इंजीनियरिंग में सॉल्विंग कॉम्प्लेक्स इंटेगर प्रोग्रामिंग समस्याओं के लिए उन्नत हेरिस्टिक्स

इंजीनियरिंग में अंडरस्टैंडिंग इंटेगर प्रोग्रामिंग

इंटीग्रर प्रोग्रामिंग (IP) गणितीय अनुकूलन का एक वर्ग है जहां कुछ या सभी निर्णय चर केवल पूर्णांक मूल्यों को लेने के लिए बाध्य होते हैं। इंजीनियरिंग में, यह आवश्यकता स्वाभाविक रूप से तब उत्पन्न होती है जब निर्णयों में असत विकल्प शामिल होते हैं: कितने इकाइयां उत्पन्न होती हैं, जो घटक चुनने के लिए, चाहे वह सुविधा खोले हों, या किस मार्ग को असाइन करने के लिए। एक पूर्णांक रैखिक कार्यक्रम का सामान्य रूप रैखिक बाधाओं के अधीन एक रैखिक उद्देश्य कार्य को कम करना है, जिसमें अभिन्नता प्रतिबंध अक्सर समस्या होती है NP-hard कई व्यावहारिक मामलों में।

इंजीनियर्स विभिन्न डोमेन जैसे संरचनात्मक डिजाइन (विवरण सूची से बीम अनुभागों का चयन), विद्युत शक्ति ग्रिड योजना (इकाई प्रतिबद्धता और संचरण विस्तार), रासायनिक प्रक्रिया संश्लेषण (उपकरण आकार और विन्यास का चयन), और एयरोस्पेस ट्रेजेक्टरी शेड्यूलिंग (अनुच्छेदन टेकऑफ़ स्लॉट) में आईपी का सामना करते हैं। यहां तक कि जब अंतर्निहित भौतिकी या अर्थशास्त्र निरंतर है, तो मानक घटकों के एक परिमित सेट से चुनने की आवश्यकता, संसाधनों की पूर्णता की गणना का सम्मान करने के लिए, या तार्किक परिस्थितियों (यदि-तब बाधाएं) को स्वाभाविक रूप से संभालने के लिए आईपी योगों की ओर जाता है। उन्नत हेरिस्टिक्स केवल अकादमिक करियोसिटी नहीं हैं; वे आवश्यक उपकरण हैं जो समय-समय पर निर्णय लेने या निर्णय लेने में सक्षम होते हैं।

क्यों Exact Methods in apractical

पूर्णांक प्रोग्रामिंग के लिए पारंपरिक सटीक एल्गोरिदम -शाखा और बाउन्ड, शाखा और कटौती, और गतिशील प्रोग्रामिंग - वैश्विक इष्टतम को खोजने की गारंटी देते हैं। वे व्यवस्थित रूप से एक संरचित तरीके से संभावनाओं को बढ़ाने के द्वारा काम करते हैं, रैखिक प्रोग्रामिंग विश्राम से प्राप्त सीमाओं का उपयोग करते हुए शाखाओं को छंटनी करते हैं। हालांकि, हजारों पूर्णांक चर और जटिल बाधाओं के साथ बड़े पैमाने पर उदाहरणों के लिए, एन्यूमेरेशन पेड़ तेजी से विस्फोट कर सकता है। यहां तक कि परिष्कृत पूर्ववर्ती और विमानों को काटने के साथ भी, कई इंजीनियरिंग आईपी वास्तविक दुनिया के संचालन के लिए आवश्यक समय बजट के भीतर वापस लेने योग्य हैं - उदाहरण के लिए, एक सप्ताह के निर्माण में एक दिन से आगे की समस्या को निर्धारित करना संभव है।

