Πρακτική εφαρμογη. Συλλογή προβλημάτων στα μαθηματικά «πρακτική εφαρμογή ποσοστών στην καθημερινή ζωή»
Στις σύγχρονες συνθήκες ανάπτυξης των σχέσεων εξαγωγών-εισαγωγών μεταξύ χωρών, σε θέματα ταξινόμησης αγαθών, διακρίνονται δύο σημαντικές έννοιες, όπως τα αγαθά της ομάδας «κινδύνου» και «κάλυψης».
«Κίνδυνος» είναι τα αγαθά που εισάγονται με την ονομασία των λεγόμενων ομάδων «κάλυψης». Ο νέος κατάλογος προϊόντων «υψηλού κινδύνου» περιλαμβάνει, ειδικότερα, το μεγάλο κρέας βοοειδή, λουλούδια, σιρόπια ζάχαρης με αρωματικά και αρωματικά πρόσθετα, αρώματα, υδραυλικά είδη, μελάνι εκτύπωσης, παπούτσια, πλυντήρια, ξύλινα έπιπλα, κουλοχέρηδες κ.λπ.
Η κατηγορία προϊόντων «κάλυψης» περιελάμβανε διπλάσια είδη. Συγκεκριμένα, αλεύρι, καρύδα και φοινικέλαιο, μούστος σταφυλιού, χρησιμοποιημένες μπογιές λάστιχα αυτοκινήτου, χαρτί, περιοδικά, διάφορες αντλίες, εξοπλισμός βίντεο, ανταλλακτικά αυτοκινήτων, εξαρτήματα επίπλων, διάφορες επιστρώσεις από πολυμερή υλικά.
Χρησιμοποιώντας αυτούς τους τύπους εμπορευμάτων, οι αδίστακτοι συμμετέχοντες στην ξένη οικονομική δραστηριότητα υποτίμησαν την πραγματική ποσότητα, το βάρος, το κόστος των αγαθών και, τελικά, τους μειωμένους τελωνειακούς δασμούς.
Κατά κανόνα, οι δασμοί για τα εμπορεύματα «επικίνδυνου» είναι υψηλότεροι από ό,τι για τα «καλυμμένα» εμπορεύματα. Για παράδειγμα: τα εξαρτήματα και οι πρώτες ύλες είναι αρκετές φορές λιγότερα από τα τελικά προϊόντα. Το 2011 αποκαλύφθηκε απάτη μεγάλης κλίμακας κατά την εισαγωγή επίπλων, όταν εισήχθησαν έτοιμα αποσυναρμολογούμενα έπιπλα με πρόσχημα κενά για την παραγωγή τους. Επιπλέον, πέρυσι αυξήθηκαν κατακόρυφα οι εισαγωγές σιροπιού ζάχαρης στη Ρωσία, το οποίο μετά από απλή επεξεργασία μετατράπηκε σε κρυσταλλική ζάχαρη. Και έτσι, από κάθε τόνο η Ρωσία έλαβε λιγότερα από 110 δολάρια.
Για την αποφυγή τέτοιων περιπτώσεων, πρέπει να υπάρχει αυστηρή τήρηση της αρχής της αναμφισβήτητης κατανομής των εμπορευμάτων σε ορισμένες ομάδες ταξινόμησης, η οποία επιτυγχάνεται χάρη στους Βασικούς Κανόνες Ερμηνείας και τις Σημειώσεις που περιλαμβάνονται στην Ονοματολογία.
Δεν πρέπει επίσης να ξεχνάμε τις περιπτώσεις όπου τα δύο βασικά κριτήρια για τη διάκριση των αγαθών στην Ονοματολογία Εμπορευμάτων της Εξωτερικής Οικονομικής Δραστηριότητας (τα υλικά από τα οποία παράγονται τα αγαθά και οι λειτουργίες που επιτελούν αυτά τα αγαθά) μπορούν να εφαρμοστούν ταυτόχρονα και χωριστά.
Για παράδειγμα, κατά την ταξινόμηση των ποτών, λαμβάνονται υπόψη μόνο οι πρώτες ύλες από τις οποίες παράγονται ( μεταλλικό νερό- 2201, λεμονάδα - 2202, μπύρα - 220300, κρασί - 2204).
Κατά την ταξινόμηση των καμερών (9006) και ΡΟΛΟΙ ΧΕΙΡΟΣ(9101), αντίθετα, λαμβάνονται υπόψη μόνο τα λειτουργικά χαρακτηριστικά τους.
Από την άλλη πλευρά, κατά την ταξινόμηση των μπανιέρων από χυτοσίδηρο - 7324 21, λαμβάνεται υπόψη τόσο το υλικό από το οποίο κατασκευάζεται το προϊόν (χυτοσίδηρος) όσο και ο λειτουργικός σκοπός του (δοχείο κολύμβησης).
Ωστόσο, στον Τελωνειακό Κώδικα Εξωτερικής Οικονομικής Δραστηριότητας, στις περισσότερες περιπτώσεις, η ταξινόμηση πραγματοποιείται μόνο από τα υλικά από τα οποία κατασκευάζεται το προϊόν ή μόνο από τις λειτουργίες του.
Φυσικά, μια κατάσταση στην οποία παραμένει ανεξέλεγκτη ελευθερία επιλογής μεταξύ διαφορετικών επιλογών ταξινόμησης αγαθών είναι απαράδεκτη, καθώς αυτό εμποδίζει τη διατήρηση ακριβών στατιστικών στοιχείων και την ομοιόμορφη κατανόηση των εμπορικών σχέσεων.
Επομένως, εάν υπάρχουν πολλές επιλογές για πιθανή ταξινόμηση των εμπορευμάτων, πρέπει τελικά να επιλεγεί μόνο μία. Πολύ συχνά, σημειώσεις σε ενότητες και ομάδες βοηθούν στην επίλυση αυτού του προβλήματος.
Κατά συνέπεια, το πρώτο βήμα στον τελικό προσδιορισμό της κλάσης για εμπορεύματα των οποίων η κατάταξη είναι ασαφής είναι να εξοικειωθείτε με τις σημειώσεις των σχετικών τμημάτων και ομάδων στις οποίες, με την πρώτη ματιά, μπορούν να καταταγούν αυτά τα εμπορεύματα.
Η επόμενη σημαντική αρχή κατά την ταξινόμηση των εμπορευμάτων είναι ο βαθμός μεταποίησης των εμπορευμάτων.
Για παράδειγμα, οι ζωντανές αγελάδες κατατάσσονται στην κλάση 0102, το κρέας τους, εάν είναι νωπό ή διατηρημένο με απλή ψύξη - στην κλάση 0201, εάν το κρέας είναι κατεψυγμένο - στην κλάση 0202, τα λουκάνικα ή άλλα προϊόντα που παρασκευάζονται από αυτό το κρέας - στις κλάσεις 1601 ή 1602 ( σε κονσέρβες μορφή).
Μερικές φορές μπορεί να προκύψουν αμφιβολίες ως προς το ποιες από τις κλάσεις με διαφορετικούς βαθμούς μεταποίησης πρέπει να καταταγούν ορισμένα εμπορεύματα.
Για παράδειγμα, τα ανθρώπινα μαλλιά, ταξινομημένα μόνο κατά μήκος και που προορίζονται για την κατασκευή περουκών, θα μπορούσαν, καταρχήν, να καταταγούν στις κλάσεις 0501 και 6703. Ωστόσο, η σημείωση 2 του κεφαλαίου 5 ορίζει τι σημαίνει ο όρος "ακατέργαστα μαλλιά" ( τα μαλλιά ταξινομημένα κατά μήκος, δεν θεωρούνται επεξεργασμένα εάν η βάση ή οι άκρες των μαλλιών δεν είναι δεμένα μεταξύ τους με κάποιο τρόπο). Σύμφωνα με την παρούσα σημείωση, αυτές οι τρίχες πρέπει να καταταγούν στην κλάση 0501.
