7.6 KiB
Pytanie 12: Sieciowe modele optymalizacji w systemach zarządzania
Pytanie
"Przedstawić sieciowe modele optymalizacji stosowane w systemach zarządzania. Omówić ich właściwości."
Przedmiot: WSYZ (Wstęp do Systemów Zarządzania)
📚 Odpowiedź główna
Wprowadzenie
Sieciowe modele optymalizacji to matematyczne reprezentacje problemów decyzyjnych w postaci grafów (sieci), gdzie:
- Węzły = punkty decyzyjne, lokalizacje, zdarzenia
- Krawędzie = połączenia, przepływy, zależności
- Wagi = koszty, czasy, przepustowości
1. Problem najkrótszej ścieżki (Shortest Path)
Definicja
Znaleźć ścieżkę o minimalnej sumie wag między węzłem źródłowym a docelowym.
2
A ────→ B
│ │
1 │ │ 3
↓ ↓
C ────→ D
1
Najkrótsza ścieżka A→D: A→C→D (koszt: 2)
Algorytmy
| Algorytm | Złożoność | Wagi ujemne | Zastosowanie |
|---|---|---|---|
| Dijkstra | O(V² lub E log V) | ❌ | GPS, routing |
| Bellman-Ford | O(VE) | ✅ | Finanse, arbitraż |
| A* | O(E) średnio | ❌ | Gry, nawigacja |
Zastosowania w zarządzaniu
- Optymalizacja tras dostaw
- Planowanie logistyki
- Routing w sieciach telekomunikacyjnych
2. Problem maksymalnego przepływu (Max Flow)
Definicja
Znaleźć maksymalny przepływ ze źródła (s) do ujścia (t) przy ograniczeniach przepustowości.
10 10
s ────→ A ────→ t
│ ↑ ↑
5 │ 5 │ │ 10
↓ │ │
B ──────┴───────┘
15
Max flow = 15 (przez A: 10, przez B: 5)
Algorytmy
| Algorytm | Złożoność | Uwagi |
|---|---|---|
| Ford-Fulkerson | O(E × max_flow) | Metoda ścieżek powiększających |
| Edmonds-Karp | O(VE²) | BFS dla ścieżek |
| Dinic | O(V²E) | Przepływy blokujące |
Zastosowania
- Planowanie produkcji (przepustowość linii)
- Zarządzanie siecią dystrybucji
- Przydział zasobów
3. Problem minimalnego kosztu przepływu (Min Cost Flow)
Definicja
Przepływ o zadanej wielkości przy minimalnym koszcie (każda krawędź ma przepustowość i koszt jednostkowy).
(cap=10, cost=2)
s ─────────────────→ A
│ │
│(cap=5, cost=1) │(cap=10, cost=3)
↓ ↓
B ─────────────────→ t
(cap=15, cost=1)
Wymagany przepływ: 10
Min koszt = ?
Zastosowania
- Transport towarów (minimalizacja kosztów)
- Przydział zadań pracownikom
- Optymalizacja łańcucha dostaw
4. Problem przydziału (Assignment Problem)
Definicja
Przypisanie n zadań do n wykonawców przy minimalnym koszcie (jeden do jednego).
Zadanie 1 Zadanie 2 Zadanie 3
Prac. A 8 4 7
Prac. B 5 2 3
Prac. C 9 6 4
Optymalny przydział: A→Z2, B→Z1, C→Z3 (koszt: 4+5+4=13)
Algorytm węgierski (Hungarian)
- Złożoność: O(n³)
- Gwarantuje optimum
Zastosowania
- Planowanie grafików pracy
- Przydział maszyn do zleceń
- Matching w HR (rekrutacja)
5. Problem komiwojażera (TSP - Travelling Salesman)
Definicja
Odwiedzić wszystkie węzły dokładnie raz i wrócić do startu przy minimalnym koszcie.
