WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ ОЦЕНОК ДЛЯ ТАБЛИЧНОГО АЛГОРИТМА РЕШЕНИЯ ЗАДАЧИ ОПТИМАЛЬНОЙ УПАКОВКИ НА ОСНОВЕ ФУНКЦИИ ТРУДОЁМКОСТИ М.В. Ульянов, д.т.н, профессор Московского государственного университета

печати muljanov О.А. Наумова, И. А. Яковлев, студенты Московского государственного университета приборостроения и информатики В статье излагается подход к прогнозированию временных оценок программных реа лизаций компьютерных алгоритмов, основанный на использовании теоретической функ ции трудоёмкости и функции времени выполнения обобщённой базовой операции, полу чаемой на основе экспериментальных данных с применением аппарата регрессионного анализа. Иллюстративным примером предлагаемого подхода служит табличный алго ритм решения классической задачи одномерной оптимальной упаковки.

Введение определённую стоимость. Наша задача так упако ри решении класса экономических задач вать рюкзак, чтобы он закрывался, и сумма стоимо и задач планирования бизнеса, обла стей упакованных коробок была бы наибольшей.

Пдающих большой размерностью, возникает Хотя мы имеем дело с объёмом, в реальности мы дилемма между применением точного алгоритма рассматриваем только высоту рюкзака и высоты ко решения задачи со значительными временными робок – в этом смысле задача одномерная. Эта за затратами или быстрых эвристических алгоритмов, дача, известная, как задача об упаковке рюкзака, не гарантирующих получение точного решения. более корректно – задача одномерной оптималь В этом аспекте практический интерес представляет ной по стоимости упаковки – имеет разнообразные получение прогноза временных затрат для получе практические применения.

ния точного решения. Ряд задач указанного класса, Точное решение этой задачи, существенно сокра например, задача об оптимальных расписаниях, щающее полный перебор, впервые предложено задача формирования оптимального пакета акций Р. Беллманом на основе разработанного им метода на фиксированную сумму, задача одномерного динамического программирования [1]. В настоящее раскроя материала, сводятся к классической задаче время предлагается много разнообразных точных одномерной упаковки, которая и служит иллюстра и эвристических алгоритмов её решения. Из класси тивным примером подхода к прогнозированию вре ческих алгоритмов точного решения задачи упаков менных оценок, излагаемого в настоящей статье. ки наибольший интерес представляет табличный Представим себе, что у нас есть рюкзак с пря алгоритм, позволяющий получить промежуточные моугольным дном и нерастяжимыми стенками решения для всех дискретов объёма упаковки, что определённой высоты. У нас есть также несколько важно в аспекте исследования чувствительности групп коробок, с таким же дном, как у рюкзака. целевой функции. Такого рода исследования чув В любой группе очень много коробок, и каждая ствительности актуальны для ряда экономических коробка в группе одинакова по высоте и имеет задач, сводимых к задаче одномерной упаковки.

БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г. Наиболее простой способ решения задачи прог мере одна, максимизирующая суммарную стои нозирования – обработка экспериментальных вре мость. Это приводит к следующей постановке задачи мён выполнения методами математической стати упаковки как задачи линейного целочисленного стики. Получаемые известными статистическими программирования – максимизировать линейный пакетами [2] функции тренда хорошо работают функционал:

в области интерполяции значений времени выпол нения как функции размерности задачи, но дают значительные ошибки при экстраполяции этой за висимости в область больших размерностей. Оче где ограничение содержательно означает, что сум видная причина этих ошибок – отсутствие знаний марный объём, занимаемый грузами всех типов в о функции трудоёмкости исследуемого алгоритма. количествах, указанных характеристическим век Цель настоящей статьи – изложение подхода тором x, не должен превышать объёма упаковки.

к прогнозированию временных оценок програм мных реализаций компьютерных алгоритмов, Исходные данные на входе алгоритма:

основанного на использовании многопараметриче объём упаковки;

ской функции трудоёмкости алгоритма и времени количество типов грузов, каждый из которых выполнения обобщённой базовой операции на характеризуется объёмом vi и стоимостью ci, примере табличного алгоритма решения задачи одномерной упаковки.

