WMS-നുള്ള ഡിസ്‌ക്രീറ്റ് മാത്തമാറ്റിക്സ്: കോശങ്ങളിലെ ഇനങ്ങൾ കംപ്രസ്സുചെയ്യുന്നതിനുള്ള അൽഗോരിതം (ഭാഗം 1)

ഒരു വെയർഹൗസിലെ സ്വതന്ത്ര സെല്ലുകളുടെ അഭാവവും അത്തരമൊരു പ്രശ്നം പരിഹരിക്കുന്നതിനുള്ള ഒരു പ്രത്യേക ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം വികസിപ്പിച്ചതിന്റെയും പ്രശ്നം ഞങ്ങൾ എങ്ങനെ പരിഹരിച്ചുവെന്ന് ഈ ലേഖനത്തിൽ ഞങ്ങൾ നിങ്ങളോട് പറയും. ഒപ്റ്റിമൈസേഷൻ പ്രശ്നത്തിന്റെ ഗണിതശാസ്ത്ര മോഡൽ ഞങ്ങൾ എങ്ങനെ "നിർമിച്ചു" എന്നതിനെക്കുറിച്ചും അൽഗോരിതത്തിനായി ഇൻപുട്ട് ഡാറ്റ പ്രോസസ്സ് ചെയ്യുമ്പോൾ ഞങ്ങൾ അപ്രതീക്ഷിതമായി നേരിട്ട ബുദ്ധിമുട്ടുകളെക്കുറിച്ചും സംസാരിക്കാം.

ബിസിനസ്സിലെ ഗണിതശാസ്ത്രത്തിന്റെ പ്രയോഗങ്ങളിൽ നിങ്ങൾക്ക് താൽപ്പര്യമുണ്ടെങ്കിൽ, അഞ്ചാം ക്ലാസ് തലത്തിൽ ഫോർമുലകളുടെ കർശനമായ ഐഡന്റിറ്റി പരിവർത്തനങ്ങളെ നിങ്ങൾ ഭയപ്പെടുന്നില്ലെങ്കിൽ, പൂച്ചയിലേക്ക് സ്വാഗതം!

ലേഖനം നടപ്പിലാക്കുന്നവർക്ക് ഉപയോഗപ്രദമാകും WMS-സിസ്റ്റംസ്, വെയർഹൗസ് അല്ലെങ്കിൽ പ്രൊഡക്ഷൻ ലോജിസ്റ്റിക്സ് വ്യവസായത്തിൽ പ്രവർത്തിക്കുന്നു, അതുപോലെ ബിസിനസ്സിലെ ഗണിതശാസ്ത്രത്തിന്റെ പ്രയോഗങ്ങളിലും ഒരു എന്റർപ്രൈസിലെ പ്രക്രിയകളുടെ ഒപ്റ്റിമൈസേഷനിലും താൽപ്പര്യമുള്ള പ്രോഗ്രാമർമാർ.

ആമുഖ ഭാഗം

ഈ പ്രസിദ്ധീകരണം വെയർഹൗസ് പ്രക്രിയകളിൽ ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം നടപ്പിലാക്കുന്നതിൽ ഞങ്ങളുടെ വിജയകരമായ അനുഭവം പങ്കിടുന്ന ലേഖനങ്ങളുടെ പരമ്പര തുടരുന്നു.

В മുമ്പത്തെ ലേഖനം ഞങ്ങൾ നടപ്പിലാക്കിയ വെയർഹൗസിന്റെ പ്രത്യേകതകൾ വിവരിക്കുന്നു WMS-സിസ്റ്റം, കൂടാതെ നടപ്പിലാക്കുമ്പോൾ ശേഷിക്കുന്ന സാധനങ്ങളുടെ ബാച്ചുകൾ ക്ലസ്റ്ററിംഗിന്റെ പ്രശ്നം പരിഹരിക്കേണ്ടതിന്റെ ആവശ്യകതയും വിശദീകരിക്കുന്നു. WMS-സിസ്റ്റംസ്, ഞങ്ങൾ അത് എങ്ങനെ ചെയ്തു.

ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതങ്ങളെക്കുറിച്ചുള്ള ലേഖനം ഞങ്ങൾ എഴുതി പൂർത്തിയാക്കിയപ്പോൾ, അത് വളരെ വലുതായി മാറി, അതിനാൽ ശേഖരിച്ച മെറ്റീരിയൽ 2 ഭാഗങ്ങളായി വിഭജിക്കാൻ ഞങ്ങൾ തീരുമാനിച്ചു:

• ആദ്യ ഭാഗത്തിൽ (ഈ ലേഖനം) പ്രശ്നത്തിന്റെ ഗണിതശാസ്ത്ര മാതൃക ഞങ്ങൾ എങ്ങനെ "നിർമിച്ചു" എന്നതിനെക്കുറിച്ചും അൽഗോരിതത്തിനായുള്ള ഇൻപുട്ട് ഡാറ്റ പ്രോസസ്സ് ചെയ്യുമ്പോഴും പരിവർത്തനം ചെയ്യുമ്പോഴും ഞങ്ങൾ അപ്രതീക്ഷിതമായി നേരിട്ട വലിയ ബുദ്ധിമുട്ടുകളെക്കുറിച്ചും സംസാരിക്കും.
• രണ്ടാം ഭാഗത്ത് ഭാഷയിൽ അൽഗോരിതം നടപ്പിലാക്കുന്നത് ഞങ്ങൾ വിശദമായി പരിഗണിക്കും സി ++, ഞങ്ങൾ ഒരു കമ്പ്യൂട്ടേഷണൽ പരീക്ഷണം നടത്തുകയും ഉപഭോക്താവിന്റെ ബിസിനസ്സ് പ്രക്രിയകളിൽ ഇത്തരം "ഇന്റലിജന്റ് ടെക്നോളജികൾ" നടപ്പിലാക്കുമ്പോൾ നേടിയ അനുഭവം സംഗ്രഹിക്കുകയും ചെയ്യും.

ഒരു ലേഖനം എങ്ങനെ വായിക്കാം. നിങ്ങൾ മുമ്പത്തെ ലേഖനം വായിച്ചാൽ, നിങ്ങൾക്ക് ഉടനടി "നിലവിലുള്ള പരിഹാരങ്ങളുടെ അവലോകനം" എന്ന അധ്യായത്തിലേക്ക് പോകാം; ഇല്ലെങ്കിൽ, പരിഹരിക്കപ്പെടുന്ന പ്രശ്നത്തിന്റെ വിവരണം ചുവടെയുള്ള സ്‌പോയിലറിൽ ഉണ്ട്.

ഉപഭോക്താവിന്റെ വെയർഹൗസിൽ പരിഹരിക്കപ്പെടുന്ന പ്രശ്നത്തിന്റെ വിവരണം

പ്രക്രിയകളിലെ തടസ്സം

2018-ൽ, നടപ്പിലാക്കാനുള്ള ഒരു പദ്ധതി ഞങ്ങൾ പൂർത്തിയാക്കി WMSചെല്യാബിൻസ്കിലെ "ട്രേഡിംഗ് ഹൗസ് "എൽഡി" എന്ന വെയർഹൗസിലെ സിസ്റ്റങ്ങൾ. 1 ജോലിസ്ഥലങ്ങൾക്കായി ഞങ്ങൾ "3C-ലോജിസ്റ്റിക്സ്: വെയർഹൗസ് മാനേജ്മെന്റ് 20" ഉൽപ്പന്നം നടപ്പിലാക്കി: ഓപ്പറേറ്റർമാർ WMS, സ്റ്റോർകീപ്പർമാർ, ഫോർക്ക്ലിഫ്റ്റ് ഡ്രൈവർമാർ. ശരാശരി വെയർഹൗസ് ഏകദേശം 4 ആയിരം m2 ആണ്, സെല്ലുകളുടെ എണ്ണം 5000 ആണ്, SKU കളുടെ എണ്ണം 4500 ആണ്. 1 കിലോ മുതൽ 400 കിലോ വരെ വിവിധ വലുപ്പത്തിലുള്ള നമ്മുടെ സ്വന്തം ഉൽപാദനത്തിന്റെ ബോൾ വാൽവുകൾ വെയർഹൗസ് സംഭരിക്കുന്നു. FIFO അനുസരിച്ച് സാധനങ്ങൾ തിരഞ്ഞെടുക്കേണ്ട ആവശ്യം ഉള്ളതിനാൽ വെയർഹൗസിലെ ഇൻവെന്ററി ബാച്ചുകളായി സൂക്ഷിക്കുന്നു.

വെയർഹൗസ് പ്രോസസ് ഓട്ടോമേഷൻ സ്കീമുകളുടെ രൂപകൽപ്പന സമയത്ത്, ഒപ്റ്റിമൽ അല്ലാത്ത ഇൻവെന്ററി സംഭരണത്തിന്റെ നിലവിലുള്ള പ്രശ്നം ഞങ്ങൾ അഭിമുഖീകരിച്ചു. ക്രെയിനുകൾ സംഭരിക്കുന്നതിനും മുട്ടയിടുന്നതിനുമുള്ള പ്രത്യേകതകൾ ഒരു യൂണിറ്റ് സ്റ്റോറേജ് സെല്ലിൽ ഒരു ബാച്ചിൽ നിന്നുള്ള ഇനങ്ങൾ മാത്രമേ ഉൾക്കൊള്ളാൻ കഴിയൂ (ചിത്രം 1 കാണുക). ഉൽപ്പന്നങ്ങൾ ദിവസേന വെയർഹൗസിൽ എത്തുന്നു, ഓരോ വരവും ഒരു പ്രത്യേക ബാച്ചാണ്. മൊത്തത്തിൽ, 1 മാസത്തെ വെയർഹൗസ് പ്രവർത്തനത്തിന്റെ ഫലമായി, 30 പ്രത്യേക ബാച്ചുകൾ സൃഷ്ടിക്കപ്പെടുന്നു, ഓരോന്നും പ്രത്യേക സെല്ലിൽ സൂക്ഷിക്കണം. ഉൽപ്പന്നങ്ങൾ പലപ്പോഴും മുഴുവൻ പലകകളിലല്ല, കഷണങ്ങളായാണ് തിരഞ്ഞെടുക്കുന്നത്, തൽഫലമായി, പല സെല്ലുകളിലെയും പീസ് സെലക്ഷൻ സോണിൽ ഇനിപ്പറയുന്ന ചിത്രം നിരീക്ഷിക്കപ്പെടുന്നു: 1 m3 ൽ കൂടുതൽ വോളിയമുള്ള ഒരു സെല്ലിൽ നിരവധി ക്രെയിനുകൾ ഉണ്ട്. സെൽ വോളിയത്തിന്റെ 5-10% ൽ താഴെ മാത്രം കൈവശപ്പെടുത്തുക.