Έτσι, οι Σημειώσεις για Ενότητες ή Ομάδες βοηθούν στην επίλυση διαφορών όχι μόνο μεταξύ του υλικού και της λειτουργίας του προϊόντος, όταν είναι απαραίτητο να αξιολογηθεί τι είναι πιο σημαντικό - το υλικό από το οποίο κατασκευάζεται το προϊόν ή ο λειτουργικός του σκοπός, αλλά και περιπτώσεις ποικίλους βαθμούςμεταποίηση εμπορευμάτων.5 Η σημασία της σωστής περιγραφής των εμπορευμάτων για τελωνειακούς σκοπούς και η κατάταξή τους σύμφωνα με την Ονοματολογία Εμπορευμάτων της Εξωτερικής Οικονομικής Δραστηριότητας είναι μεγάλη, καθώς έχει σημαντικό αντίκτυπο στον καθορισμό του συντελεστή δασμόςσύμφωνα με το Τελωνειακό Δασμολόγιο της Τελωνειακής Ένωσης, για τον καθορισμό της δασμολογητέας αξίας, την εφαρμογή μέτρων μη δασμολογικής ρύθμισης και ελέγχου των εξαγωγών, καθώς και τη διατήρηση στατιστικών στοιχείων για την ξένη οικονομική δραστηριότητα.
Η πρόληψη τέτοιων κακών πρακτικών είναι άμεση αποστολή του ειδικού των τελωνείων. Όλα αυτά τα ζητήματα συνδέονται στενά με την Ονοματολογία Εμπορευμάτων της Εξωτερικής Οικονομικής Δραστηριότητας της Τελωνειακής Ένωσης, η γνώση της οποίας διασφαλίζει τη σωστή ταξινόμηση των εμπορευμάτων για τελωνειακούς σκοπούς.
Η χρήση διαδικασιών σκλήρυνσης στα μαθήματα φυσικής αγωγής έχει χρησιμοποιηθεί και χρησιμοποιείται ευρέως στο παρελθόν και τώρα. Για να επιτευχθεί ένα αποτέλεσμα σκλήρυνσης, γενικής ενίσχυσης, τα μαθήματα γίνονται από τις πρώτες ημέρες του Σεπτεμβρίου σε εξωτερικούς χώρους (καιρού επιτρέποντος). Σε μια αθλητική αίθουσα χρησιμοποιούνται επίσης παραδοσιακές σχολικές τεχνικές σκλήρυνσης καθ' όλη τη διάρκεια του έτους.
Η παρατήρηση των μαθητών επιτρέπει στον δάσκαλο να βγάλει συμπεράσματα για τα οφέλη των μαθημάτων με τη συστηματική χρήση τεχνικών σκλήρυνσης.
Συγκεκριμένα, παρακάτω παρατίθενται στοιχεία για την πειραματική ομάδα των μαθητών που τα παιδιά αυτά εγγράφηκαν σε ειδική ομάδα «υγείας» λόγω συχνών σωματικών και κρυολογημάτων.
Στόχος του δασκάλου στην εργασία του ήταν να ενισχύσει τη σωματική υγεία των μαθητών μέσω της χρήσης παραδοσιακών τεχνικών σκλήρυνσης. Τα μαθήματα με μαθητές γίνονταν 2 φορές την εβδομάδα.
Η βάση της μελέτης ήταν τα αρχικά δεδομένα της ομάδας υγείας την 1η Σεπτεμβρίου 2013. Αυτά τα δεδομένα έδειξαν ότι σε μια ομάδα 15 συνολικά ατόμων, η συχνότητα κρυολογήματος ήταν αρκετά υψηλή, συγκεκριμένα, τα παιδιά περνούσαν από το 35% έως το 50% του σχολικού τους χρόνου άρρωστα. Η σύνθεση της ομάδας υγείας και τα αρχικά χαρακτηριστικά της ανά κατάσταση υγείας απεικονίζονται στο Διάγραμμα 2.1
Εικ.2.1 Σύνθεση της ομάδας υγείας
Η υπόθεση ότι οι γενικές σωματικές ασκήσεις σε συνδυασμό με στοιχεία παραδοσιακής σκλήρυνσης θα έχουν αντίκτυπο στη βελτίωση της υγείας των παιδιών βασίστηκε στην προσωπική εμπειρίαδάσκαλος και στοιχεία από τη μεθοδολογική βιβλιογραφία.
Για τη διεξαγωγή του πειράματος επιλέχθηκε η απλούστερη τεχνική.
Κατά τη διάρκεια των υπαίθριων μαθημάτων, κατά τη διάρκεια της γενικής περιόδου προθέρμανσης, τα παιδιά παρέμειναν με ελαφριά μπλουζάκια (αμάνικα) για διάρκεια 2 λεπτών με αύξηση στα διαστήματα 1 λεπτού (προϋπόθεση για μια τέτοια προθέρμανση ήταν η απουσία δυνατός άνεμος). Κατά τη διάρκεια αυτής της προθέρμανσης, τα παιδιά πραγματοποίησαν ενεργή σωματική εργασία δύναμης (άρση αλτήρων βάρους 1 κιλού).
Κατά τη διάρκεια των μαθημάτων στο γυμναστήριο, αυτή η εμπειρία συνεχίστηκε και τα παιδιά ζεσταίνονταν ήρεμα με ελαφρύ κορμό για 4-5 λεπτά. Μέχρι το τέλος της χρονιάς ο χρόνος αυτής της άσκησης αυξήθηκε στα 10 λεπτά και εδώ τα παιδιά όχι μόνο ασκήσεις δύναμης, αλλά και παρέμεινε σε παρόμοια μορφή περαιτέρω κατά τη διάρκεια της προθέρμανσης.
Απαραίτητη προϋπόθεση για τη διεξαγωγή τέτοιων ασκήσεων ήταν η εθελοντική συναίνεση του παιδιού και των γονιών του, η διάθεσή του για αυτή την άσκηση.
Κατά την ανάλυση των αποτελεσμάτων αυτού του πειράματος κατά τη διάρκεια του έτους, σημειώθηκαν οι ακόλουθες αλλαγές: στην ομάδα των αγοριών, το ποσοστό επίπτωσης μειώθηκε σε σύγκριση με το προηγούμενο έτος στο 45%, και στην ομάδα των κοριτσιών στο 39%. Οι αλλαγές στην κατάσταση της ομάδας μπορούν να απεικονιστούν με τα ακόλουθα γραφήματα (Εικ. 2.2 και Εικ. 2.3).
Ρύζι. 2.2 Μειωμένα ποσοστά επίπτωσης στα αγόρια
Ρύζι. 2.3 Μειωμένα ποσοστά νοσηρότητας στα κορίτσια
Το μέσο επίπεδο μείωσης των περιστατικών κατά τη διάρκεια της εργασίας με την ομάδα ήταν 12%.
Η θαλάσσια κολύμβηση πρέπει να διεξάγεται υπό έλεγχο με καθορισμένο χρόνο κολύμβησης και να ξεκινά η θαλάσσια κολύμβηση σε θερμοκρασία αέρα τουλάχιστον 19°C.
