Multimedialny system wspomagający badania symulacyjne na potrzeby zamkniętego zagadnienia transportowego cd.

4. PRZYKŁADOWE BADANIA

W przykładzie przyjęto R=10, N=10 oraz przykładową macierz kosztów c[ij]. Każdy z algorytmów (M-MKPZ, M-MMEM, M-MRR) będzie szukał rozwiązania w trakcie 100 iteracji. Uzyskane wyniki prezentuje rys.5. Można zauważyć, że:
- algorytm M-MRR znalazł rozwiązanie o najmniejszym koszcie (75 780 zł),
- algorytm M-MMR pracował najdłużej, ale rozwiązanie znalazł już przy 6-tej (na 100 przeprowadzonych) iteracji,
- algorytm M-MKPZ zakończył obliczenia po czasie 40% krótszym niż M-MMEM i 57% krótszym niż M-MRR.


Sprawdźmy jak będą kształtować się wyniki, gdy zwiększymy złożoność problemu zmieniając liczbę odbiorców i dostawców (tabela z danymi ma teraz rozmiar 150x 150). Po przeprowadzeniu symulacji z użyciem trzech algorytmów dla danych zgroma-dzonych w tablicy o rozmiarze 150x150, możemy wyciągnąć następujące wnioski:
- algorytm M-MMR ponownie uzyskał najmniejszy koszt (146 253 zł),
- rozwiązanie znalezione przez algorytm M-MKPZ znacznie odbiega od optymalnego (koszt uzyskany przez M-MKPZ jest 14 razy większy niż ten znaleziony przez M-MMR),
- algorytm M-MMEM uzyskał koszt o 12% większy niż M-MRR.

Algorytm M-MKPZ znalazł wynik w najkrótszym czasie (ok. 7 s), czyli pracował 2 razy dłużej niż w przypadku problemu o złożoności 10x10. Natomiast algorytm M-MRR wydłużył swój czas obliczeń prawie 6-krotnie w porównaniu z wcześniejszymi badaniami.

Podsumowując wszystkie wyniki badań dochodzimy do wniosku, że algorytm M-MRR jest najlepszym algorytmem spośród biorących udział w badaniu. Wyniki jego obliczeń są najbardziej zbliżone do optymalnych, nie zależnie do wielkości badanego problemu, natomiast czas jego pracy można wyraźnie skrócić poprzez zmniejszenie ilości wykonywanych przez algorytm symulacji w poszukiwaniu optymalnego rozwiązania.