ചിത്രം 1. ഒരു സെല്ലിലെ നിരവധി കഷണങ്ങളുടെ ഫോട്ടോ

സംഭരണശേഷി മികച്ച രീതിയിൽ ഉപയോഗിക്കുന്നില്ലെന്ന് വ്യക്തമാണ്. ദുരന്തത്തിന്റെ തോത് സങ്കൽപ്പിക്കാൻ, എനിക്ക് കണക്കുകൾ നൽകാൻ കഴിയും: ശരാശരി, അത്തരം സെല്ലുകളുടെ 1 മുതൽ 3 വരെ സെല്ലുകൾ 100 മീ 300 ൽ കൂടുതൽ വോളിയം വെയർഹൗസിന്റെ പ്രവർത്തനത്തിന്റെ വിവിധ കാലഘട്ടങ്ങളിൽ "മൈനസ്" ബാലൻസുകളോടെയുണ്ട്. വെയർഹൗസ് താരതമ്യേന ചെറുതായതിനാൽ, വെയർഹൗസ് തിരക്കുള്ള സീസണുകളിൽ ഈ ഘടകം ഒരു "തടസ്സം" ആയിത്തീരുകയും സ്വീകാര്യതയുടെയും കയറ്റുമതിയുടെയും വെയർഹൗസ് പ്രക്രിയകളെ വളരെ മന്ദഗതിയിലാക്കുകയും ചെയ്യുന്നു.

പ്രശ്ന പരിഹാര ആശയം

ഒരു ആശയം ഉടലെടുത്തു: ഏറ്റവും അടുത്ത തീയതികളുള്ള അവശിഷ്ടങ്ങളുടെ ബാച്ചുകൾ ഒരൊറ്റ ബാച്ചായി ചുരുക്കണം, കൂടാതെ ഒരു ഏകീകൃത ബാച്ചുള്ള അത്തരം അവശിഷ്ടങ്ങൾ ഒരു സെല്ലിലോ പലതിലോ ഒതുക്കമുള്ള രീതിയിൽ സ്ഥാപിക്കണം, ഒന്നിൽ മതിയായ ഇടമില്ലെങ്കിൽ. ശേഷിക്കുന്ന മുഴുവൻ തുക. അത്തരം "കംപ്രഷൻ" ഒരു ഉദാഹരണം ചിത്രം 2 ൽ കാണിച്ചിരിക്കുന്നു.

ചിത്രം.2. കോശങ്ങളിലെ അവശിഷ്ടങ്ങൾ കംപ്രസ്സുചെയ്യുന്നതിനുള്ള സ്കീം

പുതിയ ചരക്കുകൾ സ്ഥാപിക്കുന്നതിന് ഉപയോഗിക്കുന്ന അധിനിവേശ വെയർഹൗസ് സ്ഥലം ഗണ്യമായി കുറയ്ക്കാൻ ഇത് നിങ്ങളെ അനുവദിക്കുന്നു. വെയർഹൗസ് കപ്പാസിറ്റി അമിതഭാരമുള്ള സാഹചര്യത്തിൽ, അത്തരമൊരു നടപടി അത്യന്താപേക്ഷിതമാണ്, അല്ലാത്തപക്ഷം പുതിയ സാധനങ്ങൾ ഉൾക്കൊള്ളാൻ മതിയായ ഇടം ഉണ്ടാകണമെന്നില്ല, ഇത് പ്ലേസ്മെന്റ്, നികത്തൽ എന്നിവയുടെ വെയർഹൗസ് പ്രക്രിയകൾ നിർത്തലാക്കും, അനന്തരഫലമായി, സ്വീകാര്യതയിലും കയറ്റുമതിയിലും ഒരു സ്റ്റോപ്പ്. മുമ്പ്, ഡബ്ല്യുഎംഎസ് സിസ്റ്റം നടപ്പിലാക്കുന്നതിന് മുമ്പ്, അത്തരമൊരു പ്രവർത്തനം സ്വമേധയാ നടത്തിയിരുന്നു, അത് ഫലപ്രദമല്ല, കാരണം സെല്ലുകളിൽ അനുയോജ്യമായ ബാലൻസുകൾക്കായി തിരയുന്ന പ്രക്രിയ വളരെ നീണ്ടതായിരുന്നു. ഇപ്പോൾ, ഒരു ഡബ്ല്യുഎംഎസ് സിസ്റ്റം അവതരിപ്പിക്കുന്നതോടെ, ഈ പ്രക്രിയ ഓട്ടോമേറ്റ് ചെയ്യാനും വേഗത്തിലാക്കാനും അത് ബുദ്ധിപരമാക്കാനും ഞങ്ങൾ തീരുമാനിച്ചു.

അത്തരമൊരു പ്രശ്നം പരിഹരിക്കുന്നതിനുള്ള പ്രക്രിയ 2 ഘട്ടങ്ങളായി തിരിച്ചിരിക്കുന്നു:

• ആദ്യ ഘട്ടത്തിൽ, കംപ്രഷനായി അവസാനിക്കുന്ന ബാച്ചുകളുടെ ഗ്രൂപ്പുകൾ ഞങ്ങൾ കണ്ടെത്തുന്നു (ഈ ടാസ്ക്കിനായി സമർപ്പിച്ചിരിക്കുന്നു മുൻ ലേഖനം);
• രണ്ടാം ഘട്ടത്തിൽ, ബാച്ചുകളുടെ ഓരോ ഗ്രൂപ്പിനും സെല്ലുകളിൽ ശേഷിക്കുന്ന സാധനങ്ങളുടെ ഏറ്റവും ഒതുക്കമുള്ള സ്ഥാനം ഞങ്ങൾ കണക്കാക്കുന്നു.

നിലവിലെ ലേഖനത്തിൽ ഞങ്ങൾ അൽഗോരിതത്തിന്റെ രണ്ടാം ഘട്ടത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കും.

നിലവിലുള്ള പരിഹാരങ്ങളുടെ അവലോകനം

ഞങ്ങൾ വികസിപ്പിച്ച അൽഗോരിതങ്ങളുടെ വിവരണത്തിലേക്ക് പോകുന്നതിനുമുമ്പ്, വിപണിയിൽ ഇതിനകം നിലവിലുള്ള സിസ്റ്റങ്ങളുടെ ഒരു ഹ്രസ്വ അവലോകനം നടത്തുന്നത് മൂല്യവത്താണ്. WMS, ഇത് സമാനമായ ഒപ്റ്റിമൽ കംപ്രഷൻ പ്രവർത്തനം നടപ്പിലാക്കുന്നു.

ഒന്നാമതായി, "1C: എന്റർപ്രൈസ് 8. WMS ലോജിസ്റ്റിക്സ് എന്ന ഉൽപ്പന്നം ശ്രദ്ധിക്കേണ്ടത് ആവശ്യമാണ്. വെയർഹൗസ് മാനേജ്മെന്റ് 4", ഇത് 1C യുടെ ഉടമസ്ഥതയിലുള്ളതും പകർത്തിയതും നാലാം തലമുറയിൽ പെട്ടതുമാണ് WMSAXELOT വികസിപ്പിച്ചെടുത്ത സിസ്റ്റങ്ങൾ. ഈ സിസ്റ്റം കംപ്രഷൻ ഫംഗ്‌ഷണാലിറ്റി ക്ലെയിം ചെയ്യുന്നു, ഇത് ഒരു പൊതു സെല്ലിൽ വ്യത്യസ്‌ത ഉൽപ്പന്നങ്ങൾ സംയോജിപ്പിക്കാൻ രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്നു. അത്തരമൊരു സിസ്റ്റത്തിലെ കംപ്രഷൻ പ്രവർത്തനത്തിൽ മറ്റ് സാധ്യതകളും ഉൾപ്പെടുന്നു എന്നത് എടുത്തുപറയേണ്ടതാണ്, ഉദാഹരണത്തിന്, സെല്ലുകളിൽ സാധനങ്ങൾ അവരുടെ എബിസി ക്ലാസുകൾ അനുസരിച്ച് സ്ഥാപിക്കുന്നത് ശരിയാക്കുന്നു, പക്ഷേ ഞങ്ങൾ അവയിൽ വസിക്കില്ല.

നിങ്ങൾ 1C യുടെ കോഡ് വിശകലനം ചെയ്യുകയാണെങ്കിൽ: എന്റർപ്രൈസ് 8. WMS ലോജിസ്റ്റിക് സിസ്റ്റം. വെയർഹൗസ് മാനേജ്മെന്റ് 4" (ഇത് പ്രവർത്തനത്തിന്റെ ഈ ഭാഗത്ത് തുറന്നിരിക്കുന്നു), നമുക്ക് ഇനിപ്പറയുന്നവ അവസാനിപ്പിക്കാം. ശേഷിക്കുന്ന കംപ്രഷൻ അൽഗോരിതം തികച്ചും പ്രാകൃതമായ ഒരു രേഖീയ യുക്തി നടപ്പിലാക്കുന്നു, കൂടാതെ "ഒപ്റ്റിമൽ" കംപ്രഷനെ കുറിച്ച് സംസാരിക്കാൻ കഴിയില്ല. സ്വാഭാവികമായും, പാർട്ടികളുടെ ക്ലസ്റ്ററിംഗിന് ഇത് നൽകുന്നില്ല. അത്തരമൊരു സംവിധാനം നടപ്പിലാക്കിയ നിരവധി ക്ലയന്റുകൾ കംപ്രഷൻ ആസൂത്രണത്തിന്റെ ഫലങ്ങളെക്കുറിച്ച് പരാതിപ്പെട്ടു. ഉദാഹരണത്തിന്, കംപ്രഷൻ സമയത്ത് പലപ്പോഴും പ്രായോഗികമായി ഇനിപ്പറയുന്ന സാഹചര്യം സംഭവിച്ചു: 100 പീസുകൾ. ശേഷിക്കുന്ന സാധനങ്ങൾ ഒരു സെല്ലിൽ നിന്ന് മറ്റൊരു സെല്ലിലേക്ക് മാറ്റാൻ പദ്ധതിയിട്ടിട്ടുണ്ട്, അവിടെ 1 കഷണം സ്ഥിതിചെയ്യുന്നു. സാധനങ്ങൾ, സമയ ഉപഭോഗത്തിന്റെ വീക്ഷണകോണിൽ നിന്ന് വിപരീതമായി ചെയ്യുന്നത് അനുയോജ്യമാണെങ്കിലും.

