Professional Documents
Culture Documents
- primena u građevinarstvu -
email: cirovic@sezampro.rs
Operaciona istraživanja
• interdisciplinarna nauka
• koristi naučne metode
– matematičko modelovanje
– statistiku
– računarsku inteligenciju
– algoritme za donošenje odluka
• kompleksni realni problemi
• operacije u složenim sistemima
2
Operaciona istraživanja
• Cilj: da se izabere najbolje rešenje
za problerm koji se razmatra
• Kriterijumi
• Ograničenja
3
Operaciona istraživanja
4
TEHNIKE OPTIMIZACIJE
• Tehnike optimizacije mogu da se
klasifikuju na različite načine.
• Baziraju se na tipu promenljivih i
jednačina koje se koriste u
matematičkom modelu sistema.
• Sistemi se mogu modelovati da budu
linearni ili nelinearni, kontinualni ili
diskretni, deterministički ili stohastički,
ograničeni ili neograničeni.
5
TEHNIKE OPTIMIZACIJE
Linearno programiranje Nelinearno programiranje
– Simplex metoda • Analitičke metode
– Revidovana Simplex metoda – Jednakost ograničenja
– Primal-Dual Simplex metoda Lagranžeov metod uvećanja
– Dual Simplex metoda – Nejednakost ograničenja
– Metoda unutrašnje tačke
– Dekompozicioni metoda Uslovi Kuna-Takera
– Analiza osetljivosti • Jednodimenzione metode minimizacije
– Parametarsko programiranje – Metode eliminacije
– Kvadratno programiranje – Neograničeno istraživanje
– Simultano istraživanje
– Dihotomno istraživanje
– Metoda Fibonačija
– Metoda zlatnog preseka
• Metode interpolacije
– Kvadratna interpolacija
– Kubna interpolacija
– Njutnova metoda
– Kvazi Njutnova metoda
– Metoda sekante
6
TEHNIKE OPTIMIZACIJE
Optimizacione metode bez ograničenja Optimizacione metode sa ograničenjima
Direktne metode Direktne metode
– Metoda slučajnog uzorka – Metoda slučajne promenljive
– Metoda mreže – Heuristička metoda
– Metoda varijacije – Metod sekvencijalnog linearnog programiranja
– Metoda uzorkovanja – Metod sekvencijalnog kvadratnog
– Powelova metoda programiranja
– Metoda Huk-Dživsa – Metod vidljivih uputstava
– Metoda Rozenbroka – Metod Zountendijka
– Simplex (Polytop) metoda – Rozenov metod gradijenata
Rastuće metode – Opšti redukovani metod gradijenata
– Stepenasta rastuća (Koši) Indirektne metode
metoda – Transformacija promenljivih
– Metoda Flečer-Riv – Sekvencijana minimizacija bez ograničenja
– Metoda Njutna – Metoda unutrašnje kaznene funkcije
– Metoda Markvarda – Metoda spoljne kaznene funkcije
– Kvazi-Njutn metoda – Metoda unutrašnje i spoljne kaznene funkcije
– Meoda Davidon-Flečer-Pauel – Metoda kaznene funkcije za parametarska
– Metoda Brojden-Flečer-Goldfarb ograničenja
(BFGS) – Metoda uvećanja Lagranžeovih multiplikatora
7
TEHNIKE OPTIMIZACIJE
Geometrijsko programiranje Globalna optimizacija
• Tačni metodi
Dinamičko programiranje – Naivni pristupi
– Nenumeričke strategije istraživanja
Integralno programiranje – Metod trajektorije i sl.
• Metod isecanja ravni – Algoritmi ograđivanja
• Metod ograđivanja – Bajesov algoritam
• Balas metod – Adaptivni stohastički istraživački algoritmi
• Generalizovani metod kaznene funkcije – Metod intervalne analize
• Sekvencijalni metod linearnog diskretnog • Heuristički metodi
programiranja – Metod globalnih ekstenzija
Stohastičko programiranje – Genetski algoritmi
– Simultano kaljenje
– Neuralne mreže
Izdvojeno programiranje – Rasplinuti sistemi
– Tabu istraživanja
Multipredmetna optimizacija – Skater istraživanja
• Pareto optimum – Aproksimativni konveksi globalni metod
• Metod korisne funkcije – Metod nastavljanja
• Metod globalnog keriterijuma • Sekvencijalno poboljšanje lokalnog optimuma
• Leksikografski metod
• Metod ciljnog programir Metaheurističke metode
8
Soft computing
Meko računanje/računarstvo
• Računarska tehnologija / metodologija - na
uspešan način tretira nepreciznost,
neodređenost i kompleksnost velikog, složenog,
realnog sistema (Radojević, 1994).
