10.26731/2658-3704.2021.3(11).25-34
Целью данной работы является проведение сравнительного анализа программ Microsoft Excel и LPSolve IDE на примере решения транспортных задач большой размерности. Рассмотрена технология решения транспортных задач в программах Microsoft Excel и LPSolve IDE. Установлено, что Excel позволяет решать транспортные задачи с общим количеством переменных, не превосходящим 200. Следовательно, Excel не может считаться программным обеспечением, предназначенным для решения транспортных задач большой размерности. В Excel и LPSolve были проведены вычислительные эксперименты. Оказалось, что даже при решении задач малой размерности, программа Excel уступает по производительности пакету LPSolve. Для автоматизации процесса формирования математической модели в LPSolve была разработана специальная программа-преобразователь. С помощью неё было уменьшено время на ввод транспортных задач большой размерности в LPSolve. Пакет LPSolve справился с решением задачи размерности 330 * 330, в которой 108900 переменных и 660 ограничений, всего за 245,75 секунд, поэтому он может считаться эффективным программным обеспечением, предназначенным для решения транспортных задач большой размерности.
1. Гефан Г.Д. Экономико-математические методы и модели. Курс математики, ориентированный на использование компьютера. Ч.1. Некоторые методы исследования операций : учеб. пособие для студентов экономических специальностей. – Иркутск : ИрГУПС, 2010. – 208 с.
2. Кузнецов А.В., Сакович В.А., Холод Н.И. Высшая математика. Математическое программирование. – СПб.: Издательство "Лань", 2013. – 352 с.
3. Носков С.И., Базилевский М.П. Построение регрессионных моделей с использованием аппарата линейно-булевого программирования. – Иркутск, 2018. – 176 с.
4. Базилевский М.П., Носков С.И. Формализация задачи построения линейно-мультипликативной регрессии в виде задачи частично-булевого линейного программирования // Современные технологии. Системный анализ. Моделирование. – 2017. – № 3 (55). – С. 101-105.
5. Базилевский М.П. Отбор информативных регрессоров с учётом мультиколлинеарности между ними в регрессионных моделях как задача частично-булевого линейного программирования // Моделирование, оптимизация и информационные технологии. – 2018. – Т. 6, № 2 (21). – С. 104-118.
6. Базилевский М.П. Сведение задачи отбора информативных регрессоров при оценивании линейной регрессионной модели по методу наименьших квадратов к задаче частично-булевого линейного программирования // Моделирование, оптимизация и информационные технологии. – 2018. – Т. 6, № 1 (20). – С. 108-117.
7. Базилевский М.П. Отбор оптимального числа информативных регрессоров по скорректированному коэффициенту детерминации в регрессионных моделях как задача частично целочисленного линейного программирования // Прикладная математика и вопросы управления. – 2020. – № 2. – С. 41-54.
8. Носков С.И., Рязанцев А.И. Двухкритериальная транспортная задача // T-Comm: Телекоммуникации и транспорт. – 2019. – Т. 13. – № 2. – С. 59-63.
9. Сперанский Д.В., Горелик А.В., Орлов А.В. Задачи оптимизации ресурсов в области технической эксплуатации систем автоматики и телемеханики // Автоматика на транспорте. – 2020. – Т. 6. – № 2. – С. 184-203.
10. Фурина К.О. О решении задач большой размерности в пакете Mathcad на примере транспортной задачи // Современные проблемы науки и образования. – 2015. – № 1-1. – С. 1749.
11. LPSolve IDE [Электронный ресурс]. – Режим доступа: https://sourceforge.net/projects/lpsolve/ (дата обращения 31.05.2021)