കൂടാതെ, സെല്ലുകളിൽ ശേഷിക്കുന്ന സാധനങ്ങൾ കംപ്രസ് ചെയ്യുന്നതിനുള്ള പ്രവർത്തനം പല വിദേശ രാജ്യങ്ങളിലും പ്രഖ്യാപിക്കപ്പെടുന്നു. WMS-സിസ്റ്റംസ്, പക്ഷേ, നിർഭാഗ്യവശാൽ, അൽ‌ഗോരിതങ്ങളുടെ ഫലപ്രാപ്തിയെക്കുറിച്ച് ഞങ്ങൾക്ക് യഥാർത്ഥ ഫീഡ്‌ബാക്ക് ഇല്ല (ഇതൊരു വ്യാപാര രഹസ്യമാണ്), അവയുടെ ലോജിക്കിന്റെ (പ്രൊപ്രൈറ്ററി ക്ലോസ്ഡ് സോഴ്‌സ് സോഫ്‌റ്റ്‌വെയർ) ആഴത്തെക്കുറിച്ചുള്ള ആശയം വളരെ കുറവാണ്, അതിനാൽ ഞങ്ങൾക്ക് വിലയിരുത്താൻ കഴിയില്ല.

പ്രശ്നത്തിന്റെ ഗണിതശാസ്ത്ര മോഡലിനായി തിരയുക

ഒരു പ്രശ്നം പരിഹരിക്കുന്നതിന് ഉയർന്ന നിലവാരമുള്ള അൽഗോരിതങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നതിനായി, ഈ പ്രശ്നം ഗണിതശാസ്ത്രപരമായി വ്യക്തമായി രൂപപ്പെടുത്തേണ്ടത് ആദ്യം ആവശ്യമാണ്, അതാണ് ഞങ്ങൾ ചെയ്യേണ്ടത്.

ധാരാളം കോശങ്ങളുണ്ട് , ചില സാധനങ്ങളുടെ അവശിഷ്ടങ്ങൾ അടങ്ങിയിരിക്കുന്നു. തുടർന്നുള്ള കാര്യങ്ങളിൽ, അത്തരം കോശങ്ങളെ നമ്മൾ ദാതാക്കളുടെ കോശങ്ങൾ എന്ന് വിളിക്കും. സൂചിപ്പിക്കാം സെല്ലിലെ സാധനങ്ങളുടെ അളവ് $.

ഒരു ബാച്ചിന്റെ ഒരു ഉൽപ്പന്നം അല്ലെങ്കിൽ നിരവധി ബാച്ചുകൾ മുമ്പ് ഒരു ക്ലസ്റ്ററായി സംയോജിപ്പിച്ചിട്ടുണ്ടെന്ന് പറയേണ്ടത് പ്രധാനമാണ് (വായിക്കുക: മുൻ ലേഖനം), ഇത് സാധനങ്ങളുടെ സംഭരണത്തിന്റെയും സംഭരണത്തിന്റെയും പ്രത്യേകതകൾ മൂലമാണ്. വ്യത്യസ്ത ഉൽപ്പന്നങ്ങൾ അല്ലെങ്കിൽ വ്യത്യസ്ത ബാച്ച് ക്ലസ്റ്ററുകൾ അവരുടേതായ പ്രത്യേക കംപ്രഷൻ നടപടിക്രമം നടത്തണം.

ധാരാളം കോശങ്ങളുണ്ട് , അതിൽ ദാതാക്കളുടെ കോശങ്ങളിൽ നിന്നുള്ള അവശിഷ്ടങ്ങൾ സ്ഥാപിക്കാൻ കഴിയും. അത്തരം സെല്ലുകളെ നമ്മൾ കണ്ടെയ്നർ സെല്ലുകൾ എന്ന് വിളിക്കും. ഇവ ഒന്നുകിൽ വെയർഹൗസിലെ സ്വതന്ത്ര സെല്ലുകളോ വിവിധയിനങ്ങളിൽ നിന്നുള്ള ദാതാക്കളുടെ സെല്ലുകളോ ആകാം . എപ്പോഴും ധാരാളം ഒരു ഉപവിഭാഗമാണ് .

ഓരോ സെല്ലിനും പലരിൽ നിന്നും ശേഷി നിയന്ത്രണങ്ങൾ നിശ്ചയിച്ചിട്ടുണ്ട് , dm3 ൽ അളന്നു. ഒരു dm3 എന്നത് 10 സെന്റീമീറ്റർ വശങ്ങളുള്ള ഒരു ക്യൂബ് ആണ്.വെയർഹൗസിൽ സൂക്ഷിച്ചിരിക്കുന്ന ഉൽപ്പന്നങ്ങൾ വളരെ വലുതാണ്, അതിനാൽ ഈ സാഹചര്യത്തിൽ അത്തരം ഡിസ്ക്രിറ്റൈസേഷൻ മതിയാകും.

ഏറ്റവും കുറഞ്ഞ ദൂരങ്ങളുടെ ഒരു മാട്രിക്സ് നൽകിയിരിക്കുന്നു ഓരോ ജോഡി സെല്ലുകൾക്കിടയിലും മീറ്ററിൽ എവിടെ и സെറ്റുകളിൽ പെടുന്നു и യഥാക്രമം

സൂചിപ്പിക്കാം സെല്ലിൽ നിന്ന് സാധനങ്ങൾ നീക്കുന്നതിനുള്ള "ചെലവ്" സെല്ലിലേക്ക് . സൂചിപ്പിക്കാം ഒരു കണ്ടെയ്നർ തിരഞ്ഞെടുക്കുന്നതിനുള്ള "ചെലവ്" മറ്റ് കോശങ്ങളിൽ നിന്നുള്ള അവശിഷ്ടങ്ങൾ അതിലേക്ക് നീക്കാൻ. എത്ര കൃത്യമായി, ഏത് യൂണിറ്റ് അളവുകളിൽ മൂല്യങ്ങൾ കണക്കാക്കും и ഞങ്ങൾ കൂടുതൽ പരിഗണിക്കും (ഇൻപുട്ട് ഡാറ്റ തയ്യാറാക്കുന്ന വിഭാഗം കാണുക), അത്തരം മൂല്യങ്ങൾ മൂല്യങ്ങൾക്ക് നേരിട്ട് ആനുപാതികമായിരിക്കുമെന്ന് ഇപ്പോൾ പറഞ്ഞാൽ മതി и യഥാക്രമം

നമുക്ക് സൂചിപ്പിക്കാം ബാക്കിയുള്ളത് സെല്ലിൽ നിന്നാണെങ്കിൽ മൂല്യം 1 എടുക്കുന്ന ഒരു വേരിയബിൾ കണ്ടെയ്നറിലേക്ക് മാറ്റി , കൂടാതെ 0 അല്ലാത്തപക്ഷം. നമുക്ക് സൂചിപ്പിക്കാം കണ്ടെയ്നർ ആണെങ്കിൽ മൂല്യം 1 എടുക്കുന്ന ഒരു വേരിയബിൾ ശേഷിക്കുന്ന ചരക്കുകൾ അടങ്ങിയിരിക്കുന്നു, അല്ലാത്തപക്ഷം 0.

ചുമതല ഇനിപ്പറയുന്ന രീതിയിൽ പ്രസ്താവിച്ചിരിക്കുന്നു: നിങ്ങൾ വളരെയധികം കണ്ടെയ്നറുകൾ കണ്ടെത്തേണ്ടതുണ്ട് അങ്ങനെ ഫംഗ്‌ഷൻ കുറയ്‌ക്കുന്നതിനായി ദാതാവിന്റെ സെല്ലുകളെ കണ്ടെയ്‌നർ സെല്ലുകളിലേക്ക് “അറ്റാച്ചുചെയ്യുക”

നിയന്ത്രണങ്ങൾക്ക് കീഴിൽ

മൊത്തത്തിൽ, പ്രശ്നത്തിനുള്ള പരിഹാരം കണക്കാക്കുമ്പോൾ, ഞങ്ങൾ ഇതിനായി പരിശ്രമിക്കുന്നു:

• ഒന്നാമതായി, സംഭരണ ​​ശേഷി ലാഭിക്കാൻ;
• രണ്ടാമതായി, സ്റ്റോർകീപ്പർമാരുടെ സമയം ലാഭിക്കാൻ.

അവസാന നിയന്ത്രണം അർത്ഥമാക്കുന്നത് ഞങ്ങൾ തിരഞ്ഞെടുക്കാത്ത ഒരു കണ്ടെയ്‌നറിലേക്ക് സാധനങ്ങൾ നീക്കാൻ ഞങ്ങൾക്ക് കഴിയില്ല, അതിനാൽ അത് തിരഞ്ഞെടുക്കുന്നതിന് "ചെലവ്" ഉണ്ടായില്ല എന്നാണ്. സെല്ലുകളിൽ നിന്ന് കണ്ടെയ്‌നറിലേക്ക് മാറ്റുന്ന ചരക്കുകളുടെ അളവ് കണ്ടെയ്‌നറിന്റെ ശേഷി കവിയാൻ പാടില്ലെന്നും ഈ നിയന്ത്രണം അർത്ഥമാക്കുന്നു. ഒരു പ്രശ്നം പരിഹരിക്കുന്നതിലൂടെ ഞങ്ങൾ അർത്ഥമാക്കുന്നത് ഒരു കൂട്ടം കണ്ടെയ്നറുകൾ എന്നാണ് പാത്രങ്ങളിൽ ദാതാവിന്റെ സെല്ലുകൾ ഘടിപ്പിക്കുന്നതിനുള്ള രീതികളും.

