Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Моделирование процессов принятия решений в сетевых системах обслуживания на основе эволюционных методов

Диссертация: Моделирование процессов принятия решений в сетевых системах обслуживания на основе эволюционных методов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

VI Международной открытой научной конференции «Современные проблемы информатизации в технике и технологиях» (Воронеж, 2001) — региональной научно-технической конференции «Новые технологии в научных исследованиях, проектировании, управлении, производстве» (Воронеж, 20 022 003) — международной конференции CCCY/HTCS 2003 «Современные сложные системы управления», всероссийской научно-технической… Читать ещё >

Содержание

  • ПЕРЕЧЕНЬ УСЛОВНЫХ СОКРАЩЕНИЙ
  • ГЛАВА 1. СЕТИ МАССОВОГО ОБСЛУЖИВАНИЯ И ЭВОЛЮЦИОННЫЕ МЕТОДЫ ПОИСКА ОПТИМАЛЬНЫХ РЕШЕНИЙ
    • 1. 1. Состояние и тенденции развития теории массового обслуживания
    • 1. 2. Анализ эволюционных методов поиска оптимальных решений
    • 1. 3. Постановка задачи выбора оптимальных решений на основе моделей массового обслуживания
  • Цель работы и задачи исследования
  • Выводы
  • ГЛАВА 2. АГЕНТНОЕ ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СЕТЕЙ МАССОВОГО ОБСЛУЖИВАНИЯ
    • 2. 1. Технология агентного имитационного моделирования
    • 2. 2. Алгоритмы имитационного моделирования
    • 2. 3. Статистическая обработка результатов моделирования
  • Выводы
  • ГЛАВА 3. ОПТИМИЗАЦИЯ СеМО НА ОСНОВЕ ЭВОЛЮЦИОННЫХ МЕТОДОВ
    • 3. 1. Выбор критерия оптимальности
    • 3. 2. Разработка способа кодирования хромосомы
    • 3. 3. Вычисление минимального размера популяции
    • 3. 4. Разработка генетических операторов
    • 3. 5. Поколенческий генетический алгоритм
    • 3. 6. Подбор параметров генетического алгоритма
  • Выводы
  • ГЛАВА 4. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ МОДЕЛИРОВАНИЯ И ОПТИМИЗАЦИИ СЕТЕЙ МАССОВОГО ОБСЛУЖИВАНИЯ
    • 4. 1. Структура программного комплекса моделирования и оптимизации
    • 4. 2. Объектно-ориентированное представление модели
    • 4. 3. Модуль графического редактирования модели
    • 4. 4. Графический интерфейс пользователя
    • 4. 5. Анализ результатов моделирования
  • Выводы
  • ГЛАВА 5. РЕЗУЛЬТАТЫ ПРАКТИЧЕСКОЙ АППРОБАЦИИ АЛГОРИТМОВ МОДЕЛИРОВАНИЯ И ОПТИМИЗАЦИИ СеМО
    • 5. 1. Имитационное моделирование СеМО на примере медико-санитарной части ОАО «СГОК»
    • 5. 2. выбор оптимальных стратегий обслуживания материало-потоков зерноперерабатывающего комбината

Моделирование процессов принятия решений в сетевых системах обслуживания на основе эволюционных методов (реферат, курсовая, диплом, контрольная)

АКТУАЛЬНОСТЬ ТЕМЫ

.

Высокая практическая актуальность вопросов совершенствования методов и алгоритмов принятия решений в рамках систем управления объектами производственных и непромышленных отраслей, а также наличие в этой области значительного числа трудноформализуемых факторов требует для их решения применения современных математических методов и программных систем. Среди множества объектов управления следует выделить класс сетей массового обслуживания, функционирующих в условиях сложноструктурированных информационных и материальных потоков. К таким объектам можно отнести транспортные сети, вычислительные сети, сетевые технологические системы, сетевые медицинские системы. Использование в данной области строгих математических моделей и методов ограничено наличием большого числа неконтролируемых источников внешних и внутренних возмущений. Альтернативой аналитическому аппарату анализа здесь являются средства имитационного моделирования. Кроме того, большое количество управляющих параметров и альтернативных структур в рамках таких систем делает актуальным использование эволюционных методов для оптимального управления сетями массового обслуживания.

