при необходимости уточнить его, например, распределительным методом.

Список литературы Об одном практическом способе решения транспортной задачи с экологическим критерием

  • Ассаул В. Н., Погодин И. Е. О транспортной задаче с экологическим критерием // Экономика и математические методы. 2019. Т. 55, № 2. С. 58-64. Текст: непосредственный.
  • Канторович Л. В. О перемещении масс // Доклады Академии наук СССР. 1942. Т. 37. С. 227-229. Текст: непосредственный.
  • Бирман И. Я. Оптимальное программирование. Москва: Экономика, 1968. 231 с. Текст: непосредственный.
  • Корбут А. А., Финкельштейн Ю. Ю. Дискретное программирование. Москва: Наука, 1969. 368 с. Текст: непосредственный.
  • Поляк Р. А. Об одной неоднородной транспортной задаче // Математические модели и методы оптимального планирования: сборник статей. Новосибирск: Наука, 1966. С. 109-115. Текст: непосредственный.
  • Седова С. В., Лебедев С. С. Решение одной задачи размещения с использованием узловых векторов разрешающих множителей // Экономика и математические методы. 1999. Т. 35, № 3. С. 116-121. Текст: непосредственный.
  • Седова С. В., Лебедев С. С. Метод узловых векторов целочисленного программирования. 2. Задачи специального вида: препринт ЦЭМИ. WP/2000/094. 2001. 88 с. Текст: непосредственный.
  • Сигал И. Х., Иванова А. П. Введение в прикладное и дискретное программирование: модели и вычислительные алгоритмы. Москва: Физматлит, 2007. С. 45-49. Текст: непосредственный.
  • Фролькис В. А. Введение в теорию и методы оптимизации для экономистов. Санкт-Петербург: Питер, 2002. 320 с. Текст: непосредственный.
  • Хоанг Туй. Вогнутое программирование при линейных ограничениях // Доклады Академии наук СССР. 1964. Т. 159, № 1. С. 32-35. Текст: непосредственный.
  • Balinski M. L. Fixed Cost Transportation Problem // Naval Res. Log. Quart. 1961. Vol. 8, N. 1. P. 41-54.
  • Кирьянов Д. В. Mathcad 12 в подлиннике. Санкт-Петербург: БХВ-Петербург, 2005. 557 с. С. 192-193. Текст: непосредственный.
Еще
Статья научная