ഒപ്റ്റിമൈസേഷൻ പ്രശ്നത്തിന്റെ ഈ രൂപീകരണം പുതിയതല്ല, കഴിഞ്ഞ നൂറ്റാണ്ടിന്റെ 80-കളുടെ തുടക്കം മുതൽ പല ഗണിതശാസ്ത്രജ്ഞരും ഇത് പഠിച്ചിട്ടുണ്ട്. വിദേശ സാഹിത്യത്തിൽ അനുയോജ്യമായ ഗണിതശാസ്ത്ര മാതൃകയിൽ 2 ഒപ്റ്റിമൈസേഷൻ പ്രശ്നങ്ങൾ ഉണ്ട്: സിംഗിൾ-സോഴ്സ് കപ്പാസിറ്റേറ്റഡ് ഫെസിലിറ്റി ലൊക്കേഷൻ പ്രശ്നം и മൾട്ടി-സോഴ്സ് കപ്പാസിറ്റേറ്റഡ് ഫെസിലിറ്റി ലൊക്കേഷൻ പ്രശ്നം (ടാസ്ക്കുകളിലെ വ്യത്യാസങ്ങളെക്കുറിച്ച് ഞങ്ങൾ പിന്നീട് സംസാരിക്കും). ഗണിതശാസ്ത്ര സാഹിത്യത്തിൽ, അത്തരം രണ്ട് ഒപ്റ്റിമൈസേഷൻ പ്രശ്നങ്ങളുടെ രൂപീകരണം ഗ്രൗണ്ടിലെ സംരംഭങ്ങളുടെ സ്ഥാനം കണക്കിലെടുത്താണ് രൂപപ്പെടുത്തിയിരിക്കുന്നത്, അതിനാൽ "ഫെസിലിറ്റി ലൊക്കേഷൻ" എന്ന പേര്. മിക്കപ്പോഴും, ഇത് പാരമ്പര്യത്തോടുള്ള ആദരവാണ്, കാരണം ആദ്യമായി അത്തരം സംയോജിത പ്രശ്നങ്ങൾ പരിഹരിക്കേണ്ടതിന്റെ ആവശ്യകത ലോജിസ്റ്റിക്സ് മേഖലയിൽ നിന്നാണ് വന്നത്, കൂടുതലും കഴിഞ്ഞ നൂറ്റാണ്ടിന്റെ 50 കളിൽ സൈനിക-വ്യാവസായിക മേഖലയിൽ നിന്നാണ്. എന്റർപ്രൈസ് ലൊക്കേഷന്റെ കാര്യത്തിൽ, അത്തരം ജോലികൾ ഇനിപ്പറയുന്ന രീതിയിൽ രൂപപ്പെടുത്തിയിരിക്കുന്നു:

• ഉൽപ്പാദന സംരംഭങ്ങൾ (ഇനിമുതൽ ഉൽപ്പാദന നഗരങ്ങൾ എന്ന് വിളിക്കുന്നു) കണ്ടെത്താൻ കഴിയുന്ന പരിമിതമായ എണ്ണം നഗരങ്ങളുണ്ട്. ഓരോ നിർമ്മാണ നഗരത്തിനും, അതിൽ ഒരു എന്റർപ്രൈസ് തുറക്കുന്നതിനുള്ള ചെലവുകളും അതിൽ തുറന്നിരിക്കുന്ന എന്റർപ്രൈസിന്റെ ഉൽപ്പാദന ശേഷിയുടെ പരിമിതിയും വ്യക്തമാക്കിയിട്ടുണ്ട്.
• ക്ലയന്റുകൾ യഥാർത്ഥത്തിൽ സ്ഥിതി ചെയ്യുന്ന നഗരങ്ങളുടെ പരിമിതമായ ഒരു കൂട്ടം ഉണ്ട് (ഇനിമുതൽ ക്ലയന്റ് നഗരങ്ങൾ എന്ന് വിളിക്കപ്പെടുന്നു). അത്തരം ഓരോ ക്ലയന്റ് നഗരത്തിനും, ഉൽപ്പന്നങ്ങളുടെ ആവശ്യകതയുടെ അളവ് വ്യക്തമാക്കിയിട്ടുണ്ട്. ലാളിത്യത്തിനായി, സംരംഭങ്ങൾ ഉൽപ്പാദിപ്പിക്കുന്നതും ഉപഭോക്താക്കൾ ഉപയോഗിക്കുന്നതുമായ ഒരു ഉൽപ്പന്നം മാത്രമേയുള്ളൂവെന്ന് ഞങ്ങൾ അനുമാനിക്കും.
• ഓരോ ജോഡി നഗര-നിർമ്മാതാവിനും നഗര-ക്ലയന്റിനും, നിർമ്മാതാവിൽ നിന്ന് ക്ലയന്റിലേക്ക് ആവശ്യമായ ഉൽപ്പന്നങ്ങളുടെ അളവ് വിതരണം ചെയ്യുന്നതിനുള്ള ഗതാഗത ചെലവുകളുടെ മൂല്യം വ്യക്തമാക്കിയിരിക്കുന്നു.

ഏത് നഗരങ്ങളിലാണ് ബിസിനസ്സ് തുറക്കേണ്ടതെന്നും അത്തരം ബിസിനസുകളിലേക്ക് ക്ലയന്റുകളെ എങ്ങനെ അറ്റാച്ചുചെയ്യാമെന്നും നിങ്ങൾ കണ്ടെത്തേണ്ടതുണ്ട്:

• സംരംഭങ്ങൾ തുറക്കുന്നതിനുള്ള മൊത്തം ചെലവുകളും ഗതാഗത ചെലവുകളും വളരെ കുറവായിരുന്നു;
• ഏതെങ്കിലും ഓപ്പൺ എന്റർപ്രൈസസിന് നിയോഗിക്കപ്പെട്ട ഉപഭോക്താക്കളിൽ നിന്നുള്ള ഡിമാൻഡിന്റെ അളവ് ആ എന്റർപ്രൈസസിന്റെ ഉൽപ്പാദന ശേഷിയെ കവിയുന്നില്ല.

ഈ രണ്ട് ക്ലാസിക്കൽ പ്രശ്നങ്ങളിലെ ഒരേയൊരു വ്യത്യാസം ഇപ്പോൾ പരാമർശിക്കേണ്ടതാണ്:

• സിംഗിൾ-സോഴ്സ് കപ്പാസിറ്റേറ്റഡ് ഫെസിലിറ്റി ലൊക്കേഷൻ പ്രശ്നം - ക്ലയന്റ് ഒരു തുറന്ന സൗകര്യത്തിൽ നിന്നാണ് വിതരണം ചെയ്യുന്നത്;
• മൾട്ടി-സോഴ്‌സ് കപ്പാസിറ്റേറ്റഡ് ഫെസിലിറ്റി ലൊക്കേഷൻ പ്രശ്‌നം - ഒരേ സമയം നിരവധി തുറന്ന സൗകര്യങ്ങളിൽ നിന്ന് ക്ലയന്റ് വിതരണം ചെയ്യാൻ കഴിയും.

രണ്ട് പ്രശ്നങ്ങൾ തമ്മിലുള്ള അത്തരമൊരു വ്യത്യാസം ഒറ്റനോട്ടത്തിൽ നിസ്സാരമാണ്, പക്ഷേ, വാസ്തവത്തിൽ, അത്തരം പ്രശ്നങ്ങളുടെ തികച്ചും വ്യത്യസ്തമായ സംയോജിത ഘടനയിലേക്ക് നയിക്കുന്നു, അനന്തരഫലമായി, അവ പരിഹരിക്കുന്നതിനുള്ള തികച്ചും വ്യത്യസ്തമായ അൽഗോരിതങ്ങൾ. ചുമതലകൾ തമ്മിലുള്ള വ്യത്യാസങ്ങൾ ചുവടെയുള്ള ചിത്രത്തിൽ കാണിച്ചിരിക്കുന്നു.

ചിത്രം.3. a) മൾട്ടി-സോഴ്സ് കപ്പാസിറ്റേറ്റഡ് ഫെസിലിറ്റി ലൊക്കേഷൻ പ്രശ്നം

ചിത്രം.3. b) സിംഗിൾ സോഴ്സ് കപ്പാസിറ്റേറ്റഡ് ഫെസിലിറ്റി ലൊക്കേഷൻ പ്രശ്നം

രണ്ട് ജോലികളും - ബുദ്ധിമുട്ടാണ്, അതായത്, ഇൻപുട്ട് ഡാറ്റയുടെ വലുപ്പത്തിലുള്ള ഒരു ടൈം പോളിനോമിയലിൽ അത്തരമൊരു പ്രശ്നം പരിഹരിക്കാൻ കൃത്യമായ അൽഗോരിതം ഇല്ല. ലളിതമായി പറഞ്ഞാൽ, ഒരു പ്രശ്നം പരിഹരിക്കുന്നതിനുള്ള എല്ലാ കൃത്യമായ അൽഗോരിതങ്ങളും എക്‌സ്‌പോണൻഷ്യൽ സമയത്തിൽ പ്രവർത്തിക്കും, എന്നിരുന്നാലും ഓപ്‌ഷനുകളുടെ പൂർണ്ണമായ തിരയലിനേക്കാൾ വേഗത്തിൽ. ചുമതല മുതൽ - ബുദ്ധിമുട്ടാണ്, അപ്പോൾ ഞങ്ങൾ ഏകദേശ ഹ്യൂറിസ്റ്റിക്സ് മാത്രം പരിഗണിക്കും, അതായത്, ഒപ്റ്റിമലിന് വളരെ അടുത്തുള്ള പരിഹാരങ്ങൾ സ്ഥിരമായി കണക്കാക്കുകയും വളരെ വേഗത്തിൽ പ്രവർത്തിക്കുകയും ചെയ്യുന്ന അൽഗോരിതങ്ങൾ. അത്തരമൊരു ടാസ്ക്കിൽ നിങ്ങൾക്ക് താൽപ്പര്യമുണ്ടെങ്കിൽ, റഷ്യൻ ഭാഷയിൽ നിങ്ങൾക്ക് ഇവിടെ ഒരു നല്ല അവലോകനം കണ്ടെത്താം.

സെല്ലുകളിലെ സാധനങ്ങളുടെ ഒപ്റ്റിമൽ കംപ്രഷൻ എന്ന ഞങ്ങളുടെ പ്രശ്നത്തിന്റെ പദാവലിയിലേക്ക് ഞങ്ങൾ മാറുകയാണെങ്കിൽ:

• ക്ലയന്റ് നഗരങ്ങൾ ദാതാക്കളുടെ സെല്ലുകളാണ് ബാക്കിയുള്ള സാധനങ്ങളുമായി,
• നിർമ്മാണ നഗരങ്ങൾ - കണ്ടെയ്നർ സെല്ലുകൾ , അതിൽ മറ്റ് സെല്ലുകളിൽ നിന്നുള്ള അവശിഷ്ടങ്ങൾ സ്ഥാപിക്കണം,
• ഗതാഗത ചെലവ് - സമയ ചെലവ് ദാതാക്കളുടെ സെല്ലിൽ നിന്ന് സാധനങ്ങളുടെ അളവ് നീക്കാൻ സ്റ്റോർകീപ്പർ ഒരു കണ്ടെയ്നർ സെല്ലിലേക്ക് ;
• ഒരു ബിസിനസ്സ് തുറക്കുന്നതിനുള്ള ചെലവ് - ഒരു കണ്ടെയ്നർ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ചെലവ് , കണ്ടെയ്നർ സെല്ലിന്റെ അളവിന് തുല്യമാണ് , സൌജന്യ വോള്യങ്ങൾ സംരക്ഷിക്കുന്നതിനുള്ള ഒരു നിശ്ചിത ഗുണകം കൊണ്ട് ഗുണിച്ചാൽ (ഗുണകത്തിന്റെ മൂല്യം എല്ലായ്പ്പോഴും > 1 ആണ്) (ഇൻപുട്ട് ഡാറ്റ തയ്യാറാക്കുന്ന വിഭാഗം കാണുക).