Τα πρώτα μαθήματα που έγιναν ήδη τη νέα σχολική χρονιά έδειξαν ότι τα παιδιά έγιναν πιο δυνατά, μαύρισαν και έγιναν πολύ πιο δραστήρια σωματικά, μπορούσαν να ανεχθούν πιο εύκολα τον αυξημένο φόρτο εργασίας και να ιδρώσουν λιγότερο όταν εκτελούσαν διάφορες ασκήσεις (τρέξιμο, άλμα, παιχνίδια στην ύπαιθρο).
συμπεράσματα
1. Το ανθρώπινο σώμα πρέπει να διατηρεί συνεχώς τη θερμική ισορροπία σε διάφορες εξωτερικές θερμοκρασίες.
2. Η ικανότητα διατήρησης της θερμικής ισορροπίας ενισχύεται και επιτυγχάνεται υψηλή αξιοπιστία μέσω της σκλήρυνσης.
3. Σκλήρυνση - ένα σύνολο μέτρων για την αύξηση της αντίστασης του σώματος στις επιπτώσεις των δυσμενών καιρικών και κλιματικών συνθηκών (χαμηλή και υψηλή θερμοκρασίααέρας, υψηλή υγρασία, χαμηλή ατμοσφαιρική πίεση).
4. Οι διαδικασίες παραγωγής θερμότητας και μεταφοράς θερμότητας ρυθμίζονται από το σύστημα θερμορύθμισης εντός των ορίων των δυνατοτήτων ανάκτησής του.
5. Ο μηχανισμός σκλήρυνσης βασίζεται στο γεγονός ότι όταν ο ερεθισμός επαναλαμβάνεται, η διέγερση που προκαλείται από αυτόν στο κεντρικό νευρικό σύστημα υπερτίθεται στο ίχνος που έχει απομείνει από προηγούμενους ερεθισμούς και οι επαναλαμβανόμενοι ερεθισμοί συγχωνεύονται με αυτήν την ιχνολογική αντίδραση.
6. Η σκλήρυνση μέσω επαναλαμβανόμενης επανάληψης ψυχρών διαδικασιών με την ίδια σειρά προκαλεί αντίστοιχες αλλαγές στη δραστηριότητα όλων των οργάνων και συστημάτων και τα καθιστά λιγότερο επιρρεπή σε απότομες διακυμάνσεις της εξωτερικής θερμοκρασίας.
6. Υπό την επίδραση της σκλήρυνσης, πρώτα απ 'όλα, η κατάσταση του νευρικού και ενδοκρινικού συστήματος αλλάζει, γεγονός που επηρεάζει τη ρυθμιστική τους λειτουργία και την ικανότητά τους να αλληλεπιδρούν ενεργά με το περιβάλλον.
7. Το αποτέλεσμα σκλήρυνσης πρέπει να επιτυγχάνεται σταδιακά και με συνέπεια. Διαφορετικά, η υπερβολική ένταση των επιδράσεων σκλήρυνσης μπορεί να προκαλέσει σημαντική βλάβη στην υγεία λόγω της απροετοιμασίας του σώματος για τέτοιες επιδράσεις.
8. Η σκλήρυνση είναι ένα από τα σημαντικά στοιχεία για να πάρει ένα άτομο καλή φυσική κατάσταση, που συμβάλλει στην υγεία του. Επίσης, δεν υπάρχει εναλλακτική λύση στη σκλήρυνση όσον αφορά την αποτελεσματικότητα της πρόληψης ασθενειών και την προαγωγή της υγείας.
πρακτική χρήση- - Θέματα βιομηχανία πετρελαίου και φυσικού αερίου EN πρακτική εφαρμογή ... Οδηγός Τεχνικού Μεταφραστή
Αυτό το άρθρο πρέπει να έχει Wikified. Μορφοποιήστε το σύμφωνα με τους κανόνες μορφοποίησης του άρθρου. Ο χρωματισμός γραφήματος χρησιμοποιείται πρακτικά (η διατύπωση του προβλήματος των διαφόρων χρωμάτων δεν θα συζητηθεί εδώ) για ... Wikipedia
Η ευρεία κατανομή των φυκών στη φύση και η άφθονη και μερικές φορές μαζική ανάπτυξή τους σε υδάτινα σώματα ΔΙΑΦΟΡΕΤΙΚΟΙ ΤΥΠΟΙ, σε χερσαία υποστρώματα και στο έδαφος καθορίζουν την τεράστια σημασία αυτών των φυτών τόσο σε Καθημερινή ζωήάτομο, και σε...... Βιολογική εγκυκλοπαίδεια
Η οικονομική σημασία των λειχήνων στη ζωή του ανθρώπου είναι μεγάλη. Πρώτον, αυτά είναι τα πιο σημαντικά φυτά διατροφής. Οι λειχήνες χρησιμεύουν ως η κύρια τροφή για τους τάρανδους, ζώα που παίζουν μεγάλο ρόλο στη ζωή των λαών του Άπω Βορρά. Η βάση... ... Βιολογική εγκυκλοπαίδεια
Η χρήση αντιβιοτικών στην κτηνιατρική ξεκίνησε αμέσως μετά την ανακάλυψή τους. Αυτό εξηγείται από μια σειρά από πλεονεκτήματα που έχουν τα αντιβιοτικά σε σύγκριση με άλλες χημειοθεραπευτικές ουσίες: η αντιμικροβιακή δράση είναι πολύ... ... Βιολογική εγκυκλοπαίδεια
Τα θερμόφιλα βακτήρια χρησιμοποιούνται για τη λήψη μικροβιακής βιομάζας και επεξεργασίας λυμάτων. Τα μεταβολικά προϊόντα των θερμόφιλων, που απελευθερώνονται σε περιβάλλον. Αυτοί οι μικροοργανισμοί παράγουν τόσο φυσιολογικά ενεργούς... ... Βιολογική εγκυκλοπαίδεια
ΕΦΑΡΜΟΓΗ ΝΟΜΟΥ- - με την ευρεία έννοια αυτού του όρου - την εφαρμογή του κράτους δικαίου τόσο από κρατικούς φορείς και υπαλλήλους όσο και από πολίτες και τις ενώσεις τους. Με στενότερη έννοια, ο όρος P. n. σ. χρησιμοποιείται συχνά στη νομική βιβλιογραφία για να σημαίνει... ... Σοβιετικό νομικό λεξικό
GOST R 53647.1-2009: Διαχείριση επιχειρηματικής συνέχειας. Μέρος 1. Πρακτικός οδηγός- Ορολογία GOST R 53647.1 2009: Διαχείριση επιχειρησιακής συνέχειας. Μέρος 1. Πρακτικές οδηγίες πρωτότυπο έγγραφο: 2.8 Ανάλυση επιχειρηματικού αντίκτυπου: Η διαδικασία εξέτασης της λειτουργίας μιας επιχείρησης και των συνεπειών... ... Λεξικό-βιβλίο αναφοράς όρων κανονιστικής και τεχνικής τεκμηρίωσης
Η θέση που καταλαμβάνουν τα χαρόφυτα φύκια στη φύση είναι σχετικά μικρή, κάτι που καθορίζεται από τον βιότοπό τους κυρίως σε λίμνες και λίμνες, και ακόμη και τότε όχι σε όλες. Ωστόσο, όπου εγκαθίστανται, η επιρροή τους στο... ... Βιολογική εγκυκλοπαίδεια
ΤΕΧΝΟΛΟΓΙΑ- πρακτική εφαρμογή της γνώσης και χρήση μεθόδων στις παραγωγικές δραστηριότητες. Αυτός ο ορισμός αντανακλά ένα φιλοσοφικό και κοινωνιολογικό ενδιαφέρον για την τεχνολογία ως κοινωνικό προϊόν που περιλαμβάνει μεταλλικές χειροτεχνίες... ... Ευρασιατική σοφία από το Α έως το Ω. Επεξηγηματικό λεξικό
Βιβλία
- Ψηφιακή επικοινωνία. Θεωρητικές βάσεις και πρακτική εφαρμογή, Sklyar Bernard. Βιβλίο Ψηφιακή Επικοινωνία Θεωρητική βάσηκαι Πρακτικές Εφαρμογές (2η έκδοση) του Bernard Sklar αξίζει να διαβάσει όποιος ενδιαφέρεται για τις ψηφιακές επικοινωνίες. Πρόκειται για ένα εγχειρίδιο στο οποίο μαθηματικά...
