Система поддержки принятия решений (мы продолжаем тему цифрового двойника) должна подсказывать оперативному персоналу, что делать в той или иной ситуации. Для этого нужны данные:
📍Текущие – данные в настоящий момент времени, поступающие от физического объекта через подсистему сбора данных;
📍Прогнозируемые – планируемые оперативные данные, включающие задания на работу, накопленный и обработанный массив данных из информационной системы (которая обычно интегрирована в АСУ);
📍Ситуационные – возможные принимаемые решения в текущей эксплуатационной обстановке (этот тип данных отсутствует в АСУ, а он помогает решать задачи предиктивной аналитики).
Имитационная модель интегрируется с АСУ (ставятся шины для текущих и прогнозируемых данных, а также для системы поддержки принятия решений) и далее в рамках моделирования на основе ситуационных данных (и алгоритмов моделирования, адаптированных под требования конкретного физического объекта) воспроизводятся различные сценарии работы объекта транспортной инфраструктуры.
📍Текущие – данные в настоящий момент времени, поступающие от физического объекта через подсистему сбора данных;
📍Прогнозируемые – планируемые оперативные данные, включающие задания на работу, накопленный и обработанный массив данных из информационной системы (которая обычно интегрирована в АСУ);
📍Ситуационные – возможные принимаемые решения в текущей эксплуатационной обстановке (этот тип данных отсутствует в АСУ, а он помогает решать задачи предиктивной аналитики).
Имитационная модель интегрируется с АСУ (ставятся шины для текущих и прогнозируемых данных, а также для системы поддержки принятия решений) и далее в рамках моделирования на основе ситуационных данных (и алгоритмов моделирования, адаптированных под требования конкретного физического объекта) воспроизводятся различные сценарии работы объекта транспортной инфраструктуры.
👍6✍2
Управление пассажиропотоками ж.-д. вокзалов на основе моделирования динамики движения пассажиров
🚶♂️3 пост из серии (предыдущий пост)
Сегодня поговорим о дискретных и непрерывных моделях движения пассажиров.
Дискретные модели.
Представьте себе шахматную доску, где каждый пассажир – это пешка. В таких моделях пространство делится на клетки, и пассажиры перемещаются по этой сетке с заданными правилами. Например, как в моделях на основе клеточных автоматов: шаг вправо, шаг влево – только по правилам!
Модели непрерывного пространства:
📍 Физические модели:
Пассажиры ведут себя как жидкость или газ, двигаясь плавно и непрерывно. Их движение описывается уравнениями динамики жидкости или газа, как в моделях авторов D. Helbing, S.A.H. AlGadhi, H.S. Mahmassani и R. Herman. Люди текут по вокзалу, обтекают колонны и выходят на платформу. Если кто-то случайно попадёт в такую модель, можно подумать, что перед вами великая река людских страданий — особенно когда опаздываешь на поезд.
📍 Маршруты и оптимизация:
А вот здесь пассажиры – настоящие стратеги, которые пытаются сэкономить пару минут,но в итоге всегда приходят последними ! Они выбирают маршрут, стараясь минимизировать свои «расходы». Пример: модель под авторством R.L. Hughes, включающая подход на основе гидродинамики
📍 Модели социальных сил:
Пассажиры двигаются под воздействием «социальных сил», меняя направление и скорость. Вот только социальные силы иногда оказываются такими, что вместо того, чтобы идти вперёд, вы вдруг начинаете следовать за случайным человеком в буфет.
Пример: модель авторов D. Helbing, I.J. Farkas, P. Molnár, T. Vicsek. Движение каждого агента рассчитывается на основе 2 закона Ньютона. Недостаток?необходимость обработки больших массивов числовой информации при моделировании потоков большой размерности . Чем больше пассажиров, тем сложнее становится расчёт – как если бы вам нужно было одновременно решить несколько уравнений, но с толпой спешащих людей.
📍 Агентные модели: Такие модели в процессе моделирования используют набор элементарных правил, которым подчиняется каждый участник потока. Примером такого подхода является модель “boids”, которая предложена в исследовании C.W. Reynolds. Агенты взаимодействуют с подобными себе путем передачи сообщений на основе простых правил поведения. Преимуществом таких моделей являются достижения более реалистического движения человека для низкой и средней плотности потока при практически неограниченном размере потока, а недостатком - невозможность моделирования потока при высокой плотности.
Понимание и использование этих моделей позволяет оптимизировать движение пассажиров на вокзале и сделать процесс более предсказуемым и управляемым, как в игре, где каждый ход спланирован заранее.
🚶♂️3 пост из серии (предыдущий пост)
Сегодня поговорим о дискретных и непрерывных моделях движения пассажиров.
Дискретные модели.
Представьте себе шахматную доску, где каждый пассажир – это пешка. В таких моделях пространство делится на клетки, и пассажиры перемещаются по этой сетке с заданными правилами. Например, как в моделях на основе клеточных автоматов: шаг вправо, шаг влево – только по правилам!
Модели непрерывного пространства:
📍 Физические модели:
Пассажиры ведут себя как жидкость или газ, двигаясь плавно и непрерывно. Их движение описывается уравнениями динамики жидкости или газа, как в моделях авторов D. Helbing, S.A.H. AlGadhi, H.S. Mahmassani и R. Herman. Люди текут по вокзалу, обтекают колонны и выходят на платформу. Если кто-то случайно попадёт в такую модель, можно подумать, что перед вами великая река людских страданий — особенно когда опаздываешь на поезд.
📍 Маршруты и оптимизация:
А вот здесь пассажиры – настоящие стратеги, которые пытаются сэкономить пару минут,
📍 Модели социальных сил:
Пассажиры двигаются под воздействием «социальных сил», меняя направление и скорость. Вот только социальные силы иногда оказываются такими, что вместо того, чтобы идти вперёд, вы вдруг начинаете следовать за случайным человеком в буфет.
Пример: модель авторов D. Helbing, I.J. Farkas, P. Molnár, T. Vicsek. Движение каждого агента рассчитывается на основе 2 закона Ньютона. Недостаток?
📍 Агентные модели: Такие модели в процессе моделирования используют набор элементарных правил, которым подчиняется каждый участник потока. Примером такого подхода является модель “boids”, которая предложена в исследовании C.W. Reynolds. Агенты взаимодействуют с подобными себе путем передачи сообщений на основе простых правил поведения. Преимуществом таких моделей являются достижения более реалистического движения человека для низкой и средней плотности потока при практически неограниченном размере потока, а недостатком - невозможность моделирования потока при высокой плотности.
Понимание и использование этих моделей позволяет оптимизировать движение пассажиров на вокзале и сделать процесс более предсказуемым и управляемым, как в игре, где каждый ход спланирован заранее.
👍5😱3
Что вы хотите программное обеспечение или программный продукт?
Наверное, нет. Хотя часто (даже в it-среде 😱) между некоторыми понятиями ставят знак «=».
Давайте попробуем разобрать этот вопрос на примерах:
Здесь разберем поверхностно. Здесь глубоко.
📜 Компьютерная программа – это, по сути, рецепт. Содержит инструкции, как ваш компьютер должен варить кашу из данных. Но сам по себе этот рецепт кашу не сварит, нужна ещё кухня и повар.
