Лекция 4. Выбор логистической системы

Цель лекции: На основании методов решения многокритериальных задач скорректировать целевую функцию и провести оптимизацию логистической системы. маркетинговый логистический перевозка груз План лекции.

• 1. Методы решения многокритериальных задач.
• 2. Аутсорсинг.
• 3. 2PL, 3PL, 4PL — логистические провайдеры.

Методы решения многокритериальных задач

Эта задачи проектирования (оптимизации), в которых используется не один, а несколько критериев. На практике такие задачи возникают, когда проектируемый объект не может быть описан однокритериальной зависимостью, или объединить отдельные критерии в единый критерий не представляется возможным. Такое объединение критериев в единый критерий применяется, и оно будет рассмотрено ниже. Но это объединение, как правило, бывает формальным, искусственным. С математической точки зрения не существует идеального способа, метода решения таких задач. Каждый из них имеет преимущества и недостатки. Рассмотрим некоторые методы решения многокритериальных задач оптимизации.

Метод поиска Парето — эффективных решений Рассмотрим его суть на примере использования двух критериев. Критерии при использовании данного метода являются равнозначными.

Пусть имеется множество вариантов решения. По каждому из вариантов определены значения всех критериев. Представим множество оценок вариантов решения в пространстве критериев (рис. 4.1).

Рисунок 4.1 — Иллюстрация поиска Парето — эффективных решений.

На рис. 4.1 приняты следующие обозначения:

К1 и К2 — критерии оценки вариантов решения;

Y = {y1, y2, …, ym}- множество оценок альтернативных вариантов решения;

К11, К12, …, К1m — значения первого критерия для 1, 2, …, m — го варианта решения;

К21, К22, …, К2m — значения второго критерия для 1, 2, …, m — го варианта решения;

P(Y) — множество Парето — эффективных оценок решений.

Правило. Множество Парето — эффективных оценок P(Y') представляет собой «северо — восточную» границу множества Y без тех его частей, которые параллельны одной из координатных осей или лежат в «глубоких» провалах.

Для случая, изображенного на рис. 4.1, Парето — эффективные оценки состоят из точек кривой (bc), исключая точку ©, и линии (de).

Преимущества метода: 1) критерии равнозначны; 2) метод математически объективен.

Недостаток метода: 1) одно окончательное решение получается только в частном случае, т. е. количество Парето — эффективных решений, как правило, более одного.

Метод решения многокритериальных задач оптимизации с использованием обобщенного (интегрального) критерия Суть данного метода заключается в том, что частные критерии каким — либо образом объединяются в один интегральный критерий, а затем находится максимум или минимум данного критерия.

Если объединение частных критериев производится, исходя из объектной взаимосвязи частных критериев и критерия обобщенного, то тогда оптимальное решение будет корректно. Но такое объединение осуществить крайне сложно или невозможно, поэтому, как правило, обобщенный критерий есть результат чисто формального объединения частных критериев.

В зависимости от того, каким образом частные критерии объединяются в обобщенный критерий различают следующие виды обобщенных критериев:

• — аддитивный критерий;
• — мультипликативный критерий;
• — максиминный (минимаксный) критерий.

Аддитивный критерий В них целевая функция получается путем сложения нормированных значений частных критериев. В общем виде целевая функция имеет следующий вид:

где n — количество объединяемых частных критериев;

Ci — весовой коэффициент i-го частного критерия;

Fi(X) — числовое значение i-го частного критерия;

F|i(X) — i-й нормирующий делитель;

fi(X) — нормированное значение i-го частного критерия.

Частные критерии имеют различную физическую природу и поэтому различную размерность. А значит просто суммировать их некорректно. В связи с этим в предыдущей формуле числовые значения частных критериев делятся на некоторые нормирующие делители.

В качестве нормирующих делителей принимаются директивные значения параметров или критериев, заданные заказчиком. Считается, что значения параметров, заложенные в техническом задании, являются оптимальными или наилучшими.

В качестве нормирующих делителей принимаются максимальные (минимальные) значения критериев, достигаемые в области допустимых решений.

Размерности самих частных критериев и соответствующих нормирующих делителей одинаковы, поэтому в итоге обобщенный аддитивный критерий получается безразмерной величиной.

Преимущество данного метода: как правило, всегда удается определить единственный оптимальный вариант решения.

Недостатки:

Трудности (субъективизм) в определении весовых коэффициентов.

Аддитивный критерий не вытекает из объектной роли частных критериев и поэтому выступает как формальный математический прием.

В аддитивном критерии происходит взаимная компенсация частных критериев, т. е. уменьшение одного из них может быть компенсировано увеличением другого критерия.

Мультипликативный критерий Целевая функция здесь записывается следующим образом:

где П — знак произведения;

Ci — весовой коэффициент i-го частного критерия;

Fi(X) — числовое значение i-го частного критерия.

Преимущества мультипликативного критерия:

Не требуется нормирование частных критериев.

Практически всегда определяется одно оптимальное решение.

Недостатки:

Трудности (субъективизм) в определении весовых коэффициентов.

Перемножение разных размерностей.

Взаимная компенсация значений частных критериев.

Максиминный (минимаксный) критерий (CРC).

Эти критерии работают по принципу компромисса, который основывается на идее равномерности. Сущность принципа максимина заключается в следующем. При проектировании сложных систем, при наличии большого числа частных критериев установить между ними аналитическую взаимосвязь очень сложно. Поэтому стараются найти такие значения переменных (параметров), при которых нормированные значения всех частных критериев равны между собой:

При большом количестве частных критериев из-за сложных взаимосвязей добиться выполнения указанного выше соотношения очень сложно. Поэтому на практике так варьируют значениями переменных проектирования x1, x2, …, xm, при которых последовательно «подтягиваются» те нормированные критерии, численные значения которых в исходном решении оказались наименьшими. Т.к. эта операция производится в области компромисса, подтягивание «отстающего» критерия неизбежно приводит к снижению значений части остальных критериев. Но при проведении ряда шагов можно добиться определенной степени уравновешивания противоречивых частных критериев, что и является целью принципа максимина.

Формально принцип максимина формулируется следующим образом: выбрать такой набор переменных, при котором реализуется максимум из минимальных нормированных значений частных критериев.

Такой принцип выбора иногда носит название гарантированного результата. Он заимствован из теории игр, где является основным принципом.

Если частные критерии необходимо минимизировать, то самым отстающим критерием является тот, который принимает максимальное значение. В этом случае применяют принцип минимакса.

Основные принципы выбора критериев оптимальности Выбор критериев — сложная задача, т.к. цели при проектировании любого объекта, как правило, противоречивы (обеспечение минимальной стоимости и максимальной надежности, максимальной производительности и минимальной энергоемкости и т. д.).

Если требуется оптимизировать один из показателей качества проектируемого объекта при соблюдении ограничительных требований на остальные показатели, то нужно сформировать один частный критерий. Задача оптимизации при этом сводится к задаче максимизации (минимизации) данного критерия с учетом заданных ограничений.

При наличии нескольких критериев выбирают:

• а) аддитивный критерий, если существенное значение имеют абсолютные значения критериев при выбранном векторе параметров X;
• б) мультипликативный критерий, если существенную роль играет изменение абсолютных значений частных критериев при вариации вектора X;
• в) максиминный (минимаксный) критерий, если стоит задача достижения равенства нормированных значений противоречивых (конфликтных) частных критериев.