Таким образом, актуальность темы диссертационной работы продиктована необходимостью дальнейшего развития формализованных средств аппарата моделирования, анализа и оптимизации сетей массового обслуживания с целью повышения эффективности их функционирования.

Тема диссертационной работы соответствует одному из научных направлений Воронежского государственного технического университета «Вычислительные системы и программно-аппаратные комплексы».

ЦЕЛЬ РАБОТЫ.

Целью работы является разработка средств формализованного описания процессов функционирования сетей массового обслуживания, составляющих содержательную основу комплексной имитационной системы анализа, а также моделей и алгоритмов оптимального принятия решений на основе эволюционных методов.

Исходя из данной цели, в работе определены следующие задачи исследования:

• разработка формализованного описания процессов взаимодействия неоднородных потоков заявок в сетях массового обслуживания;

• разработка комплексной имитационной модели анализа процессов функционирования сетей массового обслуживания, реализующей средства адаптации к специфическим особенностям объектной среды;

• разработка моделей оптимального выбора структур потоков заявок, базирующихся на эволюционных методах, для чего осуществить:

• разработку схемы кодирования хромосом возможных решений, функций перехода из пространства представлений в пространство объектов;

• разработку генетических операторов скрещивания и мутации применительно к выбранной схеме кодирования хромосомы;

• анализ вариантов параметров генетического алгоритма и выбор наилучших;

• разработка графической среды построения моделей, визуализирующей структуру исследуемой системы и взаимодействие входящих в нее подсистем;

• разработка программного обеспечения имитационного моделирования, анализа и оптимального управления сетями массового обслуживания.

МЕТОДЫ ИССЛЕДОВАНИЯ Методы исследования основаны на использовании теории массового обслуживания, эволюционных методов, теории вероятностей, дискретной математики, теории графов, вычислительной математики, объектно-ориентированного программирования, компьютерных технологий.

НАУЧНАЯ НОВИЗНА.

В работе получены следующие результаты, характеризующиеся научной новизной:

• формализованное описание процессов взаимодействия неоднородных потоков заявок в сетях массового обслуживания, отличающееся возможностью реструктуризации в условиях воздействия неконтролируемых источников возмущений;

• комплексная имитационная модель процессов функционирования сетей массового обслуживания, позволяющая осуществлять оперативную адаптацию модулей моделирования к специфическим особенностям конкретной объектной области;

• модель принятия решений по оптимальной реструктуризации потоков заявок, отличающаяся реализацией эволюционных методовспециальные схемы кодирования хромосом и обусловленные методом кодирования генетические операторы, а также детерминированный подход к применению оператора мутации и выборочный способ инициализации начальной популяции, повышающие сходимость алгоритма поиска оптимальных решений;

• подсистема графического изображения и редактирования моделей СеМО, обеспечивающая высокую производительность оператора;

• программное обеспечение моделирования, анализа и принятия решений, отличающееся специальной структурой организации содержательных компонент.

ПРАКТИЧЕСКАЯ ЦЕННОСТЬ РАБОТЫ.

В работе предложен комплекс моделей, алгоритмов и программных средств, позволяющий произвести имитационное моделирование и оптимизацию сетей массового обслуживания в различных объектных областях.

Использование данного комплекса в контуре управления производственными, транспортными, вычислительными системами, а также системами непромышленной сферы обеспечивает поиск потенциальных «узких мест» в модели, определение запаса производительности, оптимальное использование имеющихся ресурсов, а также принятие рациональных управленческих решений по проведению реструктуризации с целью повышения качества функционирования систем.

РЕАЛИЗАЦИЯ И ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ РАБОТЫ.

Основные теоретические и практические результаты работы реализованы в виде программного обеспечения, позволяющего осуществить моделирование, оперативный анализ и оптимальное управление сетями массового обслуживания в различных объектных областях. Результаты работы использованы в ОАО «Елецкий крупяной завод».