Коротко: то, что выполняет вычисления или функции управления.
🧩 Программный компонент – это как один из ингредиентов на этой кухне. Сахар, мука, молоко… каждый по отдельности тоже нужный, но никто не станет делать из одного сахара целую кашу
Коротко: законченная часть программы.
⚙️ Программный модуль – это уже конкретная часть рецепта, например, процесс варки молока. Само по себе молоко вскипело, но дальше что? Нужно, чтобы весь процесс был скоординирован.
Коротко: единица конфигурационного управления (компонент с функциями управления).
🏗 Программный комплекс – это когда у вас есть и каша, и компот. А может быть даже три блюда! Всё работает вместе, чтобы вас накормить. Тут важен весь набор.
Коротко: объединение компонентов/модулей.
💻 Программное обеспечение – это тот момент, когда повар сварил вам кашу и уже положил её в тарелку, подал ложку, салфетку и дал инструкцию, как всё это съесть, не обжечься. И при этом на кухне всё чисто и готово к работе.
Коротко: то, что можно эксплуатировать. Есть документация.
🚫 Программное средство/система – звучит красиво, но по сути ничего конкретного не значит. Как если бы вы попросили на кухне «что-нибудь съедобное» – вам могут дать хоть кусок сыра, хоть яблоко.
Коротко: лучше не употреблять в лексиконе.
📦 Программный продукт – это когда вам эту кашу завернули в красивую упаковку и отправили домой. Там уже инструкция, реклама, название, и вам остаётся только разогреть.
Коротко: то, что поставляется пользователю.
📲 Программно-аппаратное средство – это уже готовый гаджет, например, кофемашина, которая варит вам кофе по нажатию одной кнопки. Здесь встроено всё, что нужно.
Коротко: гаджет со встроенной операционкой.
🛠 Программно-технический комплекс – это как целая кофейня: кофемашина, касса, бариста. Всё на месте, и вы можете наслаждаться результатом.
Коротко: совокупность программного обеспечения и оборудования, на котором оно исполняется.
Так что в следующий раз, когда кто-то скажет «программное средство», вы знаете, что это за абстракция. А вот если предложат «программный продукт», будьте уверены: это то, что вам нужно, и оно уже готово к употреблению!
Компьютерная программа, программный компонент, программный модуль, программное средство, программный продукт, программное обеспечение – это синонимы?
Наверное, нет. Хотя часто (даже в it-среде 😱) между некоторыми понятиями ставят знак «=».
Давайте попробуем разобрать этот вопрос на примерах:
Здесь разберем поверхностно. Здесь глубоко.
📜 Компьютерная программа – это, по сути, рецепт. Содержит инструкции, как ваш компьютер должен варить кашу из данных. Но сам по себе этот рецепт кашу не сварит, нужна ещё кухня и повар.
Коротко: то, что выполняет вычисления или функции управления.
🧩 Программный компонент – это как один из ингредиентов на этой кухне. Сахар, мука, молоко… каждый по отдельности тоже нужный, но никто не станет делать из одного сахара целую кашу
Коротко: законченная часть программы.
⚙️ Программный модуль – это уже конкретная часть рецепта, например, процесс варки молока. Само по себе молоко вскипело, но дальше что? Нужно, чтобы весь процесс был скоординирован.
Коротко: единица конфигурационного управления (компонент с функциями управления).
🏗 Программный комплекс – это когда у вас есть и каша, и компот. А может быть даже три блюда! Всё работает вместе, чтобы вас накормить. Тут важен весь набор.
Коротко: объединение компонентов/модулей.
💻 Программное обеспечение – это тот момент, когда повар сварил вам кашу и уже положил её в тарелку, подал ложку, салфетку и дал инструкцию, как всё это съесть, не обжечься. И при этом на кухне всё чисто и готово к работе.
Коротко: то, что можно эксплуатировать. Есть документация.
🚫 Программное средство/система – звучит красиво, но по сути ничего конкретного не значит. Как если бы вы попросили на кухне «что-нибудь съедобное» – вам могут дать хоть кусок сыра, хоть яблоко.
Коротко: лучше не употреблять в лексиконе.
📦 Программный продукт – это когда вам эту кашу завернули в красивую упаковку и отправили домой. Там уже инструкция, реклама, название, и вам остаётся только разогреть.
Коротко: то, что поставляется пользователю.
📲 Программно-аппаратное средство – это уже готовый гаджет, например, кофемашина, которая варит вам кофе по нажатию одной кнопки. Здесь встроено всё, что нужно.
Коротко: гаджет со встроенной операционкой.
🛠 Программно-технический комплекс – это как целая кофейня: кофемашина, касса, бариста. Всё на месте, и вы можете наслаждаться результатом.
Коротко: совокупность программного обеспечения и оборудования, на котором оно исполняется.
Так что в следующий раз, когда кто-то скажет «программное средство», вы знаете, что это за абстракция. А вот если предложат «программный продукт», будьте уверены: это то, что вам нужно, и оно уже готово к употреблению!
❤5
Подробно по понятиям
Коротко тут.
Начнем, пожалуй, с понятия «Компьютерная программа» — это комбинация компьютерных инструкций и данных, позволяющая аппаратному обеспечению вычислительной системы выполнять вычисления или функции управления.
ISO/IEC/IEEE 24765:2017. Systems and software engineering — Vocabulary.
Компьютерная программа может существовать в двух формах:
Designtime — в форме исходного кода;
Runtime — в форме исполняемого кода в момент его работы.
Исходный код – компьютерная программа в текстовом виде на каком-либо языке программирования.
ГОСТ Р 54593-2011. Информационные технологии. Свободное программное обеспечение. Общие положения.
Программа – данные, предназначенные для управления конкретными компонентами системы обработки информации в целях реализации определенного алгоритма.
ГОСТ 19781-90. Обеспечение систем обработки информации программное. Термины и определения.
Спустимся по глубже и дойдем до понятия «Программный элемент» – любая идентифицируемая (выделяемая) часть компьютерной программы.
ИСО/МЭК 9003:2004. Разработка программных продуктов. Руководящие указания по применению ИСО 9001:2008 при разработке программных продуктов.
Ну все, базис есть, идем наверх.
Программный компонент – программа, рассматриваемая как единое целое, выполняющая законченную функцию и применяемая самостоятельно или в составе комплекса.
ГОСТ 19.101-77. Единая система программной документации. Виды программ и программных документов.
Программный модуль – программа или функционально завершенный фрагмент программы, предназначенный для хранения, трансляции, объединения с другими программными модулями и загрузки в оперативную память.
ГОСТ 19781-90.
Программный комплекс – программа, состоящая из двух или более компонентов и (или) комплексов, выполняющих взаимосвязанные функции, и применяемая самостоятельно или в составе другого комплекса.
ГОСТ 19.101-77.
Программное обеспечение – совокупность программ системы обработки информации и программных документов, необходимых для эксплуатации этих программ. ГОСТ 19781-90.
Программное средство. Здесь даже определений давать не буду. В разных ГОСТах по-разному, где-то это нечто похожее программное обеспечение (ГОСТ 28806-90), а где-то это уже предмет поставки (ГОСТ Р 51904-2002). Программная система – аналогично. Поэтому давайте дальше, где нашелся консенсус в терминологии.
