Методики, модели и алгоритмы комплексной многокритериальной оптимизации автоматизированных технологических систем тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Пайе Тэйн Наинг

• Пайе Тэйн Наинг
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Пайе Тэйн Наинг

Оглавление

ВВЕДЕНИЕ

ГЛАВА 1. ЗАДАЧИ ОПТИМИЗАЦИИ И ДЕКОМПОЗИЦИИ ТЕХНОЛОГИЧЕСКИХ СИСТЕМ И МЕТОДЫ ИХ РЕШЕНИЯ

1.1 Структура больших сложных распределенных технологических систем

1.2 Задачи оптимизации технологических систем

1.3 Использование линейного программирования для решения непрерывных задач оптимизации

1.4 Комбинированные алгоритмы решения задач многокритериальной оптимизации

1.5 Комплексная оптимизация (декомпозиция) технологических систем

Выводы по главе 1

ГЛАВА 2. КОМПЛЕКСНАЯ МНОГОКРИТЕРИАЛЬНАЯ ОПТИМИЗАЦИЯ ТЕХНОЛОГИЧЕСКИХ СИСТЕМ

2.1 Структура задач оптимизации (декомпозиции) технологической системы

2.2 Алгоритмы непрерывной оптимизации технологических систем

2.2.1 Алгоритмы линейного программирования для распределения ресурсов

2.2.2 Алгоритм управления транспортным потоком

2.3 Процессно-ролевой алгоритм моделирования при декомпозиции технологических систем

2.4 Генетический алгоритм многокритериальной оптимизации технологических систем

2.5 Гомеостатическая оптимизация на основе генетических алгоритмов

Выводы по главе 2

ГЛАВА 3 ОПТИМИЗАЦИЯ И ДЕКОМПОЗИЦИЯ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ПРОГРАММНЫХ КОМПЛЕКСОВ УПРАВЛЕНИЯ РАСПРЕДЕЛЁННОЙ ТЕХНОЛОГИЧЕСКОЙ СИСТЕМОЙ

3.1 Обобщенная мультихромосомная модель программно-информационного комплекса управления технологической системой (ПКУТС)

3.1.1 Структура мультихромосомной генетической модели декомпозиции ПКУТС

3.2 Многоуровневая декомпозиция видов обеспечения программно-информационной комплекса управления распределённой технологической системой

3.2.1 Формальное построение модели связей ПКУТС

3.3 Процессно-ролевой алгоритм моделирования ПКУТС

3.4 Алгоритм многокритериальной оптимизации и декомпозиции программно-информационных комплекса управления технологическими системами

Выводы по главе 3

ГЛАВА 4 Программно-методический комплекс обучения методам многокритериальной оптимизации

4.1 Программный комплекс оценки качества систем на основе процессно-ролевого подхода

4.2 Программный комплекс оценки качества ПКУТС "ПКМГА"

4.3 Программный комплекс мультихромосомного моделирования ПКМО

4.4 Структура учебно-методического комплекса поддержки процесса обучения методам мультихромосомной оптимизации

4.4.1 Интеллектуальный тренажёр по процессно-ролевому моделированию

4.4.2 Интеллектуальный тренажёр оптимального распределения работ по компонентам

4.5. Программная реализация оптимального распределения работ по компонентам ПКМГА

4.6. Исследование эффективности использования разработанного ПКМГА

Выводы по главе 4

ЗАКЛЮЧЕНИЕ

Список Литературы

ПРИЛОЖЕНИЕ 1

ПРИЛОЖЕНИЕ 2

ПРИЛОЖЕНИЕ 3

Обозначения и сокращения

ТС - Техническая система

РТС - Распределенная технологическая система

ЛП - линейное программирование

СМО - Система массового обслуживания

АСУ ТП - автоматизированная

система

управления

технологическими процессами ПКУТС - программно-информационный комплекс управления

технологической системой ПКЭМ - программный комплекс эволюционного моделирования ПКМГА - программный комплекс моделирования на основе

генетических алгоритмов ПКМО - программный комплекс многокритериальной оптимизации МКГА НХ -многокритериальный генетический алгоритм с нечеткой хромосомой

ОСТС - Обобщенная структура технологической системы ГА - Генетический алгоритм

Введение диссертации (часть автореферата) на тему «Методики, модели и алгоритмы комплексной многокритериальной оптимизации автоматизированных технологических систем»

ВВЕДЕНИЕ

Актуальность

В настоящее время успешная деятельность различных предприятий возможна только при наличии автоматизированной системы, обеспечивающей эффективное управление технологическими процессами, функционированием управляющих органов, распределением производственных ресурсов как отдельного предприятия, так и распределённой технологической системой вообще. Иначе, даже на этапе переговоров о заключении контрактов, руководство может показать преимущество своего предложения по сравнению с предложениями конкурентов. Наличие более одного критерия оценки качества решения о структуре технологической системы, высокие требования к качеству продукции сроками выполнения заданий и необходимость принимать оптимальные решения в сжатые сроки усложняют задачу.

При построении структуры современных технологических систем приходится одновременно рассматривать такие системы с нескольких позиций. Во-первых, это структура самой системы, модель системы. Во-вторых, поскольку в настоящее время в таких системах используются автоматизированные системы управления, необходимо рассмотреть структуру, состав автоматизированных систем управления технологическими процессами. Кроме того любое производство и любая технологическая система связаны с необходимостью оптимального распределения ресурсов, оборудования и материалов. Каждый из этих вопросов с точки зрения оптимального проектирования в настоящее время достаточно разработан. Существуют методы решения задач по проектированию оптимальной системы с точки зрения структуры, распределения функции и.т.д. Достаточно разработаны вопросы оптимального построения автоматизированных систем управления, разбиение этой системы на компоненты, оптимизации видов программного и информационного обеспечения и.т.д. Эти вопросы, в частности, подробно рассмотреть в работах [ 10],[16].

В последнее время наиболее распространенными универсальными методами поиска оптимального решения при управления производственными ресурсами являются методы эволюционного моделирования в совокупности с традиционными математическими алгоритмами.