പ്രശ്നത്തിന്റെ അറിയപ്പെടുന്ന ക്ലാസിക്കൽ സൊല്യൂഷനുകളുമായുള്ള സാമ്യം വരച്ച ശേഷം, സൊല്യൂഷൻ അൽഗോരിതം ആർക്കിടെക്ചറിന്റെ തിരഞ്ഞെടുപ്പ് ആശ്രയിക്കുന്ന ഒരു പ്രധാന ചോദ്യത്തിന് ഉത്തരം നൽകേണ്ടത് ആവശ്യമാണ്: ദാതാവിന്റെ സെല്ലിൽ നിന്ന് അവശിഷ്ടങ്ങൾ നീക്കുന്നത് ഒരൊറ്റ കണ്ടെയ്നറിലേക്ക് മാത്രമേ സാധ്യമാകൂ. (ഒറ്റ-ഉറവിടം), അല്ലെങ്കിൽ ബാക്കിയുള്ളവ നിരവധി കണ്ടെയ്നർ സെല്ലുകളിലേക്ക് (മൾട്ടി-സോഴ്സ്) നീക്കാൻ കഴിയുമോ?

പ്രായോഗികമായി പ്രശ്നത്തിന്റെ രണ്ട് രൂപീകരണങ്ങളും നടക്കുന്നുവെന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. അത്തരം ഓരോ ക്രമീകരണത്തിനും ഞങ്ങൾ എല്ലാ ഗുണങ്ങളും ദോഷങ്ങളും ചുവടെ അവതരിപ്പിക്കുന്നു:

പ്രശ്ന വേരിയന്റ്	ഓപ്ഷന്റെ പ്രോസ്	ഓപ്ഷന്റെ ദോഷങ്ങൾ
ഏക-ഉറവിടം	പ്രശ്നത്തിന്റെ ഈ വകഭേദം ഉപയോഗിച്ച് കണക്കാക്കിയ ചരക്ക് നീക്ക പ്രവർത്തനങ്ങൾ: സ്റ്റോർകീപ്പറുടെ ഭാഗത്ത് കുറച്ച് നിയന്ത്രണം ആവശ്യമാണ് (ഒരു സെല്ലിൽ നിന്ന് എല്ലാം എടുത്തു, എല്ലാം മറ്റൊരു കണ്ടെയ്നർ സെല്ലിൽ ഇടുക), ഇത് അപകടസാധ്യതകൾ ഇല്ലാതാക്കുന്നു: "സെല്ലിൽ ഇടുക" പ്രവർത്തനങ്ങൾ നടത്തുമ്പോൾ സാധനങ്ങളുടെ അളവ് വീണ്ടും കണക്കാക്കുമ്പോൾ പിശകുകൾ; TSD-യിൽ വീണ്ടും കണക്കാക്കിയ അളവ് നൽകുന്നതിൽ പിശകുകൾ; “സെല്ലിൽ ഇടുക” പ്രവർത്തനങ്ങൾ നടത്തുമ്പോൾ സാധനങ്ങളുടെ എണ്ണം വീണ്ടും കണക്കാക്കാനും അവ ടിഎസ്‌ഡിയിലേക്ക് നൽകാനും സമയം ആവശ്യമില്ല.
മൾട്ടി-സോഴ്സ്	പ്രശ്നത്തിന്റെ ഈ പതിപ്പ് ഉപയോഗിച്ച് കണക്കുകൂട്ടുന്ന കംപ്രഷനുകൾ "സിംഗിൾ-സോഴ്സ്" ഓപ്ഷൻ ഉപയോഗിച്ച് കണക്കാക്കിയ കംപ്രഷനുകളെ അപേക്ഷിച്ച് സാധാരണയായി 10-15% കൂടുതൽ ഒതുക്കമുള്ളതാണ്. എന്നാൽ ദാതാവിന്റെ കോശങ്ങളിലെ അവശിഷ്ടങ്ങളുടെ എണ്ണം കുറയുമ്പോൾ ഒതുക്കത്തിലെ വ്യത്യാസം ചെറുതായിരിക്കുമെന്നും ഞങ്ങൾ ശ്രദ്ധിക്കുന്നു.	പ്രശ്നത്തിന്റെ ഈ വകഭേദം ഉപയോഗിച്ച് കണക്കാക്കിയ ചരക്ക് നീക്ക പ്രവർത്തനങ്ങൾ: സ്റ്റോർകീപ്പറുടെ ഭാഗത്ത് കൂടുതൽ നിയന്ത്രണം ആവശ്യമാണ് (ആസൂത്രണം ചെയ്ത ഓരോ കണ്ടെയ്നർ സെല്ലുകളിലേക്കും നീക്കിയ സാധനങ്ങളുടെ അളവ് വീണ്ടും കണക്കാക്കേണ്ടത് ആവശ്യമാണ്), ഇത് ചരക്കുകളുടെ അളവ് വീണ്ടും കണക്കാക്കുമ്പോഴും ടിഎസ്ഡിയിൽ ഡാറ്റ നൽകുമ്പോഴും പിശകുകളുടെ സാധ്യത ഇല്ലാതാക്കുന്നു " സെല്ലിൽ ഇടുക” പ്രവർത്തനങ്ങൾ "സെല്ലിൽ ഇടുക" പ്രവർത്തനങ്ങൾ നടത്തുമ്പോൾ സാധനങ്ങളുടെ എണ്ണം വീണ്ടും കണക്കാക്കാൻ സമയമെടുക്കും "സെല്ലിൽ ഇടുക" പ്രവർത്തനങ്ങൾ നടത്തുമ്പോൾ "ഓവർഹെഡ്" (നിർത്തുക, പാലറ്റിലേക്ക് പോകുക, കണ്ടെയ്നർ സെല്ലിന്റെ ബാർകോഡ് സ്കാൻ ചെയ്യുക) സമയമെടുക്കും. ചിലപ്പോൾ അൽഗോരിതത്തിന് അനുയോജ്യമായ ഒരു ഉൽപ്പന്നം ഇതിനകം ഉള്ള ധാരാളം കണ്ടെയ്നർ സെല്ലുകൾക്കിടയിൽ ഏതാണ്ട് പൂർണ്ണമായ പാലറ്റിന്റെ അളവ് "വിഭജിക്കാൻ" കഴിയും, ഇത് ഉപഭോക്താവിന്റെ വീക്ഷണകോണിൽ നിന്ന് അസ്വീകാര്യമാണ്.

പട്ടിക 1. സിംഗിൾ സോഴ്സ്, മൾട്ടി സോഴ്സ് ഓപ്ഷനുകളുടെ ഗുണവും ദോഷവും.

സിംഗിൾ-സോഴ്സ് ഓപ്ഷന് കൂടുതൽ ഗുണങ്ങളുള്ളതിനാൽ, ദാതാക്കളുടെ സെല്ലുകളിലെ അവശിഷ്ടങ്ങളുടെ എണ്ണം കുറവാണെന്ന വസ്തുത കണക്കിലെടുക്കുമ്പോൾ, പ്രശ്നത്തിന്റെ രണ്ട് വകഭേദങ്ങൾക്കും കണക്കാക്കിയ കംപ്രഷൻ കോംപാക്റ്റ്നസിന്റെ അളവിലെ ചെറിയ വ്യത്യാസം, ഞങ്ങളുടെ തിരഞ്ഞെടുപ്പ് കുറയുന്നു. സിംഗിൾ-സോഴ്സ് ഓപ്ഷൻ.

മൾട്ടി-സോഴ്സ് ഓപ്ഷന്റെ പരിഹാരവും നടക്കുന്നുണ്ടെന്ന് പറയേണ്ടതാണ്. ഇത് പരിഹരിക്കുന്നതിന് ഫലപ്രദമായ നിരവധി അൽഗോരിതങ്ങൾ ഉണ്ട്, അവയിൽ മിക്കതും നിരവധി ഗതാഗത പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിലേക്ക് വരുന്നു. കാര്യക്ഷമമായ അൽഗോരിതങ്ങൾ മാത്രമല്ല, ഗംഭീരമായവയും ഉണ്ട്, ഉദാഹരണത്തിന്, ഇവിടെ.

ഇൻപുട്ട് ഡാറ്റ തയ്യാറാക്കുന്നു

ഒരു പ്രശ്നം പരിഹരിക്കാൻ ഒരു അൽഗോരിതം വിശകലനം ചെയ്യാനും വികസിപ്പിക്കാനും തുടങ്ങുന്നതിനുമുമ്പ്, ഏത് ഡാറ്റയാണെന്നും ഏത് രൂപത്തിലാണ് ഞങ്ങൾ അത് ഇൻപുട്ടായി നൽകേണ്ടതെന്നും തീരുമാനിക്കേണ്ടത് ആവശ്യമാണ്. ദാതാക്കളുടെ സെല്ലുകളിലെ ശേഷിക്കുന്ന വസ്തുക്കളുടെ അളവിലും കണ്ടെയ്നർ സെല്ലുകളുടെ ശേഷിയിലും പ്രശ്‌നങ്ങളൊന്നുമില്ല, കാരണം ഇത് നിസ്സാരമാണ് - അത്തരം അളവുകൾ m3 ൽ അളക്കും, പക്ഷേ ഒരു കണ്ടെയ്‌നർ സെല്ലും ചലിക്കുന്ന ചെലവ് മാട്രിക്‌സും ഉപയോഗിക്കുന്നതിനുള്ള ചെലവുകൾക്കൊപ്പം, എല്ലാം അല്ല. വളരെ ലളിതമാണ്!

