Розуміння інтеграційного програмування в машинобудуванні

Інтегер програмування (IP) є класом математичної оптимізації, де деякі або всі зміни рішень обмежені, щоб прийняти тільки цілі значення. В машинобудуванні ця вимога виникає природно, коли всі рішення передбачають дискретні вибіри: скільки одиниць для виробництва, які компоненти вибрати, чи відкрити об'єкт або який маршрут маршрут маршрут маршруту для призначення. Загальна форма цілої лінійної програми полягає в мінімізації (або максимі) лінійної об'єктивної функції, яка піддається лінійному обмеженням, з обмеженням інтегрності часто роблять проблему NP-hard в багатьох практичних випадках.

Інженери стикаються з IP в різних доменах, таких як структурний дизайн (вибір зрізів балок з дискретних каталогів), планування електромереж (недотримання та розширення передачі), синтез хімічних процесів (розміри та конфігурації обладнання), а також аерокосмічної траєкторії (виписка зльотів). Навіть коли базова фізика або економіка є безперервним, необхідність вибрати з кінцевого набору стандартних компонентів, поваги цілих ресурсів, або обробляти логічні умови (якщо обмеження) природно призводить до IP-формуцій. Додаткові геристики не просто академічні умови; вони є важливими інструментами, які дозволяють інженерам своєчасно вирішувати, приймати своєчасні рішення, щоб своєчасно вирішувати параметри, які вчасно вирішувати, щоб зробити рішення, щоб своєчасно.

Чому непрактичні методи стають непрактичною

Традиційні точні алгоритми для цілого програмування—branch-and-bound, branch-and-cut, і динамічне програмування—guarantee знаходження глобального оптимального. Вони працюють систематично об'ємними можливостями в структурованому вигляді, обрізаючи гілки використовуючи межі, отримані від лінійних релаксацій програмування. Однак для масштабних екземплярів з тисячами цілих змінних і складних обмежень, дерево енмутерації може вибухнути доцільно. Навіть з витонченими пресольвами і різанням площинами, багато інженерних IPs залишаються недорогими в межах часу бюджету, необхідний реально-світні операції— наприклад, денний часовий час, що передбачає необхідність у виробництві, може знадобитися не менше розчин.

Крім того, точне розчинники чутливі до структури проблеми: високосиметричні IP-адреси, ті з багатьма обмеженнями рівності, або ті з нелінійними умовами (наприклад, дволінійні умови) часто поразають поточні держарт-розчинники. У машинобудуванні часто зустрічаються комплілінгові функції, такі як / секунди-ордоконтрационні конопляні обмеження або застосовані лінійні витрати, які штовхають IP за комфортний діапазон точну методику. Цей проміжок мотивував розвиток сучасних геристиків, які оптимальні гарантії жертви в обміні для швидкості, масштабності, стабільності та надійності та надійності.

Розширений спірністика: Глибокий дайвінг

У юристичному порядку для цілого програмування можна класифікувати на конструювальну геристу (виробництво початкового техніко-економічного рішення) та поліпшення геристики (ітеративно рефінансування кандидата). За останні два десятиліття з’явилася сукупність потужних сучасних геристиків, кожна з яких з різним механізмом для викладання локальної оптими та дослідження простору пошуку ефективно.

Метагерістика: Керівництво випадкових пошуків

Метавристика, такі як Генетичні алгоритми (GA), Симуляція Енналь (SA)], і] Пошук Табу (TS)] - це високорівневі стратегії, які сконструюють основний локальний пошук або процес перетурбації. Генетичні алгоритми]] міміко-природний вибір: населення кандидатських розчинів, що перетворюються з використанням кросоверних і мутаційних операторів. [[[FLTS]

Ці методи популярні в машинобудуванні, оскільки вони легко паралізують, вимагають лише оцінки функції (не градієнт), і можуть обробляти чорні коробки. Наприклад, GA успішно застосовано до оптимальні антенні розміщення і ]pipeline мережевий дизайн, де ціль дорожча, щоб компралювати, але важливі обмеження.

Пошук мінливих сусідств (VNS)

ВНС систематично експлуатує ідею зміни окружних споруд під час пошуку. Починаючи з початкового рішення, ВНС застосовує послідовність переміщення в більш віддалених районах (повчання) і потім виконує локальний пошук в поточному кращому вирішенні. У технічних задачах, таких як , вехкул маршрутизація з часовими вікнами або / мітка факансій, ВНС часто перетворює одноважільність евристики, оскільки вона може втекти глибокі локальні мініми, які фіксовані переміщення не можуть.

Пошук великих сусідств (LNS)

LNS є особливо потужним, коли точний розчинник може бути використаний в рамках підпроблемної. Метод знищує частину поточного розчину (наприклад, видаляє 20% цілих завдань), а потім відновлює його оптимально за допомогою невеликого IP або обмеження програмування. У інженерних умовах, таких як , scheduling і semiconductor fab scheduling, LNS може вироблятися в секундах, де повністю IP-рішення не зникають.