Достаточно развиты методы линейного программирования, используются решения задач распределения ресурсов, транспортные задачи и и.т.д. Развитие современных производств, проектирования и достижения математических дисциплин в области оптимизации системы управления, ставят задачу комплексной оптимизации таких систем. Система должна быть оптимальна с точки зрения производственных функциональных критериев, с точки зрения производительности системы, обеспечения характеристик технологических систем, как систем массового обслуживания. Она должна учитывать вопросы обеспечения ресурсами всех производственных операций и компонентов технологических процессов. Известны различные подходы для оптимизации распределения ресурсов в технологических системах, производственных системах. Вопросы оптимального построения структуры производственных и технологических систем, также достаточно развиты в соответствующих науках, рассматривающих вопросы обеспечения заданной производительности систем управления, в частности так называемых методах оптимизации процессно-ролевых систем, методах теории систем массового обслуживания. Сложность требований к характеристикам, процессу нахождения структуры производственного процесса и управления технологическими процессами требует введения комплексного оптимума. Это формулирует задачу построения автоматизированных систем, обеспечивающих многокритериальный оптимум.

Необходимо отметить, что указанные выше методы не обеспечивают в полной мере задачу многокритериальной оптимизации производственных ресурсов, что делает их применение в современных системах управления технологическими процессами и производствами недостаточно эффективным. Таким образом, актуальными являются исследования, направленные на разработку формальных моделей и алгоритмов многокритериальной оптимизации для технологических процессов автоматизации и управления производственными системами и создание методических сред изучения этих вопросов.

Цель диссертационной работы

Повышение эффективности функционирования распределённых технологических систем путём разработки теоретических основ и подходов к объединению различных методов решения задач оптимизации технологических

систем, которые позволят рассматривать в комплексе задачи оптимального построения технологических процессов в современных автоматизированных производственных системах. В указанном направлении решаются задачи:

• построение комплексной модели технологических систем с точки зрения различных аспектов её функционирования;

• разработка алгоритмов оптимизации таких систем на основе принципа линейного и нелинейного программирования;

• моделирование процессно-ролевой системы на основе современных генетических алгоритмов многокритериальных задач оптимизации.

Решение этих задач включают:

• анализ современного состояния проблемы принятия решений для автоматизированного управления технологическими процессами, ресурсами производственного предприятия;

• обучения сотрудников новым методам и алгоритмам.

• исследование способов анализа ситуаций и управления в производственных объектах и определение необходимости используемых алгоритмов;

• создание формализованного представления задач управления технологическими процессами, распределения и управления ресурсами с целью многокритериальной оптимизации;

• разработка мультихромосомной модели управления технологическими системами;

• разработка комплексного алгоритма многокритериальной оптимизации технологических систем с точки зрения управления ресурсами на основе методов эволюционного моделирования;

• программная реализация и использование разработанных алгоритмов в технологических системах как для автоматизированного управления технологическими процессами, так и для обучения персонала.

Методы исследования

Теоретическую и методологическую базу исследования составили теория математического программирования, методы оптимизации, теория эволюционных вычислений и генетические алгоритмы. При решении конкретных задач

использовались труды отечественных и зарубежных ученых в области многокритериальной оптимизации и поиске глобального экстремума функции многих переменных на компактном множестве.

Научная новизна

Диссертационная работа представляет собой совокупность научно-обоснованных разработок, направленных на создание моделей, методик и алгоритмов и на реализацию комплекса программно-алгоритмичеких средств, осуществляющих многокритериальную оптимизацию и поиск глобального экстремума функции многих переменных в системах автоматизированного управления технологическими процессами в производственных системах.

В процессе исследований и разработок получены следующие новые научные результаты и научно-обоснованные новые решения.

• Создано формализованное представление задачи комплексной многокритериальной оптимизации процессов управления технологическими системами.

• Предложен комплексный алгоритм, позволяющий находить оптимальное решение.

• Построена мультихромосомная модель, объединяющая структуру технологического процесса, системы распределения ресурсов и декомпозиции производственной системы.

• Разработан модифицированный генетический алгоритм многокритериальной оптимизации, позволяющие решать задачи построения технологических процессов, распределения ресурсов и декомпозиции производственных систем.

• Создан программно-методический комплекс для изучения поставленных задач на основе разработанных алгоритмов.

• Методы использования разработанных научных подходов, моделей и алгоритмов многокритериальной оптимизации систем, в том числе при нечёткой информации.

Практическая ценность работы

Практическая ценность работы заключается в том, что основные положения, выводы и рекомендации диссертации ориентированы на широкое применение

алгоритмов для оптимизации распределённых технологических систем, и о частности автоматизированного управления распределением ресурсов в предметной области. Наибольшие применения они могут найти в приборостроении, микроэлектронике, в научных исследованиях.

Личный вклад автора

Основные результаты диссертационной работы получены автором лично. Автором создан программно методический комплекс, реализующий процесс изучения предложенных алгоритмов.

В результате проведенных исследований получены и выносятся на защиту следующие основные научные положения.

1) Результаты анализа современного состояния проблемы принятия решении для автоматизированного управления технологическими процессами, ресурсами производственного предприятия.

2) Структура математической модели для комплексной оптимизации.

3) Мультихромосомная модель многокритериальной оптимизации управления технологическими процессами.

4) Комплексный алгоритм многокритериальной оптимизации технологических процессов управления ресурсами на основе линейного программирования.

5) Методика программного обеспечения решения задач комплексной оптимизации технологических процессов.

6) Структура программного- информационной системы комплексной многокритериальной оптимизации.

7) Программной комплекс процессно-ролевого подхода для оптимизации одного технологического процесса.

Реализация полученных результатов. Диссертационная работа выполнялась в соответствии с планом научно-технических исследований кафедры «Системы автоматического управления и контроля» Национального исследовательского университета «МИЭТ».

Все работы по программной реализации проводились при непосредственном участии автора. Результаты диссертационной работы используются в учебном процессе кафедры в материалах курсов «Автоматизированные информационно

управляющие системы», «Автоматизация технологических процессов», «Моделирование систем управления». Основные материалы диссертации использованы при выполнении магистерских диссертаций, в частности магистрами государства Мьянма.

Апробация работы и публикации. Основные положения и отдельные результаты работы докладывались на следующих конференциях и опубликованы в следующих изданиях: "Оборонный комплекс - научно-техническому прогрессу России"; "Научное обозрение"; "Науковедение"; "Современные информационные технологии" «Труды международной конференции», ПГТА, ноябрь 2011,2013-№17; "Молодежь и наука, НИЯУ МИФИ, 2013."; " Микроэлектроника и информатика - НИУ МИЭТ. 2011 -2013."; "Актуальные проблемы информатизации в науке, образовании и экономике - НИУ МИЭТ . 2011."; По теме диссертации опубликовано 14 работ, среди которых 6 статей в журналах, входящих в перечень ВАК.

Структура и объем работы. Диссертация состоит из введения, 4 глав, основных выводах, списка используемых литературных источников. Она изложена на 138 страницах текста, из которых 3 приложения, 37 рисунков и 5 таблиц.