- Βακτηριοφάγοι. Βιολογία και πρακτική εφαρμογή. Το βιβλίο "Βακτηριοφάγοι. Βιολογία και Πρακτική Εφαρμογή" είναι μια σύγχρονη πηγή εκτενών πληροφοριών για τους βακτηριοφάγους και τη χρήση τους, συμπεριλαμβανομένης της θεραπείας με φάγους. Το βιβλίο λέει...
Πρακτική εφαρμογή του αλγορίθμου για την επίλυση του προβλήματος του πλανόδιου πωλητή
E.V. Volodina, Ε.Α. Studentova Kurgansky Κρατικό Πανεπιστήμιο
Περίληψη: Εξετάζεται η δυνατότητα μείωσης του κόστους logistics για τη μεταφορά με την επίλυση του προβλήματος του ταξιδιώτη πωλητή. Προτείνεται ένας αλγόριθμος για την επίλυση του προβλήματος χρησιμοποιώντας την υπολογιστική ισχύ του πρόσθετου Solver OrepOshse Ca1c. Με βάση τον προτεινόμενο αλγόριθμο, επιλύεται η πρακτική κατάσταση και σχεδιάζεται η βέλτιστη διαδρομή για την LLC "Moloko Zauralya". Λέξεις κλειδιά: logistics, logistics προσέγγιση, πρόβλημα ταξιδιώτη πωλητή, πρόβλημα ταξιδιωτικού εμπόρου, πρόβλημα CD-hard, βέλτιστη διαδρομή, βελτιστοποίηση μεταφοράς, ελαχιστοποίηση του κόστους μεταφοράς, OrepOGyse Sa1c, πρόσθετο Solver.
Το πρωταρχικό καθήκον κάθε επιχείρησης είναι να βρει αποθέματα για τη μείωση του κόστους των δραστηριοτήτων της και, ως εκ τούτου, την αύξηση της ανταγωνιστικότητας και της κερδοφορίας της. Στις σύγχρονες συνθήκες, η αναζήτηση τέτοιων αποθεμάτων βασίζεται σε μια προσέγγιση logistics, η οποία συνδέεται με τη διεύρυνση του περιεχομένου της εφοδιαστικής, η οποία μετατρέπεται από ένα βοηθητικό στοιχείο που εξασφαλίζει την εφαρμογή των επιχειρηματικών διαδικασιών σε ένα σημαντικό εργαλείο για την οργάνωση και τη διατήρηση ΟΙΚΟΝΟΜΙΚΗ ΔΡΑΣΤΗΡΙΟΤΗΤΑ. Ταυτόχρονα, ένας από τους τομείς προτεραιότητας για βελτίωση από την άποψη της logistics προσέγγισης είναι η βελτιστοποίηση των μεταφορών. Αυτό οφείλεται κυρίως στη διάρθρωση του κόστους logistics, ένα σημαντικό μερίδιο του οποίου (20-40% ή περισσότερο) είναι το κόστος της συνιστώσας μεταφοράς.
Υπάρχουν διάφοροι θεωρητικοί αλγόριθμοι για τη βελτιστοποίηση τέτοιων δαπανών, αλλά είναι αρκετά εργατικοί και χρονοβόροι, και το τρέχον επίπεδο ανάπτυξης της τεχνολογίας και της τεχνολογίας ανοίγει νέες δυνατότητες για την επίλυση διαφόρων ειδών προβλημάτων. Ως εκ τούτου, προτείνουμε να λύσουμε το πρόβλημα ενός ταξιδιώτη εμπόρου ή ενός ταξιδιώτη πωλητή (TS), χρησιμοποιώντας το πρόγραμμα OrepOGyce Ca1c. Πρόβλημα ταξιδιώτη πωλητή
συνίσταται στην εύρεση της βέλτιστης διαδρομής που διέρχεται από όλα τα καθορισμένα σημεία (πόλεις) τουλάχιστον μία φορά και στη συνέχεια επιστροφή στο σημείο εκκίνησης (πόλη). Στις συνθήκες του προβλήματος προσδιορίζεται το κριτήριο της βέλτιστης διαδρομής (συντομότερη, φθηνότερη κ.λπ.) και οι αντίστοιχοι πίνακες αποστάσεων, κόστους κ.λπ. Το πρόβλημα του περιοδεύοντος εμπόρου άρχισε να μελετάται τον 18ο αιώνα από τον Ιρλανδό μαθηματικό Sir William R. Hamilton και τον Βρετανό μαθηματικό Thomas P. Kirkman. Πιστεύεται ότι η γενική διατύπωση του προβλήματος του περιοδεύοντος πωλητή μελετήθηκε για πρώτη φορά από τον Carl Menger στη Βιέννη και το Χάρβαρντ. Το πρόβλημα αργότερα μελετήθηκε από τους Hassler, Whitney και Merrill στο Princeton. Κατά τη διάρκεια πολλών ετών έρευνας, έχουν προταθεί πολλές επιλογές για την επίλυση του προβλήματος, μεταξύ των οποίων είναι: ο εξαντλητικός αλγόριθμος αναζήτησης, η μέθοδος διακλάδωσης και δέσμευσης, η μέθοδος μακρινής συμπερίληψης, η μέθοδος BV, ο γενετικός αλγόριθμος, το «Σύστημα μυρμηγκιών» και κάποιοι άλλοι. Το τρέχον επίπεδο ανάπτυξης τεχνολογίας προσφέρει μεγαλύτερες ευκαιρίες για την επίλυση προβλημάτων και τον καθορισμό της καλύτερης διαδρομής. Ωστόσο, το κλασικό πρόβλημα του ταξιδιώτη πωλητή είναι ένα από τα σκληρά προβλήματα KR και απαιτεί σημαντικούς υπολογιστικούς πόρους για να λυθεί. Ο χρόνος που απαιτείται για την επίλυση του προβλήματος είναι ανάλογος του (n-1)! (όπου n είναι ο αριθμός των σημείων), σε σχέση με τα οποία μπορούμε να συμπεράνουμε ότι είναι ακατάλληλο να προσπαθήσουμε να λύσουμε το πρόβλημα ενός ταξιδιώτη εμπόρου με περισσότερες από 50 πόλεις, επειδή Η εύρεση της βέλτιστης διαδρομής θα απαιτήσει την υπολογιστική ισχύ των υπολογιστών σε όλο τον κόσμο. Ωστόσο, με έναν πιο «μέτριο» αριθμό σημείων που πρέπει να επισκεφθείτε, η λύση του συστήματος ελέγχου που χρησιμοποιεί υπολογιστική ισχύ φαίνεται να είναι η πιο αποτελεσματική, συγκεκριμένα, αυτό το άρθρο προτείνει τη χρήση του πρόσθετου OrepOGyse Ca1c «Solver» για την ελαχιστοποίηση του κόστους της επιχείρησης LLC "Moloko Zauralya" για την παράδοση προϊόντων .
