Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов

В данной статье рассматривается одна из актуальных проблем, а именно повышение эффективности организации процесса доставки заказов путем автоматизации планирования и управления транспортных маршрутов. Предлагается эволюционный алгоритм, базирующийся на динамической аналитической модели, позволяющий...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2012
Hauptverfasser:	Шептура, А.А., Кузичкина, Е.Ю.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Інститут проблем штучного інтелекту МОН України та НАН України 2012
Schriftenreihe:	Штучний інтелект
Schlagworte:	Интеллектуальные системы планирования, управления, моделирования и принятия решений
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/56736
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов / А.А. Шептура, Е.Ю. Кузичкина // Штучний інтелект. — 2012. — № 1. — С. 199-206. — Бібліогр.: 7 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-56736
record_format	dspace
spelling	nasplib_isofts_kiev_ua-123456789-567362025-02-23T17:35:04Z Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов Еволюційний алгоритм для рішення задачі автоматизації формування транспортних маршрутів Evolutionary Algorithm for Solving the Problem of Automated Transport Routes Шептура, А.А. Кузичкина, Е.Ю. Интеллектуальные системы планирования, управления, моделирования и принятия решений В данной статье рассматривается одна из актуальных проблем, а именно повышение эффективности организации процесса доставки заказов путем автоматизации планирования и управления транспортных маршрутов. Предлагается эволюционный алгоритм, базирующийся на динамической аналитической модели, позволяющий при прогнозе показателей транспортных маршрутов учитывать изменение дорожно- транспортной ситуации и характеристик процесса доставки заказов, что значительно позволит повысить эффективность планирования транспортных маршрутов. У даній статті розглядається одна з актуальних проблем, а саме підвищення ефективності організації процесу доставки замовлень шляхом автоматизації планування та управління транспортних маршрутів. Пропонується еволюційний алгоритм, який базується на динамічній аналітичної моделі дозволяє при прогнозі показників транспортних маршрутів враховувати зміну дорожньо-транспортної ситуації і характеристик процесу доставки замовлень, що значно дозволить підвищити ефективність планування транспортних маршрутів. This article discusses one of the pressing problems, which is namely improving the organization of the delivery orders by automated planning and management of transport routes. Evolutionary algorithm based on dynamic analysis model, which allows taking into account changes in road traffic conditions and characteristics of the delivery orders at the forecast performance of transport routes, is proposed. This algorithm will improve the planning of transport routes significantly. 2012 Article Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов / А.А. Шептура, Е.Ю. Кузичкина // Штучний інтелект. — 2012. — № 1. — С. 199-206. — Бібліогр.: 7 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/56736 681.518 ru Штучний інтелект application/pdf Інститут проблем штучного інтелекту МОН України та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Интеллектуальные системы планирования, управления, моделирования и принятия решений Интеллектуальные системы планирования, управления, моделирования и принятия решений
spellingShingle	Интеллектуальные системы планирования, управления, моделирования и принятия решений Интеллектуальные системы планирования, управления, моделирования и принятия решений Шептура, А.А. Кузичкина, Е.Ю. Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов Штучний інтелект
description	В данной статье рассматривается одна из актуальных проблем, а именно повышение эффективности организации процесса доставки заказов путем автоматизации планирования и управления транспортных маршрутов. Предлагается эволюционный алгоритм, базирующийся на динамической аналитической модели, позволяющий при прогнозе показателей транспортных маршрутов учитывать изменение дорожно- транспортной ситуации и характеристик процесса доставки заказов, что значительно позволит повысить эффективность планирования транспортных маршрутов.
format	Article
author	Шептура, А.А. Кузичкина, Е.Ю.
author_facet	Шептура, А.А. Кузичкина, Е.Ю.
author_sort	Шептура, А.А.