Решение методом динамического программиро Постановка задачи упаковки, уравнение Беллмана вания предполагает получение промежуточных ре и параметризация зультатов, формирующихся на основе функциональ Рассмотрим общую постановку задачи одномер ного уравнения Беллмана для задачи упаковки [1]:

ной оптимальной по стоимости упаковки [1]. Пусть задано множество типов грузов (1) где каждый элемент yi, соотнесенный с типом груза, обладает целочисленным линейным размером – vi, или «объёмом» в общепринятых терминах задачи где fm(v) – оптимальная стоимость упаковки объё упаковки, и ценовой характеристикой – ci, которая ма v грузами m типов;

содержательно отражает практически значимые xm – количество грузов типа m в упаковке объё предпочтения для загрузки объектов данного типа. ма v.

Также целочисленным значением задан объём упа ковки V. В классической постановке элементы yi Решением поставленной задачи является значе называются типами грузов. ние fn(V) и соответствующий вектор Для описания количества загружаемых в объём V элементов yi введём в рассмотрение характери стический вектор Исследуемый табличный алгоритм упаковки ре ализует функциональное уравнение (1) путём вычи сления значений всех строк таблицы для изменяю где xi – неотрицательное целое, т.е. щегося значения дискрета объёма. По типу он – ко личественно параметрический алгоритм [3]. Это означает, что число базовых операций, задаваемых алгоритмом, зависит не только от количества дан Значение компонента вектора xi = k соответству ных на входе, но и от их значений. В рассматривае ет загрузке k элементов типа yi в объём V. Таким об мой задаче значение xm зависит от v и vm, следова разом, описание некоторой упаковки объёма V пред тельно, функция трудоёмкости табличного алго ставляет собой целочисленную точку в неотрица ритма будет зависеть как от числа типов грузов, так тельной области n мерного пространства En. Среди и от значений параметров – V, v1,...vn, учёт которых z всех возможных упаковок существует по крайней существенно затрудняет анализ.

38 БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г.

(V – объём упаковки) С целью упрощения анализа алгоритма, следуя (f[0...V], f1[0...V] – функция Беллмана – оптимальная стоимость упаковки для текущего и предыдущего ти [3] введём параметр, характеризующий, сколько пов грузов) грузов среднего объёма размещается в объёме V:

(x[0...V, 1...n], x1[0...V, 1...n] – массивы векторов опти мальной упаковки для текущего и предыдущего типов грузов) (Фрагмент 1. Формирование таблицы для грузов типа 1) for v 0 to V 1+3(V+1) Очевидно, что реально количество любых гру begin зов, размещённых в объёме V, есть целое число, но x[v, 1] ¬ v div boxV[1] 5(V+1) x1[v, 1] ¬ x[v, 1] 5(V+1) для оценки вычислительной сложности в среднем, f[v] ¬ x[v, 1] * boxC[1] 6(V+1) необходимо учитывать, что параметр k может рас f1[v] ¬ f[v] 3(V+1) end сматриваться как действительное число.

(Фрагмент 2. Цикл по типам грузов) Табличный алгоритм упаковки for i 2 to n 1+3(n 1) begin Табличный алгоритм, позволяет получить набор Vi boxV[i] 2(n 1) оптимальных решений не только для заданного Ci boxC[i] 2(n 1) объёма, но и для всех промежуточных дискретных значений этого объёма. Обозначим вектор опти (Фрагмент 3. Цикл по дискретам объёма упаковки) for v 0 to V 1(n 1)+3V(n 1) мальной упаковки для объёма v элементами yj, —— begin i =1,m, m n, через xm, тогда в силу принципа v maxKol 0 1V(n 1) maxC f[v] 2V(n 1) оптимальности [1] k v div Vi 2V(n 1) (Фрагмент 4. Цикл нахождения максимума f) for b 0 to k V(n 1)+3g begin и порядок предъявления элементов yi не является C Ci*b+f1[v b*Vi] 6g if maxC < C 1g существенным. Решение табличным алгоритмом осуществляется на основе функционального урав then maxC C нения (1). Результат решения задачи – набор опти maxKol b мальных значений целевой функции fn(v) и соответ end (конец цикла по b) ствующих векторов оптимальной упаковки xm для v (Фрагмент 5. Сохранение оптимального решения) всех объёмов v от 0 до V элементами из множества Y.

