Русский | English
На данном портале представлены методы поддержки принятия решений и исследования операций, включая методы многокритериального анализа альтернатив и оптимизации. Все методы доступны через пользовательский интерфейс и через RESTful API после регистрации.
Скачать описание RESTful API Пример
Пример написания собственного метода
Основные доступные методы:
| Метод | Описание |
|---|---|
| aircraft_schedule | Определение оптимального количества летательных аппаратов и составление расписания |
| ant_colony | Решение задачи поиска кратчайшего пути в графе методом муравьиной колонии. Входные данные представлены в виде: { "from_vertex" : "<имя начальной вершины>", "to_vertex" : "<имя конечной вершины>", "graph":{ "имя исх вершины": { "имя вх вершины 1": <длина дуги>, "имя вх вершины 2": <длина дуги> }, ..... } } Метод разработан при финансовой поддержке РФФИ (проект № 18-00-00011 КОМФИ). |
| avg_fuzzy_ranking | Агрегирование нечетких суждений экспертов, заданных треугольными функциями принадлежности. Метод разработан при финансовой поддержке РФФИ (проект № 19-01-00520 А). |
| bellman_ford | Реализация алгоритма Беллмана-Форда. Алгоритм Беллмана-Форда предназначен для решения задачи поиска кратчайшего пути на графе. Для заданного взвешенного графа алгоритм находит кратчайшие расстояния от выделенной вершины-источника до всех остальных вершин графа. Его отличительной особенностью является применимость к графам с произвольными, в том числе отрицательными, весами. Входные данные содержат: массив рёбер “graph”, каждое из которых состоит из вершины “из“, вершины “в“ и веса ребра; номер начальной вершины “vertex“, для которой выполняется поиск; переменная “isDirect“, которая может принимать значения 1 и 0 в зависимости от того, ориентированный граф или нет. Программная реализация: Храпов Н.В. |
| concordance | Расчет коэффициента конкордации. Является мерой согласованности мнений экспертов. Исходная матрица экспертных оценок в ранговой шкале (строки - оцениваемые альтернативы, столбцы - эксперты). p - уровень значимости - допустимая для данной задачи вероятность ошибки первого рода (ложноположительного решения, false positive). На выходе значение коэффициента конкордации - w, статистическая оценка - hi2 и табличное значение - hi2_tab и accepted - признак того, что мнение экспертов можно считать согласованным. |
| consistency_increase | Повышение согласованности матрицы парных сравнений. На вход подается JSON c матрицей парных сравнений, требуемым уровнем согласованности и ограничением на число вариаций: { "matrix": [ [...],[...]...], "cnt": ...}. На выходе приводится набор изменений, которые рекомендуется применить к исходной матрице, чтобы повысить ее согласованность, и индекс согласованности матрицы после изменений. Метод разработан при финансовой поддержке РФФИ (проект № 18-01-00382 A). |
| eulerian_path | Поиск эйлерова пути в неориентированном графе. Необходимо задать массив ребер. Необязательный параметр: номер начальной вершины. { "graf": [[1,2],[2,3]],"initial": 1 } |
| fuzzy_od_matrix | Восстановление нечеткой матрицы корреспонденций. Работа выполнена при поддержке гранта РНФ 17-71-30014. |
| fuzzy_preferences | Ранжирование альтернатив в нечетких областях предпочтений. Метод разработан при финансовой поддержке РФФИ (проект № 16-01-00571-а). |
| game_equilibrium | Поиск равновесных состояний в матричной игре 2-х игроков. Во входном массиве 1-й индекс соответствует первому игроку, 2-й индекс - второму игроку. Элемент массива - это массив выигрышей первого и второго игрока соответственно. На выходе массив индексов элементов соответствующих равновесному состоянию (индексация элементов с нуля). Если равновесие в чистых стратегиях отсутствует выводится ключ: "error":"the equilibrium does not exist". |
| game_iter | Решение антогонистической игры 2-х лиц с нулевой суммой в смешанных стратегиях приближенным итеративным методом. Входные данные платежная матрица выигрыша первого игрока. Строки - стратегии перого игрока, столбцы - стратегии второго игрока. На выходе - трассировка, цена игры и вероятности стратегий. |