• Ovaj "meki račun" je tolerantan za nepreciznost,
neodređenost i parcijalne istine u toku
procedure, u smislu prilagođavanja rešenja
problema u procesu donošenja (najčešće)
ekonomične odluke (Zadeh, 1994).
9
Soft computing
• Osnovne četiri tehnike soft
computing – a:
– neuralne mreže
– genetski algoritmi Soft Computing
– rasplinuti skupovi
– grubi skupovi Neural Genetic
predstavljaju različite
Fuzzy Set Theory
kombinacije integrisanja ovih
tehnika: Rough Set Theory
– fuzzy neuralne mreže
– fuzzy genetski algoritmi
– fuzzy rough skupovi
– grubi skupovi i neuralne mreže
– grubi skupovi i genetski algoritmi
itd. 10
Bertrand Russell
“A inquiry into Meaning and Truth“ (1940)
11
Donošenje odluka
Process decision making
• U toku upravljanja građevinskim procesima potrebno je
neprekidno donositi odluke.
• planiranje
• organizovanje
• rukovođenje
• kontrolu
• koordinaciju
17
Karakteristike investicija
• Rok
• Cena
• Kvalitet
18
Fuzzy skupovi
• Rasplinuti (fuzzy) skupovi, kao jedna od osnovnih tehnika soft computing–a,
omogućavaju predstavljanje, oblikovanje i rad sa lingvističkim izrazima,
odnosno sa objektima nejasnih granica (formalizam za rukovanje nejasnim,
nepreciznim znanjem).
• Fuzzy brojevi – to su brojevi dobijeni na osnovu subjektivnih procena,
intuicije ili iskustva, koji pored numeričke vrednosti imaju i lingvističku
komponentu (npr. otprilike, oko, itd.).
Primer Neka je fuzzy skup A
mA(n )
definisan kao "broj radnika u
tesarskoj brigadi je otprilike/oko 1
20". Funkcija pripadnosti μA(n) je
određena subjektivno.
Ovaj rasplinuti skup "oko 20"
se može tretirati kao trouglasti
fuzzy broj, predstavljen u obliku 0 5 10 15 20 25 30 35
n (broj radnika)
A=(15, 20, 25).
Funkcija pripadnosti fuzzy skupa A
Interval poverenja u
konkretnom slučaju je [15, 25]. 19
Fuzzy logika
• Fuzzy logika je "nejasno" rasuđivanje, ili
aproksimativno rezonovanje.
• Ovime je učinjen novi korak u prevazilaženju razlika
između računara i čoveka. Suština je u tome što, za
razliku od standardnog računarskog "razmišljanja" u
krajnostima: 0 ili 1, da ili ne, crno ili belo; može da se
operiše i sa međuvrednostima, raspoznajući i "0,7",
"možda" ili "sivo".
• Modeli zasnovani na fuzzy logici sastoje se od "if-
then" ("ako-onda") pravila, međusobno povezanih
izrazom "else" ("ili").
20
Neuralne mreže
• Neuralne mreže se sastoje od skupa međusobno povezanih
jednostavnih procesnih elemenata jedinica ili čvorova (nodes)
veštačkih neurona, čija je funkcionalnost zasnovana na prirodnim
neuronima, osnosno nervnim ćelijama ljudskog mozga.
• Sposobnost procesuiranja mreže je uskladištena u međujediničnoj
povezanosti težina (weights), dobijenih procesom prilagođavanja (ili
učenja) trening skupu uzoraka.
x
1
x
2
w
1
w
2
u f
y
w n
x
n
Veštački neuron
21
Primena neuralnih mreža
• Razlozi primene veštačkih neuronskih mreža
su u činjenici da čovekov nervni sistem
predstavlja moćno sredstvo u rešavanju
malo definisanih i nejasnih problema.
• Neuronske mreže su pogodne za rad na
računarima i pokazuju efektivnost u
rešavanju problema koji se odnose na
procenu troškova i rizike koji se javljaju na
investicionim projektima u građevinarstvu.
22
Genetski algoritmi
• Genetski algoritmi (GA) su familija stohastičkih i
evolutivnih modela zasnovanih na principima oponašanja
mehanizama genetike, prirodne selekcije, evolucije,
nasleđivanja, opstanka najprijagodljivijih i izumiranja
najlošije prilagođenih jedinki.
• GA operišu nad genetskim strukturama koje se zovu
hromozomi.
• Skup informacija koje karakterišu jedno svojstvo zapisano
je u jednom delu hromozoma koji se naziva gen.