Ожидаемый годовой экономический эффект, полученный при внедрении результатов диссертации в ОАО «Елецкий крупяной завод», составляет 523 тыс. руб. в ценах 2005 года. Эффект достигается за счет уменьшения времени простоя производственных линий, уменьшения объема отложенного обслуживания, увеличения объема переработки наиболее приоритетных типов сырья.

Кроме того, теоретические результаты исследования используются в учебном процессе кафедры «Автоматика и информатика в технических системах» в дисциплинах «Моделирование систем управления», «Диагностика и идентификация систем управления».

АПРОБАЦИЯ РАБОТЫ.

Основные результаты докладывались и обсуждались на международной научно-практической конференции «Теория активных систем» (Москва, 2001);

VI Международной открытой научной конференции «Современные проблемы информатизации в технике и технологиях» (Воронеж, 2001) — региональной научно-технической конференции «Новые технологии в научных исследованиях, проектировании, управлении, производстве» (Воронеж, 20 022 003) — международной конференции CCCY/HTCS 2003 «Современные сложные системы управления», всероссийской научно-технической конференции «Информационные технологии» (Воронеж, 2005), а также на научных семинарах кафедры автоматизированных и вычислительных систем.

ПУБЛИКАЦИИ.

По результатам исследований опубликовано 14 научных работ. В работах, опубликованных в соавторстве и приведенных в конце диссертации, лично соискателем предложены: в работе [4] - формализованное описание процессов взаимодействия неоднородных потоков заявок в сетевых системах массового обслуживанияв [17,21] - подход к имитационному моделированию сетевых систем со сложным поведением заявокв [19,20,22,23,24] - эволюционный подход к задаче оптимального управления СеМОв [15,16,18,61] -программное обеспечение моделирования, анализа и оптимального управления сетями массового обслуживанияв [2,3] - практическая применимость комплексной имитационной системы моделирования и анализа.

СТРУКТУРА И ОБЪЕМ РАБОТЫ Диссертация состоит из введения, пяти глав, заключения, списка литературы из 127 наименований и трех приложений на 14 страницах. Основная часть работы изложена на 138 страницах, содержит 54 рисунка и 22 таблицы.

Выводы.

1. Технология имитационного моделирования, модели оптимизации и алгоритмические средства моделирования, анализа и оптимизации сетей массового обслуживания, разработанные в предыдущих главах нашли практическую реализацию в специальном программном обеспечении имитационного моделирования, анализа характеристик функционирования таких систем и построения оптимальных расписаний перенастройки обслуживающих приборов;

2. Разработанные структуры данных для эффективного хранения компонентов имитационной модели и манипулирования списками элементов и параметрами модели в оперативной памяти ЭВМ предоставляют возможность эффективной организации процедур прямого и обратного преобразования представления модели между соответствующими полями информационного пространства;

3. Средства модуля графического редактирования модели позволяют наглядно отображать и редактировать элементы модели, связи между ними, осуществлять навигацию по спискам элементов, редактировать параметры всех элементов, что дает возможность значительно повысить эффективность труда оператора при описании модели;

4. Содержательные компоненты пользовательского интерфейса и графические средства отображения структуры объекта моделирования, комплекс отчетов в виде графиков и диаграмм для анализа накопленной в процессе моделирования статистической информации, а также средства поиска оптимальных графиков перенастройки обслуживающих приборов — позволяют качественно осуществить анализ структурно-функциональных характеристик объекта моделирования и разработать эффективные стратегии принятия оперативных управленческих решений.

ГЛАВА 5. РЕЗУЛЬТАТЫ ПРАКТИЧЕСКОЙ АППРОБАЦИИ АЛГОРИТМОВ МОДЕЛИРОВАНИЯ И ОПТИМИЗАЦИИ СеМО.

5.1. Имитационное моделирование СеМО на примере медико-санитарной части ОАО «СГОК».

Медико-санитарная часть открытого акционерного общества «Стойленский горно-обогатительный комбинат» (ОАО «СГОК») предназначена для оказания амбулаторно-поликлинической, лечебно-диагностической, стационарной и скорой помощи не только работающим на данном производстве, но и жителям г. Старый Оскол. Медико-санитарная часть состоит из поликлиники, мощностью 250 посещений в смену, стационара на 120 коек, мощного лечебно-диагностического отделения. Кроме того, при медсанчасти имеется дневной стационар на 40 коек, реанимационное отделение платных услуг и служба скорой помощи. На рис. 5.1 представлена упрощенная структурная схема учреждения.