Розслаблення та закруглення з виправленням

Замість простого рішення ЛП релаксу і округлення, розширені округлюючий гемалістиці використовують ітеративне кріплення: розв'язувати ЛП, зафіксувати деякі змінні значення на основі дробових результатів (наприклад, значення близько до 0 або 1), вирішувати знижену ЛП і повторити. Це Метод Ф'юзимний насос]], часто вбудований в комерційні розчинники, може швидко генерувати фантастичні цілі рішення, які потім покращуються місцевим пошуком. Для змішаного програмування з багатьма бінарними змінними (компонент в машинобудуванні), ця техніка забезпечує швидкий початковий розчин.

Гібридні герністики: комбіновані міцності

Найефективніший підхід до комплексної інженерії IP часто є гібридом, який інтегрує різні геристики або поєднує в собі геристики з точними компонентами. Наприклад, мететичний алгоритм (GA + локальний пошук) стосується локального пошуку до кожного дитячого розчину, що забезпечує, що населення завжди локально оптимальне. Ще один потужний гібрид Benders decomposition], що поєднує в собі геристичне завдання: точний розчинник ручить легко безперервні підвибами, а вістичній стібки цілої майстер-проблем.

Гібридні методи особливо цінні, оскільки вони балансують інтенсифікації та диверсифікації. У машинобудуванні часто зміни даних про проблеми (наприклад, прогнози попиту оновлюються часті), гібриди можуть бути налаштовані для експлуатації рецидивних структур. Наприклад, в виробництва седульгування], гібрид дисконтного програмування та змішаного програмування може обробляти як часові обмеження (сила ПК) та обмеження потужності (сила ВП).

Застосування в машинобудуванні: бетонні приклади

Дизайн та підтримка мережі

Телеком і утилітарний дизайн мережі часто передбачає вибір пропускних потужностей (включає багаторазові смуги стандартних смуг) і розміщення резервних шляхів для виживання несправностей. Моделі програмування інтеграторів для виживання мережевого дизайну може мати мільйони змінних. Точні розчинники борються, але користувальницький LNS-спіралістичний, що багаторазово відновлює підмножину країв, було показано для досягнення рішень протягом 5% оптимальних хвилин.

Виробництво та монтаж

На заводах Проблема виробництва целюлози] перегородки машини в клітини для мінімізації міжклітинного руху - це встановлення розділення IP. Постійні дослідження]] використовується багатоступеневий пошук табу з адаптивною пам'яттю для вирішення екземплярів з 200 машин в 20 секунд, що перетворюють точний гілочка-і-підбирний розчинник за замовленнями величини.

Розподіл ресурсів в супутникових операціях

Супутникове завдання, що передбачає призначення набору спостережень (все, що вимагає конкретних часових вікон і потужності) на орбіту супутника. Це комплексний IP з прецедентними обмеженнями і цілими разами. Гібридний гемністичний змішування імітував зненаряддя з лінійним програмуванням, що розслаблявся, був розгорнутий в операційних наземних системах, що дозволяє приблизно-оптимальні графіки для сузір'я понад 50 супутників.

Інтеграція з машинним навчанням

Вдосконалення досліджень інтегрується машинне навчання (ML) для керівництва сестертичного пошуку. Замість використання генних перетурбації, моделі ML прогнозують перспективні змінні фіксації або перспективні мікрорайони на основі особливостей екземпляра. ];залізні привідні геристичні особливо перспективні для рецидивних інженерних проблем (наприклад, щотижневе планування виробництва), де повторюються візерунки. Наприклад, нейромережа може прогнозувати, які змінні повинні бути попередньо підготовлені в великому мікрорайоні пошуку, різання часу пошуку на половину без без без безмірних втрат якості.

Майбутні напрямки

Наступний покоління геристики для інженерних IP ймовірно задіятиме , які самі алгоритми заданого , які тюнінгові параметри онлайн, портфоліо-розчинники, які вибирають найкращий гіністичний на літа, а кількі методи, які надихнули (як імітували аннеалізацію на квантових анналях) для певних обмежених проблем. Натиснути на реальну оптимізацію в кіберфізичних системах (auton також швидкі транспортні засоби, але розумні сітки) вимагають тільки цілісних даних, але нестичних даних, але нестичних даних, але нестичних даних, але і нестичних, але і нестичних, але нестичних, але нестичних, але і стійкі, але нестичних, але нестичних, але нестичних, але нестичних, але нестичних, але нестичних, але нестичних, але, але нестичних, які нестичних, які нестичних, але

Стандартизація бендикційних бібліотек (наприклад, MIPLIB 2017) прискорила розвиток, дозволяючи справедливим порівнянням. Як інженерне програмне забезпечення все частіше приймає IP-рішення як основні компоненти, відмінність між "heuristic" і "exact" розмитнення; сучасні рішення, такі як Gurobi і CPLEX вже включають багато цих гемалістиків (feasibility pump, RINS, локальне розгалуження) як стратегії за замовчуванням. Інженери можуть використовувати ці потужні інструменти без необхідності реалізувати з нуля, але розуміння основних гемеристики є важливим для налаштування параметрів і діагностики.

В резюме, передові геристики не є заміною для точного способу, але доповнюється арсенол, що дозволяє інженерам непристойних проблем, які раніше були з точки зору досягнення. Розуміння ландшафту метаневрологічних, пошуку мікрорайону та гібридів, інженери можуть розвивати або вибрати правильний гемністичний для свого конкретного цілого програмування завдання, що свідчить баланс якості розчину та обчислювальної швидкості, яка вимагає сучасної інженерії.