Программный продукт – программный объект (??? как так – новый термин??? Ладно, программным объектом может быть кнопка или просто объект, являющийся частью компьютерной прогруммы), предназначенный для поставки пользователю. ГОСТ Р ИСО/МЭК 9126-93. Информационная технология. Оценка программной продукции. Характеристики качества и руководства по их применению.
Программно-аппаратное средство – технические средства, содержащие компьютерную программу и данные, которые не могут изменяться средствами пользователя. Компьютерная программа и данные, входящие в программно-аппаратные средства, классифицируются как программное обеспечение; схемы, содержащие компьютерную программу и данные, классифицируются как технические средства.
ГОСТ Р ИСО/МЭК 9126-93. Информационная технология (ИТ). Оценка программной продукции. Характеристики качества и руководства по их применению.
Программно-технический комплекс – продукция, представляющая собой совокупность средств вычислительной техники, программного обеспечения и средств создания и заполнения машинной информационной базы при вводе системы в действие достаточных для выполнения одной или более задач АС.
ГОСТ 34.003-90. Информационная технология (ИТ). Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Термины и определения.
Коротко тут.
Начнем, пожалуй, с понятия «Компьютерная программа» — это комбинация компьютерных инструкций и данных, позволяющая аппаратному обеспечению вычислительной системы выполнять вычисления или функции управления.
ISO/IEC/IEEE 24765:2017. Systems and software engineering — Vocabulary.
Компьютерная программа может существовать в двух формах:
Designtime — в форме исходного кода;
Runtime — в форме исполняемого кода в момент его работы.
Исходный код – компьютерная программа в текстовом виде на каком-либо языке программирования.
ГОСТ Р 54593-2011. Информационные технологии. Свободное программное обеспечение. Общие положения.
Программа – данные, предназначенные для управления конкретными компонентами системы обработки информации в целях реализации определенного алгоритма.
ГОСТ 19781-90. Обеспечение систем обработки информации программное. Термины и определения.
Спустимся по глубже и дойдем до понятия «Программный элемент» – любая идентифицируемая (выделяемая) часть компьютерной программы.
ИСО/МЭК 9003:2004. Разработка программных продуктов. Руководящие указания по применению ИСО 9001:2008 при разработке программных продуктов.
Ну все, базис есть, идем наверх.
Программный компонент – программа, рассматриваемая как единое целое, выполняющая законченную функцию и применяемая самостоятельно или в составе комплекса.
ГОСТ 19.101-77. Единая система программной документации. Виды программ и программных документов.
Программный модуль – программа или функционально завершенный фрагмент программы, предназначенный для хранения, трансляции, объединения с другими программными модулями и загрузки в оперативную память.
ГОСТ 19781-90.
Программный комплекс – программа, состоящая из двух или более компонентов и (или) комплексов, выполняющих взаимосвязанные функции, и применяемая самостоятельно или в составе другого комплекса.
ГОСТ 19.101-77.
Программное обеспечение – совокупность программ системы обработки информации и программных документов, необходимых для эксплуатации этих программ. ГОСТ 19781-90.
Программное средство. Здесь даже определений давать не буду. В разных ГОСТах по-разному, где-то это нечто похожее программное обеспечение (ГОСТ 28806-90), а где-то это уже предмет поставки (ГОСТ Р 51904-2002). Программная система – аналогично. Поэтому давайте дальше, где нашелся консенсус в терминологии.
Программный продукт – программный объект (??? как так – новый термин??? Ладно, программным объектом может быть кнопка или просто объект, являющийся частью компьютерной прогруммы), предназначенный для поставки пользователю. ГОСТ Р ИСО/МЭК 9126-93. Информационная технология. Оценка программной продукции. Характеристики качества и руководства по их применению.
Программно-аппаратное средство – технические средства, содержащие компьютерную программу и данные, которые не могут изменяться средствами пользователя. Компьютерная программа и данные, входящие в программно-аппаратные средства, классифицируются как программное обеспечение; схемы, содержащие компьютерную программу и данные, классифицируются как технические средства.
ГОСТ Р ИСО/МЭК 9126-93. Информационная технология (ИТ). Оценка программной продукции. Характеристики качества и руководства по их применению.
Программно-технический комплекс – продукция, представляющая собой совокупность средств вычислительной техники, программного обеспечения и средств создания и заполнения машинной информационной базы при вводе системы в действие достаточных для выполнения одной или более задач АС.
ГОСТ 34.003-90. Информационная технология (ИТ). Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Термины и определения.
👍4❤3
Занимательный факт
Имитационное моделирование впервые появилось в 1940-х годах, когда военные поняли, что для победы в сражениях нужно не только мужество, но и умение предугадывать ходы противника. Во время Второй мировой войны ученые начали моделировать воздушные бои, чтобы пилоты знали, куда лететь, а куда лучше не соваться. Это был, по сути, первый симулятор, только без виртуальной реальности. С тех пор имитационное моделирование проникло повсюду: от поездов и больниц до ракет и космоса. Кто бы мог подумать, что эти научные манёвры с тактикой так сильно изменят ход истории? 🚀
Имитационное моделирование впервые появилось в 1940-х годах, когда военные поняли, что для победы в сражениях нужно не только мужество, но и умение предугадывать ходы противника. Во время Второй мировой войны ученые начали моделировать воздушные бои, чтобы пилоты знали, куда лететь, а куда лучше не соваться. Это был, по сути, первый симулятор, только без виртуальной реальности. С тех пор имитационное моделирование проникло повсюду: от поездов и больниц до ракет и космоса. Кто бы мог подумать, что эти научные манёвры с тактикой так сильно изменят ход истории? 🚀
👍6🔥2✍1
4. Проект строительства Трансафганского коридора
Ж.-д. магистраль Узбекистан – Афганистан – Пакистан
Предыдущий проект
Проект новой железнодорожной магистрали Таджикистан – Афганистан – Туркменистан (ТАТ) – это не просто поездка на поезде, это настоящее путешествие через три страны и, возможно, через все бюрократические лабиринты. Данный проект должен связать Душанбе, Пяндж, Мазари-Шариф и Ашхабад по северу Афганистана.
20 марта 2013 года в Ашхабаде, в окружении фанфар и громких обещаний, три президента — Туркменистана, Афганистана и Таджикистана — подписали меморандум о строительстве. Три лидера, три подписи, и внезапно тысячи километров железных дорог стали чуть ближе к реальности. Правда, только на бумаге. Но в июне того же года в Атамырате три президента собрались снова, чтобы торжественно запустить строительство новой магистрали.
И вот, впереди 650 километров железной дороги! Из них 150 км по Туркменистану, 450 км по Афганистану и 50 км по Таджикистану.
2 часть ⏬
#ЕТК
Ж.-д. магистраль Узбекистан – Афганистан – Пакистан
Предыдущий проект
Проект новой железнодорожной магистрали Таджикистан – Афганистан – Туркменистан (ТАТ) – это не просто поездка на поезде, это настоящее путешествие через три страны и, возможно, через все бюрократические лабиринты. Данный проект должен связать Душанбе, Пяндж, Мазари-Шариф и Ашхабад по северу Афганистана.
