(复杂系统的性能评价与优化课件资料)OverviewOfOrdinalOptimization
合集下载
(复杂系统的性能评价与优化课件资料)overview_lecture
e2 e3 e4
e5
e6
time
17
Comparison with a CVDS Trajectory
Discrete state
dx/dt = f(x,u,t)
time Hybrid System: each state can hide CVDS behavior 18
Modeling Ingredients
• Discrete States: combinatorial explosion • Stochastic Effects: unavoidable uncertainty • Continuous time and performance measure • Dynamical: • Hierarchical: • Computational vs conceptual
Untimed Timed
Finite State
Machines & Petri Nets
Finitely Recursive Processes
Min-Max Algebra
Generalized Semi-Markov
Processes
GOAL: Finite representation. Qualitative properties, Quantitative Performance
New
Generate
state
lifetime of
new event
Place the event in the future event list
Search for next event to occur
Transition to next state
复杂系统及其方法论PPT课件
复杂性研究和复杂科学的积极倡导者gellmann在他所著的夸克与美洲豹一书中曾写道?研究已表明物理学生物学行为科学甚至艺术与人类学都可以用一种新的途径把它们联系到一起有些事实和想法初看起来彼此风牛马不相及但新的方法却很容易使它们发生关联?gellmann虽然没有说明这里所说的新途径新方法是什么但从他们后来关于复杂系统复杂适应系统的研究来看这个新途径和新方法就是系统途径和系统方法
第9页/共54页
系统与系统科学
对于系统科学来说，一个是要认识系统，另一 个是在认识系统基础上，去改造、设计和运用系 统，这就要有科学方法论的指导和科学方法的运 用。
第10页/共54页
主要内容
现代科学技术的发展 系统与系统科学 综合集成思想与综合集成方法 综合集成理论与综合集成技术 综合集成工程
第11页/共54页
第20页/共54页
综合集成思想与综合集成方法
综合集成方法的实质是把专家体系、信息与知识体系以及计算机体系有机结合起来，构成一个高度 智 能 化 的 人 ·机 结 合 与 融 合 体 系 ， 这 个 体 系 具 有 综 合 优 势 、 整 体 优 势 和 智 能 优 势 。 它 能 把 人 的 思 维 、 思 维 的 成果、人的经验、知识、智慧以及各种情报、资料和信息统统集成起来，从多方面的定性认识上升到定量 认识。
第8页/共54页
系统与系统科学
另一方面，从应用角度来看，根据上述性质，为了使系统具有我们期 望的功能，特别是最好的功能，我们可以通过改变和调整系统结构或系统 环境以及它们之间关联关系来实现。但系统环境并不是我们想改变就能改 变的，只能主动去适应。而系统结构却是我们能够改变、调整和设计的。 这样，我们便可以通过改变、调整系统组成部分或组成部分之间、层次结 构之间以及与系统环境之间的关联关系，使它们相互协调与协同，从而在 整体上涌现出我们满意的和最好的功能，这就是系统控制、系统干预 （Intervention）、系统组织管理的基本内涵，也是控制工程、系统工 程等所要实现的主要目标。
第9页/共54页
系统与系统科学
对于系统科学来说，一个是要认识系统，另一 个是在认识系统基础上，去改造、设计和运用系 统，这就要有科学方法论的指导和科学方法的运 用。
第10页/共54页
主要内容
现代科学技术的发展 系统与系统科学 综合集成思想与综合集成方法 综合集成理论与综合集成技术 综合集成工程
第11页/共54页
第20页/共54页
综合集成思想与综合集成方法
综合集成方法的实质是把专家体系、信息与知识体系以及计算机体系有机结合起来，构成一个高度 智 能 化 的 人 ·机 结 合 与 融 合 体 系 ， 这 个 体 系 具 有 综 合 优 势 、 整 体 优 势 和 智 能 优 势 。 它 能 把 人 的 思 维 、 思 维 的 成果、人的经验、知识、智慧以及各种情报、资料和信息统统集成起来，从多方面的定性认识上升到定量 认识。
第8页/共54页
系统与系统科学
另一方面，从应用角度来看，根据上述性质，为了使系统具有我们期 望的功能，特别是最好的功能，我们可以通过改变和调整系统结构或系统 环境以及它们之间关联关系来实现。但系统环境并不是我们想改变就能改 变的，只能主动去适应。而系统结构却是我们能够改变、调整和设计的。 这样，我们便可以通过改变、调整系统组成部分或组成部分之间、层次结 构之间以及与系统环境之间的关联关系，使它们相互协调与协同，从而在 整体上涌现出我们满意的和最好的功能，这就是系统控制、系统干预 （Intervention）、系统组织管理的基本内涵，也是控制工程、系统工 程等所要实现的主要目标。
(复杂系统的性能评价与优化课件资料)talk_HO_zhao.v2
Outline
Introduction Deterministic optimization Stochastic optimization Game theory Summary
2020/10/4
2
Outline
Introduction Deterministic optimization Stochastic optimization Game theory Summary
Averaged over all f, the value is independent of x!