title	Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов
title_short	Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов
title_full	Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов
title_fullStr	Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов
title_full_unstemmed	Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов
title_sort	эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2012
topic_facet	Интеллектуальные системы планирования, управления, моделирования и принятия решений
url	https://nasplib.isofts.kiev.ua/handle/123456789/56736
citation_txt	Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов / А.А. Шептура, Е.Ю. Кузичкина // Штучний інтелект. — 2012. — № 1. — С. 199-206. — Бібліогр.: 7 назв. — рос.
series	Штучний інтелект
work_keys_str_mv	AT šepturaaa évolûcionnyjalgoritmdlârešeniâzadačiavtomatizaciiformirovaniâtransportnyhmaršrutov AT kuzičkinaeû évolûcionnyjalgoritmdlârešeniâzadačiavtomatizaciiformirovaniâtransportnyhmaršrutov AT šepturaaa evolûcíjnijalgoritmdlâríšennâzadačíavtomatizacííformuvannâtransportnihmaršrutív AT kuzičkinaeû evolûcíjnijalgoritmdlâríšennâzadačíavtomatizacííformuvannâtransportnihmaršrutív AT šepturaaa evolutionaryalgorithmforsolvingtheproblemofautomatedtransportroutes AT kuzičkinaeû evolutionaryalgorithmforsolvingtheproblemofautomatedtransportroutes
first_indexed	2025-11-24T05:39:57Z
last_indexed	2025-11-24T05:39:57Z
_version_	1849649054666981376
fulltext	«Штучний інтелект» 1’2012 199 4Ш УДК 681.518 А.А. Шептура, Е.Ю. Кузичкина Институт информатики и искусственного интеллекта ГВУЗ «Донецкий национальный технический университет», г. Донецк, Украина Украина, 83050, г. Донецк, пр. Б. Хмельницкого, 84 Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов A.A. Sheptura, K.U. Kuzichkina Institute of Informatics and Artificial Intelligence of Donetsk National Technical University, Donetsk, Ukraine Ukraine, 83050, c. Donetsk, B. Khmelnitskiy st., 84 Evolutionary Algorithm for Solving the Problem of Automated Transport Routes О.О. Шептура, К.Ю. Кузічкіна Інститут інформатики і штучного інтелекту ДВНЗ «Донецький національний технічний університет», м. Донецьк, Україна Україна, 83050, м. Донецьк, пр. Б. Хмельницького, 84 Еволюційний алгоритм для рішення задачі автоматизації формування транспортних маршрутів В данной статье рассматривается одна из актуальных проблем, а именно повышение эффективности организации процесса доставки заказов путем автоматизации планирования и управления транспортных маршрутов. Предлагается эволюционный алгоритм, базирующийся на динамической аналитической модели, позволяющий при прогнозе показателей транспортных маршрутов учитывать изменение дорожно- транспортной ситуации и характеристик процесса доставки заказов, что значительно позволит повысить эффективность планирования транспортных маршрутов. Ключевые слова: автоматизация, транспортная задача, эволюционный алгоритм, оптимизация, маршруты. This article discusses one of the pressing problems, which is namely improving the organization of the delivery orders by automated planning and management of transport routes. Evolutionary algorithm based on dynamic analysis model, which allows taking into account changes in road traffic conditions and characteristics of the delivery orders at the forecast performance of transport routes, is proposed. This algorithm will improve the planning of transport routes significantly. Key words: automation, transportation problem, evolutionary algorithm, optimization, routes. У даній статті розглядається одна з актуальних проблем, а саме підвищення ефективності організації процесу доставки замовлень шляхом автоматизації планування та управління транспортних маршрутів. Пропонується еволюційний алгоритм, який базується на динамічній аналітичної моделі дозволяє при прогнозі показників транспортних маршрутів враховувати зміну дорожньо-транспортної ситуації і характеристик процесу доставки замовлень, що значно дозволить підвищити ефективність планування транспортних маршрутів. Ключові слова: автоматизація, транспортна задача, еволюційні алгоритми, оптимізація, маршрути. Шептура А.