| GFP | Метод выявления предпочтений лица, принимающего решения. Заключается в разбиении пространства критериев на области и определении отношения предпочтения между ними с использованием качественных методов теории принятия решений. В случае если несколько недоминируемых альтернатив попадают в одну область, рекомендовано воспользоваться количественными методами сопоставления альтернатив внутри заданной области. Функция, с помощью которой вычисляют итоговую оценку альтернатив, названа гибридной функцией предпочтений. Она может быть использована в задачах выбора, ранжирования и оптимизации. |
| graph_connectivity | Определение связности неориентированного графа. Исходные данные задаются в виде вершин и массива ребер: { "graf": { "1": ["2","4","6"], "4": [] } }. |
| hamiltonian_path | Поиск гамильтонова пути в направленном графе. Исходные данные задаются в виде вершин и массива инцидентных им дуг: { "graf": { "1": ["2","4","6"], "4": [] }, "initial": "1" }. Может быть указан необязательный параметр - начальная вершина initial. |
| inconsistency_graph | Поиск циклов в графе для обнаружения нетранзитивности предпочтений по матрице парных сравнений. Метод разработан при финансовой поддержке РФФИ (проект № 18-01-00382 A). |
| kernighan_lin | Алгоритм Кернигана – Лина. Позволяет разбить граф на заданное количество частей с минимизацией отклонений весов частей от среднего и минимизацией связей между частями. Вх. параметры: Iterations - число итераций. Mode - режим работы программы (1-оптимизированный для задачи в которой происходит разбиение с учетом весов вершин и весов ребер, 2-классический). Numbers - на сколько частей делить. Vertex – массив весов вершин графа. Connections – связь вершин с указанием веса. Вых. параметры: trace - трассировка, result - результат, включает: Parts - группы. EdgesWeight – вес ребер. VertexWeight – вес вершин. Vertex-вершины, которые входят в группу. Программная реализация: В.Качнов |
| metis | Разбиение графа на подграфы. Использует библиотеку: http://glaros.dtc.umn.edu/gkhome/metis/metis/overview . Исходные данные: "has_vertices_size" = 1, если задан размер вершин, "number_of_vertices_weights" - число весов вершин, "has_edges_weights" = 1, если заданы веса ребер, "graph" - массив вершин, для каждой вершины в массиве могут быть заданы: размер вершины, веса вершины, смежные вершины (нумерация с 1) и веса ребер. "nparts" - число частей на которые следует разбить граф. |
| min_fal | Минимизация функций алгебры логики. В качестве входных данных указывается изображающее число: {"output": "11010110"} |
| opt_bs_prj | Решение комбинаторной задачи оптимизации для рационального распределения средств на инфраструктурые проекты. |
| opt_dynamic_prog | Решение задач распределения ресурсов методом динамического программирования. Параметры входного JSON: а - коэффициенты в ограничении, max_res - суммарная величина выделенного ресурса, f - массив формул сепарабельных компонент целевой функции. В формулах f следует указывать переменную x - это аргумент функции. В формуле допустимо использовать функции библиотеки ruby math. |
| opt_rl_bs | Поиск решения в задаче планирования спортивной инфраструктуры методом машинного обучения с подкреплением. Работа выполнена при финансовой поддержке ФГБОУ ВО «РЭУ им. Г.В. Плеханова» |
| opt_simplex | Решение задачи линейного программирования симплекс-методом. Входные данные для работы программы вводятся следующим образом: { "traceEnabled" : Включена ли трассировка (false или true), "direction" : Направление оптимизации в кавычках ("min" или "max"), "mainFunction" : Коэффициенты при переменных в целевой функции в квадратных скобках через запятую (например, [1.0, 1.0, 1.0]) , "limitations" : { Номер ограничения, нумерация всегда должна идти с нуля, пишется только число в кавычках (например, "0") : { "numbers" : [Коэффициенты при переменных в ограничении, последнее число - правая часть ограничения (например, [1.0, 1.0, 1.0, 10.0])], "sign" : "Знак в ограничении ("<=", "=" или ">=")" }, ... } } } Программная реализация: Власов М.А. |