• Nakon mnoštva generacija, populacija sadrži hromozome
sa poboljšanim vrednostima, što je analogno Darwinovom
modelu evolucije slučajnih (proizvoljnih) mutacija i
prirodne selekcije.
23
Genetski algoritmi
elitizam
1 0 0 1 1 0 ... 0 1 0 0 0 1 ...
1 1 0 1 0 0 ... 0 0 1 0 1 0 ...
• •
• •
1 1 1 0 1 1 ... 0 0 1 1 0 1 ...
24
PRIMENA GRUBIH SKUPOVA U
IZBORU OPTIMALNE LOKACIJE ZA
IZGRADNJU FABRIKE BETONA
26
Osnovne postavke teorije grubih
(rough) skupova
29
“It is a capital mistake to
theorise before one has data.”
“Ključna greška je razmišljati o
nečemu bez podataka.”
Sherlock Holmes u:
“A Scandal in Bohemia“(1891),
30
dr Watson I Sherlock Holmes
Tabele podataka
31
Redukcije
• Jedno od najčešćih pitanja, koje se
nameće prilikom analiziranja tabele
podataka, odnosi se na mogućnost
odstranjivanja nekih podataka iz tabele,
a da pri tome ostanu sačuvane njene
osnovne (polazne) osobine.
• Redukcija je minimalni podskup atributa
(karakteristika) koji može da očuva
relaciju nerazlikovanja
32
Redukcije
33
Pravila odlučivanja
• Pravilo odlučivanja se može izraziti kao
logički izraz:
• “IF konjukcija elementarnih uslova
THEN disjunkcija elementarnih odluka.”
• Pravila koja imaju iste uslove ali različite
odluke zovu se nekonzistentna ili
nedeterministička, konfliktna.
• Ostala pravila su konzistentna ili
deterministička, nekonfliktna.
34
Optimalan izbor
• U tabeli 1 prikazani su podaci o 9 razmatranih lokacija
• Tabela 1 predstavlja tabelu atribut - vrednost ili tabelu odlučivanja
35
Optimalan izbor
• Pronalaženje reduktora i jezgra atributa je urađeno preko matrice
razlikovanja
• U cilju iznalaženja matrice razlikovanja, tabelu odlučivanja je često
potrebno nešto drugačije grupisati - Tabela 2 predstavlja realniji prikaz
tabele odlučivanja
36
Optimalan izbor
• Matrica razlikovanja data je u tabeli 3
37
Optimalan izbor
38
Pravila odlučivanja
• IF (Veličina lokacije, srednja) & (Cena uređenja, niska) THEN
(Pogodna lokacija, da)
• IF (Veličina lokacije, srednja) & (Cena uređenja, niska) THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, nedovoljna) & (Cena uređenja, srednja) THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, dovoljna) & (Cena uređenja, niska) THEN
(Pogodna lokacija, da)
• IF (Veličina lokacije, nedovoljna) & (Cena uređenja, visoka) THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, dovoljna) & (Cena uređenja, visoka) THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, dovoljna) & (Cena uređenja, srednja) THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, srednja) & (Cena uređenja, visoka) THEN
(Pogodna lokacija, ne)
39
ZAKLJUČAK
42
Izbor lokacije
43
Nedostajući podaci
• Nekompletnost tabela odlučivanja se odnosi
na to da neke vrednosti atributa nedostaju.
• Prilikom rešavanja ovakvih problema
primenom teorije grubih skupova, razmatraju
se dve grupe nedostajućih podataka (missing
values):
– izgubljeni (lost), npr. izbrisani, ili iz nekog drugog
razloga nestali podaci, i
– nebitni ili manje bitni (do not care) podaci, npr.
suvišni ili ne neophodni podaci za donošenje
odluke ili klasifikovanje.
44
Izbor lokacije građevinskog
zemljišta
45
Pravila odlučivanja za
kompletnu tabelu odlučivanja
46
Izbor lokacije građevinskog
zemljišta
47
Pravila odlučivanja za
nekompletnu tabelu odlučivanja
• IF (U.U. = 1) THEN (Odluka, Ne)
• IF (U.U = 2.5) THEN ((Odluka, Da) OR
(Odluka, Ne)
• IF (U.U. = 3) THEN (Odluka, Da)
• IF (Lok. = 3) AND (U.U. = Nedostaje)
THEN (Odluka, Ne)
• IF (Lok. = 4) AND (U.U. = Nedostaje)
THEN (Odluka, Da)
• IF (Lok. = 5) AND (U.U. = Nedostaje)
THEN (Odluka, Ne)
48
ZAKLJUČAK
U slučaju komplentnih podataka
donosilac odluke se rukovodio
isključivo atributom urbanistički uslovi.