2020/10/4
10
Assume a finite world!
Finite # of input symbols (x1, x2, . . . ,
x|X|) and finite # of output symbols
y=f(x, z) where z is a random variable
Each choice of z (by nature) gives y=fz(x)
TthheisFym=fazt(rxix)
must since
be one of the columns it accounts for ALL
2020/10/4
6
Fundamental Difficulties in the Design of and Computation for Complex Systems
Time consuming performance evaluation via simulation - the 1/(T)1/2 limit Combinatorially large search space - the NP-hard limit Lack of structure - the No Free Lunch Theorem limit Practical limit of computational resource
Introduction Deterministic optimization Stochastic optimization Game theory Summary
2020/10/4
2
Outline
Introduction Deterministic optimization Stochastic optimization Game theory Summary
Averaged over all f, the value is independent of x!
2020/10/4
10
Assume a finite world!
Finite # of input symbols (x1, x2, . . . ,
x|X|) and finite # of output symbols
y=f(x, z) where z is a random variable
Each choice of z (by nature) gives y=fz(x)
TthheisFym=fazt(rxix)
must since
be one of the columns it accounts for ALL
2020/10/4
6
Fundamental Difficulties in the Design of and Computation for Complex Systems
Time consuming performance evaluation via simulation - the 1/(T)1/2 limit Combinatorially large search space - the NP-hard limit Lack of structure - the No Free Lunch Theorem limit Practical limit of computational resource
最新复杂性系统与自组织临界现象ppt课件
最简单的一维元胞自动机的演化终态
在所有的一维元胞自动机中，最简单的是 k = 2，r = 1 的情况，这时共有 256 种元胞自动 机。 S. Wolfram（1986）对这 256 种最简单的 情况进行了全面的研究，发现它们可以归纳为四 类，对应于四类吸引子：
● 演化到全部是 0 或全部是 1 的均匀状态 ● 演化到不随时间变化的定态（不动点），
● 空间离散；
● 时间离散；
● 状态的取值离散；
● 同质性 —— 所有元胞的变化都服从相同的规律；
● 高维 —— 元胞空间的维数虽然很低，但其状态变 量的个数为无穷，因此它是一个无穷维的动力系统；
● 时空演化规则的局域性 ——每一个元胞下一时刻的 状态，只取决于其周围邻域中的元胞的当前时刻的状态， 以及该元胞本身当前时刻的状态，亦即时间和空间演化的 运算规则是局域的。
● 混沌控制（chaos control）（E. Ott et al.，1990 ） 与 混沌同步（chaos synchronization ）（T. L. Carroll & L. M. Pecora，1990）
● 符号动力学（Symbolic Dynamics ）（N. Metropolis et al.，1973；J. Milnor & E. Thurston，1977）