Во введении обоснована актуальность темы, дана общая характеристика работы, определена цель работы, приведена структура и краткое содержание диссертации.

В первой главе проводится анализ задачи оптимизации и декомпозиции технологических систем и методы их решения, и определяются цели диссертационных исследований.

Вторая глава посвящена разработке создания комплексная многокритериальная оптимизация технологических систем.

В третьей главе представлены обобщая мультихромосомная модель и структура генетической модели ПКУТС.

Четвертая глава посвящена программной реализации программно-методического комплекса обучения методам многокритериальной оптимизации

Заключение содержит основные научные и практические результаты, полученные в ходе выполнения диссертационной работы .

ГЛАВА 1. ЗАДАЧИ ОПТИМИЗАЦИИ И ДЕКОМПОЗИЦИИ ТЕХНОЛОГИЧЕСКИХ СИСТЕМ И МЕТОДЫ ИХ РЕШЕНИЯ 1.1 Структура больших сложных распределенных технологических систем.

Распределенная технологическая система является большой, так как содержит большое количество компонентов, операций и видов используемых ресурсов и создаваемых объектов. Она является сложной, так как представляет определенную иерархическую структуру. На рисунке 1.1 представляется обобщенная модель такой системы.

Данная модель имеет некоторые ограничения по видам (содержанию) компонентов. Одним из направлений развития модели является объединение материалов, объектов, проборов в возможные группы. Тогда исходные данные будут иметь возможные групповые объединения.

Распо?деленные технологические подсистемы

Рис. 1.1 Обобщенная структура технологической системы (ОСТС)

Обобщенная структура операций ОСТС имеет вид для подсистемы N (рис 1.2)

Вход

N3

Рис. 1.2 Структура компонентов подсистемы

Ху - объём Г0 материала для производства] объекта на Кои операции Распределение операций по компонентам подсистемы задается с помощью матрица Б.

компоненты

1 2 3 N

1 ¿и

О п е 2 ¿12

Р а 3 ¿33 ¿зн

Ц и и 4 ¿42

К ¿кЗ

Времени выполнения операций на компонентах системы задается матрицей М.

компоненты

1 2 3 N

о 1 113

п е 2 ^22 123

Р а 3

Ц и 4 ^42 143

и К

В матрице время выполнения Кои операции на №м приборе Структура технологической среды №и подсистемы имеет вид, приведенной на рис.1.3.

Компонент 1 Компонент 2 Компонент 3

Компонент К

Рис. 1.3 Структура технологической среды №и подсистемы

Кроме того, для каждой операции и каждого компонента задаются :

• количество необходимых ресурсов;

• количество производимых объектов;

• транспортные связи.

1.2 Задачи оптимизации технологических систем

Оптимизация — модификация системы для повышения её эффективности. Хотя целью оптимизации является получение полностью оптимальной системы, истинно оптимальная система в процессе

оптимизации достигается далеко не всегда. Оптимизированная система обычно является оптимальной только для одного технологического процесса или группы объектов: где-то может быть важнее уменьшение времени, требуемого программе для выполнения работы, даже ценой потребления большего объёма ресурсов [16].

Более того, зачастую не существует универсального решения (хорошо работающего во всех случаях). Поэтому инженеры используют компромиссные решения для оптимизации только ключевых параметров. К тому же, усилия, требуемые для достижения полностью оптимальной системы, которую невозможно дальше улучшить, практически всегда превышают выгоду, которая может быть от этого получена, поэтому, как правило, процесс оптимизации завершается до того, как достигается полная оптимальность. В большинстве случаев даже при этом достигаются заметные улучшения.

Общая запись задач оптимизации задаёт большое разнообразие их классов. От класса задачи зависит подбор метода (эффективность её решения). Классификацию задач определяют: целевая функция и допустимая область которая задаётся системой неравенств и равенств или более сложным алгоритмом [18]

Методы оптимизации классифицируют в соответствии с задачами оптимизации.

Локальные методы: сходятся к какому-нибудь локальному экстремуму целевой функции. В случае унимодальной целевой функции, этот экстремум единственен, и будет глобальным максимумом/минимумом.

Глобальные методы имеют дело с многоэкстремальными целевыми функциями. При глобальном поиске основной задачей является выявление тенденций глобального поведения целевой функции.

Существующие в настоящее время методы поиска можно разбить на четыре большие группы [4],[5].

• детерминированные;

• случайные (стохастические);

• комбинированные;

• генетические.

По критерию размерности допустимого множества критериев и управляемых параметров, методы оптимизации делят на методы одномерной оптимизации и методы многомерной многокритериальной оптимизации.

По виду целевой функции и допустимого множества, задачи оптимизации и методы их решения можно разделить на следующие классы.

Задачи оптимизации, в которых целевая функция /(Зс)и ограничения gl(x),i = \,...,m являются линейными функциями, разрешаются так называемыми методами линейного программирования.

В противном случае имеют дело с задачей нелинейного программирования и применяют соответствующие методы. В свою очередь из них выделяют две частные задачи:

если /(х) и gl(x),i = l,...,m — выпуклые функции, то такую задачу называют задачей выпуклого программирования;

если X с 2, то имеют дело с задачей целочисленного (дискретного) программирования.

По требованиям к гладкости и наличию у целевой функции частных производных, их также можно разделить на:

• прямые методы, требующие только вычислений целевой функции в точках приближений;

• методы первого порядка: требуют вычисления первых частных производных функции;

• методы второго порядка: требуют вычисления вторых частных производных, то есть гессиана целевой функции.

Помимо того, оптимизационные методы делятся на следующие группы:

• аналитические методы (например, метод множителей Лагранжа, условия Каруша-Куна-Таккера) [6];

• численные методы;

• графические методы;

• эволюционные методы.

В зависимости от природы множества X задачи математического программирования классифицируются как:

задачи дискретного программирования (или комбинаторной оптимизации) — если X конечно или четно;

задачи целочисленного программирования — если X является подмножеством множества целых чисел;

задачей нелинейного программирования, если ограничения или целевая функция содержат нелинейные функции и X является подмножеством конечно мерного векторного пространства.

Если же все ограничения и целевая функция содержат лишь линейные функции, то это задача линейного программирования.

Кроме того, разделами математического программирования являются параметрическое программирование, динамическое программирование и стохастическое программирование.

Математическое программирование используется при решении оптимизационных задач исследования операций, к которым часто относят и задачи оптимизации технологических (и других) систем.