इसके अलावा, सटीक हलकर्ता समस्या संरचना के प्रति संवेदनशील होते हैं: अत्यधिक सममित आईपी, जो कई समानता वाले बाधाओं वाले होते हैं, या गैर-रैखिकता वाले (जैसे द्विरेखीय शब्द) अक्सर वर्तमान स्थिति के अत्याधुनिक हलकों को हराते हैं। इंजीनियरिंग में, समस्याओं में अक्सर जटिल विशेषताएं शामिल होती हैं जैसे सेकंड-ऑर्डर शंकु बाधाएं या ]] piecewise रैखिक लागत ] जो सटीक तरीकों की आरामदायक सीमा से परे आईपी धक्का देती है। इस अंतर ने उन्नत हेरिस्टिक्स के विकास को प्रेरित किया है जो गति, स्केलेबिलिटी और मजबूती के बदले में इष्टतमता की गारंटी देता है।

A Deep Dive: A Deep Dive

पूर्णांक प्रोग्रामिंग के लिए हेरिस्टिक्स को निर्माण हेरिस्टिक्स (एक प्रारंभिक व्यवहार्य समाधान उत्पन्न करने) और सुधार हेरिस्टिक्स (एक उम्मीदवार को जानबूझकर परिष्कृत करने) में वर्गीकृत किया जा सकता है। पिछले दो दशकों में, शक्तिशाली उन्नत हेरिस्टिक्स का एक सेट उभर गया है, प्रत्येक स्थानीय ऑप्टिमा को बचाने और खोज स्थान को कुशलतापूर्वक खोज करने के लिए अलग-अलग तंत्रों के साथ।

मेटाह्यूरिस्टिक्स: निर्देशित यादृच्छिक खोज

मेटाह्यूरिस्टिक्स जैसे Genetic Algorithms (GA) , , Simulated Annealing (SA), and ] Tabu Search (TS) उच्च स्तरीय रणनीतियां हैं जो स्थानीय खोज या perturbation की प्रक्रिया को बनाए रखने के लिए स्थानीय स्तर पर आधारित हैं। ] आनुवंशिक एल्गोरिदम mimic प्राकृतिक चयन: उम्मीदवार समाधान की आबादी क्रॉसओवर और उत्परिवर्तन ऑपरेटरों का उपयोग करके पीढ़ियों को विकसित करती है।

ये विधियां इंजीनियरिंग में लोकप्रिय हैं क्योंकि वे समानांतर रूप से आसान हैं, केवल कार्य मूल्यांकन (कोई ढाल नहीं) की आवश्यकता होती है और ब्लैक बॉक्स के डिब्बे को संभाल सकती है। उदाहरण के लिए, GA को सफलतापूर्वक ]]optimal एंटीना प्लेसमेंट और पाइपलाइन नेटवर्क डिजाइन ] पर लागू किया गया है, जहां उद्देश्य कम्प्यूट करना महंगा है लेकिन पूर्णांक प्रतिबंध महत्वपूर्ण हैं।

चर पड़ोस खोज (VNS)

VNS ने खोज के दौरान पड़ोस संरचनाओं को बदलने के विचार का व्यवस्थित रूप से उपयोग किया। प्रारंभिक समाधान से शुरू होकर, VNS तेजी से दूर पड़ोस (शेकिंग) में चालों का एक अनुक्रम लागू करता है और फिर वर्तमान सर्वोत्तम समाधान में स्थानीय खोज करता है। इंजीनियरिंग समस्याओं जैसे vehicle routing with time windows या ]facility लेआउट, VNS अक्सर एकल पड़ोस के heuristics को विकृत करता है क्योंकि यह गहरी स्थानीय न्यूनतमता को बच सकता है जो निश्चित चाल नहीं हो सकती है।

बड़े पड़ोस खोज (LNS)

LNS विशेष रूप से शक्तिशाली है जब एक सटीक सॉल्यूर का उपयोग एक सबप्रोब्लेम के भीतर किया जा सकता है। विधि वर्तमान समाधान (जैसे, integer असाइनमेंट का 20% हटा देता है) का हिस्सा नष्ट कर देती है और फिर इसे एक छोटे आईपी या बाधा प्रोग्रामिंग सॉल्यूर का उपयोग करके इष्टतम रूप से पुनर्निर्माण करती है। इंजीनियरिंग संदर्भों जैसे airline चालक दल scheduling] और semiconductor fab scheduling] में, LNS सेकंड में लगभग इष्टतम समाधान उत्पन्न कर सकता है जहां पूर्ण आईपी सॉलर्स विफल हो गए।