20 марта 2013 года в Ашхабаде, в окружении фанфар и громких обещаний, три президента — Туркменистана, Афганистана и Таджикистана — подписали меморандум о строительстве. Три лидера, три подписи, и внезапно тысячи километров железных дорог стали чуть ближе к реальности. Правда, только на бумаге. Но в июне того же года в Атамырате три президента собрались снова, чтобы торжественно запустить строительство новой магистрали.
И вот, впереди 650 километров железной дороги! Из них 150 км по Туркменистану, 450 км по Афганистану и 50 км по Таджикистану.
2 часть ⏬
#ЕТК
👍5
1 часть ⏫
Проектирование и строительство к настоящему моменту выполнены только в Туркменистане. В 2016 году был введен в эксплуатацию участок Атамырат – Имамназар (Туркменистан) – Акина (Афганистан), ставший первой очередью проекта ТАТ. Похоже, что Туркменистан не привык откладывать дела в долгий ящик. А вот остальным участникам коридора ещё предстоит догнать паровоз.
В сентябре 2022 года Таджикистан обратился в Корейское агентство международного сотрудничества (KOICA) с просьбой "помочь немного с деньгами". Ожидается, что южнокорейские специалисты проведут предварительные работы, необходимые для подготовки ТЭО строительства железной дороги Джалолиддин – Балхи – Джайхун – Пянджи – Пойон протяженностью 50 км на территории Таджикистана. Ну и мост через реку Пяндж на 1 км, куда же без него. Мосты — это ведь не только через реки, но и между странами.
Информация о проведении каких-либо работ на территории Афганистана пока отсутствует. Видимо, там пока размышляют: "Строить или не строить? Вот в чем вопрос".
Реализация проекта ТАТ позволит открыть новый транзитный коридор между Центральной Азией и Афганистаном. Железная дорога может стать частью Лазуритового коридора, соединяющего Афганистан, Туркменистан, страны Южного Кавказа и Турцию. В общем, Лазуритовый коридор звучит как что-то из сказок, но, может, и реальность получится не хуже.
Для Таджикистана новый коридор станет самым коротким и сквозным маршрутом для доставки грузов в Иран, Турцию и на мировые рынки. Главное, чтобы всё это не стало тем самым "коридором ожидания".
#ЕТК
Проектирование и строительство к настоящему моменту выполнены только в Туркменистане. В 2016 году был введен в эксплуатацию участок Атамырат – Имамназар (Туркменистан) – Акина (Афганистан), ставший первой очередью проекта ТАТ. Похоже, что Туркменистан не привык откладывать дела в долгий ящик. А вот остальным участникам коридора ещё предстоит догнать паровоз.
В сентябре 2022 года Таджикистан обратился в Корейское агентство международного сотрудничества (KOICA) с просьбой "помочь немного с деньгами". Ожидается, что южнокорейские специалисты проведут предварительные работы, необходимые для подготовки ТЭО строительства железной дороги Джалолиддин – Балхи – Джайхун – Пянджи – Пойон протяженностью 50 км на территории Таджикистана. Ну и мост через реку Пяндж на 1 км, куда же без него. Мосты — это ведь не только через реки, но и между странами.
Информация о проведении каких-либо работ на территории Афганистана пока отсутствует. Видимо, там пока размышляют: "Строить или не строить? Вот в чем вопрос".
Реализация проекта ТАТ позволит открыть новый транзитный коридор между Центральной Азией и Афганистаном. Железная дорога может стать частью Лазуритового коридора, соединяющего Афганистан, Туркменистан, страны Южного Кавказа и Турцию. В общем, Лазуритовый коридор звучит как что-то из сказок, но, может, и реальность получится не хуже.
Для Таджикистана новый коридор станет самым коротким и сквозным маршрутом для доставки грузов в Иран, Турцию и на мировые рынки. Главное, чтобы всё это не стало тем самым "коридором ожидания".
#ЕТК
👍5
Занимательный факт
В 1970-х годах имитационное моделирование сыграло ключевую роль в разработке первой автоматизированной системы управления движением поездов в Японии, что помогло сделать их поезда одними из самых надежных и быстрых в мире. Благодаря моделированию удалось предсказать и избежать потенциальных сбоев в системе, обеспечив плавное и безопасное движение поездов на высокой скорости. Этот успех способствовал дальнейшему развитию высокоскоростных железных дорог, таких как знаменитые Синкансены. 🚅
В 1970-х годах имитационное моделирование сыграло ключевую роль в разработке первой автоматизированной системы управления движением поездов в Японии, что помогло сделать их поезда одними из самых надежных и быстрых в мире. Благодаря моделированию удалось предсказать и избежать потенциальных сбоев в системе, обеспечив плавное и безопасное движение поездов на высокой скорости. Этот успех способствовал дальнейшему развитию высокоскоростных железных дорог, таких как знаменитые Синкансены. 🚅
👍8
Управление пассажиропотоками ж.-д. вокзалов на основе моделирования динамики движения пассажиров
🚶♂️4 пост из серии (предыдущий пост)
Гибридные модели комбинируют макро- и микроуровни, а следовательно, позволяют повышать репрезентативность результатов за счет устранения недостатков каждого из предыдущих подходов и более точно описывать поведение потока в разных режимах движения.
Представьте себе, каждый участник потока в этой модели — настоящий стратег, который все время старается минимизировать текущее значение своей "энергии". Это как если бы вы пытались попасть на вокзал в час пик, при этом не разлив свой утренний кофе. Например, модель, предложенная автором A. Treuille, учитывает действие социально-физиологических сил, то есть она знает, что толкаться — это нехорошо, и заданную цель в пространстве — вроде "добраться до поезда без потерь". Что особенно впечатляет, так это производительность модели: 8000 агентов с дискретизацией 1 секунда.
Но, конечно, не обошлось без подвохов. Например, резкие изменения направления движения — тут агенты поворачивают так резко, будто только что вспомнили, что забыли дома утюг. И это без учета инерции! В реальной жизни они бы давно улетели в стену.
Но и это еще не все.Но и это еще не все. В модели возможны столкновения при пересечении траекторий движения агентов к заданной цели. Ну, а если все пойдет совсем не по плану, система может попасть в локальный минимум, и агенты просто стоят на месте, словно пытаются вспомнить, выключили ли они газ перед выходом из дома.
Короче, гибридные модели — это отличный инструмент. Они, конечно, умны и помогают разобраться с движением толп, но порой работают с тем же успехом, что и попытка организовать порядок в очереди за бесплатной раздачей пиццы.
🚶♂️4 пост из серии (предыдущий пост)
Гибридные модели комбинируют макро- и микроуровни, а следовательно, позволяют повышать репрезентативность результатов за счет устранения недостатков каждого из предыдущих подходов и более точно описывать поведение потока в разных режимах движения.
Представьте себе, каждый участник потока в этой модели — настоящий стратег, который все время старается минимизировать текущее значение своей "энергии". Это как если бы вы пытались попасть на вокзал в час пик, при этом не разлив свой утренний кофе. Например, модель, предложенная автором A. Treuille, учитывает действие социально-физиологических сил, то есть она знает, что толкаться — это нехорошо, и заданную цель в пространстве — вроде "добраться до поезда без потерь". Что особенно впечатляет, так это производительность модели: 8000 агентов с дискретизацией 1 секунда.