● 非线性（混沌）时间序列分析（nonlinear time series analysis）（N. H. Packard et al.，1980；F. Takens， 1981）
● 自组织临界（self-organized criticality）理论（Bak et al. ，1986）
第三阶段：二十世纪七十年代至今（续）
第一阶段：二次大战至战后
高中通用技术《3.2 系统分析及优化》课件
码头？
根据要求可画出下图，在江边DE上求一点C，使 C到A、B两厂的距离之和为最短。
数学模型为： Smin=AC+BC
过A点作关于直线DE的对称点A1，连接A1B与DE相交 于C，这一点既为所求的码头的地点。 根据相似三角形原理，求得 DC=1.4km，码头建在与 A厂到江边垂直距离位置相距1.4km处，运输路线最短。
数学模型
估算、试验
最优解
完善、验证 满意解
线性规划
目标函数 是系统目标与系统中的某些元素 之间的关系。
约束条件 是对系统的功能起着限制作用、并 且是不能人为调节的因素。
案例分析
利润问题
约 束 条 件
【案例分析3】
在江边一侧有A、B两个工厂，它们到江边 的距离分别是2km和3km，设两工厂沿江方向的距 离是3.5km，现在要在江边修建一个码头，使得两 厂的产品能够顺利过江，问码头应建在什么位置， 才能使运输路线最短？
隔音墙作用的本质是改变噪音的传 播途径，以达到改善污染的目的。 又如：建筑材料的改进也是一项优化 技术，以往建筑物的墙体多采用实心砖， 现在采用了空心砖，在保证强度、隔热 隔音效果的同时，节省了材料。
系统优化的意义就是以最小的投入， 获取系统的最佳效益或最佳功能。
为使系统达到最优的目标而提出的求 解方法称为最优化方法。 系统优化的方法是多样的，但无论运 用怎样的优化方法，都需要经过若干次完 善和验证，才能得出最优解或满意解。
从“为江边码头选址”这个例子，可以看出 优化仅仅靠定性的分析是远远不够的，还需要更 多的定量计算才行。
二、影响系统优化的因素
是指对系统的目标函数产生显著影响， 并且可以人为调节的因素。 ①优化追求的目标要适度。 ②希望投入最小，而取得的效益最大 ③系统优化离不开条件，条件是否具备直接影 响优化。 ④某些不确定的或不可预见的因素也会影响系 统的优化。
(复杂系统的性能评价与优化课件资料)OverviewOfOrdinalOptimization
TRUE PERFORMANCE
J 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58
Overview of Ordu-chi Ho
Harvard University & Tsinghua University
Acknowledgments
• Work of many people over a period of 13 years. • Supported by ONR, AFOSR, ARO, NSF, & EPRI. • First paper – 1992 (Ho, Screenivas, Vakili) • Convergence –Dai, Xie, Ho & Lau. • Multi-criteria and Constraints – Ho, Guan, Song, Zhao, Jia,
Xie)
10/4/2020
A
B
Y.C. Ho
Performance
8
Major OO Result II
• Satisfactory results increases
combinatorially with the size of Good Enough threshold (Ho Lau and Lee 1999)
DESIGN
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58
复杂系统的处理与优化
复杂系统的处理与优化一、背景复杂系统的处理与优化是现代科学技术领域的重要研究领域之一。
随着科技的快速发展和各行业应用领域的不断扩大，复杂系统的应用越来越广泛。
因此，如何高效地处理和优化复杂系统成为了科学家和工程师们面临的重要挑战，也是当前复杂系统研究领域的一个热点问题。
二、复杂系统的概念与特征复杂系统指的是在各种因素的相互作用下具有不可预测性和非线性特性的系统，这些因素包括但不限于空间、时间、物质、能量等。
复杂系统的特征在于其复杂的拓扑结构和复杂的相互作用关系。
由于复杂系统的因素众多且相互作用错综复杂，因此复杂系统往往呈现出非线性特性，这使得用传统的线性方法很难处理和优化。
三、复杂系统的处理方法针对复杂系统的特点，研究人员提出了多种处理方法，下面介绍其中的几种：1.模型建立模型建立是处理复杂系统的基础。