f[v] maxC 2V(n 1) Отметим, что поскольку табличный алгоритм по jr v maxKol*Vi 3V(n 1) зволяет получить оптимальные решения для всех (Фрагмент 6. Формирование оптимального вектора упаковки) промежуточных объёмов упаковки, эту информа for j = 1 to i 2V(n 1)+3V(n 1)*n/ begin цию можно использовать для исследования чув x[v, j] = x1[jr,j] 5V(n 1)*n/ ствительности целевой функции fn(v) по измене end x[v, i] = maxKol 3V(n 1) нию объёма упаковки. Табличная реализация end (конец цикла по v) основного функционального уравнения Беллмана (Переход к новому типу груза: обмен адресов x, x и f, f1) приводит к последовательному рассмотрению end (конец цикла по i) типов грузов. Для каждого из них мы получаем End.

оптимальную упаковку для всех дискретов объёма.

Рекурсивный вызов в функциональном уравнении (1) реализуется табличным алгоритмом как обраще Анализ трудоёмкости табличного алгоритма ние к соответствующей строке предыдущей табли Трудоёмкость трёх первых фрагментов таблич це оптимальной упаковки. ного алгоритма может быть легко получена на ос Запись табличного алгоритма решения задачи нове базовых операций, указанных в строках запи упаковки в алгоритмическом базисе, введённом в си, и составляет:

[4], имеет следующий вид (справа в строках указано число базовых операций модели вычислений языка высокого уровня, подробнее см. [4]).

A(boxC, boxV, n, V;

f, x) Оценим вычислительную сложность основной ча (boxV[1...n] – объёмы типов грузов) сти алгоритма (фрагмент 4) в условиях принятой па (boxC[1...n] – стоимости типов грузов) (n – количество типов грузов) раметризации. Заметим, что число операций в одном БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г. проходе цикла по b имеет порядок (1). Цикл по определяется на основании анализа алгоритма нахождению максимума целевого функционала за поиска максимума [4], полученные результаты по висит от цикла по дискретам объёма, и их совме казаны в табл. 2.

стное рассмотрение приводит к следующим резуль татам (табл. 1). Таблица Значения счётчика Число проходов цикла Математическое цикла по дискретам вычисления ожидание числа объёма максимума переприсваиваний Значения счётчика цикла Количество проходов цикла – от 1 до v 1 по дискретам объёма вычисления максимума – – – от 0 до v –1 от v + 1 до 2v 2 H – – от v до 2v –1 … … … – – от (k–1) v +1 до kv k Hk … … – – – от kv + 1 до V от (k–1) v до kv –1 k–1 k + 1 Hk + – при k v = V k Следует объяснить, почему мы здесь различаем – значения kv и V. Мы считаем, что все грузы имеют Таким образом, совокупное количество прохо такой объём, что не более k грузов каждого типа мо дов внешнего (по v) и внутреннего (по b) циклов жет быть размещено в объёме V. Но фиксированное равно: значение k обеспечивает не только значение сред него объёма, равное V/k, а целый сегмент значений При таком рассмотрении средний объём грузов будет совпадать с серединой указанного сегмента:

– Подстановка k = V/v, отражающая введённую параметризацию, даёт следующую оценку для двух внутренних циклов:

– Очевидно, что значения kv и V будут отличаться на некоторое значение V, а именно:

и учитывая, что цикл по типам грузов выполняется n–1 раз, окончательно получаем вычислительную (2) сложность фрагмента 4:

На основе результатов анализа, указанных в табл. 2, получим математическое ожидание числа выполнений блока then на полном проходе цикла по дискретам объёма – оно представляет собой Трудоёмкость этого фрагмента может быть полу сумму гармонических чисел:

чена на основе подсчёта базовых операций в стро ках и полученной выше вычислительной сложно сти и составляет:

Поскольку при входе в блок выполняется две операции, и с учётом цикла по типам грузов, полу чим трудоёмкость блока then в следующем виде:

Трудоёмкость блока then связана с оценкой сред него числа переприсваиваний в блоке поиска мак симума. Уделим этому блоку особое внимание. При входе в блок выполняется 2 операции. Остаётся по и, используя формулу для суммы гармонических нять, сколько раз будет осуществлён вход в блок пе чисел [5], введённую параметризацию, и подста реприсваивания максимальной стоимости. Мате вляя выражение для V – формула (2), окончатель матическое ожидание числа переприсваиваний но имеем:

40 БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г.