В настоящее время является чрезвычайно актуальным создание и грамотная эксплуатация распределённых систем, обеспечивающих решение множества задач управления процессом в системе, и прежде всего это сбор и анализ информации о внутренней и внешней среде, координация действий в процессе достижений цели.

Объектом исследования являются распределённые технологические системы, которые обеспечивают единое пространство для всех (основных) подсистем и процессов с целью поддержки процесса принятия решений

путем выполнения нужных операций в нужное время и в нужном месте, содействия оптимизации системы управления и повышения ее эффективности, создания информационной среды для осуществления управления системой и создания новых методов ведения процесса. Одной из целей оптимизаций технологических систем является повышение эффективности распределенных технологических систем (РТС), что достигается путем решения комплекса задач, приведенных на рис. 1.4.

Эффективность РТС

Рис. 1.4 Комплекс взаимосвязанных задач, требующих решения при обеспечении эффективности распределенной технологической системы

Оптимизация технологических систем неразрывно связана с оптимизацией автоматизированных систем управления технологическими процессами (АСУТП). Это требует сочетания декомпозиции, как самих технологических систем, так и АСУТП, представляющих собой иерархические структуры. В целом иерархические структуры представляют

собой комбинацию двух структурных систем управления. Первое из этих представлений связано с пространственной (горизонтальной) декомпозицией, использующей особенности слабых связей между отдельными подсистемами. Второе — с многоступенчатой (вертикальной) декомпозицией задач различного характера, решаемых с помощью АСУТП. На первом, нижнем, уровне обеспечивается задача стабилизации параметров после каждой операции, допускающей контроль перерабатываемого продукта. На втором уровне решается задача согласования значений управляющих воздействий для каждой операции с целью обеспечения требуемого значения параметра конечного продукта. Эта задача может решаться как задача оптимального управления, например, исходя из условий оптимального расхода ресурса. На третьем уровне системы управления определяются необходимые значения параметров конечного продукта и перераспределения материальных потоков с целью выпуска соответствующего его количества с различными требуемыми параметрами (глобальная координация)[9].

Решение задач на каждом уровне осуществляется с помощью моделей, соответствующих различным уровням описания технологического процесса. Кроме того, для разных технологических процессов характерно разное взаимодействие задач управления параметрами продукта и интенсивностью материальных потоков, что также находит свое отражение в структуре систем управления. Для решения задач декомпозиции на первом уровне используется теория линейного программирования ; (с, х) —► max, Ах< Ь, х>0, где с,Ь — векторы размерностей соответственно n, ш, А— матрица размерности m х п. На втором уровне осуществляется дискретная оптимизация структуры АСУТП на основе процессно-ролевых моделей[13],[15].

1.3 Использование линейного программирования для решения непрерывных задач оптимизации

К непрерывным задачам оптимизации технологических систем будем относить:

• задачу обеспечения материалами и ресурсами операций технологического процесса;

• задачу минимизации транспортных перевозок между подсистемами и объектами ТС;

• • задачу разбиения графа ТС на подграфы (декомпозиция);

• бикритериальные задачи декомпозиции.

Эти задачи в отдельности решаются линейным программированием, в частности симплексным методом.

Для того, чтобы решить задачу симплексным методом необходимо выполнить следующее[31]:

1) привести задачу к каноническому виду;

2) найти начальное опорное решение с "единичным базисом" (если опорное решение отсутствует, то задача не имеет решения ввиду несовместимости системы ограничений);

3) вычислить оценки разложений векторов по базису опорного решения и заполнить таблицу симплексного метода;

4) если выполняется признак единственности оптимального решения, то решение задачи заканчивается;

5) если выполняется условие существования множества оптимальных решений, то путем простого перебора находят все оптимальные решения;

Пример решения задачи симплексным методом приводится в [18]:

Другой задачей декомпозиции технологических систем является разбиение графа (модели) ТС. Пусть задан неориентированный взвешенный граф С(Х,У,\у) порядка п, где Х={хь...,хп} - множество вершин; У^ХХХ -множество ребер; \у:V—»11+ - отображение, определяющее вес каждого ребра, где - множество действительных неотрицательных чисел.

Требуется определить разбиение множества вершин X графа С(Х,У,\у) на к -подмножеств (XI,...,Хк) таким образом, чтобы для кусков графа 01(Х1,У1,\у1),..., вк(Хк,Ук^к) выполнялись следующие требования:

20

X, пХу=0,для\/1 ^ у,где!,у = 1,

/=1

|Х1| = и1, ...,\Хк\ = «1 +...+пк = и,

Сечением разбиения С(Х1,...,Хк) будем называть совокупность ребер, соединяющих вершины, которые принадлежат разным подграфам.

В качестве критерия оптимальности С), определяющего эффективность биразбиения (XI,...,Хк) будем рассматривать вес сечения - сумма весов всех ребер сечения:

<2{хх, х2,..., ) = X X Е т1п

¿=1

В этом случае оптимальным к-разбиением является решение (Х1*,...,Хк*) экстремальной задачи (2), то есть разбиение (XI *,...,Хк *) с минимальным весом сечения С(Х1 *,...,Хк *).

Частным случаем задачи к-разбиения является задача биразбиения графа - когда граф разбивается на два подграфа (к=2). В этом случае решение задачи биразбиения графа (XI,Х2) называется биразбиением[13].

Система требований, предъявленных к разбиению (XI,...,Хк), определяет область поиска Э задачи к-разбиения графа. В этом случае решением экстремальной задачи (1.8) является Парето-область из компромиссных решений. Данная задача относится к задачам переборного типа и общее число допустимых решений |И>| также можно вычислить [14].

Изложенные подходы позволяют оптимизировать системы по одному критерию, или группе несвязываемых критериев.

1.4 Комбинированные алгоритмы решения задач многокритериальной оптимизации

При разработке алгоритмов многокритериальной оптимизации используется синергетические аспекты построения алгоритмов, учитывающих комплексный подход к оптимизации технологических систем, как многоуровневых иерархических больших сложных систем.

Разрабатываемые алгоритмы учитывают, как правило нечеткий характер информации.

Важным является вопрос о существовании оптимальной декомпозиции графа системы обработки информации на N подграфов, где №>п>2, где >1-количество вершин графа. Условие п>2 определяется тем фактом, что при декомпозиции по одному критерию мы имеем задачу дихотомического разбиения графа, в которой показано, что в этом случае разбиения на 2 подграфа является оптимальным[7].

Пусть задан граф рис.1.5 , совпадающий с небольшими дополнениями с графом рассматриваемом в [14].

