Специалисты создали инновационный метод оптимизации производственных, логистических и вычислительных систем, значительно сокращающий время выполнения задач и повышающий эффективность оборудования. Разработка особенно актуальна для многоэтапных процессов, где каждая операция требует строго определенных условий: например, выполнения в начале или конце цикла, на конкретном устройстве или между другими действиями. Исследование поддержано грантом Российского научного фонда (РНФ).
Проблема классических подходов
Традиционные алгоритмы часто игнорируют важные ограничения, такие как фиксированная последовательность операций, запрет на расположение задач в начале/конце смены или необходимость соблюдения приоритетов. Это приводит к нерациональному использованию ресурсов — оборудования, сырья, времени — и увеличивает затраты. Современные системы требуют математических моделей, учитывающих подобные нюансы.
Графы как основа инновации
Юлия Захарова из Омского филиала Института математики им. С.Л. Соболева СО РАН предложила решение через анализ двудольных графов. В такой системе вершины соответствуют операциям и их позициям в расписании, а ребра отражают допустимые варианты распределения задач между устройствами. Поиск оптимальных комбинаций (паросочетаний) позволяет находить эффективные сценарии выполнения работ.
Этапы работы алгоритма
Метод включает три шага: анализ допустимых вариантов с учетом ограничений, отбор лучших комбинаций с помощью математических инструментов и формирование итогового расписания, минимизирующего общее время процессов. Для сложных задач с сотнями операций разработаны упрощенные подходы, дающие близкие к идеальным решения за разумное время.
Успешные испытания
Тестирование на синтетических данных подтвердило эффективность алгоритма в условиях, имитирующих реальные производственные сценарии: маршрутизацию транспорта, энергосберегающие графики, обработку комплексных заказов. Даже при наличии множества ограничений метод показал превосходство над классическими подходами, включая генетические алгоритмы, обеспечив статистически значимое улучшение результатов.
Перспективы внедрения
«Наша разработка ориентирована на реальные производственные условия, где игнорировать ограничения нельзя, — подчеркивает Юлия Захарова. — Алгоритм не только обеспечивает высокое качество решений, но и адаптируется под различные отрасли, от логистики до IT-систем». Гибкость метода открывает возможности для его применения в роботизированных производствах, цепочках поставок и распределенных вычислениях.