Πρακτική κατάσταση: Η Trans-Ural Milk LLC προμηθεύει τα δικά της προϊόντα, ο συνολικός αριθμός πόντων είναι 19, είναι απαραίτητο να λυθεί το πρόβλημα του ταξιδιώτη πωλητή για να απαντηθεί το ερώτημα εάν η διαδρομή που υιοθετήθηκε στην επιχείρηση είναι η βέλτιστη.
Επειδή ο αριθμός των σημείων παράδοσης δεν είναι πολύ μεγάλος για να λύσει το πρόβλημα, θα χρησιμοποιήσουμε τις δυνατότητες του πρόσθετου "Solver" του προγράμματος OpenOffice Ca1c, το οποίο, αφού καθορίσει τις συνθήκες του προβλήματος, θα πραγματοποιήσει πλήρη αναζήτηση του όλα πιθανές επιλογέςαποφάσεις για τον σχεδιασμό της καλύτερης διαδρομής. Ο αλγόριθμος για την επίλυση του προβλήματος του περιοδεύοντος πωλητή χρησιμοποιώντας το προϊόν λογισμικού OpenOffice Ca1c παρουσιάζεται στην Εικ. 1 (βάσει πηγής).
Ρύζι. 1. - Αλγόριθμος για την επίλυση του προβλήματος του ταξιδιώτη πωλητή χρησιμοποιώντας το πρόσθετο OpenOffice Ca1c "Solver"
LLC "Moloko Zauralya" (σημειώνεται ως σημείο No. 1) προμηθεύει προϊόντα στα ακόλουθα ιδρύματα: CJSC "Odyssey" (No. 2), σχολείο No. 7 (No. 3), ορφανοτροφείο (No. 4), παντοπωλείο " Trio" (No. 5), LLC "Vira" (No. 6), νηπιαγωγεία 116 (No. 7), 122 (No. 8), 124 (No. 9), 126 (No. 10), 127 (No. 11), 129 (No. 12), 130 (No. 13), 131 (No. 14), 133 (No. 15), 134 (No. 16), 135 (No. 17), 138 (No. 18), 141 (αρ. 19). Με βάση τα δεδομένα από την τοποθεσία 2Gis (Kurgan), καταρτίστηκε ένας πίνακας αποστάσεων Su (σε km) μεταξύ των σημείων που αναφέρονται παραπάνω (Πίνακας 1 και Πίνακας 2).
Τραπέζι 1
Πίνακας απόστασης, σε km (σημεία 1-9)
Βαθμοί Νο. 2 Νο. 3 Νο. 4 Νο. 5 Νο. 6 Νο. 7 Νο. 8 Νο. 9
№1 7,63 8 7,06 7,1 8,46 8,52 7,95 7,96
№2 0,31 1,9 1,33 1,28 1,34 0,78 0,78
№3 1,4 0,65 1,59 1,66 1,09 1,09
№4 1,43 1,86 1,42 0,51 0,31
№5 2,33 2,4 1,83 1,18
№6 0,15 1,04 1,04
πίνακας 2
Πίνακας απόστασης, σε km (σημεία 1-19)
Είδη Νο. 10 Νο. 11 Νο. 12 Νο. 13 Νο. 14 Νο. 15 Νο. 16 Αρ.
№1 8,28 6,02 9,03 7,45 5,91 7,18 7,3 7,49 5,92 7,15
№2 1,1 2,53 1,85 0,38 3,12 0,78 0,87 1,73 2,42 1,83
№3 1,42 3,07 2,17 0,89 3,63 1,29 0,78 0,77 2,94 2,34
№4 0,19 2,13 1,93 1,35 2,73 0,57 1,67 1,33 2,03 1,98
№5 2,16 2,17 2,91 1,12 2,76 0,44 1,11 0,39 2,07 0,72
№6 1,37 3,53 1,07 1,54 4,12 1,96 1,36 2,73 3,43 3,37
№7 1,43 3,59 0,5 1,44 4,19 1,85 1,93 2,8 3,5 2,9
№8 0,52 3,02 1,61 0,88 3,62 1,28 1,36 2,23 2,93 2,33
№9 0,33 3,02 1,62 0,88 3,62 1,28 1,36 2,23 2,93 2,33
№10 3,35 1,94 1,21 3,95 1,61 1,69 2,56 3,26 2,66
№11 4,1 2,52 0,41 2,25 3,34 2,56 0,26 2,22
№12 2,12 4,7 2,54 2,44 3,3 7 3,95
|№13 2,91 0,96 1,35 1,72 2,21 2,37
№14 2,63 3,93 3,12 0,15 2,26
№15 1,78 0,84 1,94 1,34
№16 0,6 3,24 3,18
Η επιχείρηση έχει υιοθετήσει την ακόλουθη διαδρομή μεταξύ των σημείων: 1) LLC “Moloko Zauralya”; 2) νηπιαγωγείο 127; 3) νηπιαγωγείο 131? 4) νηπιαγωγείο 138? 5) νηπιαγωγείο 141? 6) νηπιαγωγείο 133? 7) παντοπωλείο "Trio"? 8) νηπιαγωγείο 135? 9) νηπιαγωγείο 134? 10) Vira LLC; 11) νηπιαγωγείο 130? 12) JSC "Odyssey"? 13) νηπιαγωγείο 116? 14) νηπιαγωγείο 129? 15) νηπιαγωγείο 126? 16) παιδικό σπίτι? 17) νηπιαγωγείο 124? 18) νηπιαγωγείο 122? 19) σχολείο Νο. 7; 20) LLC "Milk of Trans-Urals". Το μήκος της ακολουθούμενης διαδρομής είναι 28,28 χλμ.
Για να λύσουμε το πρόβλημα ενός ταξιδιώτη εμπόρου, θα δημιουργήσουμε όλα τα απαραίτητα δεδομένα στο φύλλο OpenOffice Ca1c. Με βάση τον πίνακα 1 και 2, δημιουργούμε έναν πίνακα αποστάσεων Cij (B3:T21, Σχ. 2), ο οποίος είναι συμμετρικός. Σε αυτήν την περίπτωση, η απόσταση μεταξύ ενός συγκεκριμένου σημείου και του εαυτού του (για παράδειγμα, μεταξύ LLC "Moloko Zauralya" και LLC "Moloko Zauralya") είναι 0. Αλλά, εάν προστεθούν μηδενικές τιμές στον πίνακα, το πρόγραμμα θα τις εξετάσει τις πιο ορθολογικές διαδρομές και η απόφαση θα είναι λανθασμένη. Για να αποφευχθεί αυτή η κατάσταση, είναι απαραίτητο να τεθεί στο πρόγραμμα ένας περιορισμός στον οποίο τέτοιες αποστάσεις δεν θα λαμβάνονται υπόψη. Για να γίνει αυτό, αντί για μηδενικές τιμές, θα βάλουμε αριθμητικές τιμές που υπερβαίνουν σημαντικά τη μεγαλύτερη από τις αποστάσεις του προβλήματος. Στην πρακτική μας κατάσταση, η μεγαλύτερη αριθμητική τιμή που χαρακτηρίζει την απόσταση μεταξύ των σημείων δεν υπερβαίνει τα 10 km. Ως εκ τούτου, προτείνεται να ληφθούν 999 km ως περιοριστικός αριθμός. Κάτω από τον πίνακα θα αφήσουμε χώρο για πρόσθετες μεταβλητές και ^22:T22, Εικ. 2),
ο αριθμός των οποίων είναι 1 μικρότερος από τον συνολικό αριθμό βαθμών, δηλ. σε σχέση με αυτήν την εργασία - 18. Απαιτούνται πρόσθετες μεταβλητές για τον προσδιορισμό της σειράς με την οποία θα εκτελεστεί η διαδρομή και η τιμή κατά ένα λιγότερο από τον συνολικό αριθμό σημείων οφείλεται στο γεγονός ότι η επιχείρηση γνωρίζει εκ των προτέρων πού η διαδρομή θα ξεκινήσει (LLC "Moloko Zauralya") και
αναλόγως πού θα καταλήξει.