Список литературы диссертационного исследования кандидат наук Пайе Тэйн Наинг, 2014 год

Список Литературы

1. Grauel A., Ludwig L.A. «Genetic Algorithms For Optimal Feature selection» -Fourth European Congress on Fussy and Intelligent Technologies and Soft Computing (EUFIT), Aechen, Germany, 1996

2. Koza J.R. «Genetic Programming: On the Programming of Computers By Means of Natural Selection» - Cambridge, MA:MIT Press, 1992

3. Tsujimura Y., Gen M., Li Y., Kubota E. «An Efficient Method for Solving Fuzzy Assembly-Line Balancing Problems in Genetic Algorithm» - Third European Congress on Fussy and Intelligent Technologies and Soft Computing (EUFIT), Aechen, Germany, 1995

4. Абагян C.C. Многокритериальная оптимизация информационных систем на основе генетических алгоритмов. Тезисы докладов конференции «Микроэлектроника и информатика», МИЭТ, Москва 2002г.

5. Батищев Д.И. «Методы оптимального проектирования» - М., «Радио и связь», 1984

6. Беллман Р., Заде Л. «Принятие решений в расплывчатых условиях» - в сб. «Вопросы анализа и процедуры принятия решений», М., Мир, 1976

7. Борисенко М.Л. «Использование нечеткой модели процесса оценивания качества для получения достоверной экспертной оценки» - в сб. «Оборонный комплекс - научно-техническому прогрессу России»№2, 1999

8. Г.П. Воронин, О.С. Якимов "Нормативное обеспечение в области CALS"

9. Турин Л.С., Меркулев А.Д. «Задачи и методы оптимального распределения ресурсов» - М., «Советское радио», 1968

Ю.Дукин А.Н., Каратыгин С.А. Оценка сроков разработки программного обеспечения// Журнал «Естественные и технические науки». - М.: Спутник-Плюс, 2009. №4(142), С. 350-354

Н.Душутин И.В. «Оптимизация сложных информационных систем с помощью мультихромосомных генетических алгоритмов» - Труды Всероссийской межвузовской научно-технической конференции

студентов и аспирантов «Микроэлектроника и информатика-97», часть-2, М., МИЭТ, 1997

12.Душутин И.В. «Построение мультихромосомных моделей больших информационных систем» - Депонент в ВИНИТИ №1624-В97, М., 1997

13. Лисов О.И. «Оценка характеристик автоматизированных систем проектирования» - Уч. пособие, М., МИЭТ, 1983

14.Лисов О.И. «Системный анализ и математическое моделирование САПР» - М., МИЭТ, 1994

15. Лисов О.И., Душутин И.В. «Оптимизация структур программно-технических комплексов САПР. Труды XXIII международной конференции «Новые информационные технологии в науке, образовании и бизнесе». - Ялта-Гурзуф, 1996.

16.Лисов О.И., Туфанов А.Н. «Выбор целевых функций и оптимизация вычислительных систем в машинном проектировании» - в кн. «Управляющие системы и машины», 1978, №3

17.Лужбинин A.B. Система управления состоянием программно-аппаратных систем. Тезисы докладов конференции «Микроэлектроника и информатика-2003». Москва 2003 г. стр.259.

18.Моисеев H.H., Иванилов Ю.П. «Методы оптимизации» - М., «Наука», 1978

19.Пайе Тэин Наинг, Тант Зин Пьо, Касимов р. А., Смирнов В. О. Методика повышения достоверности магистрального телеуправления // Журнал «Научное обозрение» -М.: ИД "Наука образования", 2013.- № 4.- С. 76-78 (ВАК)

20.Пайе Тэин Наинг. Автоматизированные системы обработки данных для диагностики сетей // Микроэлектроника и информатика - 2011. 18-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: МИЭТ, апр.2013г.-340с.С-162

21.Пайе Тэин Наинг. Задачи декомпозиции автоматизированных систем управления технологическими процессами // Микроэлектроника и

информатика - 2012. 19-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, апр. 2012г. - 324с. С 146.

22.Пайе Тэин Наинг. К вопросу декомпозиции больших, сложных информационо-управляющих систем // Актуальные проблемы информатизации в науке, образовании и экономике - 2011. 4-я Всероссийская межвузовская научно- практическая конференция. М.: МИЭТ, 2011.-196 с. С 156.

23.Пайе Тэин Наинг. Методы и алгоритмы декомпозиции информационных систем управления технологическими процессами// Современные информационные технологии. Труды международной вып 14, ПГТА, ноябрь 2011.-213. С 100.

24.Пайе Тэин Наинг. модели дискретного планирования технологических процессов на основе линейного программирования // XVI международная телекоммуникационная конференция молодый ученых и студентов «Мододежь и наука». Тезисы докладов.: НИЯУ МИФИ, 2013. _236с. С151.

25.Пайе Тэин Наинг. Обеспечение качества программно-аппаратных систем на этапах жизненного цикла// Микроэлектроника и информатика - 2011. 18-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, апр. 2011г. - 340 с. С. 197.

26.Пайе Тэин Наинг. Подход к декомпозиции распределенных систем управления// Современные информационные технологии. ПГТА,2013-№17.-С.131-132.

27.Пролейко В.М., Абрамов В.А., Брюнин В.Н. «Системы управления качеством изделий микроэлектроники» - изд. «Радио и связь», М., 1976

28.Пайе Тэйн Наинг, Тант Зин Пьо, Тин Чжо, Пья Сон Ко Ко,. Методика системы распознавания образов с помощью самоорганизующихся карт кохонена нейронных сетей на основе таЙаЬ// Интернет-журнал

«Науковедение». 2013 №5 (18) [Электронный ресурс].-М. 2013. - Режим доступа: http://naukovedenie.ru/ index.php?p=issue-5-13. (ВАК)

29.Чжо Зо Е, Пайе Тэйн Наинг. Автоматизированная система управления технологическими процессами в газовых потоков // Журнал «Научное обозрение» -М.: ИД "Наука образования", 2013.- № 7.- С.65-69(ВАК)

30.Шишканов О.Ф., Борисенко M.JI. «Математические модели оценки приспособленности особей в мультихромосомных генетических алгоритмах» - в сб. «Микроэлектроника и информатика-98». Всероссийская межвузовская научно-техническая конференция студентов и аспирантов, М., МИЭТ, 1998

31.Казак Д.С. О выборе критерии качества функционирования автоматизированных систем для технологических испытаний в приборостроении//научно-технический журнал «Актуальные проблемы современной науки» № 6, 2008.

32.Казак Д.С. Методика контроля работоспособности автоматизированных систем для технологических испытаний в приборостроении// научно-технический журнал «Актуальные проблемы современной науки» № 6, 2008.