Экспериментальная Теоретическая n к % трудоёмкость в среднем трудоёмкость 3 131 273,5 130 193,4 0, 4 141 928,8 140 802,9 0, Трудоёмкости фрагментов 5 и 6 легко вычисляют 5 153 076,3 151 329,6 1, ся на основе числа базовых операций языка высо 6 163 999,6 161 794,4 1, кого уровня, приведённых в строках записи алго 7 174 687,7 172 211,1 1, ритма:

8 184 924,0 182 589,4 1, 9 195 525,5 192 936,2 1, 10 207 361,7 203 256,6 1, Для получения формулы трудоёмкости таблич 3 353 595,0 352 447,5 0, ного алгоритма в среднем остаётся просуммировать 4 379 572,3 378 971,3 0, трудоёмкости всех последовательно выполняю 5 406 148,6 405 287,9 0, щихся фрагментов. В результате получаем:

6 433 038,3 431 450,0 0, 7 459 196,9 457 491,9 0, 8 485 252,9 483 437,6 0, 9 510 992,5 509 304,5 0, 10 538 431,1 535 105,5 0, (3) 3 647 176,0 646 701,6 0, 4 688 704,9 689 139,6 0, 5 730 495,2 731 246,3 0, 6 772 981,6 773 105,5 0, Экспериментальное исследование программной 7 814 236,6 814 772,6 0, реализации табличного алгоритма 8 854 831,7 856 285,7 0, Для подтверждения теоретически полученного 9 896 490,6 897 672,7 0, результата проведено экспериментальное исследо 10 939 732,7 938 954,4 0, вание программной реализации табличного алго ритма. Эксперимент проводился в диапазоне зна чений Для каждой пары n, k проводилось 1000 экспе риментов с генерацией различных значений объё мов грузов, обеспечивающих заданное k с последу ющим усреднением полученных значений трудоём кости. Результаты проведённых экспериментов представлены в табл. 3 и на рис. 1–3.

Результаты анализа полученных эксперимен.1. Теоретическая и экспериментальная трудоёмкость тальных данных в рассмотренном диапазоне значе табличного алгоритма при значениях V = 1000 и n = ний k при фиксированных значениях V и n показы вают незначительное расхождение между получен ной теоретической функцией трудоёмкости, опре деляемой по формуле (3), и экспериментальными результатами. Так, на всём исследованном диапазо не значений параметров входа, максимальная раз ность не превышает 2%. Полученная теоретическая формула трудоёмкости может быть использована для прогнозирования времени выполнения таблич ного алгоритма и решения других задач, например, задачи определения области рационального ис пользования табличного алгоритма в сравнении с другими точными алгоритмами решения задачи. 2. Теоретическая и экспериментальная трудоёмкость одномерной оптимальной по стоимости упаковки. табличного алгоритма при значениях V = 1000 и n = БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г. в противном случае на основе экспериментальных данных методом, изложенным в [6], может быть по – строена функциональная зависимость t (n), и оп прогноз времени выполнения рассчитывается по формуле:

(6) Для алгоритма, рассматриваемого в настоящей статье, задача прогнозирования усложняется в свя зи с параметризацией, приводящей к функции тру доёмкости табличного алгоритма (3) как функции от трёх аргументов. Расширению подхода, предло женного в [6] на программные реализации алгорит. 3. Теоретическая и экспериментальная трудоёмкость мов, обладающих параметрическими аргументами табличного алгоритма в функции трудоёмкости, и посвящена данная при значениях V = 1000 и n =9 часть статьи.