r | C | □ | E | R | 5 | Σχετικά με | R | δ | K | β | Τ
Πίνακας απόστασης Сс
2 Είδη N1 N2 N3 N4 N5 ... N14 N15 N16 N17 N18 N19
3 N1 999 7,63 8 7,06 7,1 5,91 7,18 7,3 7,49 5,92 7,15
4 N2 7,53 999 0,31 1,9 1,33 3,12 0,78 0,87 1,73 2,42 1,83
5 N3 8 0,31 999 1,4 0,65 3,63 1,29 0,78 0,77 2,94 2,34
6 N4 7,06 1,9 1,4 999 1,43 2,73 0,57 1,67 1,33 2,03 1,98
7 N5 7D 1,33 0,65 1,43 999 2,76 0,44 1,11 0,39 2,07 0,72
g N6 8,46 1,28 1,59 1,86 2,33 4,12 1,96 1,36 2,73 3,43 3,37
9 N7 8,52 1,34 1,66 1,42 g.4 4,19 1,85 1,93 2,8 3,5 2,9
10 N3 7,95 0,78 1,09 0,51 1,83 3,62 1,28 1,36 2,23 2,93 2,33
11 N9 7,96 0,78 1,09 0,31 1,18 3,62 1,28 1,36 2,23 2,93 2,33
12 N10 8,28 1,1 1,42 0,19 2,16 3,95 1,61 1,69 2,56 3,26 2,66
13 N11 6,02 2,53 3,07 2,13 2,17 0,41 2,25 3,34 2,56 0,26 2,22
14 N12 9,03 1,85 2,17 1,93 2,91 4,7 2,54 2,44 3,3 7 3,95
15 N13 7,45 0,38 0,89 1,35 1,12 2,91 0,96 1,35 1,72 2,21 2,37
16 N14 5,91 3,12 3,63 2,73 2,76 999 2,63 3,93 3,12 0,15 2,26
17 N15 7,18 0,78 1,29 0,57 0,44 2,63 999 1,78 0,84 1,94 1,34
18 N16 7,3 0,87 0,78 1,67 1D1 3,93 1,78 999 0,6 3,24 3,18
19 N17 7,49 1,73 0,77 1,33 0,39 3,12 0,84 0,6 999 2,43 1,13
20 N13 5,92 2,42 2,94 2,03 2,07 0,15 1,94 3,24 2,43 999 1,56
21 N19 7,15 1,83 2,34 1,98 0,72 2,26 1,34 3,18 1,13 1,56 999
Ρύζι. 2. - Πίνακας απόστασης και πρόσθετες μεταβλητές Ας προσθέσουμε έναν πίνακα μεταβλητών στο φύλλο, το μέγεθος του οποίου θα επαναλαμβάνει τον πίνακα απόστασης - 19 επί 19 πόντους (B26:T44, Εικ. 3). Κάτω από τη μήτρα θα προσθέσουμε τη γραμμή «Enter» (B45:T45, Σχ. 3) και στα δεξιά μια πρόσθετη στήλη «Έξοδος» (U26:T44, Εικ. 3), με την οποία θα γραφτεί ο περιορισμός ότι η ο περιοδεύων πωλητής μπαίνει και φεύγει από κάθε σημείο μόνο 1 φορά. Για να συμμορφωθούμε με έναν τέτοιο περιορισμό, θα γράψουμε έναν τύπο που θα αθροίζει τις τιμές κατά σειρές (για τη στήλη "Έξοδος") και ανά στήλες (για τη σειρά "Εισαγωγή"), το άθροισμα θα πρέπει
θα είναι ίσο με ένα για συμμόρφωση με τον περιορισμό 4.1 του αλγορίθμου. Ας αντιγράψουμε αυτούς τους τύπους και για τα 19 σημεία.
Αφού κατασκευάσουμε τους πίνακες αποστάσεων και μεταβλητών, θα γράψουμε την αντικειμενική συνάρτηση (κελί Β47, Εικ. 3). Ο στόχος του προβλήματος είναι να ελαχιστοποιηθούν οι αποστάσεις για να βρεθεί το μήκος της διαδρομής, είναι απαραίτητο να πολλαπλασιαστούν οι πίνακες που παρουσιάζονται παραπάνω, για αυτούς τους σκοπούς στο OpenOffice.
Το Ca1c έχει λειτουργία SIMPRODICT.
Α Β Γ Ε 5 Τ και
24 Πίνακας μεταβλητών)^
25 Βαθμοί N1 N2 N4 N18 N19 Έξω
26 N1 =5iM(B25:T2b)
27 N2 =511M(B27:T27)
44 N19 =B11M(B44:T44)
45 Εισαγάγετε =5uM(E26:E44) =5uM(C26:C44) b 0 0 =5uM(T26:T44)
Συνάρτηση στόχου | | =^11М Р $22-С22+19 * С34 =$J$22-D22+19*D34 "Τότε 0 =$] $22 -T2 2+19*T34
59 N10 = $К$ 22-С22+19 * СЗ 5 =$К$22-022+19*035 "Go 0 = $К$ 22-T2 2+19*T35
60 N11 = $[_$22-С22+19*С36 =$1$22-022+19*036 0 0 = $1.$ 22 -Т22+19 *ТЗ 6
61 N12 =$M$22-С22+19*С37 =$М$22-022+19*037 0 = $М$22-Т22+19 *ТЗ 7
62 N15 =$ N $ 22-С22+19 * С38 =$N$22-022+19*038 * 0 0 =$N$22-122+19*138
63 N14 =$0$22-С22+19 * С39 =$0$22-022+19*039 0 =$0$22-T22+19*T39
64 N15 = $Р$ 22-С22+19 * С40 =$Р$22 -022+19 * 040ь 0 0 = $Р$22-Т22+19*Т40
65 N16 = $Ц$22-С2 2+19 * С41 =$0$22-022+19*041 0 =$0$22-T22+19*T41
66 N17 = $И$22-С22+19*С42 = $Н $22-02 2+19* 042 »0 0 =$Р$22-Т22+19*Т42
67 N18 =$5$22-С22+19*С43 =$Б$22-0 22+19* 043 0 =$5$22 -Т22 +19 *Т43
68 .С L N19 =$Т$22-С22+19*С44 =$Т$22-022+19*044 * 0 0 =$Т$ 2 2-T2 2+19 *Т44
Ρύζι. 4. - Κλείσιμο της διαδρομής Αφού διαμορφωθούν αυτές οι εργασίες στο φύλλο OpenOffice Ca1c, θα χρησιμοποιήσουμε το πρόσθετο «Solver». Για να το κάνετε αυτό, επιλέξτε Service-Solver από το μενού. Το ολοκληρωμένο παράθυρο Επίλυσης φαίνεται στο Σχ. 5.