33.Уолрэнд Дж. Введение в теорию сетей массового обслуживания.-М.: Мир, 1993.-335 с.

34.Новиков O.A., Петухов С.И. Прикладные вопросы теории массового обслуживания.-М.: Советское радио, 1969.- 400 с.

35.Кокс Д.Р., Смит У.Л. Теория очередей.- М.: Мир, 1966.-218 с

36.Крылов В.И., Бобков В.В., Монастырный П.И. Вычислительные методы.-М.: Наука, 1976, т. 1.-3 03 с.

37.Чжо Зо Е, Тайк Аунг Чжо, Пайе Тэйн Наинг. Модели обнаружения и технической диагностики неисправностей объектов в приборостроении// вести высших учебных заведений черноземья- №3 (33) 2013- С.32-36 (ВАК)

38.Лисов О. И., Чжо Зо Е, Пайе Тэйн Наинг. Методика оптимизации управления технологическими процессами распределенных систем// «Известия вузов. Приборостроение»- №3 (57) 2014- С.26-30 (ВАК)

39.Пайе Тэйн Наинг, Лисов О.И., Чжо Зо Е, Марков А. Б. Оценка качества систем управления технологическими процессами на этапах жизненного цикла// Оборонный комплекс - научно-техническому прогрессу России. -М.: ФГУП "ВИМИ", 2014.- № 2. С.34-39 (ВАК)

40.Пайе Тэйн Наинг. Теоретико-групповой метод декомпозиции автоматизированных технологических систем // Актуальные проблемы информатизации в науке, образовании и экономике - 2013. 6-я Всероссийская научно-практическая конференция. М.: МИЭТ,- С92.

ПРИЛОЖЕНИЕ 1 Акт о внедрении результатов диссертационной работы

АКТ

внедрения результатов диссертационной работы Пайе Тэйн Наинг на тему

«Методики, модели и алгоритмы комплексной многокритериальной оптимизации автоматизированных технологических систем »,

представленной на соискание ученой степени кандидата технических наук

Результаты кандидатской диссертации Пайе Тэйн Наинг, посвященной разработке методик, моделей и алгоритмов комплексной многокритериальной оптимизации автоматизированных технологических систем, а именно:

• методика многокритериальной оптимизации распределенных технологических систем, учитывающие главные аспекты управления процессами в распределённых технологических системах: управление ресурсами, управление транспортными потоками, управление технологическими процессами;

• алгоритмы моделирования процессно-ролевой системы на основе современных генетических алгоритмов решения многокритериальных задач оптимизации;

• структура программного и информационного обеспечения системы комплексной многокритериальной оптимизации и задач обучения и повышения квалификации обслуживающего персонала;

• программный комплекс моделирования для оптимизации технологического систем на основе процессно-ролевого подхода.

используются в учебном процессе кафедры «Системы автоматического управления и контроля» Национального исследовательского университета "МИЭТ" в лекционных и практических занятиях по дисциплинам «Автоматизированные информационно управляющие системы», «Автоматизация технологических процессов», «Моделирование систем управления».

по специальности 05.13.06 - Автоматизация и управление технологическими процессами и производствами (в приборостроении)

Ученый секретарь кафедры САУиК К.Т.Н., доц.

Заведующий кафедрой САУиК д.т.н., проф.

к.т.н., проф. САУиК

ПРИЛОЖЕНИЕ 2 Фрагменты и экранные формы программного комплекса

gg GA_KPTN Emulator - AnyLoge Urwmity [PUBLIC RESEARCH USE OWlY] [EVALUATION USE ONLY] ► ■ j t* C5 (** <» f Q fg| txxrmtn? CA * f j £>

ITKMI'A

Experiment setup page

=> fS U

ia + 3b

%>a ftva nodoi and swtdi № I4a*i vm

Rime 4 0 Idte j Tmnr j Smuilattoa: StopttWrnwset

{g CAJCPTJJ j S«nUstwn AnTto»* Ufawwstt* EPU8UC RtStWtCH USE OMLY] [EVALUATION USt OW./J

m at I % * xl < » 1 C ^ 00t-M»rt - ft i>

1. ♦ 3 b + 2 C 1- 4 a ♦ 5 e - 100 11.301 + 44 893 + 14.867 + 73 584 =

1a * 3 6 +. 2 c t 4 d + 5 9 - 100 77 475 + 7 779 + 1 774 + 30.599 + 37 174 _ 99 151

1a ♦ 3 fc -2 c ♦ 4 d + 5 e 100 15.884 + 18 648 + 17 587 + 79 775 + 17.384 _ 99.277

1a ♦ 3 6 + 2 c »■ 4 d * 5 <s = 100 13 81 + 39 542 + 11 551 + 27.786 + 8 45 = 100.939

1a ♦ 3 D < 2 c * 4 d * 5 8 - 100 7 41 + 1 7 + 21 574 + 23.213 + 50 618 _ 99 015

1a ♦ 3 b ♦ 2 c » 4 d • 5( - 100 16.039 + 31 043 + 6 545 + 32 417 + 15.379 _ 101.474

1a ♦ 3 t + c ♦ 4 d » 6 e = 100 9 824 + 41 855 + 0054 + 38.807 + 7.731 _ 98 271

1a + 3 b -> 2 c t 4 d tie ■ 100 12.762 + 18.072 + 24 073 + 2.542 41.937 = .99.386

la ♦ 3 fc » 2 c ♦ 4 d » 1 e - 100 7 35 + 17 867 5.969 + 40 744 + 38 467 _ 99.897

1a ♦ 3 fc ♦ 2 c » 4 d S p = 100 12 697 + 26 664 + 23 83 + 32 922 + 5 591 _ 101 704

1a ♦ 3 b * 2 c + 4 d + 5 « - 100 19 424 + 34 63 + 35 618 + 6 728 + 3 819 _ 100.219

la ♦ 3 fc * 2 e i4 d ♦ 5 « - 100 + 12.671 + 26 737 + _J9.955__ + 19605 =___100.512

1a ♦ 3 fc * ^ c * 4 d * e) e - 100 21 082 + 41 173 + 5.473 25 582 + 6 895 _ 100 706

I 1a ♦ 3 b • 2 c ♦ 4 i * 5 6 = 130 23 837 + 19 059 + B 75 + 4 631 + 46.577 _ 100.854

I 1a ♦ 3 6 + ; c <• 4 i - 5 e - 100 15.735 + 2 548 + 73 043 t 53 113 + _JL635_ _ 98 074