Первый этап предлагаемой методики – проведе Методика прогнозирования времени выполнения ние серии экспериментов с программной реализа Подход к прогнозированию времени выполне цией алгоритма для получения экспериментальной ния программной реализации алгоритма на основе зависимости среднего времени на базовую опера функции трудоёмкости как функции длины входа цию в виде однопараметрических зависимостей предложен одним из авторов в [6]. Для прогнозиро при других фиксированных аргументах. Програм вания времени выполнения необходимо провести мная реализация алгоритма выполнена в среде серию экспериментов на различных длинах входа Borland Delphi 7 на компьютере AMD Athlon 64 X алгоритма с целью определения среднего времени 4600+ (2,4), ASUS A8N VM CSM, 2 Гб ОЗУ под выполнения программы и на основе известной управлением Windows XP SP2. Время выполнения функции трудоёмкости определить среднее время программной реализации алгоритма определялось на одну базовую операцию: при помощи тактового счётчика и усреднялось по 10000 экспериментам. Среднее время выполнения (4) обобщённой базовой операции определялось по формуле Однако полученное таким образом среднее вре мя на базовую операцию не учитывает частотную – встречаемость операций фрагментов алгоритма, где fA(n,V,k) вычислялось по формуле (3).

определяющих главный асимптотический порядок функции трудоёмкости, что, как показано в [6] При проведении эксперимента задействовалось – влияет на tоп. Варианты характерного поведения лишь одно ядро процессора. Поэтому при переводе – tоп, как функции длины входа, показаны на рис. 4 тактовых значений времени в наносекунды пра (подробнее см. [6]). вильнее будет считать частоту процессора как ча – Если зависимость tоп(n) слабо выражена, то прог стоту одного ядра. В табл. 4 приведены полученные нозирование времени для интересующей размерно экспериментальные результаты для значений сти входа n* может быть выполнено по формуле:

(5) Графически результаты этого эксперимента представлены на рис. 5.

Полученные данные показывают, что среднее время на операцию уменьшается с ростом k. Эту за висимость можно объяснить ростом частотной встречаемости более быстрых операций при увели чении значений k во фрагменте алгоритма, опреде. 4. Зависимость среднего времени на операцию ляющего главный асимптотический порядок функ от длины входа ции трудоёмкости (фрагмент 4).

42 БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г.

– – k t k t оп оп 9 2,063 18 1, 10 2,017 19 1, 11 1,964 20 1, 12 1,913 21 1, 13 1,875 22 1, 14 1,829 23 1, 15 1,799 24 1, 16 1,767 25 1, 17 1,. 6. Зависимость среднего времени на операцию от значения n при V = 500, k = Для получения более точных прогнозов на осно ве формулы (6) необходимо получить функцио – нальную зависимость tоп. от параметров функции трудоёмкости – это второй этап предлагаемой ме тодики.

Для получения оценки зависимости среднего времени на обобщенную операцию от параметра k применим метод, предложенный в [6]. Значения n и V будем считать фиксированными. В этом случае,. 5. Зависимость среднего времени на операцию каждая из аддитивных компонент функции трудо от значения k при V = 500, n = 3 ёмкости по аргументу k может быть упорядочена по асимптотической иерархии. Рассмотрим два основ Проведена серия экспериментов для выявления ных компонента:

– зависимости tоп. от параметра n. Экспериментальные данные при V = 500 и k = 14 приведены в табл. 5, и показаны на рис. 6. Зависимость от параметра n при этом время на операцию как функция k пред более слабая и имеет ступенчатую форму. Можно ставимо в виде:

предположить, что такая зависимость – следствие возрастающего объёма используемой памяти одно.

временно с ростом n, и особенностями использова ния кэш памяти.

Исходя из рассматриваемого диапазона значе 5 ний k, будем считать значение гармонического чи сла Hk слабо меняющимся. Зафиксируем значение – – n t n t оп оп Hk 3,39, и обозначим через:

3 1,829 8 1, 4 1,796 9 1, 5 1,791 10 1, В результате получим:

6 1,770 11 1, 7 1,866 12 1, По данным табл. 6 и 7 вычислено усреднённое (7) время на обобщённую базовую операцию в диапа зоне изменения Выражение (7) можно преобразовать в линей ную форму:

– которое составило tоп. = 1,816 такта. Этот результат может быть использован для упрощённого прогно за на основе формулы (5). сделав замену переменных:

БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г. Теперь, на основе экспериментальных данных методом наименьших квадратов определяются ко эффициенты a и b уравнения линейной регрессии.

Поскольку наблюдается зависимость значения среднего времени на операцию и от значения n, это не могло не отразиться на полученных методом на именьших квадратов коэффициентах a и b. На рис. показаны экспериментально полученные значения – tоп(k) для исследуемого диапазона значений k при значениях n = 3 и n = 6, а также полученные для. 8. Зависимость коэффициента регрессии a от параметра n этих значений n уравнения регрессии при введён ной замене переменных.