Но, конечно, не обошлось без подвохов. Например, резкие изменения направления движения — тут агенты поворачивают так резко, будто только что вспомнили, что забыли дома утюг. И это без учета инерции! В реальной жизни они бы давно улетели в стену.
Но и это еще не все.Но и это еще не все. В модели возможны столкновения при пересечении траекторий движения агентов к заданной цели. Ну, а если все пойдет совсем не по плану, система может попасть в локальный минимум, и агенты просто стоят на месте, словно пытаются вспомнить, выключили ли они газ перед выходом из дома.
Короче, гибридные модели — это отличный инструмент. Они, конечно, умны и помогают разобраться с движением толп, но порой работают с тем же успехом, что и попытка организовать порядок в очереди за бесплатной раздачей пиццы.
🔥4
Занимательный факт
Имитационное моделирование помогло NASA избежать конфуза с марсоходом Curiosity. В 2012 году, когда марсоход должен был приземлиться на Марс, ученые использовали моделирование, чтобы рассчитать идеальную траекторию спуска и избежать падения «лицом в песок». Благодаря этому Curiosity успешно приземлился и начал свою исследовательскую миссию. Теперь он катается по Марсу, как по собственной даче, и передает на Землю снимки, от которых дух захватывает! 🚀
Имитационное моделирование помогло NASA избежать конфуза с марсоходом Curiosity. В 2012 году, когда марсоход должен был приземлиться на Марс, ученые использовали моделирование, чтобы рассчитать идеальную траекторию спуска и избежать падения «лицом в песок». Благодаря этому Curiosity успешно приземлился и начал свою исследовательскую миссию. Теперь он катается по Марсу, как по собственной даче, и передает на Землю снимки, от которых дух захватывает! 🚀
👍5👀2
Зачем усложнять?
Моделирование прекрасно тем, что это абстрация реального объекта. И, следовательно, мы можем задавать характеристики моделируемого объекта - как душе угодно, лишь бы были валидные ответы. Сегодня разберем потрясающую вещь: как быстрее собрать имитационную модель (пренебрегая частью исходных данных и восстанавливая их автоматически в ходе моделирования) и не потерять детализацию в отчетах.
Сегодня речь о составности поезда в имитационной модели.
📚Базовый подход: Задаем несколько видов натурных листов (и даже добавляем немного хаоса в виде отклонений) и затем, как на железнодорожной лотерее, по закону распределения назначаем каждому поезду его составность.
📈 Определенные преимущества: Мы можем следить за каждым вагоном, как за участником реалити-шоу: кто, куда, и с каким багажом.
📉 Определенные недостатки: Процесс ввода исходных данных такой долгий, что вы успеете пересчитать все шпалы на моделируемом объекте до того, как модель заработает.
📍Важное уточнение: Составность поезда задается не просто для красоты. Есть какая-то необходимость? Да, ведь после нам нужно прописывать технологию работы на каждый вариант. Так что будьте готовы к марафону инструкций, где каждый вагон будет требовать особого подхода, как капризный клиент.
Вопрос: Можно ли упростить этот процесс, чтобы не пришлось изучать составность поезда до пенсии?
Ответ: Конечно, можно!
🔍 Предлагаемый подход (в рамках учета различной составности поезда при создании имитационной модели):
1️⃣ Задаем детерминированное количество вагонов в составе. Хотите добавить остроты? Подключаем закон распределения по количеству вагонов. Будет как игра с угадыванием количества орехов в банке — сюрпризы на каждом шагу!
2️⃣ Вставляем операции «расформирование» (используя логическое «или» с применением закона распределения) в технологическую цепочку. Это как железнодорожный пазл — никогда не знаешь, как состав разберется на этот раз.
3️⃣ Создаем технологическую цепочку для потомков основной категории (это варианты обработки вагонов после расформирования). Прощай, хаос — привет, порядок!
4️⃣ Вишенка на торте. Обратный мониторинг дислокации вагонов.
Мы знаем конечную технологическую цепочку, в которой прописаны вагоны - им задается автоматическая нумерация и до момента входа на объект инфраструктуры каждому обезличенному вагону присваивается требуемый номер и характеристика)
Волки целы, овцы сыты или наоборот)
Таким образом, мы учитываем все аспекты эксплуатационной работы с поездами, сокращая процесс построения модели настолько, что можно будет на пару дней раньше отправиться в отпуск.
Какой подход лучше?
Моделирование прекрасно тем, что это абстрация реального объекта. И, следовательно, мы можем задавать характеристики моделируемого объекта - как душе угодно, лишь бы были валидные ответы. Сегодня разберем потрясающую вещь: как быстрее собрать имитационную модель (пренебрегая частью исходных данных и восстанавливая их автоматически в ходе моделирования) и не потерять детализацию в отчетах.
Сегодня речь о составности поезда в имитационной модели.
📚Базовый подход: Задаем несколько видов натурных листов (и даже добавляем немного хаоса в виде отклонений) и затем, как на железнодорожной лотерее, по закону распределения назначаем каждому поезду его составность.
📈 Определенные преимущества: Мы можем следить за каждым вагоном, как за участником реалити-шоу: кто, куда, и с каким багажом.
📉 Определенные недостатки: Процесс ввода исходных данных такой долгий, что вы успеете пересчитать все шпалы на моделируемом объекте до того, как модель заработает.
📍Важное уточнение: Составность поезда задается не просто для красоты. Есть какая-то необходимость? Да, ведь после нам нужно прописывать технологию работы на каждый вариант. Так что будьте готовы к марафону инструкций, где каждый вагон будет требовать особого подхода, как капризный клиент.
Вопрос: Можно ли упростить этот процесс, чтобы не пришлось изучать составность поезда до пенсии?
Ответ: Конечно, можно!
🔍 Предлагаемый подход (в рамках учета различной составности поезда при создании имитационной модели):
1️⃣ Задаем детерминированное количество вагонов в составе. Хотите добавить остроты? Подключаем закон распределения по количеству вагонов. Будет как игра с угадыванием количества орехов в банке — сюрпризы на каждом шагу!
2️⃣ Вставляем операции «расформирование» (используя логическое «или» с применением закона распределения) в технологическую цепочку. Это как железнодорожный пазл — никогда не знаешь, как состав разберется на этот раз.
3️⃣ Создаем технологическую цепочку для потомков основной категории (это варианты обработки вагонов после расформирования). Прощай, хаос — привет, порядок!
4️⃣ Вишенка на торте. Обратный мониторинг дислокации вагонов.
Мы знаем конечную технологическую цепочку, в которой прописаны вагоны - им задается автоматическая нумерация и до момента входа на объект инфраструктуры каждому обезличенному вагону присваивается требуемый номер и характеристика)
Волки целы, овцы сыты или наоборот)
Таким образом, мы учитываем все аспекты эксплуатационной работы с поездами, сокращая процесс построения модели настолько, что можно будет на пару дней раньше отправиться в отпуск.
Какой подход лучше?