ആദ്യം കണക്ക് നോക്കാം ചരക്ക് നീക്കുന്നതിനുള്ള ചെലവ് ദാതാവിന്റെ സെല്ലിൽ നിന്ന് കണ്ടെയ്നർ സെല്ലിലേക്ക്. ഒന്നാമതായി, ചലനത്തിന്റെ ചിലവ് ഞങ്ങൾ കണക്കാക്കേണ്ട അളവ് യൂണിറ്റുകളിൽ തീരുമാനിക്കേണ്ടത് ആവശ്യമാണ്. ഏറ്റവും വ്യക്തമായ രണ്ട് ഓപ്ഷനുകൾ മീറ്ററും സെക്കൻഡും ആണ്. "ശുദ്ധമായ" മീറ്ററിൽ യാത്രാ ചെലവ് കണക്കാക്കുന്നതിൽ അർത്ഥമില്ല. ഇത് ഒരു ഉദാഹരണത്തിലൂടെ കാണിക്കാം. സെൽ അനുവദിക്കുക ഒന്നാം നിരയിൽ സ്ഥിതി ചെയ്യുന്ന സെൽ 30 മീറ്റർ നീക്കംചെയ്ത് രണ്ടാം നിരയിൽ സ്ഥിതിചെയ്യുന്നു:

• നിന്ന് നീങ്ങുന്നു в നിന്ന് നീങ്ങുന്നതിനേക്കാൾ ചെലവേറിയത് в , രണ്ടാം നിരയിൽ നിന്ന് (തറയിൽ നിന്ന് 1,5-2 മീറ്റർ) താഴേക്ക് പോകുന്നത് രണ്ടാമത്തേത് വരെ പോകുന്നതിനേക്കാൾ എളുപ്പമാണ്, എന്നിരുന്നാലും ദൂരം തുല്യമായിരിക്കും;
• 1 പിസി നീക്കുക. സെല്ലിൽ നിന്നുള്ള സാധനങ്ങൾ в 10 കഷണങ്ങൾ നീക്കുന്നതിനേക്കാൾ എളുപ്പമായിരിക്കും ഇത്. ഒരേ ഉൽപ്പന്നം, ദൂരം ഒന്നുതന്നെയാണെങ്കിലും.

ചലിക്കുന്ന ചെലവുകൾ നിമിഷങ്ങൾക്കുള്ളിൽ പരിഗണിക്കുന്നതാണ് നല്ലത്, കാരണം ഇത് ശ്രേണികളിലെ വ്യത്യാസവും നീക്കിയ ചരക്കുകളുടെ അളവിലെ വ്യത്യാസവും കണക്കിലെടുക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു. നിമിഷങ്ങൾക്കുള്ളിൽ ചലനത്തിന്റെ ചെലവ് കണക്കാക്കാൻ, ഞങ്ങൾ ചലന പ്രവർത്തനത്തെ പ്രാഥമിക ഘടകങ്ങളായി വിഘടിപ്പിക്കുകയും ഓരോ പ്രാഥമിക ഘടകത്തിന്റെയും നിർവ്വഹണത്തിനായി സമയ അളവുകൾ എടുക്കുകയും വേണം.

സെല്ലിൽ നിന്ന് അനുവദിക്കുക നീക്കുന്നു പി.സി. കണ്ടെയ്നറിൽ സാധനങ്ങൾ ... ആകട്ടെ - വെയർഹൗസിലെ ഒരു തൊഴിലാളിയുടെ ചലനത്തിന്റെ ശരാശരി വേഗത, m/sec ൽ അളക്കുന്നു. അനുവദിക്കുക и - ഒറ്റത്തവണ പ്രവർത്തനങ്ങളുടെ ശരാശരി വേഗത യഥാക്രമം 4 dm3 ന് തുല്യമായ സാധനങ്ങളുടെ അളവ് എടുക്കുകയും ഇടുകയും ചെയ്യുന്നു (പ്രവർത്തനങ്ങൾ നടത്തുമ്പോൾ ഒരു ജീവനക്കാരൻ ഒരു വെയർഹൗസിൽ ഒരു സമയം എടുക്കുന്ന ശരാശരി അളവ്). അനുവദിക്കുക и യഥാക്രമം ടേക്ക്, പുട്ട് പ്രവർത്തനങ്ങൾ നടത്തുന്ന സെല്ലുകളുടെ ഉയരം. ഉദാഹരണത്തിന്, ആദ്യ ടയറിന്റെ (തറ) ശരാശരി ഉയരം 1 മീറ്ററാണ്, രണ്ടാമത്തെ ടയർ 2 മീ, മുതലായവ. അപ്പോൾ ഒരു മൂവ് ഓപ്പറേഷൻ പൂർത്തിയാക്കാനുള്ള ആകെ സമയം കണക്കാക്കുന്നതിനുള്ള ഫോർമുല അടുത്തത്:

സംഭരിച്ച വസ്തുക്കളുടെ പ്രത്യേകതകൾ കണക്കിലെടുത്ത് വെയർഹൗസ് ജീവനക്കാർ ശേഖരിക്കുന്ന ഓരോ പ്രാഥമിക പ്രവർത്തനത്തിന്റെയും നിർവ്വഹണ സമയത്തെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ പട്ടിക 2 കാണിക്കുന്നു.

പ്രവർത്തനത്തിന്റെ പേര്	നോട്ടേഷൻ	ശരാശരി
വെയർഹൗസിന് ചുറ്റും സഞ്ചരിക്കുന്ന ഒരു തൊഴിലാളിയുടെ ശരാശരി വേഗത		1,5 m/s
ഒരു ഓപ്പറേഷന്റെ ശരാശരി വേഗത (4 dm3 ഉൽപന്ന വോളിയത്തിന്)		2,4 സെക്കൻഡ്

പട്ടിക 2. വെയർഹൗസ് പ്രവർത്തനങ്ങൾ പൂർത്തിയാക്കുന്നതിനുള്ള ശരാശരി സമയം

ചലിക്കുന്നതിനുള്ള ചെലവ് കണക്കാക്കുന്നതിനുള്ള രീതി ഞങ്ങൾ തീരുമാനിച്ചു. ഇപ്പോൾ നമുക്ക് എങ്ങനെ കണക്കുകൂട്ടാം എന്ന് കണ്ടെത്തേണ്ടതുണ്ട് ഒരു കണ്ടെയ്നർ സെൽ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ചെലവ്. ചലിക്കുന്ന ചെലവുകളേക്കാൾ ഇവിടെ എല്ലാം വളരെ സങ്കീർണ്ണമാണ്, കാരണം:

• ഒന്നാമതായി, ചെലവ് നേരിട്ട് സെല്ലിന്റെ അളവിനെ ആശ്രയിച്ചിരിക്കണം - ദാതാക്കളുടെ സെല്ലുകളിൽ നിന്ന് കൈമാറ്റം ചെയ്യപ്പെടുന്ന അതേ അളവിലുള്ള അവശിഷ്ടങ്ങൾ ഒരു വലിയ പാത്രത്തേക്കാൾ ചെറിയ അളവിലുള്ള ഒരു കണ്ടെയ്നറിൽ സ്ഥാപിക്കുന്നതാണ് നല്ലത്, അത്തരം വോള്യം രണ്ട് കണ്ടെയ്നറുകളിലും പൂർണ്ണമായും യോജിക്കുന്നു. അങ്ങനെ, കണ്ടെയ്‌നറുകൾ തിരഞ്ഞെടുക്കുന്നതിനുള്ള മൊത്തം ചെലവ് കുറയ്ക്കുന്നതിലൂടെ, സെല്ലുകളിൽ സാധനങ്ങൾ സ്ഥാപിക്കുന്നതിനുള്ള തുടർന്നുള്ള പ്രവർത്തനങ്ങൾ നടത്തുന്നതിന് തിരഞ്ഞെടുക്കൽ ഏരിയയിൽ "കുറവുള്ള" സൌജന്യ സംഭരണ ​​ശേഷി ലാഭിക്കാൻ ഞങ്ങൾ ശ്രമിക്കുന്നു. അവശിഷ്ടങ്ങൾ വലുതും ചെറുതുമായ പാത്രങ്ങളിലേക്ക് മാറ്റുന്നതിനുള്ള ഓപ്ഷനുകളും തുടർന്നുള്ള വെയർഹൗസ് പ്രവർത്തനങ്ങളിൽ ഈ ട്രാൻസ്ഫർ ഓപ്ഷനുകളുടെ അനന്തരഫലങ്ങളും ചിത്രം 4 കാണിക്കുന്നു.
• രണ്ടാമതായി, യഥാർത്ഥ പ്രശ്നം പരിഹരിക്കുന്നതിന്, മൊത്തം ചെലവുകൾ കൃത്യമായി കുറയ്ക്കേണ്ടതുണ്ട്, ഇത് നീക്കാനുള്ള ചെലവുകളുടെയും കണ്ടെയ്നറുകൾ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ചെലവുകളുടെയും ആകെത്തുകയാണ്, ക്യൂബിക് മീറ്ററിലെ സെൽ വോള്യങ്ങൾ എങ്ങനെയെങ്കിലും സെക്കൻഡുകളുമായി ബന്ധിപ്പിക്കേണ്ടതുണ്ട്, നിസ്സാരമായതിൽ നിന്ന് വളരെ അകലെയാണ്.

അരി. 4. അവശിഷ്ടങ്ങൾ വ്യത്യസ്ത ശേഷിയുള്ള പാത്രങ്ങളിലേക്ക് മാറ്റുന്നതിനുള്ള ഓപ്ഷനുകൾ.

തുടർന്നുള്ള സാധനങ്ങൾ സ്ഥാപിക്കുന്നതിന്റെ രണ്ടാം ഘട്ടത്തിൽ കണ്ടെയ്‌നറിലേക്ക് ചേരാത്ത അവശിഷ്ടങ്ങളുടെ അളവ് ചുവപ്പിൽ ചിത്രം 4 കാണിക്കുന്നു.