模型可以描述系统中各种因素的相互作用及其互相影响的情况，为复杂系统的优化提供必要的理论基础。
模型可以基于基本物理定律、经验规律，也可以基于统计学方法和数学建模方法。
研究人员可以通过实验和数据分析来建立模型，以便对复杂系统进行更加准确和有效的处理和优化。
2.数据挖掘数据挖掘是从大量数据中发现规律性的方法。
复杂系统的原始数据量往往非常大，通过数据挖掘可以从中发现有价值的信息，为复杂系统的处理提供支持。
数据挖掘方法包括聚类分析、关联分析、分类分析等。
这些方法能够对复杂系统数据进行有意义的分类、关联和分析，从而为解决复杂问题提供基础。
3.网络分析网络分析是处理和优化复杂系统的有效方法之一。
网络分析可以将复杂系统转化成网络结构，从而研究其节点和边的相互作用关系。
网络分析方法包括社会网络分析、复杂网络分析等。
这些方法能够揭示复杂系统的结构和演化规律，并且为复杂系统的优化提供基础。
四、复杂系统的优化方法为了进一步提高复杂系统的效率和性能，研究人员提出了各种优化方法。
1.模拟退火算法模拟退火算法是一种基于概率的优化方法，通常用于处理复杂问题。
系统的优化课件-高中通用技术粤科版(2019)必修 技术与设计2
系统的优化不仅要注重系统中 组成部分（要素）的优化，还 要注重组成部分（要素）之间、 组成部分（要素）与整体之间 的协调和连接的有序性。
粤版高中通用技术《技术与设计2》
二、影响系统优化的因素
案例分析：养殖区优化
系统的优化在未能建立优化目标与影响 因素的数学关系的情况下，无法得出量 化的目标值，只能通过定性的分析或估 计寻求较为满意的结果。
粤版高中通用技术《技术与设计2》
二、影响系统优化的因素
案例分析：
千烟洲立体生态农业
系统优化的目标：
改善生态环境，提高农业生产经济效益， 帮助农民脱贫致富。
系统优化的约束条件：
亚热带红壤丘陵地区的地形、气候、生物 生长习性等。
影响系统优化的因素：
直接影响生态环境和农业生产效益的因素。
思考：影响千烟洲生态农业系统优化有哪些因素。
粤版高中通用技术《技术与设计2》
习题
1．造纸工厂会产生大量废水，为减少对 环境的影响，该如何对造纸生产系统进
行优化？ （ C ）
2．列车提速是对铁路运输系统的优化。
下列说法正确的是？（ B ）
A. 将废水深埋地下。 B. 禁止造纸工厂生产，通过进口满
足市场需求。
C. 改进生产工艺，通过污水处理系 统处理废水。
（ B）
A. 纸上谈兵 B. 守株待兔 C. 一字千金 D. 田忌赛马
A. 优化的目标 B. 约束条件 C. 决策变量 D. 目标函数
粤版高中通用技术《技术与设计2》
总结
第三节 系统的优化
一、系统优化的意义 二、影响系统优化的因素
更佳功能或更佳效益 投入的人力、物力、财力达到最小
优化的目标 优化的约束条件
系统分析：
(复杂系统的性能评价与优化课件资料)kalman_filter
2
Example
➢ How do we estimate the state (x) given i+1 observations (z(1), …, z(i+1))? By averaging.
➢ The ith observation z(i) = x + (i).
➢ The estimate with i+1 observations:
Kalman Filter: Bayes Interpretation
Study Guide for ES205
Yu-Chi Ho Jonathan T. Lee Jan. 15, 2001
Outline
➢ Example ➢ Problem Statement ➢ Solutions ➢ Propagation of Distribution ➢ Applications
x i 1 x ˆi w i
M i 1 P i T Q T
N
12
Propagation of Distribution (cont.)
➢ Mean:
xˆi1 x i 1
OlE ds timate
Pi 1 H TR i 1 1 z i 1 H x i 1
ConfidFeancctoer CorreT cteiorm n
xˆi 1
1
i1
zj
i 1 j1
N
3
Example (cont.)
➢ Kalman filter is a sophisticated way to do averaging.
➢ P(i) becomes smaller as a function of i.
Example
➢ How do we estimate the state (x) given i+1 observations (z(1), …, z(i+1))? By averaging.
➢ The ith observation z(i) = x + (i).