A ──5── B
│╲ ╱│
4│ ╲3╱ │6
│ ╳ │
2│ ╱ ╲ │7
│╱ ╲│
C ──8── D
Optymalna trasa: A→C→D→B→A (koszt: 2+8+6+5=21)
Właściwości
- NP-trudny - brak algorytmu wielomianowego
- Dokładne: Branch & Bound, programowanie dynamiczne
- Heurystyki: Nearest Neighbor, 2-opt, symulowane wyżarzanie
Zastosowania
- Planowanie tras kurierów
- Optymalizacja wizyt serwisowych
- Sekwencjonowanie produkcji
6. CPM/PERT - Harmonogramowanie projektów
CPM (Critical Path Method)
┌──B(3)──┐
╱ ╲
A(2)──┤ ├──E(2)──F(1)
╲ ╱
└──C(4)──D(1)
Ścieżka krytyczna: A→C→D→E→F (czas: 2+4+1+2+1=10)
Właściwości
| Cecha | CPM | PERT |
|---|---|---|
| Czasy | Deterministyczne | Probabilistyczne (a,m,b) |
| Zastosowanie | Projekty powtarzalne | Projekty R&D |
| Wynik | Ścieżka krytyczna | Rozkład prawdopodobieństwa |
Zastosowania
- Zarządzanie projektami budowlanymi
- Planowanie wdrożeń IT
- Koordynacja produkcji
7. Drzewo rozpinające (MST - Minimum Spanning Tree)
Definicja
Połączyć wszystkie węzły przy minimalnym koszcie (bez cykli).
Przed: Po (MST):
2 2
A──────B A──────B
│╲ ╱│ │
│3╲1╱ │4 │3
│ C │ → │ C
│ ╱╲ │ │ ╱
│╱5 ╲6│ │╱5
D──────E D E
7
Koszt MST: 2+3+1+5=11
Algorytmy
| Algorytm | Złożoność | Strategia |
|---|---|---|
| Kruskal | O(E log E) | Sortuj krawędzie, Union-Find |
| Prim | O(E log V) | Rozbudowa od węzła |
Zastosowania
- Projektowanie sieci (elektrycznych, telekomunikacyjnych)
- Klasteryzacja danych
- Minimalizacja okablowania
📊 Porównanie modeli
| Model | Typ problemu | Złożoność | Przykład zastosowania |
|---|---|---|---|
| Shortest Path | P | O(E log V) | Nawigacja GPS |
| Max Flow | P | O(V²E) | Planowanie produkcji |
| Min Cost Flow | P | O(V³) | Transport towarów |
| Assignment | P | O(n³) | Grafiki pracy |
| TSP | NP-hard | Wykładnicza | Trasy kurierów |
| CPM/PERT | P | O(V+E) | Projekty |
| MST | P | O(E log V) | Sieci infrastruktury |
🧠 Mnemoniki
"SPAM-CT" - modele sieciowe:
- Shortest Path
- Przepływ (Max Flow)
- Assignment
- MST
- CPM/PERT
- TSP
"Graf = Węzły + Krawędzie + Wagi":
- Węzły = lokalizacje/decyzje
- Krawędzie = połączenia
- Wagi = koszty/czasy/przepustowości
❓ Możliwe pytania dodatkowe
Q1: "Jaka jest różnica między CPM a PERT?"
Odpowiedź: CPM używa deterministycznych czasów (znanych), PERT używa trzech estymacji (optymistyczna, najbardziej prawdopodobna, pesymistyczna) i rozkładu beta. CPM dla projektów powtarzalnych, PERT dla R&D z niepewnością.
Q2: "Kiedy stosować heurystyki zamiast algorytmów dokładnych?"
Odpowiedź: Gdy problem jest NP-trudny (TSP) lub dane wejściowe bardzo duże. Heurystyki dają "dość dobre" rozwiązanie w rozsądnym czasie. Przykład: 2-opt dla TSP daje rozwiązanie ~5% od optimum w O(n²).
Q3: "Co to jest slack/float w CPM?"
Odpowiedź: Zapas czasu zadania = najpóźniejszy start − najwcześniejszy start. Zadania na ścieżce krytycznej mają slack=0 (opóźnienie opóźni cały projekt).
🎯 Kluczowe punkty
- Sieciowe modele = problemy jako grafy (węzły, krawędzie, wagi)
- Shortest Path, Max Flow, MST = rozwiązywalne w czasie wielomianowym
- TSP = NP-trudny, wymaga heurystyk
- CPM/PERT = harmonogramowanie, ścieżka krytyczna
- Assignment = optymalne dopasowanie 1:1
📖 Źródła
- Hillier, Lieberman - "Introduction to Operations Research"
- Cormen et al. - "Introduction to Algorithms"
- Winston - "Operations Research: Applications and Algorithms"