ഒരു കണ്ടെയ്‌നർ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ചെലവുകളുടെ ക്യുബിക് മീറ്ററിനെ പ്രശ്‌നത്തിന് കണക്കാക്കിയ പരിഹാരങ്ങൾക്കായി ഇനിപ്പറയുന്ന ആവശ്യകതകൾ നീക്കുന്നതിനുള്ള ചെലവുകളുടെ സെക്കന്റുകളുമായി ബന്ധിപ്പിക്കാൻ ഇത് സഹായിക്കും:

• ഉൽപ്പന്നം അടങ്ങുന്ന മൊത്തം കണ്ടെയ്‌നർ ബിന്നുകളുടെ എണ്ണം കുറയുകയാണെങ്കിൽ, ഏത് സാഹചര്യത്തിലും ദാതാവിന്റെ ബിന്നിൽ നിന്നുള്ള ബാലൻസുകൾ കണ്ടെയ്‌നർ ബിന്നിലേക്ക് മാറ്റേണ്ടത് ആവശ്യമാണ്.
• കണ്ടെയ്‌നറുകളുടെ അളവും നീക്കാൻ ചെലവഴിച്ച സമയവും തമ്മിലുള്ള സന്തുലിതാവസ്ഥ നിലനിർത്തേണ്ടത് ആവശ്യമാണ്: ഉദാഹരണത്തിന്, മുമ്പത്തെ പരിഹാരവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഒരു പ്രശ്‌നത്തിനുള്ള ഒരു പുതിയ പരിഹാരത്തിൽ, വോളിയത്തിലെ നേട്ടം വലുതാണ്, പക്ഷേ സമയത്തിന്റെ നഷ്ടം ചെറുതാണ്. , തുടർന്ന് ഒരു പുതിയ ഓപ്ഷൻ തിരഞ്ഞെടുക്കേണ്ടത് ആവശ്യമാണ്.

അവസാന ആവശ്യകതയിൽ നിന്ന് ആരംഭിക്കാം. "ബാലൻസ്" എന്ന അവ്യക്തമായ വാക്ക് വ്യക്തമാക്കുന്നതിന്, ഇനിപ്പറയുന്നവ കണ്ടെത്തുന്നതിന് ഞങ്ങൾ വെയർഹൗസ് ജീവനക്കാരുടെ ഒരു സർവേ നടത്തി. വോളിയത്തിന്റെ ഒരു കണ്ടെയ്നർ സെൽ ഉണ്ടാകട്ടെ , ദാതാക്കളുടെ സെല്ലുകളിൽ നിന്ന് ശേഷിക്കുന്ന ചരക്കുകളുടെ ചലനം നിയുക്തമാക്കുകയും അത്തരം ചലനത്തിന്റെ ആകെ സമയം തുല്യമാണ് . ഒരേ ദാതാക്കളുടെ സെല്ലുകളിൽ നിന്ന് ഒരേ അളവിലുള്ള സാധനങ്ങൾ മറ്റ് കണ്ടെയ്‌നറുകളിലേക്ക് സ്ഥാപിക്കുന്നതിന് നിരവധി ബദൽ ഓപ്ഷനുകൾ ഉണ്ടാകട്ടെ, അവിടെ ഓരോ പ്ലെയ്‌സ്‌മെന്റിനും അതിന്റേതായ കണക്കുകൾ ഉണ്ട്. എവിടെ < и എവിടെ >.

ചോദ്യം ഉയർന്നുവരുന്നു: വോളിയത്തിലെ ഏറ്റവും കുറഞ്ഞ നേട്ടം എന്താണ് സ്വീകാര്യമായ, ഒരു നിശ്ചിത സമയ നഷ്ട മൂല്യത്തിന് ? ഒരു ഉദാഹരണത്തിലൂടെ വിശദീകരിക്കാം. തുടക്കത്തിൽ, അവശിഷ്ടങ്ങൾ 1000 dm3 (1 m3) വോളിയമുള്ള ഒരു കണ്ടെയ്നറിൽ സ്ഥാപിക്കേണ്ടതായിരുന്നു, കൈമാറ്റ സമയം 70 സെക്കൻഡായിരുന്നു. 500 ഡിഎം3 വോളിയവും 130 സെക്കൻഡ് സമയവുമുള്ള മറ്റൊരു കണ്ടെയ്‌നറിൽ അവശിഷ്ടങ്ങൾ സ്ഥാപിക്കുന്നതിനുള്ള ഒരു ഓപ്ഷൻ ഉണ്ട്. ചോദ്യം: 60 dm500 സൗജന്യ വോളിയം ലാഭിക്കുന്നതിനായി സ്റ്റോർകീപ്പറുടെ സമയത്തിന്റെ 3 സെക്കൻഡ് കൂടി സാധനങ്ങൾ നീക്കാൻ ചെലവഴിക്കാൻ ഞങ്ങൾ തയ്യാറാണോ? വെയർഹൗസ് ജീവനക്കാരുടെ ഒരു സർവേയുടെ ഫലത്തെ അടിസ്ഥാനമാക്കി, ഇനിപ്പറയുന്ന ഡയഗ്രം സമാഹരിച്ചു.

അരി. 5. പ്രവർത്തന സമയത്തിലെ വ്യത്യാസത്തിന്റെ വർദ്ധനവിൽ അനുവദനീയമായ ഏറ്റവും കുറഞ്ഞ വോളിയം സേവിംഗിന്റെ ആശ്രിതത്വത്തിന്റെ ഡയഗ്രം

അതായത്, അധിക സമയ ചെലവുകൾ 40 സെക്കൻഡ് ആണെങ്കിൽ, വോളിയം കുറഞ്ഞത് 500 dm3 ആകുമ്പോൾ മാത്രം ഞങ്ങൾ അവ ചെലവഴിക്കാൻ തയ്യാറാണ്. ആശ്രിതത്വത്തിൽ നേരിയ രേഖീയത ഇല്ലെങ്കിലും, കൂടുതൽ കണക്കുകൂട്ടലുകളുടെ ലാളിത്യത്തിന്, അളവുകൾ തമ്മിലുള്ള ആശ്രിതത്വം രേഖീയമാണെന്നും അസമത്വത്താൽ വിവരിക്കപ്പെടുന്നുവെന്നും ഞങ്ങൾ അനുമാനിക്കും.

ചുവടെയുള്ള ചിത്രത്തിൽ, കണ്ടെയ്നറുകളിൽ സാധനങ്ങൾ സ്ഥാപിക്കുന്നതിനുള്ള ഇനിപ്പറയുന്ന രീതികൾ ഞങ്ങൾ പരിഗണിക്കുന്നു.

അരി. 6. ഓപ്ഷൻ (a): 2 കണ്ടെയ്നറുകൾ, മൊത്തം വോളിയം 400 dm3, ആകെ സമയം 150 സെ.

അരി. 6. ഓപ്ഷൻ (ബി): 2 കണ്ടെയ്നറുകൾ, മൊത്തം വോളിയം 600 dm3, ആകെ സമയം 190 സെ.

അരി. 6. ഓപ്ഷൻ (സി): 1 കണ്ടെയ്നർ, മൊത്തം വോളിയം 400 dm3, ആകെ സമയം 200 സെ.

കണ്ടെയ്‌നറുകൾ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ഓപ്ഷൻ (എ) യഥാർത്ഥ ഓപ്ഷനേക്കാൾ അഭികാമ്യമാണ്, കാരണം അസമത്വം നിലനിൽക്കുന്നു: (800-400)/10>=150-120, ഇത് 40 >= 30 സൂചിപ്പിക്കുന്നു. ഒറിജിനലിനേക്കാൾ ഓപ്‌ഷൻ (ബി) കുറവാണ്. ഓപ്ഷൻ , അസമത്വം നിലനിൽക്കാത്തതിനാൽ: (800-600)/10>=190-150 ഇത് 20 >= 40 സൂചിപ്പിക്കുന്നു. എന്നാൽ ഓപ്ഷൻ (സി) അത്തരം യുക്തിക്ക് അനുയോജ്യമല്ല! ഈ ഓപ്ഷൻ കൂടുതൽ വിശദമായി പരിഗണിക്കാം. ഒരു വശത്ത്, അസമത്വം (800-400)/10>=200-120, അതായത് അസമത്വം 40 >= 80 തൃപ്തികരമല്ല, ഇത് വോളിയത്തിലെ നേട്ടം യഥാസമയം ഇത്രയും വലിയ നഷ്ടത്തിന് അർഹമല്ലെന്ന് സൂചിപ്പിക്കുന്നു.

എന്നാൽ മറുവശത്ത്, ഈ ഓപ്‌ഷനിൽ (സി) ഞങ്ങൾ മൊത്തം അധിനിവേശ വോളിയം കുറയ്ക്കുക മാത്രമല്ല, അധിനിവേശ സെല്ലുകളുടെ എണ്ണം കുറയ്ക്കുകയും ചെയ്യുന്നു, മുകളിൽ ലിസ്റ്റുചെയ്‌തിരിക്കുന്ന പ്രശ്‌നങ്ങൾക്ക് കണക്കാക്കാവുന്ന പരിഹാരത്തിനുള്ള രണ്ട് പ്രധാന ആവശ്യകതകളിൽ ആദ്യത്തേതാണ് ഇത്. വ്യക്തമായും, ഈ ആവശ്യകത നിറവേറ്റാൻ തുടങ്ങുന്നതിന്, അസമത്വത്തിന്റെ ഇടതുവശത്ത് കുറച്ച് പോസിറ്റീവ് സ്ഥിരാങ്കം ചേർക്കേണ്ടത് ആവശ്യമാണ്. , കണ്ടെയ്നറുകളുടെ എണ്ണം കുറയുമ്പോൾ മാത്രം അത്തരം ഒരു സ്ഥിരാങ്കം ചേർക്കേണ്ടതുണ്ട്. അത് നമുക്ക് ഓർമ്മിപ്പിക്കാം കണ്ടെയ്നർ ആയിരിക്കുമ്പോൾ 1 ന് തുല്യമായ ഒരു വേരിയബിൾ ആണ് തിരഞ്ഞെടുത്തത്, കണ്ടെയ്നർ ചെയ്യുമ്പോൾ 0 തിരഞ്ഞെടുത്തിട്ടില്ല. നമുക്ക് സൂചിപ്പിക്കാം - പ്രാരംഭ ലായനിയിൽ ധാരാളം കണ്ടെയ്നറുകൾ - പുതിയ ലായനിയിൽ ധാരാളം കണ്ടെയ്നറുകൾ. പൊതുവേ, പുതിയ അസമത്വം ഇതുപോലെ കാണപ്പെടും:

മുകളിലുള്ള അസമത്വത്തെ പരിവർത്തനം ചെയ്യുമ്പോൾ, നമുക്ക് ലഭിക്കുന്നു

ഇതിന്റെ അടിസ്ഥാനത്തിൽ, മൊത്തം ചെലവ് കണക്കാക്കുന്നതിനുള്ള ഒരു ഫോർമുല ഞങ്ങളുടെ പക്കലുണ്ട് പ്രശ്നത്തിന് ചില പരിഹാരം:

എന്നാൽ ഇപ്പോൾ ചോദ്യം ഉയർന്നുവരുന്നു: അത്തരമൊരു സ്ഥിരാങ്കത്തിന് എന്ത് മൂല്യം ഉണ്ടായിരിക്കണം? ? വ്യക്തമായും, അതിന്റെ മൂല്യം ആവശ്യത്തിന് വലുതായിരിക്കണം, അതിനാൽ പ്രശ്നത്തിനുള്ള പരിഹാരത്തിനുള്ള ആദ്യ ആവശ്യകത എല്ലായ്പ്പോഴും നിറവേറ്റപ്പെടും. നിങ്ങൾക്ക് തീർച്ചയായും, 103 അല്ലെങ്കിൽ 106 ന് തുല്യമായ സ്ഥിരാങ്കത്തിന്റെ മൂല്യം എടുക്കാം, എന്നാൽ അത്തരം "മാജിക് നമ്പറുകൾ" ഒഴിവാക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു. വെയർഹൗസ് പ്രവർത്തനങ്ങൾ നടത്തുന്നതിന്റെ പ്രത്യേകതകൾ ഞങ്ങൾ പരിഗണിക്കുകയാണെങ്കിൽ, അത്തരം ഒരു സ്ഥിരാങ്കത്തിന്റെ മൂല്യത്തിന്റെ നല്ല അടിസ്ഥാനത്തിലുള്ള നിരവധി സംഖ്യാ കണക്കുകൾ നമുക്ക് കണക്കാക്കാം.