➢ The estimate with i+1 observations:
Kalman Filter: Bayes Interpretation
Study Guide for ES205
Yu-Chi Ho Jonathan T. Lee Jan. 15, 2001
Outline
➢ Example ➢ Problem Statement ➢ Solutions ➢ Propagation of Distribution ➢ Applications
x i 1 x ˆi w i
M i 1 P i T Q T
N
12
Propagation of Distribution (cont.)
➢ Mean:
xˆi1 x i 1
OlE ds timate
Pi 1 H TR i 1 1 z i 1 H x i 1
ConfidFeancctoer CorreT cteiorm n
xˆi 1
1
i1
zj
i 1 j1
N
3
Example (cont.)
➢ Kalman filter is a sophisticated way to do averaging.
➢ P(i) becomes smaller as a function of i.
计算机的性能及其评估标准PPT课件
精品课件
9
2.2.2 衡量CPU性能的公式
CPI的计算
n
CPI执行整个程 程 序 序 所 中 需 的 要 指 的 令 C总 PU 数 时钟周期数＝i1CIPNIi Ii
n
CPIi
i1
IINi
Ii表示第i类指令在程序中的执行次数，CPIi表示 执行一条第i类指令所需的平均时钟周期数， n为 程序中的指令种类数。
CPU时间
CPU工作的时间，不包含I/O等待时间及运行 其它程序的时间。
用户CPU时间：CPU真正执行用户代码的时间
系统CPU时间：CPU执行OS代码所占用的时间
精品课件
5
2.2.1 衡量计算机性能的主要标准
系统CPU时间难测的原因:
1. 不同的机器用不同的OS 2. 系统CPU时间是由OS自身测量的 3. OS系统代码在有些机器上也算用户代码
(1) 追求高性能指标的设计； (2) 追求低成本的设计； (3) 高性价比的设计。
精品课件
3
2.2 计算机性能和性价比
1. 衡量计算机性能的主要标准(时间和速率) 2. 衡量CPU性能的公式 3. MIPS和MFLOPS
精品课件
4
2.2.1 衡量计算机性能的主要标准
响应时间
在用户向计算机系统送入一个任务后，直到获 得他所需要的结果所需的等待时间，其中包括 访问磁盘和主存储器的时间、CPU运算时间、 I/O动作时间以及操作系统工作的时间开销等。
精品课件
17
2.2.3 MIPS和MFLOPS
除了采用MFLOPS，还有以下表达方式： (1) FLOPS：每秒1次浮点运算； (2) GFLOPS：每秒10亿次浮点运算； (3) TFLOPS：每秒1万亿次浮点运算； (4) PFLOPS：每秒1千万亿次浮点运算。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• Best for Sure vs. Good enough with High
Probability
• QUANTIFY this tradeoff
7/21/2020
Y.C. Ho
7
Major OO Result I
• Order converges exponentially fast (Dai and
• High cost and profit potential
7/21/2020
Y.C. Ho
6
Pralue” - The two box
metaphor
• Asking only for the “good enough” =>
Satisfying possibilities increases combinatorially
Good Enough Threshold
7/21/2020
Y.C. Ho
9
A Live Demonstration
• 200 choices numbered from 1, . . . , 200 • Very large measurement noise U[0,100] or
U[0, 10000] added
systems (power grid, Internet, manufacturing & supply chain,et al) can only be modeled by simulation.
• Accuracy of performance estimate ~ square
root of computing budget allocated, e.g., To increase accuracy ten fold requires 100 fold increase of computation => infeasible to simulate.
• Select top-12 (top 6%) using noisy
measurements
• Check alignment between S and G, the true
top-12.
• Open OO demo.xls and play!
7/21/2020
Y.C. Ho
10
Illustration of OO demo.xls. Go to EXCEL to open and play
7/21/2020
Y.C. Ho
5
A Typical Real World Problem (contd.)
• Many decisions over time
• How much to disassemble • Out-source vs. Internal work • Parts inventory level • Repair vs. Replace • Preventive maintenance
• SOLUTION: OO renders the above difficult
problem feasible.
• OO is very general and can be applied
anywhere.
7/21/2020
Y.C. Ho
3
Rationale & Need for OO
• Most modern human-made complex
7/21/2020
Y.C. Ho
2
What Is OO?