👍4🔥2👏2✍1😱1
Занимательный факт
В 1980-х годах имитационное моделирование стало настоящим спасением для авиакомпаний, которые столкнулись с проблемой задержек рейсов. Используя моделирование, они смогли протестировать разные сценарии управления воздушным движением и оптимизировать расписание полетов. В итоге самолеты стали реже задерживаться, а пассажиры перестали чувствовать себя героями бесконечного ожидания в аэропортах. Теперь, если ваш рейс все-таки задерживается, можете винить не модели, а что-то действительно непредсказуемое — вроде внезапной забастовки чайников на борту или потери ножниц! ✈️
В 1980-х годах имитационное моделирование стало настоящим спасением для авиакомпаний, которые столкнулись с проблемой задержек рейсов. Используя моделирование, они смогли протестировать разные сценарии управления воздушным движением и оптимизировать расписание полетов. В итоге самолеты стали реже задерживаться, а пассажиры перестали чувствовать себя героями бесконечного ожидания в аэропортах. Теперь, если ваш рейс все-таки задерживается, можете винить не модели, а что-то действительно непредсказуемое — вроде внезапной забастовки чайников на борту или потери ножниц! ✈️
👍2
Планирование при создании имитационной модели
Планирование является ключевым этапом в процессе разработки имитационной модели, поскольку на данном этапе формализуется постановка задачи для имитационного моделирования.
1️⃣ В рамках постановки задачи определяются границы имитационной модели, а также формируется концептуальная модель, представляющая собой абстрактное описание исследуемого объекта.
2️⃣ Концептуальная модель представляет собой абстрактную структуру, которая описывает состав и организацию железнодорожной станции как объекта исследования, свойства её элементов, а также причинно-следственные связи, характерные для анализируемого объекта и имеющие критическое значение для достижения целей моделирования. В концептуальной модели в вербальной форме представляются сведения о природе и параметрах элементарных процессов, протекающих в исследуемом объекте, типе и степени взаимодействия между ними, а также роли и значении каждого из них в общей динамике функционирования объекта.
3️⃣ Определение уровня детализации модели (стратификация). Модель объекта представляется как совокупность компонентов, включающая все элементы, обеспечивающие сохранение целостности объекта, а также достижение поставленных целей моделирования.
4️⃣ Намечаются эксперименты, которые предполагается провести в рамках создаваемой имитационной модели, и определяются необходимые результаты, а также формы отчетности, представляющие итог имитационного исследования.
Планирование является ключевым этапом в процессе разработки имитационной модели, поскольку на данном этапе формализуется постановка задачи для имитационного моделирования.
1️⃣ В рамках постановки задачи определяются границы имитационной модели, а также формируется концептуальная модель, представляющая собой абстрактное описание исследуемого объекта.
Границы вашей модели могут включать контейнерные терминалы, железнодорожные пути и сопутствующую инфраструктуру, исключая, например, станцию примыкания или поступление грузов автомобильным транспортом (заменяя это на "черные ящики").
2️⃣ Концептуальная модель представляет собой абстрактную структуру, которая описывает состав и организацию железнодорожной станции как объекта исследования, свойства её элементов, а также причинно-следственные связи, характерные для анализируемого объекта и имеющие критическое значение для достижения целей моделирования. В концептуальной модели в вербальной форме представляются сведения о природе и параметрах элементарных процессов, протекающих в исследуемом объекте, типе и степени взаимодействия между ними, а также роли и значении каждого из них в общей динамике функционирования объекта.
Например, создание связей между зонами хранения контейнеров и зонами погрузки,влияние отдельных зон на всю логистическую цепочку.
3️⃣ Определение уровня детализации модели (стратификация). Модель объекта представляется как совокупность компонентов, включающая все элементы, обеспечивающие сохранение целостности объекта, а также достижение поставленных целей моделирования.
Это "черные ящики" внутри модели или определяемся с тем, что мы моделируем или детализируем макро-параметр (например, продолжительность маршрута приема можем задать интегрируя тяговые расчеты или задаем среднюю величину и подключаем закон распределения).
4️⃣ Намечаются эксперименты, которые предполагается провести в рамках создаваемой имитационной модели, и определяются необходимые результаты, а также формы отчетности, представляющие итог имитационного исследования.
Разработка планов по сбору необходимых данных, уточнение источников их получения и установка сроков сбора данных с учётом временного резерва для выполнения этих задач, планирование сроков разработки имитационной модели и её версий, отражающих различные аспекты имитационного исследования. Не забываем о временном резерве на возможные уточнения и создание дополнительных версий модели, корректирующих направления исследования.
👍2🤔2
Занимательный лайфхак
При проектировании железной дороги не забудьте учесть…коров ! В некоторых странах инженеры поняли, что если железная дорога пересекает пастбища, коровы могут слишком увлечься видом мчащихся поездов и решат ближе познакомиться с этой "быстрой штукой". Чтобы избежать остановок поездов из-за неожиданных встреч с буренками, инженеры начали устанавливать специальные ограждения и создавать безопасные переходы для животных. Так что, проектируя железную дорогу, не забудьте продумать, как защитить не только пассажиров, но и любопытных коров! 🐄🚂
При проектировании железной дороги не забудьте учесть…
🤔5😱4👍2🥱1
5. Проект Амуро-Якутской магистрали и её продление в Китай
Предыдущий проект
На Форуме BRI в Пекине в 2023 году российская делегация представила проект нового железнодорожного коридора, который свяжет Якутию, порт Магадан с железнодорожной сетью Китая. Проект включает строительство участка дороги от Сковородино на Транссибе до Мохэ в Китае и соединение с сетью в Харбине. Предлагается использовать Джалинду как новый железнодорожный пункт пропуска, где уже есть автопереход. Также потребуется новый мост через реку Амур.
Сейчас действует линия Сковородино — Тында — Нижний Бестях, связывающая БАМ и Транссиб с Якутском. В планах — мост через реку Лена для связи Якутска с Нижним Бестяхом и, возможно, продолжение маршрута до Магадана на 1900 км.
Проект находится на стадии проработки, и технико-экономическое обоснование ещё не завершено. Новый коридор обещает стать кратчайшим маршрутом для экспорта российского угля и других ресурсов в северо-восточные регионы Китая, что поможет разгрузить Восточный полигон.
#ЕТК
Предыдущий проект
На Форуме BRI в Пекине в 2023 году российская делегация представила проект нового железнодорожного коридора, который свяжет Якутию, порт Магадан с железнодорожной сетью Китая. Проект включает строительство участка дороги от Сковородино на Транссибе до Мохэ в Китае и соединение с сетью в Харбине. Предлагается использовать Джалинду как новый железнодорожный пункт пропуска, где уже есть автопереход. Также потребуется новый мост через реку Амур.
Сейчас действует линия Сковородино — Тында — Нижний Бестях, связывающая БАМ и Транссиб с Якутском. В планах — мост через реку Лена для связи Якутска с Нижним Бестяхом и, возможно, продолжение маршрута до Магадана на 1900 км.
Проект находится на стадии проработки, и технико-экономическое обоснование ещё не завершено. Новый коридор обещает стать кратчайшим маршрутом для экспорта российского угля и других ресурсов в северо-восточные регионы Китая, что поможет разгрузить Восточный полигон.
