Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.

  • A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Модели и алгоритмы для задачи о формировании производственных ячеекModels and algorithms for the cell formation problem

Соискатель:
Бычков Илья Сергеевич
Члены комитета:
Кузнецов Сергей Олегович (Национальный исследовательский университет "Высшая школа экономики", доктор физико-математических наук, председатель комитета), Анжело Сифалерас (Университет Македонии, PhD, член комитета), Ненад Младенович (Сербская академия наук и искусств, PhD, член комитета), Олег Прокопьев (Питтсбургский университет, PhD, член комитета), Юлиус Зилинскас (Вильнюсский университет, PhD, член комитета)
Диссертация принята к предварительному рассмотрению:
16.01.2020
Диссертация принята к защите:
10.02.2020 (Протокол №2)
Дисс. совет:
Совет по компьютерным наукам
Дата защиты:
24.04.2020
Диссертационная работа посвящена теме оптимизации производства с помощью решения задачи бикластеризации множеств производственных мощностей и производимых деталей. Данная задача в литературе называется задачей о формировании производственных ячеек (cell formation problem). В последние годы ее решению было посвящено большое количество работ, включающих множество различных эвристических алгоритмов (в частности метаэвристик) и несколько точных подходов. В качестве основных результатов исследования в диссертации доказан сложностной статус задачи для нескольких используемых в литературе целевых функций, разработаны два точных подхода для формулировки задачи с произвольным числом кластеров и дробной целевой функцией эффективности группировки (grouping efficacy), а также предложен эвристический алгоритм поиска во многих окрестностях с рестартами (variable neighborhood search). Еще одним вкладом работы стала корректировка имеющегося набора данных 35 GT и формирование нового набора данных из более редких задач в литературе. Вычислительные эксперименты с точными подходами позволили найти глобально оптимальные решения для 63 из 67 задач, представленных матрицами с размерами от 5х7 до 50х150. Предложенный эвристический алгоритм позволил найти лучшие результаты для целевой функции производительность группировки (grouping efficiency) в 23 из 24 тестовых примерах.
Диссертация [*.pdf, 2.74 Мб] (дата размещения 13.02.2020)
Резюме [*.pdf, 452.47 Кб] (дата размещения 13.02.2020)
Summary [*.pdf, 403.65 Кб] (дата размещения 13.02.2020)

Публикации, в которых излагаются основные результаты диссертации



Отзывы
Отзыв научного руководителя
Сведения о результатах защиты:
Комитет по диссертации рекомендовал присудить ученую степень кандидата наук (протокол № 2 от 24.04.2020). Решением диссертационного совета (протокол № 5 от 18.05.2020) присуждена ученая степень кандидата компьютерных наук.