СИСТЕМА СИМВОЛЬНОЇ МАТЕМАТИКИ MAPLE® У МЕТОДІ ПРОЄКЦІЙ ДЛЯ ЗАДАЧ ДИСКРЕТНОЇ ОПТИМІЗАЦІЇ
Анотація
Успішна проєктна діяльність у ІТ галузі визначається складністю формування команди та реалізації самих проєктів. ІТ проєкти передбачають виконання ряду взаємопов’язаних завдань. При формуванні такого проєкту слід враховувати низку чинників, необхідних для його успішної реалізації, визначення технології реалізації проміжкових завдань: послідовного паралельного і завдання пріоритетності. Такий підхід потребує детальних розрахунків та науковообґрунтованих рішень. Автори пропонують оригінальний підхід до розв’язку задач дискретної оптимізації, пов’язаних із принциповими обчислювальними труднощами в процесі формування ІТ проєкту. Відомі методи точного або наближеного розв’язку таких задач вивчаються з урахуванням належності їх до, так званих, задач з класу P та NP (алгоритми поліноміальної та експоненціальної реалізації розв’язку). Сучасні комбінаторні та евристичні методи розв’язку практичних задач дискретної оптимізації потребують розробки алгоритмів, які дозволяють отримувати наближений розв’язок із гарантованою оцінкою відхилення від оптимуму. Алгоритми спрощення є ефективним прийомом пошуку розв’язку оптимізаційної задачі. Якщо виконати проєктування багатовимірного процесу на двовимірну площину, то такий прийом дозволить наочно відобразити в графічній формі множини розв’язків задачі. У межах дослідження запропоновано спосіб спрощення комбінаторного розв’язку задач дискретної оптимізації. Він заснований на тому, що виконується декомпозиція системи, яка відображає систему обмежень багатовимірної вихідної задачі на двовимірну координатну площину. Такий спосіб дозволяє отримати просту систему графічних розв’язувань складної задачі лінійної дискретної оптимізації. Із практичної точки зору запропонований метод дозволяє спростити обчислювальну складність оптимізаційних задач такого класу при складних ІТ проєктних рішеннях. Прикладним аспектом запропонованого підходу є використання отриманого наукового результату для забезпечення можливості вдосконалення такого класу задач, що описуються системами лінійних рівнянь. Автоматизація розрахунків у середовищі Maple® створює передумови для подальшого розвитку та удосконалення подібних алгоритмів та використання для викладання ряду предметів в освітніх програмах з управління ІТ проєктами магістерського освітньо-кваліфікаційного рівня.
Посилання
2. Finkelstein Y.Y. (1976). Priblizhennyie metodyi i prikladnyie zadachi diskretnogo programmirovaniya [Approximate methods and applied problems of discrete programming]. Moscow: Nauka [in Russian]
3. Wagner H. (1973). Osnovyi issledovaniya operatsiy [Principles of Operations Research]. Moscow: Mir
4. Burkov V. N., Gorgidze I. А., Lovetskiy S. Е. (1974). Prikladnyie zadachi teorii grafov [Applied problems of the theory of graphs]. Tbilisi: Computation Centre of Republican Adacemy of Science of Georgian SSR
5. Sigal I. K., Ivanova A. P. (2003). Vvedenie v prikladnoe diskretnoe programmirovanie: modeli i vyichislitelnyie algoritmyi [Introduction to applied discrete programming: models and calculation algorithms]. Moscow
6. F. Nozicka, J. Guddat, H. Hollatz. (1972). The Linear Optimization Theory. Berlin
7. Titov S. D., Chernova L. S. (2017). Vyshcha ta prykladna matematyka [Higher and applied mathematics]. Manual: In 2 parts, Part 1, Kharkiv, Fakt
8. Lau D. (2007). Algebra and Discrete Mathematics 1. Basic Terms of Mathematics, Algebraic Structures 1, Linear Algebra and Analytic Geometry, Numeric Algebra. Second corrected and supplemented edition. Berlin: Springer
9. Jean Pierre David (2017). Low latency and division free Gauss-Jordan solver in floating point arithmetic. Journal of Parallel and Distributed Computing, 106, 185-193.
10. Lax Peter D. (2007). Linear algebra and application. New York, Wiley, 2-nd ed.
11. Yeremin I. I., Astafiev N. N. (1976). Vvedenie v teoriyu lineynogo i vyipuklogo programmirovaniya [Introduction to the theory of linear and convex programming]. Moscow: FIZMATLIT
12. Tytov S. D., Chernova L. S. (2016). Teoriia vyznachnykiv: Navchalno - metodychnyi posibnyk [Theory of determinants: Training and methodological manual]. Mykolaiv: Torubara V. V.
13. Teschl Gerald, Teschl Susanne. (2008). Mathematics for Information Scientists. Volume 1: Discrete Mathematics and Linear Algebra. Berlin, Springer
14. Buhir M. K. (1998). Matematyka dlia ekonomistiv. Liniina alhebra, liniini modeli [Mathematics for economists. Linear algebra, linear models]. Kyiv
15. Buhir M. K. (2003). Matematyka dlia ekonomistiv [Mathematics for economists]. Alma-matir Academia
16. Titov S. D., Chernov S. K., Chernova L. S. (2018). Reduction in Discrete Optimization Problem, 2018 IEEE 13th International Scientific and Technical Conference on Computer Sciences and Information Technologies, CSIT 2018.
17. Chernov S., Titov S., Chernova L., (...), Chernova L., Kolesnikova K. Algorithm for the simplification of solution to discrete optimization problems Eastern-European Journal of Enterprise Technologies.
18. Kovalev М. М. (1977). Diskretnaya optimizatsiya [Discrete optimization]. Minsk: Byelorussian State University