Рис. 5.1. Упрощенная структура медсанчасти Стойленского ГОКа.

В процессе моделирования был осуществлен анализ поликлиники как отдельного структурного подразделения, т.к. процессы обслуживания пациенто-потоков поликлиническим отделением в большей степени соответствуют формализации методами ТМО и стохастических сетей. Пребывание же пациентов в стационарных отделениях имеет иную специфику и определяется преимущественно тем, что пациенты постоянно находятся в палатах и посещаются врачами, медсестрами и перевозимыми лечебными установками.

ЗАКЛЮЧЕНИЕ

.

Проведенные в рамках диссертации теоретические исследования позволили получить следующие результаты, имеющие прикладное и научное значение:

1. Разработано формализованное описание процессов взаимодействия неоднородных потоков заявок в сетях массового обслуживания.

2. Предложена комплексная имитационная модель процессов функционирования сетей массового обслуживания, реализующая технологию агентного моделирования.

3. Разработана модель оптимального управления сетями массового обслуживания путем рациональной перенастройки обслуживающих приборов и рекструктуризации потоков заявок.

4. Разработан метод кодирования хромосом возможных решенийфункции перехода из пространства представлений в пространство объектовгенетические операторы, соответствующие специфике решаемой оптимизационной задачи.

5. Разработан генетический алгоритм, отличающийся детерминированным подходом к применению оператора мутации и выборочным способом инициализации начальной популяции, что повышает генетическое разнообразие и предотвращает преждевременную сходимость к локальному экстремуму.

6. На основе созданных моделей и алгоритмов разработано программное обеспечение моделирования, анализа и оптимального управления сетями массового обслуживания.

Основные теоретические и практические результаты работы прошли успешную проверку при моделировании и оптимизации ОАО «Елецкий крупяной завод». Ожидаемый годовой экономический эффект составляет 523 тыс. руб. в ценах 2005 годаон достигается за счет уменьшения времени простоя производственных линий, уменьшения объема отложенного обслуживания, увеличения объема переработки наиболее приоритетных типов сырья.