| opt_transport_task | Решение траспортной задачи в матричной постановке (Т-задачи) специальным алгоритмом линейного программирования. Исходные данные задаются в формате JSON хэша с ключами: production - объёмы производства, consumption - объёмы потребления, cost - стоимость перевозки (строки - пункты производства, столбцы - пункты потребления), is_mup - использовать упорядочивание пар при поиске допустимого решения (если =1, то "Да"), is_trace - если равен 1, то выводить полную трассировочную печать, add_cost - потери от перепроизводств или от недопоставок. Работа выполнена при поддержке гранта РНФ 17-71-30014. |
| opt_vector_lattice | Оптимизация методом неявного перебора по векторной решетке. Исходные данные - JSON с параметрами: "trace" - трассировка (1-да, 0- нет) , "kn" - флаг работы КН (1-работает, 0-нет), "kpia" - флаг работы КПИА (1-работает, 0-нет), "kpp" - флаг работы КПП (1-работает, 0-нет), "dir" - направление оптимизации (0-min, 1-max), "c"- вектор-строка коэффициентов целевой функции С, "h" - вектор-строка верхних ограничений переменных H, "asb" - двумерный массив, его строки должны содержать коэффициенты ограничений A, знаки ограничений (знак ограничения <= кодируется как 0, = как 1, >= как 2) и правые части ограничений В (по одному ограничению в строке). Метод разработан при финансовой поддержке РФФИ (проект № 18-00-00011 КОМФИ). |
| pairwise_comparison | Определение весов критериев или рангов альтернатив методом парных сравнений. На вход подается JSON в матрицей парных сравнений: { "matrix": [ [...],[...]...] }. На выходе формируются веса и определяется согласованность. |
| pareto_optimality | Определение парето-оптимальных (эффективных) решений |
| statistical_hypothesys | Проверка стат. гипотез на нормальность для малых выборок (от 8 до 50 элементов). По ГОСТ Р ИСО 5479-2002 автоматически выбирается и рассчитывается критерий Шапиро-Уилка или Эппса-Палли. Далее осущетвляется проверка гипотезы равенства мат.ожидания по парам выборок по T-критерию Стьюдента или U-критерию Манна — Уитни. |
| tsp | Решение задачи коммивояжёра (англ. Travelling salesman problem, сокращённо TSP) методом генетического программирования. Параметры: population_size - размер популяции, generations - число поколений, start - начальная вершина пути, end - конечная вершина пути, costs - матрица стоимостей перевозок (строки - источники, столбцы - приемники). |
| weighted_sum | Взвешенная сумма. На вход подаются веса, направления улучшения критериев и значения критериев по всем альтернативам. На выходе вычисляются ранги альтернатив. |
Основные доступные модели:
| Модель | Описание |
|---|---|
| BPR-model of transport network | Модель описывает транспортную сеть. Функция затрат на проезд по дуге определяется классической BPR-функцией: travel_time( flow ) = free_flow_time * ( 1 + B * ( flow / capacity )^P ). На вход модели подается граф сети и набор корреспонденций. На выходе возвращается распределение потоков по дугам (равновесное состояние). Программная реализация модели: Аникин А.С. Исследование выполнено в рамках федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 – 2020 годы», Соглашение № 14.604.21.0052 от 30.06.2014 г. с Минобрнауки. Уникальный идентификатор проекта RFMEFI60414X0052. |
| The model of choice based on the HPF | Модель выбора на основе гибридной функции предпочтений. Модель позволяет определить ранги альтернатив на основе гибридной функции предпочтений. Исследование выполнено в рамках федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 – 2020 годы», Соглашение № 14.604.21.0052 от 30.06.2014 г. с Минобрнауки. Уникальный идентификатор проекта RFMEFI60414X0052. |
| The Model of Pareto-Optimal Solutions | Присваивает ранг 1 парето-оптимальным решениям и ранг 0 доминируемым |
| Weighted sum choice model | Модель позволяет определить ранги альтернатив. |
| Ковид в агломерациях | Тестирование |