Ρύζι. 5. - Πρόσθετο επίλυσης γεμάτο με δεδομένα
Η διεύθυνση του κελιού στο οποίο είναι γραμμένη η συνάρτηση προορισμού BIMRKOVIST (B47) εισάγεται στο κελί προορισμού. Το αποτέλεσμα τείνει στο ελάχιστο, γιατί στόχος μας είναι η συντομότερη διαδρομή. Στη γραμμή "Αλλαγή κελιών" υποδεικνύονται δύο σύνολα δεδομένων - ο πίνακας μεταβλητών Hu (κελιά B26: T44) και πρόσθετες μεταβλητές και (κελιά C22: T22). Το πρόβλημα έχει 4 περιοριστικούς όρους: 1) τα ποσά που υπολογίζονται στη γραμμή «Περιλαμβάνεται» πρέπει να είναι ίσα με ένα (ο πρώτος περιορισμός στο «Επίλυση»). 2) τα ποσά που υπολογίζονται από τη στήλη «έξω» πρέπει να είναι ίσα με ένα (δεύτερος περιορισμός). 3) ο πίνακας των μεταβλητών Xy αντιπροσωπεύει Boolean αριθμούς (τρίτος περιορισμός). 4) οι τιμές που λαμβάνονται σύμφωνα με τον τύπο που προδιαγράφεται στον πίνακα «Κλειστό διαδρομής» δεν πρέπει να υπερβαίνουν τον συνολικό αριθμό σημείων του προβλήματος, μειωμένο κατά ένα, δηλαδή 18 (τέταρτος περιορισμός). Υπάρχει ένας επιπλέον περιορισμός, ο οποίος μπορεί να οριστεί επιλέγοντας Επιλογές επίλυσης. Πρέπει να επιλέξετε το πλαίσιο "Αποδοχή μεταβλητών ως μη αρνητικών" έτσι ώστε οι πρόσθετες μεταβλητές να μπορούν να λαμβάνουν τιμές μεγαλύτερες ή ίσες με το μηδέν. Κάνοντας κλικ στο κουμπί «λύσει», το πρόγραμμα θα αρχίσει να μετράει όλες τις πιθανές λύσεις στο πρόβλημα και θα εμφανίσει τη βέλτιστη για τον χρήστη (Εικ. 6).
A B C cN N3 E F G H I J K L M N O P Q R S t i
2 Είδη N1 N2 N4 N5 N6 N7 N8 N9 N10 N11 N12 N13 N14 N15 N16 N17 N13 N19
22 και 3 7 16 4 10 11 13 14 15 1 12 9 0 17 6 5 2 3
24 Πίνακας μεταβλητών Xts.
25 Βαθμοί N1 N2 N3 N4 N5 N6 N7 N8 N9 N10 N11 N12 N13 N14 N15 N16 N17 N18 N19 Έξω
26 N1 0 0 0 0 0 0 0 0 0 0 0 0 1 O O O 0 0 1
27 N2 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 O O 0 0 1
28 N3 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 O O 0 0 1
29 N4 0 0 0 0 0 0 0 0 0 0 0 0 О 1 О О 0 0 0 1
30 N5 0 0 0 0 0 0 0 0 0 0 0 0 O O O 1 0 0 1
31 N6 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 O O 0 0 1
32 N7 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 O O 0 0 1
33 N8 0 0 0 0 0 0 0 0 1 0 0 0 0 O O O 0 0 0 1
34 N9 0 0 0 0 0 0 0 0 0 1 0 0 0 O O O 0 0 0 1
35 N10 0 0 0 1 0 0 0 0 0 0 0 0 0 O O O 0 0 0 1
36 N11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 O 0 1 0 1
31 N12 0 0 0 0 0 0 0 1 0 0 0 0 0 O O O 0 0 0 1
για N13 0 0 0 0 0 1 0 0 0 0 0 0 0 O O O 0 0 0 1
39 N14 0 0 0 0 0 0 0 0 0 0 1 0 0 O O O 0 0 0 1
40 N15 1 0 0 0 0 0 0 0 0 0 0 0 0 O O 0 0 0 1
41 N16 0 0 1 0 0 0 0 0 0 0 0 0 O O O 0 0 0 1
42 N17 0 0 0 0 0 0 0 0 0 0 0 0 O O 1 0 0 0 1
43 N18 0 0 0 0 0 0 0 0 0 0 0 0 O O O 0 0 1 1
44 N19 0 0 0 0 1 0 0 0 0 0 0 0 0 O O 0 0 0 1
45 Περιλαμβάνεται 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Αντικειμενική συνάρτηση 23,59 1
49 Πορεία κλεισίματος >uta
50 βαθμοί N2 N3 N4 N5 N6 N7 N8 N9 N10 N11 N12 N13 N14 N15 N16 N17 N18 N19
51 N2 0 1 -3 4 -2 -3 -5 -6 -7 7 A 13 S -9 2 3 6 5
52 N3 13 0 -9 3 -3 -A -6 -7 -3 6 -5 -2 7 -10 1 2 5 4
53 N4 S 9 0 12 6 5 3 2 1 15 4 7 16 18 10 11 14 13
54 N5 -A -3 -12 0 -6 -7 -9 -10 -11 3 -8 -5 A -13 -2 18 2 1
55 N6 2 3 -6 6 0 13 -3 A -5 9 -2 1 10 -7 4 5 S 7
56 N7 3 4 -5 7 1 0 -2 -3 A 10 13 2 11 -6 5 6 9 S
57 N8 5 6 -3 9 3 2 0 13 -2 12 1 4 13 ■A 7 a 11 10
58 N9 6 7 -2 10 4 3 1 0 13 13 2 5 14 -3 a 9 12 11
59 N10 7 3 13 11 5 4 2 1 0 14 3 6 15 -2 9 10 13 12
60 N11 -7 -6 -15 -3 -9 -10 -12 -13 -14 0 -11 -3 1 -16 -5 -A 13 -2
61 N12 4 5 -A 3 2 1 13 -2 -3 11 0 3 12 -5 6 7 10 9
62 N13 1 2 -7 5 13 -2 ■А -5 -6 3 -3 0 9 -а 3 А 7 6
63 N14 -3 -7 -16 -4 -10 11 -13 -14 -15 13 -12 -9 O -17 -6 -5 -2 -3
64 N15 9 10 1 13 7 6 4 3 2 16 5 σε 17 O 11 12 15 14
65 N16 -2 13 -10 2 -A -5 -7 -3 -9 5 -6 -3 6 -11 O 1 4 3
66 N17 -3 -2 -11 1 -5 -6 -3 -9 -10 4 -7 ■A 5 -12 18 0 3 2
67 N18 -6 -5 -14 -2 -3 -9 -11 -12 -13 1 -10 -7 2 · -15 ■A -3 0 18
68 N19 -5 L -13 13 -7 -3 -10 -11 -12 2 -9 -6 3 -14 -3 -2 1 0
Ρύζι. 6. - Αποτελέσματα επίλυσης του προβλήματος του ταξιδιώτη πωλητή για την LLC "Milk"
Υπερουράλια"
Σύμφωνα με τη λύση που προκύπτει, η βέλτιστη, δηλ. η συντομότερη διαδρομή θα είναι μόλις 23,59 χλμ. Σε σύγκριση με την τρέχουσα αποδεκτή διαδρομή, η εξοικονόμηση χρόνου στην επιχείρηση κατά την εισαγωγή μιας νέας θα είναι 16,6%, γεγονός που αποδεικνύει τη σκοπιμότητα χρήσης του πρόσθετου Solver για τη δημιουργία της καλύτερης διαδρομής για οχήματα. Για να καθορίσετε τη σειρά της επίσκεψής σας
σημεία παράδοσης, πρέπει να δείτε τις μεταβλητές U, οι τιμές τους (κελιά C22:T22, Σχ. 6) πήραν τιμές από 0 έως 17, δείχνοντας έτσι μια συγκεκριμένη διαδρομή κίνησης, η οποία θα είναι: 1) LLC "Moloko Zauralya"; 2) νηπιαγωγείο 131? 3) νηπιαγωγειο 127? 4) νηπιαγωγείο 138? 5) νηπιαγωγείο 141? 6) παντοπωλείο "Trio"? 7) νηπιαγωγείο 135? 8) νηπιαγωγείο 134? 9) σχολείο Νο. 7; 10) JSC "Odyssey"? 11) νηπιαγωγείο 130? 12) Vira LLC; 13) νηπιαγωγείο 116? 14) νηπιαγωγείο 129? 15) νηπιαγωγείο 122? 16) νηπιαγωγείο 124? 17) νηπιαγωγείο 126? 18) παιδικό σπίτι? 19) νηπιαγωγείο 133; 20) το σημείο εκκίνησης από το οποίο ξεκίνησε η κίνηση της Trans-Ural Milk LLC.