А., Кузичкина Е.Ю. «Искусственный интеллект» 1’2012200 4Ш Введение Современные экономические условия требуют повышения эффективности функ- ционирования всех субъектов хозяйственной деятельности, в том числе предприятий, работающих в области дистрибуции товаров и осуществляющих доставку заказов своим клиентам. Как показывают проводимые исследования, совокупные логистические издержки на доставку заказов составляют до 50% от общей суммы затрат таких пред- приятия [1]. Одним из путей сокращения логистических затрат является формирование оптимальных транспортных маршрутов. Задачи оптимизации транспортных маршрутов рассмотрены достаточно большим числом исследователей, среди них работы Ю.В. Неруша, Б.Л. Геронимуса, А.К. Покров- ского и др. [2-4]. Предложенные в этих работах модели являются статическими, тре- буют наличия полной информации о перевозках. В настоящее время на рынке информационных технологий наибольшее распрост- ранение получили следующие системы управления грузоперевозками: Network Analyst, ANTOR LogisticsMaster и «Диспетчер» [5-7]. Как показывает анализ, в основе работы перечисленных систем положены ал- горитмы поиска кратчайшего пути, к которым относятся алгоритмы Дейкстры, Левита, Уоршела-Флойда, генетические алгоритмы и другие. Общим недостатком этих под- ходов является отсутствие динамической модели, позволяющей учитывать нестацио- нарность дорожно-транспортной ситуации и процесса обслуживания транспортных средств в точках останова маршрута. На практике при решении задачи планирования транспортных маршрутов в крупных городах необходимо учитывать динамику изменения дорожно-транспорт- ной ситуации, принимать решения в условиях неполной информации и большой раз- мерности задачи. Поэтому исследования в области автоматизации процесса формирова- ния транспортных маршрутов являются актуальными. Постановка задачи Объектом исследования является процесс доставки заказов в задаче автоматизации планирования транспортных маршрутов. Предметом исследования выступают математические модели процесса доставки заказов. Целью данного исследования является разработка эволюционного алгоритма для формирования транспортных маршрутов, позволяющего учесть изменение дорожно- транспортной ситуации при планировании маршрутов. Аналитические методы решения неприменимы к решению задачи оптимального формирования маршрутов, в силу ее большой размерности и высокой вычислительной сложности. Так как при оперативном управлении процессом доставки важен показатель времени получения решения, то уместно использование приближенных методов реше- ния, в частности, аппарата эволюционных алгоритмов, которые дают решение, близкое к оптимальному за небольшой период времени. Транспортная задача с ограничением по времени описывается следующим об- разом. Имеются некоторое количество транспортных средств, один склад и некоторое количество клиентов. Задача заключается в поиске эффективного маршрута для транс- портных средств, обслуживающих определенное количество клиентов. При этом все маршруты должны начинаться и заканчиваться на складе. Эволюционный алгоритм для решения автоматизации... «Штучний інтелект» 1’2012 201 4Ш Для данной задачи определены цели (в порядке убывания их приоритета): а) минимизировать суммарный пробег автопарка обслуживания всех клиентов; б) минимизировать суммарные затраты топлива; в) минимизировать общее время выполнения маршрутов транспортными средствами. Рассмотрим формирование приведенных критериев. Суммарный пробег автопарка за период определяется как сумма пробегов всех транспортных средств парка. Пробег авто является суммой пробегов по всем выполнен- ным им маршрутам за период. Пробег по маршруту составляется как сумма пробегов по транспортным путям, соединяющим пункты