(3)
(1)
1 2 5 9 11 13 14 15
5 5 20 20 25 35 80 90 140 140 180 180 205 205 215 215
5 15 5 55 50 40 25 10
No
25
3
55 60
6
90
EF LF
20 35
ti
7
90 140 No - Broj aktivnostiFront rada sa aktivnostima
85
EF - Najraniji završetak
LF - Najkasniji završetak
ti - Trajanje aktivnosti
(i) – Broj fronta rada
(2)
4 8 10 12
50 71 90 111 110 156 155 201
30 40 20 45
(3)
(1)
1 2 5 9 11 13 14 15
5 5 20 51 25 56 80 111 140 161 201 201 226 226 236 236
5 15 5 55 50 40 25 10
3 6
29 29 76 76
24 47
7
161 161
85
52
ANALIZA RIZIKA
• Kompanije koje koriste analizu rizika u
procenama koriste softvere koji rade
Monte Carlo simulacije.
• Definišu se grupe radova u osnovnoj
proceni, bazna i maksimalna cena i
verovatnoća da će se maksimalna
cena i ostvariti.
• Softver generiše slučajne brojeve za
svaku varijablu rizika. 53
UPRAVLJANJE RIZICIMA U
GRAĐEVINARSTVU
• Rizik (risk) je verovatnoća da će doći
do negativnog ishoda.
• Svaki projekat je opterećen raznim
neizvesnostima zbog toga što se sve
aktivnosti ne realizuju uvek kako je
unapred planirano.
• Neizvesnosti koje imaju finansijski
uticaj se označavaju kao rizici i oni
odlučuju da li je projekat uspešan. 54
Histogramska i S kriva troškova
55
EVOLUCIONARNA
ARHITEKTURA TERMITA
• Moderni projektanti i istraživači konstantno
pronalaze svoju inspiraciju u samoj prirodi.
• Projekti aviona su inspirisani ptičjim
krilima.
• Roboti inicijalno imitiraju pokrete insekata.
• Rezistentni materijali su sintetizovani
zahvaljujući proučavanju sastava paukove
mreže.
56
OPTIMIZACIJA MRAVLJE KOLONIJE
• Optimizacija mravlje kolonije (Art Colony Optimization-ACO) je
metaheuristički pristup za rešavanje složenih kombinatoričkih
optimizacionih problema, u upotrebi poslednjih par godina.
• Inspiracija za ovaj pristup je trag feromona (pheromone) i
posledično ponašanje mrava u prirodi koji koriste feromon kao
komunikacioni medium.
Put koji prelaze mravi od gnezda do izvora hrane, uz feromon pronalaze najkraći put
bez obzira na prepreke 57
EVOLUCIONARNA
ARHITEKTURA TERMITA
• Za građevinarstvo je naročito interesantno
ponašanje termita.
• Proces izgradnje, materijalizacije i
odgovarajuće kombinacije materijala koji vode
ka stvaranju elegantne, konstrukciono
efikasne i trajne konstrukcije njihovih humki je
neverovatno inspirativan.
• Kako je grupa malih, sitnih prostih individua u
mogućnosti da stvori veliku humku, visoku i do
6 m, u predelima sa velikom sušom? 58
Primeri humke termita
59
Eastgate Centar u Harareu i humka termita
60
Analogija - Heuristika
• Rezultati rada u savremenom građevinarstvu su
rezultat nagomilanog vekovnog ljudskog iskustva.
Heuristika je nauka o metodama pronalaženja novih
naučnih činjenica i saznanja. Heuristički znači
pronalaziti, naći (na osnovu iskustva).
• Optimalni algoritmi garantuju postizanje optimalnog
rešenja. Heuristički algoritmi to ne garantuju -
rešenje može da se dobije, ali ne mora da bude
optimalno ili blisko optimalnom.
• Osnovna prednost ovih algoritama je da su
koncepcijski jednostavni. Ovo podrazumeva
intuiciju, znanje, kreativnost i iskustvo. 61
Heuristika
• Heurističko vrednovanje podrazumeva kriterijume:
da li je ponašanje sistema predvidivo, kao i da li je
moguća povratna sprega. Prvi kriterijum znači da se
može predvideti šta će se dogoditi sledeće, a drugi da
će se ono što se dogodi u jednoj situaciji skoro isto
desiti u sličnoj situaciji.
• Ovo je karakteristično za građevinarstvo - zbog velikog
nagomilanog iskustva koje je prisutno pri planiranju i
realizaciji proizvodnih procesa donose se odluke bliske
optimalnim.
• Ovo podrazumeva da su mnoge situacije i postupci u
građevinarstvu rezultat poznatog.
62