• PROBLEM: Performance evaluation and
optimization of complex systems via simulation is extremely time consuming and often impossible.
Lee, Li et al.
• Selection Rules – Zhao, Jia, Ho. • Optimal Allocation of Computing Budget – Chen, Lee et al • Constraint satisfaction – Song et al • Complete reference and applications list at end.
(复杂系统的性能评价与优化课件资料）OverviewOfOrdinalOptimization
Acknowledgments
• Work of many people over a period of 13 years. • Supported by ONR, AFOSR, ARO, NSF, & EPRI. • First paper – 1992 (Ho, Screenivas, Vakili) • Convergence –Dai, Xie, Ho & Lau. • Multi-criteria and Constraints – Ho, Guan, Song, Zhao, Jia,
DESIGN
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58
7/21/2020
Y.C. Ho
4
A Typical Real World Problem
• Jet engine maintenance and re-
manufacturing problem
• Hundreds of units, thousands of parts • Stochastic arrival and repair time • Disassembly and assembly constraints • Out-source possibility • Inventory of supplies
Xie)
7/21/2020
A
B
Y.C. Ho
Performance
8
Major OO Result II
• Satisfactory results increases
combinatorially with the size of Good Enough threshold (Ho Lau and Lee 1999)
Probability
• QUANTIFY this tradeoff
7/21/2020
Y.C. Ho
7
Major OO Result I
• Order converges exponentially fast (Dai and
• High cost and profit potential
7/21/2020
Y.C. Ho
6
Pralue” - The two box
metaphor
• Asking only for the “good enough” =>
Satisfying possibilities increases combinatorially
Good Enough Threshold
7/21/2020
Y.C. Ho
9
A Live Demonstration
• 200 choices numbered from 1, . . . , 200 • Very large measurement noise U[0,100] or
U[0, 10000] added
systems (power grid, Internet, manufacturing & supply chain,et al) can only be modeled by simulation.
• Accuracy of performance estimate ~ square
root of computing budget allocated, e.g., To increase accuracy ten fold requires 100 fold increase of computation => infeasible to simulate.
• Select top-12 (top 6%) using noisy
measurements
• Check alignment between S and G, the true
top-12.
• Open OO demo.xls and play!
7/21/2020
Y.C. Ho
10
Illustration of OO demo.xls. Go to EXCEL to open and play
7/21/2020
Y.C. Ho
5
A Typical Real World Problem (contd.)
• Many decisions over time
• How much to disassemble • Out-source vs. Internal work • Parts inventory level • Repair vs. Replace • Preventive maintenance
• SOLUTION: OO renders the above difficult
problem feasible.
• OO is very general and can be applied
anywhere.
7/21/2020
Y.C. Ho
3
Rationale & Need for OO
• Most modern human-made complex
7/21/2020
Y.C. Ho
2
What Is OO?
• PROBLEM: Performance evaluation and
optimization of complex systems via simulation is extremely time consuming and often impossible.
Lee, Li et al.
• Selection Rules – Zhao, Jia, Ho. • Optimal Allocation of Computing Budget – Chen, Lee et al • Constraint satisfaction – Song et al • Complete reference and applications list at end.
(复杂系统的性能评价与优化课件资料）OverviewOfOrdinalOptimization
Acknowledgments
• Work of many people over a period of 13 years. • Supported by ONR, AFOSR, ARO, NSF, & EPRI. • First paper – 1992 (Ho, Screenivas, Vakili) • Convergence –Dai, Xie, Ho & Lau. • Multi-criteria and Constraints – Ho, Guan, Song, Zhao, Jia,
DESIGN
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58
7/21/2020
Y.C. Ho
4
A Typical Real World Problem
• Jet engine maintenance and re-
manufacturing problem
• Hundreds of units, thousands of parts • Stochastic arrival and repair time • Disassembly and assembly constraints • Out-source possibility • Inventory of supplies
Xie)
7/21/2020
A
B
Y.C. Ho
Performance
8
Major OO Result II
• Satisfactory results increases
combinatorially with the size of Good Enough threshold (Ho Lau and Lee 1999)