. 9. Зависимость коэффициента регрессии b от параметра n этап предлагаемой методики – многопараметриче ская зависимость среднего времени на операцию учитывается функцией регрессии коэффициентов.

Линейная регрессия для коэффициента a имеет следующий вид:

–. 7. Зависимость экспериментальных значений t (k) и ура оп внения регрессии при n = 3 (сверху) и n = 6 (снизу) что позволяет сделать вывод о незначительным Серия экспериментов для диапазона значений влиянии n на коэффициент a, и коэффициент a в n = 3,...,12 и k = 9,...,25 позволила определить коэф этом случае можно считать константой, равной фициенты уравнения линейной регрессии a и b на среднему значению 8,49. Для коэффициента b на всём диапазоне n = 3,...,12, приведённые в табл. 6. основе максимума достоверности было выбрано уравнение регрессии вида y = cln(n) + d, с достовер 6 ностью аппроксимации R2 = 0,9. Для этого уравне ния получены коэффициенты c = 0,155 и d = 1,008.

n a b n a b Полученное уравнение регресии и эксперимен 3 9,160 1,218 8 8,163 1, тальные точки показаны на рис. 10.

4 8,637 1,220 9 9,074 1, 5 8,328 1,235 10 8,513 1, 6 7,826 1,247 11 8,415 1, 7 8,473 1,299 12 8,314 1, Полученные результаты в виде графиков зависи мости коэффициентов a и b от параметра показаны на рис. 8 и 9.

Эти результаты показывают: существует зависи мость коэффициентов a и b от значения параметра n.

Поэтому вполне логично (с целью повышения точ ности прогноза) построить уравнение регрессии. 10. Зависимость коэффициента b от параметра n для каждого из этих коэффициентов – это третий и уравнение регрессии 44 БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г.

В результате применения предложенной мето основанный на уравнении регрессии, точнее. Это дики на основе обработки экспериментальных дан даёт основания предположить, что при б ольших, ных получено уравнение, связывающее среднее чем в рассматриваемом диапазоне, значениях k, время выполнения обобщённой операции и пара точность прогнозирования при помощи аппарата метры n и k: регрессии будет выше относительно точности прог нозирования по усреднённому времени. На рис. (8) показаны результаты прогнозирования времени в диапазоне по Результат позволяет прогнозировать время вы полнения программной реализации табличного ал горитма упаковки, имеющего многопараметриче скую функцию трудоёмкости по формуле, являю щейся расширением формулы (6):

(9) Прогнозирование и обсуждение экспериментальных результатов С целью проверки полученных результатов на основе формулы (8) вычислены значения tоп в диа пазоне прогнозирования. 12. Прогнозирование времени выполнения алгоритма и проведено прогнозирование времени выполне в зависимости от параметра n ния табличного алгоритма упаковки на основе по лученных результатов по формуле (9). В сравнении Как видно из рис. 12, результаты прогнозирова аналогичное прогнозирование проведено с исполь ния, основанные на усреднённом времени на опера зованием усреднённого времени на базовую опера цию, и при помощи функции среднего времени на цию – tоп = 1,816 такта. операцию, полученной на основе аппарата регрес На рис. 11 показаны результаты прогнозирова сии идут практически параллельно, и растут практи ния времени выполнения в диапазоне чески с такой же скоростью, как и эксперименталь ные данные. Однако прогноз, сделанный на основе (9), ближе к экспериментальным данным.

В целом при использовании предложенной ме тодики средняя погрешность прогнозирования со ставила 5,8%. Средняя погрешность прогноза на основе усреднённого времени на операцию – 12,3%. Таким образом, применение данной методи ки при прогнозировании времени выполнения программной реализации табличного алгоритма упаковки позволило увеличить точность прогнози рования более чем в 2 раза на исследованном ди апазоне значений параметров.

Предварительные эксперименты по определе нию зависимости среднего времени на операцию от. 11. Функции прогнозов времени выполнения параметра показали, что эта зависимость имеет в зависимости от значения параметра k сложный характер, определяемый временем обра щения процессора к иерархическим структурам па Таким образом, при прогнозировании, основан мяти. Исследование и обоснование этой зависимо ном на усреднённом времени на операцию, полу сти авторы рассматривают как самостоятельную за ченное время выполнения с ростом k всё более рас дачу, представляющую собой развитие данной ра ходится с экспериментальными данными. Прогноз, боты.

БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г. Заключение быть использованы при прогнозировании времени На основе теоретического анализа получена выполнения программных реализаций алгоритмов, функция трудоёмкости для табличного алгоритма для которых теоретически получены функции трудо решения классической задачи одномерной упаков ёмкости в обобщённых базовых операциях.

ки. Проведённые экспериментальные исследова В области экономики и бизнес информатики ния показали, что полученная теоретически функ полученные результаты могут найти применение ция трудоёмкости даёт вполне приемлемые оценки для прогнозирования времени получения точного и может быть использована для решения задачи решения оптимизационных задач большой размер прогнозирования времени выполнения. ности, сводимых к задаче одномерной оптимальной В статье предложена методика прогнозирования по стоимости упаковки. В более широком смысле времени выполнения для программных реализаций результаты могут быть использованы для группы за алгоритмов, имеющих многопараметрическую дач оптимального планирования, допускающих ре функцию трудоёмкости. На основе эксперименталь шение методом динамического программирования ных данных для программной реализации таблично и требующих исследования целевой функции по го алгоритма упаковки с использованием аппарата чувствительности к объёму распределяемого ресур регрессии, в том числе и регрессии коэффициентов, са. Примером может служить задача составления получена функциональная зависимость среднего оптимальных расписаний, как элемент общей зада времени на обобщённую базовую операцию от пара чи планирования бизнеса при значительном объёме метров входа алгоритма. С использованием получен исходных данных. В этом аспекте предложенный в ной функции трудоёмкости и функциональной за статье подход к прогнозированию временных затрат висимости среднего времени на базовую операцию на получение точного решения даёт возможность получен прогноз времени выполнения, имеющий обоснования выбора точного алгоритма решения по более чем в два раза меньшую погрешность, чем сравнению с эвристическими алгоритмами на осно прогноз, основанный на усреднённом времени на ве экономической оценки в параметрах «точность – базовую операцию. Полученные результаты могут временные затраты».

Литература 1. Беллман Р., Дрейфус Р. Прикладные задачи динамического программирования: Пер. с англ. – М.: Наука, 1965, – 457 с.

2. Тюрин Ю.И., Макаров А.А. Анализ данных на компьютере / Под ред. В.Э. Фигурнова – М.: ИНФРА М, 2003. – 544 с.

3. Головешкин В. А., Ульянов М. В. Теория рекурсии для программистов. – М.: Издательство «Наука ФИЗМАТЛИТ», 2006. – 296 с.

4. Ульянов М. В. Классификация и методы сравнительного анализа вычислительных алгоритмов. Научное издание. – М.: Издатель ство физико математической литературы, 2004. – 212 с.

5. Грэхем Р., Кнут Д., Паташник О. Конкретная математика. Основание информатики: Пер. с англ. – М.: Мир, 1998. – 703 с.

6. Ульянов М. В. Метод прогнозирования временных оценок программных реализаций алгоритмов на основе функции трудоемко сти // Информационные технологии. 2004. № 5. С. 54–62.

ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ – ВЫСШАЯ ШКОЛА ЭКОНОМИКИ представляет свои периодические издания Освещает деятельность ведущих международных организаций ВЕСТНИК МЕЖДУНАРОДНЫХ и объединений в области образования, науки, новой экономики, а ОРГАНИЗАЦИЙ:

также в области международной и социально экономической поли образование, наука, новая экономика тики, решения вопросов глобального развития. Содержит информа цию о международных конференциях, форумах и семинарах, проек ИНФОРМАЦИОННО АНАЛИТИЧЕСКИЙ ЖУРНАЛ тах и новых публикациях.

Издается с 2006 г.

Каталог Агентства «Роспечать» – индекс Координаты редакции:

Главный редактор – 101000 Москва, ул. Мясницкая, Марина Владимировна Ларионова Тел.: (495) 621 4464, факс: (495) 621 E mail: iori@hse.ru 46 БИЗНЕС ИНФОРМАТИКА №3(05)–2008 г.




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.