Показать весь текст

Список литературы

  1. Р.А. Медсанчасть как системный объект управления. -типография ОАО «Стойленский ГОК», 2001. — 163 с.
  2. Е.Е. Оптимизация многоканальных систем управления. -Харьков: Основа, 1996. 288 с.
  3. Д.И. Генетические алгоритмы решения экстремальных задач. Воронеж: ВГТУ, 1995. — 69 с.
  4. Д.И., Исаев С. А. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов / Межвуз. сб. «Высокие технологии в технике, медицине и образовании» Часть 3. Воронеж: ВГТУ, 1997.
  5. Д.И., Исаев С. А., Ремер Е. К. Решение задач нелинейного программирования с помощью генетических алгоритмов. / Тез.докл. на Всеросс. совещании-семинаре «Высокие информационные технологии в региональной информатике» Часть 1. Воронеж: ВГТУ, 1998.
  6. Д.И., Исаев С. А., Ремер Е. К. Эволюционно-генетический подход к решению задач невыпуклой оптимизации. / Тез. докл. на Всеросс. совещании-семинаре «Высокие информационные технологии в региональной информатике» Часть 1. Воронеж: ВГТУ, 1998.
  7. Д.И., Скидкина Л. Н., Трапезникова Н. В. Глобальная оптимизация с помощью эволюционно генетических алгоритмов / Мужвуз. сборник. — Воронеж: ВГТУ, 1994.
  8. Г. П. Массовое обслуживание в телефонии / Г. П. Башарин, А. Д. Харкевич, М. А. Шнепс. М.: Наука, 1968. — 464 с.
  9. С.И. Имитационное моделирование систем массового обслуживания. Горький: ГПИ, 1988. — 52 с.
  10. Боровиков А. А Вероятностные процессы в теории массового обслуживания. М.: Наука, 1972. -288 с.
  11. О.И., Веклеров Е. Б. Об одной управляемой системе обслуживания // Изв. АН СССР. Техн. кибернетика. 1967. — № 5. — с. 101−105
  12. В.Л., Елецких С. В., Титов С. В. Инструментальная система имитационного моделирования и анализа технологических структур производства сыпучих продуктов. М.: ФАП ВНТИЦ, 2001. № госрегистрации 50 200 100 217 от 05.06.2001.
  13. В.Д., Титов С. В. Имитационное моделирование многопрофильного лечебного учреждения на основе разомкнутых стохастических сетей. Научно-техн. журнал «Вестник ВГТУ». Воронеж: ВГТУ, 2002.
  14. В.Л., Титов С. В. Информационная система управления многопрофильным лечебным комплексом. М.: ФАП ВНТИЦ, 2002. № госрегистрации 50 200 200 236 от 13.05.2002.
  15. В.Л., Титов С. В., Оптимизация стохастических сетей эволюционными методами поиска. Сборник научных трудов «Электротехнические комплексы и системы управления». Воронеж: ВГТУ, 2003.
  16. В.Д., Холопкина Л. Б., Райхель Н. Л., Кравец О. Я. Методы моделирования и анализа вычислительных систем. Воронеж: ВГТУ, 1995. -112 с.
  17. М.В. Ситуационное управление в системах массового обслуживания. Киев: Наук, думка, 1991. — 160 с.
  18. М.В. Определение минимальных потерь на ожидание в одноканальной системе массового обслуживания // Автоматика и телемеханика. 1984. -№ 1.-с. 81−85.
  19. В.Н. Автоматизация имитационного моделирования сложных систем. М.: Наука, 1977. — 239 с.
  20. Н.П. Математическое моделирование производственных процессов на цифровых вычислительных машинах. М.: Наука, 1978. 210 с.
  21. Н.П. Моделирование сложных систем. М.: Наука, 1978. -400 с.
  22. Е.Б. Об оптимальных абсолютных динамических приоритетах в системах массового обслуживания // Изв. АН СССР. Тех. кибернетика. 1967. — № 2. — с. 87−90.
  23. Е.С., Овчаров Л. А. Теория случайных процессов и её инженерные приложения. М.: Наука, 1991. -386 с.
  24. М.И., Кабалевский А. Н. Анализ приоритетных очередей с учетом времени переключения. -М.:Энергоиздат, 1981. 168 с.
  25. Г. К., Махотило К. В., Петрашев С. Н., Сергеев С. А. Генетические алгоритмы искусственные нейронные сети и проблемы виртуальной реальности. X: Основа, 1997. — 112 с.
  26. Б. В. Коваленко И.Н. Введение в теорию массового обслуживания. М.: Наука, 1969. 180 с.
  27. Г. В., Кацко И. А. Теория вероятностей и математическая статистика в примерах и задачах с применением Excel. — Ростов на Дону: Феникс, 2005.-480 с.