#ЕТК
👍7
Занимательный лайфхак
При проектировании железной дороги: обращайте внимание назвук ! В Японии инженеры столкнулись с проблемой, когда высокоскоростные поезда, проходя через тоннели, создавали громкие "взрывы" на выходе — этот эффект называют "звуковой бум". Чтобы решить проблему, они обратились за вдохновением к… зимородку, птице, которая ныряет в воду почти без всплеска. Инженеры изменили форму носа поезда, сделав его похожим на клюв зимородка, что значительно уменьшило шум и повысило аэродинамику. Так что, проектируя железные дороги и поезда, иногда стоит посмотреть на природу — она подскажет гениальные решения! 🐦🚄
При проектировании железной дороги: обращайте внимание на
👍9🔥1🤔1
Увеличение пропускной способности транспортной инфраструктуры
Начнем сегодняэпическую одиссею глобальную серию постов про увеличение пропускной способности (#УПС). За счет каких факторов ее можно увеличить – их десятки (а то и сотни, смотря как детализировать). Каждый фактор можно оптимизировать по различным методам и технологиям (давайте тоже скажем что их сотни, кто проверит? Как говорят классики: «Если я что-то утверждаю, мне не надо это доказывать, если вы хотите опровергнуть – докажите сами). Ну и конечно же эти методы базируются на конкретных инструментах (их тоже много).
И с чего же начнем? Предлагаю следующий спуск: «УПС» – Оптимизация маршрутов – Алгоритмы.
Сегодня посмотрим на Алгоритм Дейкстры ⏬
#УПС #Оптимизация_маршрутов #Алгоритмы
Начнем сегодня
И с чего же начнем? Предлагаю следующий спуск: «УПС» – Оптимизация маршрутов – Алгоритмы.
Сегодня посмотрим на Алгоритм Дейкстры ⏬
#УПС #Оптимизация_маршрутов #Алгоритмы
Алгоритм Дейкстры
Используется для нахождения кратчайшего пути от одной вершины графа (начальной точки) до всех остальных вершин. Граф состоит из узлов (вершин) и ребер, которые соединяют эти узлы, где каждому ребру присвоена определенная стоимость (вес), например, расстояние или время.
Как работает алгоритм Дейкстры?
1️⃣ Инициализация:
📍 Создаем множество 𝑆S, содержащее все узлы.
📍 Для каждой вершины устанавливаем начальную стоимость (расстояние) до нее как бесконечность, за исключением начальной вершины, для которой стоимость равна 0.
2️⃣ Выбор минимального узла:
📍 На каждом шаге выбираем узел 𝑢u с минимальной стоимостью среди всех узлов, которые еще не были обработаны, и удаляем его из множества 𝑆S.
3️⃣ Обновление соседей:
📍 Для каждого соседа узла 𝑢u, который остается в 𝑆S, рассчитываем новую стоимость пути, проходящего через 𝑢u. Если новый путь короче, обновляем стоимость соседа.
4️⃣ Повторение:
📍 Процедура повторяется до тех пор, пока не будут обработаны все узлы в графе.
5️⃣ Результат:
📍 В конце алгоритма каждая вершина будет иметь минимальную стоимость пути от начальной вершины.
Визуализация примера
Представим следующий граф:
(A)
/ | \
1 4 2
/ | \
(B)--3|(C)--1
\ | /
2 1 4
\ | /
(D)
Здесь:
• Узлы: A, B, C, D.
• Ребра с весами: (A-B:1), (A-C:4), (A-D:2), (B-C:3), (B-D:2), (C-D:1).
1️⃣ Инициализация
• Начальная точка: A.
• Стоимости: A=0, B=∞, C=∞, D=∞.
2️⃣ Выбор узла с минимальной стоимостью
• Текущий узел: A, так как A=0 (минимум).
3️⃣ Обновление соседей
• Рассчитываем новые стоимости для узлов B, C, и D:
o B: min(∞, 0 + 1) = 1
o C: min(∞, 0 + 4) = 4
o D: min(∞, 0 + 2) = 2
• Стоимости: A=0, B=1, C=4, D=2.
4️⃣ Повторение
• Текущий узел: B, так как B=1 (минимум среди оставшихся).
• Обновление соседей:
o C: min(4, 1 + 3) = 4
o D: min(2, 1 + 2) = 2
• Стоимости: A=0, B=1, C=4, D=2.
• Следующий узел: D, так как D=2.
• Обновление соседей:
o C: min(4, 2 + 1) = 3
• Стоимости: A=0, B=1, C=3, D=2.
• Следующий узел: C, так как C=3.
5️⃣ Конец
• В конце пути:
o Кратчайшие пути: A -> B: 1, A -> D: 2, A -> C -> D: 3.
В результате:
• Путь из A в B: 1.
• Путь из A в D: 2.
• Путь из A в C через D: 3.
Это и есть результат работы алгоритма Дейкстры.
Можно использовать в задаче: найти кратчайший путь для перемещения контейнера от одного терминала к другому, учитывая расстояние и время в пути.
Хотите бесплатно поработать с программой для вычисления кратчайших путей по алгоритму Дейкстры?
Репост, "+" в комментарии и получаете программу! 🚀📊
#УПС #Оптимизация_маршрутов #Алгоритмы
Используется для нахождения кратчайшего пути от одной вершины графа (начальной точки) до всех остальных вершин. Граф состоит из узлов (вершин) и ребер, которые соединяют эти узлы, где каждому ребру присвоена определенная стоимость (вес), например, расстояние или время.
Как работает алгоритм Дейкстры?
1️⃣ Инициализация:
📍 Создаем множество 𝑆S, содержащее все узлы.
📍 Для каждой вершины устанавливаем начальную стоимость (расстояние) до нее как бесконечность, за исключением начальной вершины, для которой стоимость равна 0.
2️⃣ Выбор минимального узла:
📍 На каждом шаге выбираем узел 𝑢u с минимальной стоимостью среди всех узлов, которые еще не были обработаны, и удаляем его из множества 𝑆S.
3️⃣ Обновление соседей:
📍 Для каждого соседа узла 𝑢u, который остается в 𝑆S, рассчитываем новую стоимость пути, проходящего через 𝑢u. Если новый путь короче, обновляем стоимость соседа.
4️⃣ Повторение:
📍 Процедура повторяется до тех пор, пока не будут обработаны все узлы в графе.
5️⃣ Результат:
📍 В конце алгоритма каждая вершина будет иметь минимальную стоимость пути от начальной вершины.
Визуализация примера
Представим следующий граф:
(A)
/ | \
1 4 2
/ | \
(B)--3|(C)--1
\ | /
2 1 4
\ | /
(D)
Здесь:
• Узлы: A, B, C, D.
• Ребра с весами: (A-B:1), (A-C:4), (A-D:2), (B-C:3), (B-D:2), (C-D:1).
1️⃣ Инициализация
• Начальная точка: A.
• Стоимости: A=0, B=∞, C=∞, D=∞.
2️⃣ Выбор узла с минимальной стоимостью
• Текущий узел: A, так как A=0 (минимум).