आराम और फिक्सिंग के साथ गोलाई

बस LP छूट और गोल करने के बजाय, उन्नत गोल हेरिस्ट्स का उपयोग करते हैं, यह तय करने योग्य है: LP को हल करें, कुछ चरों को आंशिक परिणामों के आधार पर पूर्ण मूल्यों को पूर्ण करने के लिए तय करें (उदाहरण के लिए, 0 या 1) के करीब मान, LP को हल करें, और दोहराएं। यह Feasibility पम्प विधि, अक्सर वाणिज्यिक हलकों में एम्बेडेड, स्थानीय खोज द्वारा फिर सुधार किए जाने वाले व्यवहार्य पूर्ण समाधान उत्पन्न कर सकते हैं। मिश्रित-इंटीजर प्रोग्रामिंग के लिए कई द्विआधारी चरों (इंजीनियर डिजाइन में आम) के साथ, यह तकनीक तेजी से प्रारंभिक समाधान प्रदान करती है।

हाइब्रिड हेरिस्टिक्स: संयोजन शक्ति

जटिल इंजीनियरिंग आईपी के लिए सबसे प्रभावी दृष्टिकोण अक्सर एक हाइब्रिड है जो विभिन्न हेरिस्टिक्स को एकीकृत करता है या सटीक घटकों के साथ हेरिस्टिक्स को जोड़ती है। उदाहरण के लिए, एक memetic एल्गोरिदम] (GA + स्थानीय खोज) प्रत्येक बच्चे के समाधान के लिए एक स्थानीय खोज लागू करता है, यह सुनिश्चित करता है कि आबादी हमेशा स्थानीय रूप से इष्टतम है। एक अन्य शक्तिशाली हाइब्रिड Benders decomposition]] एक हेरिस्टिस्टिस्टिक मास्टर समस्या के साथ संयुक्त: सटीक हलक आसान निरंतर subproblems को संभालती है, जबकि एक हेरिस्टिक इंटेगर मास्टर समस्या से निपटने में मदद करता है।

हाइब्रिड तरीकों विशेष रूप से मूल्यवान हैं क्योंकि वे तीव्रता और विविधीकरण को संतुलित करते हैं। इंजीनियरिंग में, जहां समस्या डेटा अक्सर बदलता है (जैसे, मांग पूर्वानुमान अद्यतन घंटे)।

इंजीनियरिंग में अनुप्रयोग: कंक्रीट उदाहरण

नेटवर्क डिजाइन और लचीलापन

दूरसंचार और उपयोगिता नेटवर्क डिजाइन में अक्सर लिंक क्षमताओं (मानक बैंडविड्थ के पूर्णांक गुण) का चयन करना और असफलता से बचने के लिए बैकअप पथ का पता लगाना शामिल है। ] के लिए पूर्ण प्रोग्रामिंग मॉडल में लाखों चर हो सकते हैं। सटीक हलकों संघर्ष, लेकिन एक कस्टम LNS heuristic जो बार-बार किनारों की एक सबसेट की मरम्मत करता है, को मिनटों में 5% इष्टतम के भीतर समाधान प्राप्त करने के लिए दिखाया गया है।

विनिर्माण लेआउट और शेड्यूलिंग

कारखानों में, कोशिकीय विनिर्माण समस्या अंतर सेल आंदोलन को कम करने के लिए कोशिकाओं में विभाजन मशीनें - एक सेट विभाजन आईपी। Recent Research]] एक बहु-स्टार्ट टैबू खोज का इस्तेमाल 20 सेकंड के तहत 200 मशीनों के साथ एक अनुकूल स्मृति के साथ किया, जो कि सटीक शाखा और पिछड़े हलकों को आवर्धन के आदेशों द्वारा बेहतर बनाया गया।