  28. В. А. Вишневский В.М. Сети массового обслуживания. Теория и применение к сетям ЭВМ. -М.: Радио и связь, 1988. 191 с.
  29. Ю.П., Гонта Ю. В. Структурная оптимизация сетей ЭВМ. Киев: Техника, 1986. 168 с.
  30. Г. И. Теория массового обслуживания. М.: Высшая школа, 1982.-256 с.
  31. Д.Л., Шедлер Д. С. Регенеративное моделирование сетей массового обслуживания // Под. ред. В. В. Калашникова. М.:Радио и связь, 1984.- 136 с.
  32. В.В., Рачев С. Т. Математические методы построения стохастических моделей обслуживания. М.:Наука, 1988. — 310 с.
  33. А.И. и др. Моделирование и алгоритмизация слабоформализованных задач выбора наилучших вариантов систем. Воронеж: ВГТУ, 1991.- 167 с.
  34. Д., Штойян Д. Методы теории массового обслуживания: Пер. с нем. // Под. ред. Г. П. Климова. М., 1981. 327 с.
  35. Дж. Статистические методы в имитационном моделировании. М.: Статистика, 1978.
  36. JI. Вычислительные системы с очередями. М.: Мир, 1979. -600 с.
  37. JI. Теория массового обслуживания. М.: Машиностроение, 1979.-432 с.
  38. Г. П. Стохастические системы обслуживания. М.: Наука, 1966.-243 с.
  39. В.А., Староверов О. В. Теория вероятностей и математическая статистика. М.: Высшая школа, 1991. — 400 с.
  40. Э.Г. Теория расписаний и вычислительные машины. -М.: Наука, 1984.-334 с.
  41. А.Л., Мальц Э. А. Статистическое моделирование систем массового обслуживания. М.:Сов. радио, 1978. — 247 с.
  42. О.А., Петухов С. И. Прикладные вопросы теории массового обслуживания. М.: Советское радио, 1969. — 400 с.
  43. А.В. О верхней и нижней оценках средней очереди в системе с дисциплиной Шраге // Техника средств связи. Сер. Системы связи. -М., 1980. с.24−28.
  44. А.В., Соловьев А. Д., Яшков С. Ф. О системе с дисциплиной обслуживания первым требования с минимальной оставшейся длиной // Изв. АН СССР. Техн. кибернетика. 1979. — № 5. — с. 51−58.
  45. Подвальный C. JL, Бурковский B.JI. Имитационное управление технологическими объектами с гибкой структурой. Воронеж: Издательство Воронежского университета, 1988. — 168 с.
  46. В.В., Лемберг Э. В. Об оптимальных динамических приоритетах в однолинейных системах массового обслуживания // Изв. АН СССР. Техн. кибернетика. 1967. № 1. — с. 25−34.
  47. JI.T. Принятие решений. Метод анализа иерархий — М.: Радио и связь, 1993. —320 с.
  48. JI.T. Элементы теории массового обслуживания и ее приложения. М.: Советское радио, 1971. — 520 с.
  49. А.Н. Генетические алгоритмы / Новости искусственного интеллекта, 1995. № 4. — с. 6−46.
  50. .Я. Моделирование систем. М.: Высшая школа, 2003. — 295с.
  51. X. А. Введение в исследование операций. М.:Мир, 1985. — 496с.
  52. В.Н. Моделирование и оптимизация сложных систем. -Воронеж: ВГТУ, 1997. 151 с.
  53. Ю.Н., Анохин B.C., Поляков В. Г. Моделирование диспетчерского управления подземным локомотивным транспортом на угольных шахтах // Механизация и автоматизация управления. 1969. — № 2. -с. 17−20.
  54. Ю.Н. Математическая модель управления обслуживанием в сетевых системах // Кибернетика. 1977. — № l.-c. 117−125.
  55. Ю.Н. Элементы теории объемных стохастических сетей массового обслуживания и ее приложения. Киев: Наук, думка, 1990. — 160 с
  56. С.Ф. Анализ очередей в ЭВМ. М.: Радио и связь, 1989. — 216с.
  57. , P. J. «Genetic programming: A current snapshot,» in Proceedings of the Third Annual Conference on Evolutionary Programming, D. B. Fogel and W. Atmar (Eds.), Evolutionary Programming Society, 1994.
  58. Angeline, P. J., Saunders, G. M. and Pollack, J. B. An evolutionary algorithm that constructs recurrent neural networks. IEEE Transactions on Neural Networks, 1994. pp. 54−65.
  59. Baras J.S., Ma D.J., and Makowski A.M. Competing queues with geometric service requirements and linear costs: the |ic rule is always optimal, System Control Letters, 1985. pp. 173−180.