Στη διαδικασία λήψης απόφασης υπήρχε η επιλογή μεταξύ προϊόντων λογισμικού Microsoft Excel και OpenOffice Calc. Τα προγράμματα έχουν παρόμοιες λειτουργίες και δυνατότητες και είναι αρκετά κοινά. Ωστόσο, κατά τη διαδικασία επίλυσης, διαπιστώθηκε ότι το πρόσθετο «Αναζήτηση λύσης» (Excel) θέτει αυστηρά όρια στον αριθμό των περιορισμών του προβλήματος που επιλύεται. Συγκεκριμένα, στο MS Excel είναι βολικό να επιλύονται προβλήματα με μικρό αριθμό σημείων (έως 10), ο συνολικός αριθμός περιορισμών τύπων στους οποίους δεν υπερβαίνει τα 100. Στον Επίλυση δεν υπάρχουν τέτοιοι περιορισμοί, αλλά με την προσθήκη από κάθε πρόσθετο σημείο στο πρόβλημα, το πρόγραμμα απαιτεί τα πάντα μεγάλη ποσότητακαιρός να βρεθεί η βέλτιστη διαδρομή. Επιπλέον, το OpenOffice είναι δωρεάν λογισμικό, το οποίο παρέχει επιπλέον εξοικονόμηση κόστους κατά τη χρήση του.
Η σημασία της επίλυσης αυτού του προβλήματος καθορίζεται από το γεγονός ότι, σύμφωνα με στατιστικά στοιχεία, περίπου το 98% του συνολικού χρόνου διακίνησης των αγαθών καταλαμβάνεται από τη διέλευσή τους μέσω των καναλιών logistics, συμπεριλαμβανομένης της μεταφοράς. Αυτό εξηγεί την ανάγκη εξεύρεσης αποθεματικών για τη μείωση του κόστους μεταφοράς, δηλ. καθορισμός της καλύτερης διαδρομής, η οποία θα οδηγήσει σε εξοικονόμηση χρόνου μεταφοράς, καυσίμων και φθοράς στα οχήματα
κεφάλαια και θα είναι ιδιαίτερα πολύτιμη για τις επιχειρήσεις που λειτουργούν στο πλαίσιο του συστήματος JIT (just-in-time).
Βιβλιογραφία
1. Afanasyeva I.I. Οργανωτικά και οικονομικά προβλήματα και προοπτικές για τη διαμόρφωση ενός συστήματος logistics για τη διανομή σιτηρών στη Ρωσία // Engineering Bulletin of the Don, 2014, No. 2 URL: ivdon.ru/ru/magazine/archive/n2y2014/2325
2. Dybskaya V.V., Zaitsev E.I., Sergeev V.I. και άλλα Logistics - M.: Eksmo, 2013. - 944 σελ. - ( Πλήρες μάθημα MBA).
3. Kochegurova E.A., Martynova Yu.A. Βελτιστοποίηση της συλλογής διαδρομών δημόσιων συγκοινωνιών κατά τη δημιουργία ενός αυτοματοποιημένου συστήματος υποστήριξης αποφάσεων // Izvestia TPU. 2013. Νο 5. σελ. 79-84.
4. Matai R., Singh S.P., Mittal M.L. Πρόβλημα ταξιδιώτη πωλητή: Επισκόπηση εφαρμογών, σκευασμάτων και προσεγγίσεων λύσεων // URL: cdn.intechopen.com/pdfs-wm/12736.pdf
5. Boroznov V.O. Μελέτη επίλυσης του προβλήματος του ταξιδιώτη πωλητή // Vestnik ASTU. Σειρά: Διοίκηση, τεχνολογία υπολογιστών και επιστήμη της πληροφορίας. 2009. Νο 2. σελ. 147-151.
6. Ishkov S.A., Ishkova E.S. Προσέγγιση μήτρας για την επίλυση ενός προβλήματος δρομολόγησης με πολλά οχήματα// Νέα του Επιστημονικού Κέντρου Samara της Ρωσικής Ακαδημίας Επιστημών. 2011. Νο 4-1. σελ. 189-194.
7. Applegate D.L., Bixby R.E., Chvatal V. & Cook W.J. The Traveling Salesman Problem // URL: press.princeton.edu/chapters/s8451.pdf
8. Studentova E.A. Αλγόριθμος για την επίλυση του προβλήματος του ταξιδιώτη πωλητή χρησιμοποιώντας Microsoft Excel και Open Office Calc // Σύγχρονα θέματαεπιστήμη και εκπαίδευση. 2014. Νο 6. (Παράρτημα «Τεχνικές Επιστήμες»). - Γ. 40.
9. Χάρτης του Kurgan: δρόμοι, σπίτια και οργανισμοί της πόλης - 2GIS // URL: 2gis.ru/kurgan/zoom/11
10. Makarov E.I., Yaroslavtseva Yu.I. Κοινωνικοοικονομική αποτελεσματικότητα του σχηματισμού του περιφερειακού συστήματος μεταφορών και υλικοτεχνικής υποστήριξης Voronezh // Engineering Bulletin of the Don, 2011, No. 4 URL: ivdon.ru/ru/magazine/archive/n4y2011/557
1. Afanas "eva I.I. Inzenernyj vestnik Dona (Ρωσία), 2014, Νο. 2 URL: ivdon.ru/ru/magazine/archive/n2y2014/2325
2. Dybskaya V.V., Zaytsev E.I., Sergeev V..I. εγώ ο δρ. Logistika M.: Eksmo, 2013. 944 σελ. (Polnyy kurs MVA).
3. Kochegurova E.A., Martynova Yu.A. Izvestiya TPU. 2013. Νο 5. Σ. 79-84.
4. Matai R., Singh S.P., Mittal M.L. Πρόβλημα ταξιδιώτη πωλητή: Επισκόπηση εφαρμογών, σκευασμάτων και προσεγγίσεων λύσεων URL: cdn.intechopen.com/pdfs-wm/12736.pdf
5. Boroznov V.O. Vestnik AGTU. Seriya: Upravlenie, vychislitel "naya tekhnika i informatika. 2009. No. 2. P. 147-151.
6. Ishkov S.A., Ishkova E.S. Izvestiya Samarskogo nauchnogo tsentra RAN. 2011. Νο 4-1. Σ. 189-194.
7. Applegate D.L., Bixby R.E., Chvatal V. & Cook W.J. URL του προβλήματος του ταξιδιώτη πωλητή: press.princeton.edu/chapters/s8451.pdf
8. Studentova E.A. Sovremennye προβληματικό nauki και obrazovaniya. 2014. Νο 6. (prilozhenie "Tekhnicheskie nauki"). Π. 40.
9. Karta Kurgana: ulitsy, doma i organizatsii goroda - URL 2GIS: 2gis.ru/kurgan/zoom/11
10. Makarov E.I., Yaroslavtseva Y.I. Inzenernyj vestnik Dona (Ρωσία), 2011, Νο. 4 URL: ivdon.ru/ru/magazine/archive/n4y2011/557