सैटेलाइट ऑपरेशन में संसाधन आवंटन

सैटेलाइट कार्य शेड्यूलिंग को एक सेट ऑफ अवलोकन (प्रत्येक को विशिष्ट समय की खिड़कियों और शक्ति की आवश्यकता होती है) को उपग्रह की कक्षा में सौंपना चाहिए। यह पूर्ववर्ती बाधाओं और पूर्णकालिक समय के साथ एक जटिल आईपी है। एक हाइब्रिड हेरिस्टिक मिश्रण ने रैखिक प्रोग्रामिंग विश्राम राउंडर के साथ अनुकरण किया, जो परिचालन ग्राउंड सिस्टम में तैनात किया गया है, जो 50 से अधिक उपग्रहों के नक्षत्रों के लिए निकट-परीक्षण कार्यक्रम को सक्षम करता है।

मशीन लर्निंग के साथ एकीकरण

उभरते अनुसंधान एकीकृत करता है मशीन लर्निंग (ML) हेरिस्टिक खोज का मार्गदर्शन करने के लिए। जेनेरिक perturbation का उपयोग करने के बजाय, एमएल मॉडल उदाहरण की विशेषताओं के आधार पर चर फिक्सिंग या आशाजनक पड़ोस का पूर्वानुमान लगाते हैं। यह खिलाना-संचालित heuristic] पुनर्current इंजीनियरिंग समस्याओं (जैसे साप्ताहिक उत्पादन योजना) के लिए विशेष रूप से वादा किया जाता है जहां पैटर्न दोहराते हैं। उदाहरण के लिए, एक तंत्रिका नेटवर्क भविष्यवाणी कर सकता है कि कौन से बदलाव को एक बड़े पड़ोस खोज में प्राथमिकता दी जानी चाहिए, गुणवत्ता के औसत नुकसान के बिना आधे से खोज समय काट दिया जाना चाहिए।

भविष्य निर्देश

इंजीनियरिंग आईपी के लिए हेरिस्टिक्स की अगली पीढ़ी में संभावना होगी ] स्वयं-अनुकूलन एल्गोरिदम जो मापदंडों को ऑनलाइन ट्यून करते हैं, portfolio हलकों] जो फ्लाई पर सर्वश्रेष्ठ हेरिस्टिस्टिक्स का चयन करते हैं, और quantum-inspired तरीकों ] (जैसे कुछ निश्चित बाधित समस्याओं के लिए क्वांटम एनीलर पर अनुकरण किया गया)। साइबर-भौतिक प्रणालियों (ऑटोनोम वाहन, स्मार्ट ग्रिड) में वास्तविक समय के अनुकूलन की ओर धक्का जो केवल डेटा को मजबूत नहीं करता है।

बेंचमार्क पुस्तकालयों का मानकीकरण (जैसे, MIPLIB 2017]) ने उचित तुलना की अनुमति देकर विकास में तेजी ला दी है। चूंकि इंजीनियरिंग सॉफ्टवेयर तेजी से आईपी हलकों को कोर घटकों के रूप में गोद लेता है, "ऊर्ध्वाधर" और "exact" के बीच का अंतर धुंधला हो रहा है; आधुनिक हलकों जैसे Gurobi और CPLEX पहले से ही इन heuristics (feasibility पंप, RINS, स्थानीय शाखाओं) को डिफ़ॉल्ट रणनीतियों के रूप में शामिल किया गया है। इंजीनियर इन शक्तिशाली उपकरणों का लाभ उठा सकते हैं, बिना खरोंच से लागू करने की आवश्यकता के, लेकिन अंतर्निहित heuristics को समझने के लिए आवश्यक है।

संक्षेप में, उन्नत हेरिस्टिक्स सटीक तरीकों के लिए प्रतिस्थापन नहीं हैं लेकिन एक पूरक शस्त्रागार जो इंजीनियरों को उन समस्याओं से निपटने की अनुमति देता है जो पहले पहुंच से बाहर थे। मेटाह्यूरिस्टिक्स, पड़ोस खोज और हाइब्रिड के परिदृश्य को समझने के द्वारा, इंजीनियर अपने विशिष्ट पूर्णांक प्रोग्रामिंग चुनौती के लिए सही हेरिस्टिक्स को विकसित या चुन सकते हैं - समाधान की गुणवत्ता और कम्प्यूटेशनल गति को आधुनिक इंजीनियरिंग की मांगों के संतुलन को प्राप्त करना।