  60. Baskett F., Chandy K., Muntz R., Pallacios F. Open, closed, and mixed networks of queues with different classes of customers. J. Assoc. Comput. Mach, 1975. pp. 248−260.
  61. Boxma O.J., Levy H., and Weststrate J.A. Efficient Visit Frequencies for Polling Tables: Minimization of Waiting Cost. Queueing Systems: Theory and Applications, 1991. pp. 133−162.
  62. Bremermann, H.J. Optimization through evolution and recombination. Self-Organizing Systems, M.C. Yovits, G. T. Jacobi, and G.D. Goldstine (eds.), Spartan Books, Washington DC, 1962. pp. 93−106.
  63. Burke P. J. The dependence of delays in tandem queues. Ann. Math. Statist. 1964. pp. 874−875.
  64. Cohen J. W. The Single Server Queue. North Holland, Amsterdam, 1969.
  65. Cohoon, J. P., Hegde, S. U., Martin, W. N. and Richards, D. S. Punctuated equilibria: a parallel genetic algorithm. In Grefenstette, J. J., ed., Proceedings of the Second International Conference on Genetic Algorithms, 1987. pp. 148−154.
  66. Collins, R. and Jefferson, D. An artificial neural network representation for artificial organisms. In Schwefel, H. P. and Maanner, R., eds., Parallel Problem Solving from Nature. Berlin: Springer-Verlag, 1991. pp. 269−263.
  67. Cooper, R.B. Introduction To Queueing Theory. New York: North Holland, 1981.-pp 347.
  68. Cox D. R., Smith W. L. Queues. Methuen, London, 1961.
  69. Cox D. R. The analysis of non-Markovian stochastic processes by the inclusion of supplementary variables. Proc. Camb. Phil. Soc. 1955. pp. 433−441.
  70. CRPC Newsletter. World-Record Traveling Salesman Problem for 3038 Cities Solved. Web Page, http://www.crpc.rice.edu/CRPC/newsletter/jan93/news.tsp.html, 1993.
  71. Fogel, L. J., Owens, A. J. and Walsh, M. J. Artificial Intelligence through Simulated Evolution. New York: John Wiley, 1966.
  72. Fourman, M. P. Compaction of symbolic layout using genetic algorithms. In Grefenstette, J. J., ed., Genetic Algorithms and Their Uses: Proceedings of the First International Conference on Genetic Algorithms, 1985. pp. 141−153.
  73. Friedberg, R.M. A learning machine: Part I. IBM Journal of Research and Development. 2, 1958. pp. 2−13.
  74. Friedberg, R.M., B. Dunham and J.H. North. A learning machine: Part 2. IBM Journal of Research and Development, 3, 1959. pp. 282−287.
  75. Fullmer, B. and Miikkulainen, R. Using marker-based genetic encoding of neural networks to evolve finite-state behavior. In Proceedings of the First European Conference on Artificial Life (ECAL-91), Paris, 1991.
  76. Gittins J.C. Multi-armed Bandit Allocation Indices. Wiley. New York, 1989.
  77. Goldberg, D. Genetic Algorithms in Search, Optimization, and Machine Learning. Reading: Addison-Wesley, 1989.
  78. Goldberg, D. E., Deb, K., Kargupta, H. and Harik, G. Rapid, accurate optimization of difficult problems using fast messy genetic algorithms. In Proceedings of the Fifth Annual International Conference of Genetic Algorithms (ICGA-93), 1993. pp. 56−64.
  79. Grefenstette, J. J. and Baker, J. E. How genetic algorithms work: a critical look at implicit parallelism. In Schaffer, J. D., ed., Proceedings of the Third International Conference on Genetic Algorithms,. Morgan Kaufmann, 1989. pp. 2027.
  80. Gupta D., Gerchak Y., and Buzacott J.A. On optimal priority rules for queues with switchover costs. Working Paper. Department of Management Sciences. University of Waterloo. 1987.
  81. Hajela, P. and Lin, C.-Y. Genetic search strategies in multicriterion optimal design. Structural Optimization 4, 1992. pp. 99−107.
  82. Higuchi, Т., ed., Workshop on Evolvable Systems. International Joint Conference on Artificial Intelligence, pp. 27−32.
  83. Hofri M., Ross K.W. On the optimal control of two queues with server setup times and its analisys. SIAM Journal of Computing, 1987. pp. 399−420.
  84. Holland, J. Adaption in Natural and Artificial Systems. University of Michigan Press, 1975.