3️⃣ Обновление соседей
• Рассчитываем новые стоимости для узлов B, C, и D:
o B: min(∞, 0 + 1) = 1
o C: min(∞, 0 + 4) = 4
o D: min(∞, 0 + 2) = 2
• Стоимости: A=0, B=1, C=4, D=2.
4️⃣ Повторение
• Текущий узел: B, так как B=1 (минимум среди оставшихся).
• Обновление соседей:
o C: min(4, 1 + 3) = 4
o D: min(2, 1 + 2) = 2
• Стоимости: A=0, B=1, C=4, D=2.
• Следующий узел: D, так как D=2.
• Обновление соседей:
o C: min(4, 2 + 1) = 3
• Стоимости: A=0, B=1, C=3, D=2.
• Следующий узел: C, так как C=3.
5️⃣ Конец
• В конце пути:
o Кратчайшие пути: A -> B: 1, A -> D: 2, A -> C -> D: 3.
В результате:
• Путь из A в B: 1.
• Путь из A в D: 2.
• Путь из A в C через D: 3.
Это и есть результат работы алгоритма Дейкстры.
Можно использовать в задаче: найти кратчайший путь для перемещения контейнера от одного терминала к другому, учитывая расстояние и время в пути.
Хотите бесплатно поработать с программой для вычисления кратчайших путей по алгоритму Дейкстры?
Репост, "+" в комментарии и получаете программу! 🚀📊
#УПС #Оптимизация_маршрутов #Алгоритмы
👍7🔥1🥱1👀1🤝1
Занимательный лайфхак
При проектировании железной дороги не забудьте учесть, что однажды ваша станция может превратиться в железнодорожный мегаполис. Оставьте место для будущих путей, чтобы потом не играть в "Тетрис" с поездами. В Японии на многих станциях Shinkansen предусмотрены резервные пути и пространства для новых технологических систем, что позволяет им модернизировать сети с минимальными затратами и неудобствами. Еще один извстный пример: строительство и расширение системы Crossrail в Лондоне, которая позже стала Elizabeth Line.
При проектировании железной дороги не забудьте учесть, что однажды ваша станция может превратиться в железнодорожный мегаполис. Оставьте место для будущих путей, чтобы потом не играть в "Тетрис" с поездами. В Японии на многих станциях Shinkansen предусмотрены резервные пути и пространства для новых технологических систем, что позволяет им модернизировать сети с минимальными затратами и неудобствами. Еще один извстный пример: строительство и расширение системы Crossrail в Лондоне, которая позже стала Elizabeth Line.
👍7🔥1👏1🥱1
Сколько железнодорожных станций в России?
Anonymous Quiz
7%
<5000
20%
6495
22%
12991
27%
19485
24%
>20000
🤔8
Кубит против коммивояжера: Когда квантовая физика начинает решать логистические задачи
Если вам когда-нибудь казалось, что ваша жизнь — это одна большая задача коммивояжера, когда каждый день приходится планировать, как избежать пробок и очередей, то знайте, что ученые решили эту проблему с помощью одного кубита. Да, вы не ослышались, кубит! В мире, где классические алгоритмы борются с NP-трудными задачами, а квантовые компьютеры рискуют стать новыми шаманами вычислений, кубит вышел на арену, чтобы показать, что даже сложнейшие маршруты могут быть оптимизированы… ну, по крайней мере, если у вас не больше шести городов.
Ученые из Гамбургского университета под руководством Питера Шмельхера оптимизировали задачу коммивояжера, используя сферу Блоха и принцип суперпозиции. Этот метод показал себя более точным, чем классические и даже некоторые квантовые алгоритмы, но пока работает только для шести городов🥲. Препринт исследования доступен здесь.
Задача коммивояжера — NP-трудная проблема🧐, требующая нахождения кратчайшего маршрута, проходящего через каждый город ровно один раз. Классические методы требуют значительных вычислительных ресурсов или дают эвристические решения. Квантовые вычислители используют квантовую запутанность, но их алгоритмы пока эффективны лишь для четырех городов и требуют сотни кубитов.
Исследователи под руководством П. Шмельхера предложили новый подход, заменив квантовую запутанность на суперпозицию👌. Города кодировались как состояния на экваторе сферы Блоха, расстояния между ними задавались вспомогательными состояниями на меридианах. Проблема была преобразована в задачу о брахистохроне, решение которой совпадает с задачей коммивояжера. Оптимальный маршрут находился с помощью операторов вращения и томографии квантового состояния, позволяя вычислить все маршруты одновременно.
Основная трудность заключалась в постобработке результатов для удаления некорректных маршрутов. Это решалось с помощью настройки операторов вращения с использованием алгоритма SPSA. Точность метода ограничена количеством городов и их расположением. Для шести симметрично расположенных городов точность превышала 0,99, но для семи городов она упала до 62%.
Авторы предполагают, что принцип суперпозиции может привести к квантовому преимуществу в других оптимизационных задачах и области квантовой химии и машинного обучения. Этот подход может способствовать развитию будущих алгоритмов.
Если вам когда-нибудь казалось, что ваша жизнь — это одна большая задача коммивояжера, когда каждый день приходится планировать, как избежать пробок и очередей, то знайте, что ученые решили эту проблему с помощью одного кубита. Да, вы не ослышались, кубит! В мире, где классические алгоритмы борются с NP-трудными задачами, а квантовые компьютеры рискуют стать новыми шаманами вычислений, кубит вышел на арену, чтобы показать, что даже сложнейшие маршруты могут быть оптимизированы… ну, по крайней мере, если у вас не больше шести городов.
Ученые из Гамбургского университета под руководством Питера Шмельхера оптимизировали задачу коммивояжера, используя сферу Блоха и принцип суперпозиции. Этот метод показал себя более точным, чем классические и даже некоторые квантовые алгоритмы, но пока работает только для шести городов🥲. Препринт исследования доступен здесь.
Задача коммивояжера — NP-трудная проблема🧐, требующая нахождения кратчайшего маршрута, проходящего через каждый город ровно один раз. Классические методы требуют значительных вычислительных ресурсов или дают эвристические решения. Квантовые вычислители используют квантовую запутанность, но их алгоритмы пока эффективны лишь для четырех городов и требуют сотни кубитов.
Исследователи под руководством П. Шмельхера предложили новый подход, заменив квантовую запутанность на суперпозицию👌. Города кодировались как состояния на экваторе сферы Блоха, расстояния между ними задавались вспомогательными состояниями на меридианах. Проблема была преобразована в задачу о брахистохроне, решение которой совпадает с задачей коммивояжера. Оптимальный маршрут находился с помощью операторов вращения и томографии квантового состояния, позволяя вычислить все маршруты одновременно.
Основная трудность заключалась в постобработке результатов для удаления некорректных маршрутов. Это решалось с помощью настройки операторов вращения с использованием алгоритма SPSA. Точность метода ограничена количеством городов и их расположением. Для шести симметрично расположенных городов точность превышала 0,99, но для семи городов она упала до 62%.
Авторы предполагают, что принцип суперпозиции может привести к квантовому преимуществу в других оптимизационных задачах и области квантовой химии и машинного обучения. Этот подход может способствовать развитию будущих алгоритмов.
👍9🔥1👌1