I 1a * 3 b ♦ 2 c * 4 3 -5 8 = 100 5 599 + 4 394 + 36 911 + 43 989 + 9 849 _ 100 743

1a ♦ 3 b ♦ 2 c * 4 d 5 e = 100 14 799 + 7 319 + 34 097 + 11 676 + 32 379 _ 100 265

1a ♦ 3 b + 2 c ♦ <1 d * 5 e - 100 4.503 + .34.387_ + 21 458 + 13,73 + 27.078 ..JQ 1.155

1a 3 b * 2 c ♦ 4 d »Se - 100 70 897 + 8 606 + 77 374 + 17 571 36 511 _ 100.903

1a » 3 b . 2 c ♦ 4 d »5 « = 100 10 423 + 34.808 + 4.309 + 36.794 15 497 - 101.832

^ AV/iOpC

UK 4 0 ftunnrtg TMtc: SO 68

E Step trw not set

["gf GAJOTN ««nutoon - Anylogc University (P1J8t IC RKf ARCH l/S£ ONLY] JfVAlUATION OfflY]

Ce M ■ | tâ & * t O* <; I Ct' » Ui root Ma« .tit fi AnyUpe

The Optimal Number are

Ans A B C D E

99.386 12.762 6.024 12.036 0 635 8.387

99.897 2 35 4 289 2 985 10.061 7.693

100.206 21.082 13.724 2.736 6.396 1.379

Run: 4 O Rumng { Time: 113.97 | SwwlatXMK SK© Srnenetset j

G4 Equä/JueOata DatdOpt

¿3 i*ne*t i« ISO] 24MVIH [if m*î2]

E<fjévéue — AlV^iue

ПРИЛОЖЕНИЕ 3 Фрагменты листинга программной реализации ПКМГА

package ga_kptn;

im port j ava. sql. SQLException;

import java.util.ArrayList;

import java.util.Comparator;

import java.util.Date;

import java.util.Enumeration;

import java.util.Iterator;

import java.util.LinkedList;

import java.util.ListIterator;

import java.util.Set;

import java.util.SortedMap;

import java.util.Stack;

import java.util.Timer;

import java.util.TreeMap;

import java.util.TreeSet;

import java.util. Vector;

import java.awt.Color;

im port j ava.awt.Font;

import java.awt.Graphics2D;

import java.awt.geom.AffineTransform;

import static java.lang.Math.*;

import static com.xj.anylogic.engine.presentation.UtilitiesColor.*;

import static com.xj.anylogic.engine.presentation.UtilitiesDrawing.*;

import static com.xj.anylogic.engine.HyperArray.*;

im port com.xj .any logic.engine. *;

import com.xj.anylogic.engine.analysis.*;

import com.xj.anylogic.engine.connectivity.*;

import com.xj.anylogic.engine.connectivity.ResultSet;

import com.xj.anylogic.engine.connectivity.Statement;

import com.xj.anylogic.engine.presentation.*;

import java.awt.geom.Arc2D;

public class Main extends ActiveObject

{ //Parameters

public

double a;

/**

* Returns default value for parameter <code>a</code>.

* <i>This method should not be called by user</i> */

public

double _a_DefaultValue_xjal() { final Main self = this; return 0.0;

}

public void set_a( double a) { if (a == this.a) { return;

}

this.a = a;

onChange_a();

onChange();

void onChange_a() { }

public

double b;

j**

* Returns default value for parameter <code>b</code>.

* <i>This method should not be called by user</i> */

public

double _b_DefaultValue_xjal() { final Main self = this; return 0.0;

}

public void set_b( double b) { if (b = this.b) { return;

}

this.b = b;

onChange_b();

onChange();

}

void onChange_b() { }

public

double c;

/**

* Returns default value for parameter <code>c</code>.

* <i>This method should not be called by user</i> */

public

double _c_DefaultValue_xjal() { final Main self = this; return 0.0;

}

public void set_c( double c ) { if (c = this.c) { return;

}

this.c = c;

onChange_c();

onChange();

}

void onChange_c() { }

public

double d;

/**

* Returns default value for parameter <code>d</code>.

* <i>This method should not be called by user</i>

*/

public

double _d_DefaultValue_xjal() { final Main self = this; return 0.0;

}

public void set_d( double d ) { if (d = this.d) { return;

}

this.d = d;

onChange_d();

onChange();

}

void onChange_d() { }

public double e;

* Returns default value for parameter <code>e</code>.

* <i>This method should not be called by user</i> */

public

double _e_DefaultValue_xjal() { final Main self = this; return 0.0;

}

public void set_e( double e ) { if (e == this.e) { return;

}

this.e = e;

onChange_e();

onChange();

}

void onChange_e() { }

public

int AmountOfNumber;

/**

* Returns default value for parameter <code>AmountOfNumber</code>.

* <i>This method should not be called by user</i> */

public

int _AmountOfNumber_DefaultValue_xjal() { final Main self = this; return 0;

}

public void set_AmountOfNumber(

int AmountOfNumber) {

if (AmountOfNumber == this. AmountOfNumber) { return;

}

this.AmountOfNumber = AmountOfNumber;

onChange_AmountOfNumber();

onChange();

}

void onChange_AmountOfNumber() { }

public

double EqualNumber;

/**

* Returns default value for parameter <code>EqualNumber</code>.

* <i>This method should not be called by user</i> */

public

double _EqualNumber_DefaultValue_xjal() { final Main self = this; return 0.0;

}

public void set_EqualNumber( double EqualNumber ) {

if (EqualNumber == this.EqualNumber) { return;

}

this.EqualNumber = EqualNumber;

onChange_EqualNumber(); onChange();

}

void onChange_EqualNumber() { }

@Override

public void setParametersToDefaultValuesO { supe r. setParametersToDe fault Val ues(); a = _a_DefaultValue_xjal(); b = _b_DefaultValue_xjal(); c = _c_DefaultValue_xjal(); d = _d_DefaultValue_xjal(); e = _e_DefaultValue_xjal();

AmountOfNumber = _AmountOfNumber_DefaultValue_xjal(); EqualNumber = _EqualNumber_DefaultValue_xjal();

}

// Plain Variables public int

ready; public doublef] Allresult; public double[]

OptimalValues; // Events

public EventTimeout event = new EventTimeout(this);

public EventTimeout _DataOpt_autoUpdateEvent_xjal = new EventTimeout(this); public EventTimeout _EqualValueData_autoUpdateEvent_xjal = new EventTimeout(this);

public EventTimeout _plot_autoUpdateEvent_xjal = new EventTimeout(this);

@Override

public void executeActionOf( EventTimeout _e ) { if (_e == event) {

if(ready==l) {

Optimization();