  85. Jackson J. R. Networks of waiting lines. Operations Res., 1957. pp. 518—521.
  86. Jaiswal, N. K. Priority Queues. Academic Press, New York, 1968.
  87. Kendall D. G. Some problems in the theory of queues. J. R. Statist. Soc., 1951. pp. 151−173.
  88. Kingman J. F. C. On queues in heavy traffic. J. Roy Statist. Soc. Ser. 1962. pp. 383−392.
  89. Kingman J. F. C. The single server queue in heavy traffic. Proc. Cambridge Philos. Soc. 1961. pp. 902−904.
  90. Kitano, H. Designing neural networks using a genetic algorithm with a graph generation system. Complex Systems 4, 1990. pp. 461−476.
  91. Klimov G.P. Time sharing service systems I. Theory of Probability and Its Applications, 1974. pp. 532−551.
  92. Klimov G.P. Time sharing service systems II. Theory of Probability and Its Applications, 1978. pp. 314−321.
  93. Koenigsberg E. Cyclic queues. Operat. Res. Quart., 1958. pp. 22−35.
  94. Koole G. Assigning a Single Server to Inhomogeneous Queues with Switching Costs. Technical Report. CWI, P.O. Box 94 079, 1090 GB Amsterdam, The Netherlands, 1994.
  95. Koza, J. R., Bennett III, F. H., Hutchings, J. L., Bade, S. L., Keane, M. A. and Andre, D. Evolving sorting networks using genetic programming and rapidly reconfigurable field-programmable gate arrays. In Higuchi, Т., ed., Workshop on
  96. Evolvable Systems. International Joint Conference on Artificial Intelligence, 1997. pp. 27−32.
  97. Koza, J. R. Genetic Programming: On the Programming of Computers by Means of Natural Selection. Cambridge, MA, USA: MIT Press, 1992.
  98. Miller L.W., Schrage L. The queue M/G/l with the shortest remaining processing time discipline // Operat. Res. 1966. — 14, N 4. — pp. 670−684.
  99. Mitchell, M. An Introduction to Genetic Algorithms. MIT Press, 1996.
  100. Nain P. Interchange arguments for classical scheduling problems in queues. Systems Control Letters, 1989. pp. 177−184.
  101. Prabhu N. U. Queues and Inventories: A Study of Their Basic Stochastic Processes. Wiley, New York, 1965.
  102. Ray, T. An approach to the synthesis of life. In Artificial Life II, C. Langton, C. Taylor, J. Farmer and S. Rasmussen (eds.), Reading, MA: Addison-Wesley Publishing Company, Inc., 1992. pp. 371−408.
  103. Reeves, C.R. Using Genetic Algorithms with Small Populations. In Proceedings of the Fifth International Conference on Genetic Algorithms, 1993. pp. 92−99.
  104. Reich E. Waiting times when queues are in tandem. Ann. Math. Statist, 1957. pp. 768−773.
  105. Reiman M.I., Wein L.M. Dynamic Scheduling of a Two-Class Queue with Setups. Technical Report. Sloan School of Management. M.I.T., Cambridge, MA 2 139. 1994
  106. Schrage L. A proof of optimality of the shortest remaining processing time discipline // Operat. Res. 1968. — 16, N 3. — pp. 687−690.
  107. Schwefel, H.P. Numerische Optimierung vonComputer-Modellen mittels der Evolutionsstrategie («Numeric Optimization of Computer Models by Means of an Evolution Strategy»), Interdisciplinary System Research, Volume 26. Bassel: Birkhauser, 1977.
  108. Walrand J. An Introduction to Queueing Networks. Prentice Hall, Englewood Cliffs, 1988.
  109. Wilson, P. B. and Macleod, M. D. Low implementation cost IIR digital filter design using genetic algorithms. In IEE/IEEE Workshop on Natural Algorithms in Signal Processing, Volume 4, 1993. pp. 1−8.
  110. Wright, S. Stochastic processes in evolution. In Gurland, J., ed., Stochastic Models in Medicine and Biology, 1964. pp. 199−241. University of Wisconsin Press.
  111. Whitley, D. The GENITOR algorithm and selection pressure: why ranked-based allocation of reproductive trials is best. In Schaffer, J. D., ed., Proceedings of the Third International Conference on Genetic Algorithms, 1989. pp. 239−255. Morgan Kaufmann.
Заполнить форму текущей работой

На отлично!