Изучение и анализ рынка товаров, закупаемых и реализуемых торгово-закупочным предприятием (на примере Белгородского территориального фонда обязательного медицинского страхования)

На рисунке 2.12 показана блок-схема работы генетического алгоритма.

Приведем список основных подпрограмм модуля.

В секции private класса TForm2 находятся следующие методы:

1) Методы для преобразования кода Грея в десятичное число:

Процедура SetGraySeq– генерация последовательности переходов

Функция IntToBin – преобразование числа (0 127) в двоичный код

Функция GrayToDec – Код Грея --> Десятичное число

2) Методы реализации генетического алгоритма (ГА)

Функция SupplSellDrug – проверка, предлагает ли указанный поставщик (значение гена -- порядковый номер соотвествующий номеру прайс-листа поставщика) данный товар локус -- номер гена в хромосоме, соответствующий номеру товара);

Функция SetFirstPopulat – генерация хромосомного набора начальной популяции, удовлетворяющего требованиям, предъявляемым к символьной модели задачи;

Функция SupplierCost -- возвращает стоимость закупки данного товара без учета скидки у поставщика, прайс-лист которого указан;

Функция OneFtnDegree – преобразование строки в коде Грея в соответствующий ей вектор управляемых переменных и вычисление общей скидки,стоимости с учетом скидок и степени приспособленности особи;

Функция GetAvgDegree – вычисление средней степени приспособленности по популяции;

Функция RemoveBeforeSkresch – предварительное отстранение особей, имеющих степени приспособленности меньше средней, от участия в скрещивании;

Процедура SetSelectVerSect – вычисление отрезков распределения вероятностей выбора особей, которые могут участвовать в скрещивании, на интервале [0,1];

Процедура SetOneVerSect – разбиение интервала [0,1] на 2 отрезка: Р и 1-Р , где Р -- указанная вероятность;

Процедура SetEquipVerSect – формирование отрезков распределения равных вероятностей на [0,1];

Функция Select – выбор объекта (особи, гена, точки) на основе отрезков распределения вероятностей выбора;

Функция Elit – стратегия элитизма: возвращает индекс особи в популяции, степень приспособленности которой максимальна;

Процедура Interchange – обмен хромосом участками, состоящими из одного или более генов (один участок первой хромосомы ßà один участок второй хромосомы);

Процедура OnePntCrossover – размножение по схеме "Одноточечный кроссовер";

Функция SetGeterList – формирует список номеров гетерозиготных генов в родительских хромосомах и возвращает порядковый номер в списке последнего номера гетерозиготного гена;

Процедура Dominant – вычисляет для аллельных форм каждого гетерозиготного гена указанного родителя вероятность доминантности, равную частоте данной аллельной формы в текущей популяции;

Процедура GenosRecomb – размножение по схеме "Рекомбинация генов";

Функция PntMutatInGen – точечная мутация в конкретном гене (Если мутированный ген в указанном локусе удовлетворяет требованиям, предъявляемым к символьной модели задачи (см. описание предыдущей функции), то функция возвращает true, иначе мутация производится в каком-либо другом бите гена и т.д., до тех пор, пока мутированный ген не станет удовлетворять требованиям задачи или, пока не будет пройдено предельное число шагов. Если требования задачи так и не будут удовлетворены, то выдается false, и значение переданного через параметр гена остается неизменным.);

Процедура PntMutation – Точечная мутация производится в случайно выбранном гене хромосомы до тех пор, пока мутированный ген не станет удовлетворять требованиям задачи (см. функцию PntMutatInGen); Если требования задачи так и не будут удовлетворены, то у особи останется старый (немутированный) ген;

Процедура GenMutation – генная мутация;

Процедура MacroPntMut -- макромутация точечная (использует функцию PntMutation);

Процедура MacroGenMut – макромутация генная (использует функцию GenMutation);

Процедура Inverse – инверсно-точечная мутация (Если ген в новом локусе не удовлетворяет требованиям задачи, то он подвергается точечной мутации до тех пор, пока не станет удовлетворять им (см. функцию PntMutatInGen). Если требования задачи так и не будут удовлетворены, то он заменяется на старый ген.);

Функция SetReprodGroup – формирование репродуктивной группы по второй селекционной схеме (в репродуктивную группу попадают те особи, у которых степень приспособленности больше или равна средней);

Процедура NatureSelect – Естественный отбор в (t_+1)-ю популяцию из репродуктивной группы по жесткой" схеме, если isElit=false, иначе членами (t_+1)-й популяции будут все произведенные особи плюс 1 элитная. Размер всех популяций одинаков, равен размеру первой.

Функция AllelDifference – функция возвращает аллельное разнообразие популяции (граничные случаи: если все хромосомы равны, то результат -- 0; если все аллели всех хромосом различны, то результат -- 1);

Функция WorldLimToGraphic – возвращает значение итоговой стоимости заказа с учетом скидок для графика эволюции минимальной стоимости;

Функция ConvertFitness – преобразование особи в вектор управляемых переменных;

Процедура BringToDB – занесение результатов одного заказа (одного вектора управляемых переменных) в базу данных;

Методы уменьшения затрат машинного времени, методы отладки и тестирования

Реальные данные для разработанного программного обеспечения занимают большие объемы: в одном рпайс-листе может быть около пяти тысяч записей, листы заказов также могут содержать до тысячи записей. Количество прайс-листов, хранимых в базе данных также велико – около двухсот набирается несколько месяцев эксплуатации программы. Количество листов заказа примерно такое же. Кроме того сформированные заказы и разнарядки имеют большие объемы, так как они сохраняются для сравнения сформированных заказов между собой.

Входными данными программы являются прайс-листы и листы заказов. В процессе своей работы программа должна получать информацию из листов заказа о потребностях в том или ином медикаменте и прайс-листов – о наличии медикамента в листе и о цене медикамента, а также происходит обращение к прайс-листам для того, чтобы узнать скидки, предоставляемые поставщиком в прайс-листе. В процессе работы генетического алгоритма обращений к базе данных особенно много, так как существующих решений во много раз больше, чем для других рассматриваемых в работе методов, потому что генетический алгоритм работает со скидками.

 Скачать реферат