അനുവദിക്കുക - ഒരു സോൺ എബിസിയുടെ വെയർഹൗസ് സെല്ലുകൾ തമ്മിലുള്ള പരമാവധി ദൂരം, നമ്മുടെ കാര്യത്തിൽ 100 ​​മീറ്ററിന് തുല്യമാണ് - ഒരു വെയർഹൗസിലെ ഒരു കണ്ടെയ്നർ സെല്ലിന്റെ പരമാവധി അളവ്, നമ്മുടെ കാര്യത്തിൽ 1000 dm3 ന് തുല്യമാണ്.

മൂല്യം കണക്കാക്കുന്നതിനുള്ള ആദ്യ മാർഗം . ഒന്നാം നിരയിൽ 2 കണ്ടെയ്നറുകൾ ഉള്ള ഒരു സാഹചര്യം നമുക്ക് പരിഗണിക്കാം, അതിൽ സാധനങ്ങൾ ഇതിനകം തന്നെ ഭൗതികമായി സ്ഥിതിചെയ്യുന്നു, അതായത്, അവ സ്വയം ദാതാക്കളുടെ സെല്ലുകളാണ്, അതേ സെല്ലുകളിലേക്ക് സാധനങ്ങൾ മാറ്റുന്നതിനുള്ള ചെലവ് സ്വാഭാവികമായും 0 ന് തുല്യമാണ്. സ്ഥിരാങ്കത്തിന് അത്തരമൊരു മൂല്യം കണ്ടെത്തേണ്ടത് ആവശ്യമാണ് , കണ്ടെയ്‌നർ 1-ൽ നിന്ന് കണ്ടെയ്‌നർ 2-ലേക്ക് എല്ലായ്‌പ്പോഴും ശേഷിക്കുന്നവ നീക്കുന്നത് പ്രയോജനകരമാണ്. മൂല്യങ്ങൾ മാറ്റിസ്ഥാപിക്കുന്നു и മുകളിൽ നൽകിയിരിക്കുന്ന അസമത്വത്തിൽ നമുക്ക് ലഭിക്കുന്നത്:

അതിൽ നിന്ന് അത് പിന്തുടരുന്നു

പ്രാഥമിക പ്രവർത്തനങ്ങൾ നടത്തുന്നതിനുള്ള ശരാശരി സമയത്തിന്റെ മൂല്യങ്ങൾ നമുക്ക് മുകളിലുള്ള ഫോർമുലയിലേക്ക് മാറ്റിസ്ഥാപിക്കുന്നു

മൂല്യം കണക്കാക്കുന്നതിനുള്ള രണ്ടാമത്തെ വഴി . ഉള്ള ഒരു സാഹചര്യം നോക്കാം സാധനങ്ങൾ കണ്ടെയ്‌നറിലേക്ക് മാറ്റാൻ പദ്ധതിയിട്ടിരിക്കുന്ന ദാതാക്കളുടെ സെല്ലുകൾ 1. നമുക്ക് സൂചിപ്പിക്കാം - ദാതാവിന്റെ സെല്ലിൽ നിന്നുള്ള ദൂരം കണ്ടെയ്‌നറിലേക്ക് 1. കണ്ടെയ്‌നർ 2-ഉം ഉണ്ട്, അതിൽ ഇതിനകം ചരക്കുകൾ അടങ്ങിയിരിക്കുന്നു, അതിന്റെ അളവ് ബാക്കിയുള്ളവയെല്ലാം ഉൾക്കൊള്ളാൻ നിങ്ങളെ അനുവദിക്കുന്നു കോശങ്ങൾ. ലാളിത്യത്തിനായി, ദാതാക്കളുടെ സെല്ലുകളിൽ നിന്ന് കണ്ടെയ്‌നറുകളിലേക്ക് നീക്കിയ സാധനങ്ങളുടെ അളവ് തുല്യവും തുല്യവുമാണെന്ന് ഞങ്ങൾ അനുമാനിക്കും. . സ്ഥിരാങ്കത്തിന്റെ അത്തരമൊരു മൂല്യം കണ്ടെത്തേണ്ടത് ആവശ്യമാണ് , അതിൽ നിന്ന് ബാക്കിയുള്ളവയുടെ സ്ഥാനം സെല്ലുകളെ കണ്ടെയ്‌നർ 2-ലേയ്‌ക്ക് വ്യത്യസ്‌ത കണ്ടെയ്‌നറുകളിൽ സ്ഥാപിക്കുന്നതിനേക്കാൾ എപ്പോഴും കൂടുതൽ ലാഭകരമായിരിക്കും:

നമുക്ക് ലഭിക്കുന്ന അസമത്വത്തെ പരിവർത്തനം ചെയ്യുന്നു

അളവിന്റെ മൂല്യം "ശക്തമാക്കുന്നതിന്" , നമുക്ക് അത് അനുമാനിക്കാം = 0. വെയർഹൗസ് ബാലൻസുകൾ കംപ്രസ്സുചെയ്യുന്നതിനുള്ള നടപടിക്രമത്തിൽ സാധാരണയായി ഉൾപ്പെടുന്ന സെല്ലുകളുടെ ശരാശരി എണ്ണം 10 ആണ്. അളവുകളുടെ അറിയപ്പെടുന്ന മൂല്യങ്ങൾ മാറ്റിസ്ഥാപിക്കുമ്പോൾ, നമുക്ക് സ്ഥിരാങ്കത്തിന്റെ ഇനിപ്പറയുന്ന മൂല്യം ലഭിക്കും

ഓരോ ഓപ്ഷനും കണക്കാക്കിയ ഏറ്റവും വലിയ മൂല്യം ഞങ്ങൾ എടുക്കുന്നു, ഇത് അളവിന്റെ മൂല്യമായിരിക്കും നൽകിയിരിക്കുന്ന വെയർഹൗസ് പാരാമീറ്ററുകൾക്കായി. ഇപ്പോൾ, പൂർണ്ണതയ്ക്കായി, മൊത്തം ചെലവുകൾ കണക്കാക്കുന്നതിനുള്ള ഫോർമുല എഴുതാം സാധ്യമായ ചില പരിഹാരത്തിനായി :

ഇപ്പോൾ, എല്ലാത്തിനുമുപരി ടൈറ്റാനിക് ശ്രമങ്ങൾ ഇൻപുട്ട് ഡാറ്റ രൂപാന്തരപ്പെടുത്തുന്നതിലൂടെ, എല്ലാ ഇൻപുട്ട് ഡാറ്റയും ആവശ്യമുള്ള ഫോമിലേക്ക് പരിവർത്തനം ചെയ്‌തുവെന്നും ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതത്തിൽ ഉപയോഗത്തിന് തയ്യാറാണെന്നും നമുക്ക് പറയാൻ കഴിയും.

തീരുമാനം

പ്രാക്ടീസ് കാണിക്കുന്നതുപോലെ, ഒരു അൽഗോരിതത്തിനായി ഇൻപുട്ട് ഡാറ്റ തയ്യാറാക്കുകയും രൂപാന്തരപ്പെടുത്തുകയും ചെയ്യുന്ന ഘട്ടത്തിന്റെ സങ്കീർണ്ണതയും പ്രാധാന്യവും പലപ്പോഴും കുറച്ചുകാണുന്നു. ഈ ലേഖനത്തിൽ, ഉയർന്ന നിലവാരമുള്ളതും ബുദ്ധിപൂർവ്വം തയ്യാറാക്കിയതുമായ ഇൻപുട്ട് ഡാറ്റയ്ക്ക് മാത്രമേ അൽഗോരിതം കണക്കാക്കുന്ന തീരുമാനങ്ങൾ ക്ലയന്റിന് യഥാർത്ഥത്തിൽ മൂല്യമുള്ളതാക്കാൻ കഴിയൂ എന്ന് കാണിക്കാൻ ഈ ഘട്ടത്തിൽ ഞങ്ങൾ പ്രത്യേകം ശ്രദ്ധ ചെലുത്തി. അതെ, ഫോർമുലകളുടെ നിരവധി ഡെറിവേറ്റേഷനുകൾ ഉണ്ടായിരുന്നു, പക്ഷേ കാറ്റയ്ക്ക് മുമ്പുതന്നെ ഞങ്ങൾ നിങ്ങൾക്ക് മുന്നറിയിപ്പ് നൽകി :)

അടുത്ത ലേഖനത്തിൽ, മുമ്പത്തെ 2 പ്രസിദ്ധീകരണങ്ങൾ എന്തിനുവേണ്ടിയാണ് ഉദ്ദേശിച്ചത് എന്നതിലേക്ക് ഞങ്ങൾ എത്തിച്ചേരും - ഒരു പ്രത്യേക ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം.

ലേഖനം തയ്യാറാക്കി
റോമൻ ഷാംഗിൻ, പ്രോജക്ട് ഡിപ്പാർട്ട്‌മെന്റിന്റെ പ്രോഗ്രാമർ,
ഫസ്റ്റ് ബിറ്റ് കമ്പനി, ചെല്യാബിൻസ്ക്

അവലംബം: www.habr.com