GraphQ; }

; return;

}

if (_e == _DataOpt_autoUpdateEvent_xjal) { DataOpt.update(); return;

}

if (_e == _EqualValueData_autoUpdateEvent_xjal) { Equal ValueData.update(); return;

}

if (_e == _plot_autoUpdateEvent_xjal) { plot.updateData(); return;

}

super.executeActionOf( _e );

}

// Embedded Objects

public String getNameOf( ActiveObject ao) { return null;

}

public ActiveObjectArrayList<Number> number = new

ActiveObjectArrayList<Number>();

public String getNameOf( ActiveObjectCollection<?> aolist) { if( aolist = number) return "number"; return null;

}

/**

* This method creates and adds new embedded object in the replicated embedded object collection number<br>

* ¡« return newly created embedded object

*r

public Number add_number() { int index = number.size(); Number object = instantiate_number_xjal( index ); setupParameters_number_xjal( object, index);

create_number_xjal( object, index );

object.start();

return object;

public boolean remove_number( Number object) { if(! number._remove( object)){ return false;

}

obj ect. setDestroyed(); return true;

}

/**

* Creates an embedded object instance and adds it to the end of replicated embedded object list<br>

* <i>This method should not be called by user</i> */

private Number instantiate_number_xjal( final int index) { Number object = new Number( getEngine(), this, number);

number._add(object); return object;

}

private void setupParameters_number_xjal( final Number self, final int index ) { }

private void create_number_xjal(Number object, final int index) { object.create();

// Port connections

}

// Functions

void

Optimization( ) { int i,j,count=0,count2=0,count3=0; double temp=0;

for(i=0;i<AmountOfNumber;i++) Allresult[i]=number.get(i).result;

for(i=0;i<AmountOfNumber-l ;i++) {

for(j=i+1 y <AmountOfNumber;j ++) {

if(Allresult[i]>Allresult[j]) {

temp=Allresult[i]; Allresult[i]=Aliresult[j];

Allresult[j]=temp; }

}

for(i=0; i<AmountOfNumber; i++) {

if(Allresult[0]<EqualNumber&&Allresult[AmountOfNumber-l]>EqualNumber&&Allresult[i]<EqualNumber) count=i;

else if (Allresult[0]<EqualNumber&&Allresult[AmountOfNumber-l]<EqualNumber) count2=l;

else if(Allresult[0]>EqualNumber) count3=l;

}

if(count>0) {

Optimal Values[0]=Allresult[count-1 ];

OptimalValues[l]=Allresult[count];

OptimalValues[2]=Allresult[count+l];

}

else if(count2>0) {

OptimalValues[0]=Allresult[AmountOiNumber-3]; OptimalValues[ 1 ]=Allresult[AmountOfNumber-2]; OptimalValues[2]=Allresult[AmountOfNumber-1 ];

}

else if(count3>0) {

Optimal Values[0]=Allresult[0]; OptimalValues[ 1 ]=Allresult[ 1 ]; OptimalValues[2]=Allresult[ 1 ];

}

}

void

Graph( ){ int i,j;

for(i=0; i<AmountOfNumber; i++) {

EqualValueData.add(i,EqualNumber);

DataOpt.add(i, Allresult [i]); }

ready=0; }

// Analysis Data Elements

public DataSet DataOpt = new DataSet( 100);

public DataSet EqualValueData = new DataSet( 100);

public ViewArea Optimize = new ViewArea( this, null, 0, -650, ViewArea.TOP_LEFT, ViewArea.ZOOM_TO_FIT, 1.0, 1200, 550 );

public ViewArea _origin_VA = new ViewArea( this, "[Origin]", 0, 0, ViewArea.TOP_LEFT, ViewArea.SPECIFIED ZOOM, 1, 100, 100); @Override

public int getViewAreas(Map<String, ViewArea> output) { if ( _output != null) { _output.put( "Optimize", this.Optimize );

_output.put( "originVA", this._origin_VA );

return 2 + super.getViewAreas( _output);

}

static final Font button Font = new Font("Dialog", 0, 11 );

static final Font _text_Font = new Font("SansSerif0, 20 );

static final Font text 1 Font = _text_Font;

static final Font _text2_Font = _text_Font;

static final Font _text3_Font = _text_Font;

static final int _button = 1;

static final int _number_presentation = 2;

static final int line = 3;

static final int _text = 4;

static final int textl = 5;

static final int _text2 = 6;

static final int _text3 = 7;

static final int __plot = 8;

* Top-level presentation group id static final int presentation = 0;

* Top-level icon group id

*/

static final int _icon = -1; @Override

public void executeShapeControlAction( int _shape, int index ) { switch( _shape) { case _button: { Optimize.navigateTo();

ready=l; ;}

break; default:

super.executeShapeControlAction( shape, index); break;

}

}

ShapeButton button; Plot plot;

private void _number_presentation_SetDynamicParams_xjal(

ShapeEmbeddedObjectPresentation shape, int index) { boolean _visible; shape.setEmbeddedObject_xjal( number.get( index) );

}

public ShapeEmbeddedObjectPresentation

_number_presentation_createShapeWithStaticProperties( final int _index) {

ShapeEmbeddedObjectPresentation shape = new ShapeEmbeddedObjectPresentation( Main.this, true, 0, 0, 0, 0.0,

false, number.get( _index )); return shape;

}

private int _number_presentation_Replication() { return number.size()

9

}

ReplicatedShape<ShapeEmbeddedObjectPresentation> number_presentation;

private void _line_SetDynamicParams_xjal( ShapeLine shape ) { boolean visible; _visible =

false

»

shape.setVisible( _visible);

if ( _visible ) { }

}

ShapeLine line;

private void _text_SetDynamicParams_xjal( ShapeText shape ) { boolean _visible; shape.setText( OptimalValuesfO] );

}

ShapeText text;

private void _textl_SetDynamicParams_xjal( ShapeText shape ) { boolean _visible; shape.setText( OptimalValues[l] );

}

ShapeText textl;

private void _text2_SetDynamicParams_xjal( ShapeText shape ) { boolean _visible; shape. setText( OptimalValues[2] );

ShapeText text2; ShapeText text3;

// Static initialization of persistent elements {

button = new ShapeButton(

Main.this, true, 1280, 220, 80, 60,

controlDefault, controlDefault, _button_Font,

"Optimize" ) {

@Override public void action(){ executeShapeControlAction( _button, 0 );

} };

line = new ShapeLine(

true, 10, 50, black,

340, 0, 1, LINE_STYLE_SOLID ) {

@Override