доставки. Пробег R по дороге является функцией времени. Суммарный пробег автопарка представлен выражением следую- щего вида: , 1 , 1 1 1 1 0 ( ( ) ) min, clpka clm M i i j l l k j l l X i j l k R t X h           (1) где )(1, k i llj t – скорость движения i -го автомобиля по j -му маршруту с пункта l в )1( l ; i lljX 1,  – переменные, принимающие значения {0, 1}, что означает: 1 – i -й автомобиль движется от вершины l к вершине 1l при выполнении j -го маршру- та, 0 – при отсутствии движения. clm – максимальное количество маршрутов, обслуженных i -м автомо- билем за период времени T определяется как максимум целой части отношения:                    g j g j Tm T clm min max , (2) где  g jTm – множество, элементами которого является время выполнения j -го маршрута при осуществлении общего количества поставок по данному маршруту g . Максимальное количество пунктов доставки, входящих в маршрут, определяется по формуле:                         j g g j g g j g g j TdTp Tm clp minmin max max , (3) где  jgTp – множество, элементами которого является время простоя по j -му маршруту при осуществлении общего количества поставок по данному маршруту g ;  jgTd – множество, элементами которого является время движения по j -му маршруту при осуществлении общего количества поставок по данному маршруту g . h – шаг дискретизации времени hkttk  0 , Mk ,1 . Суммарные затраты топлива за период определяются как сумма затрат топлива всех транспортных средств парка. Затраты топлива авто являются суммой затрат по Шептура А.А., Кузичкина Е.Ю. «Искусственный интеллект» 1’2012202 4Ш всем выполненным им маршрутам за период. Затраты по маршруту составляются как сумма затрат по транспортным путям. Затраты топлива P при выполнении доставки по транспортному пути являются функцией, зависящей от веса перевозимого груза в текущий момент времени. Таким образом, суммарные затраты топлива за период вычисляются по формуле: , 1 , 1 , 1 , 1 1 1 1 0 ( ( ) ( ( )) ) min, clpka clm M i i i i j l l k jl l jl l k j l l X i j l k P t Np G t X h              (4) где )(1, k i llj tNp  – затраты топлива i -го автомобиля при выполнении доставки по j -му маршруту )1,( ll транспортному пути в текущий момент времени. Общее время выполнения маршрутов транспортными средствами за период формируется как сумма показателей времени выполнения маршрутов всех авто при обслуживании заказов клиентов. Время выполнения маршрута находится как сумма простоя, затраченного в каждом пункте маршрута, которое состоит из времени ожи- дания обслуживания и времени обслуживания, описывающиеся некоторыми функ- циями времени )(1, tTog i llj  и )(1, tTobs i llj  , и времени движения по дороге )(1, tTd i llj  . Для нахождения общего времени выполнения маршрутов транспортных средств Tm за период получено выражение: , 1 , 1 1 1 1 0 (( ( ) ( ) ( )) ) min, clpka clm M i i i i j l l k j l k j l k j l l X i j l k Tm Td t Tog t Tobs t X h            (5) где )(1, k i llj tTd  – функция времени движения i -го автомобиля при выполнении доставки по j -му маршруту из l пункта в пункт 1l в момент времени kt ; )( k i lj tTog – функция времени ожидания обслуживания i -го автомобиля при выполнении доставки по j -му маршруту в l пункте в момент времени kt . )( k i lj tTobs – функция времени обслуживания i -го автомобиля при выпол- нении j -го маршрута в l пункте. Рассмотрим основные ограничения для данной задачи. Каждый клиент должен быть обслужен только одним транспортным средством. Переменные i lljX 1,  принимают значения {0, 1}, что означает: 1 – i -й автомобиль движется от вершины l к вершине 1l при выполнении j -го маршрута, 0 – при отсутствии движения. 1 1 1 1,     clm j clp l i lljX , Uu l  , clpl ,1 (6) где U – множество клиентов. Вес )( k i j tqm и объем перевозимого груза )( k i j tqv i -м автомобилем при выпол- нении j -го маршрута в текущий момент времени kt не должны превышать грузо- подъемности igr и доступного объема кузова iVa : ,)()( 1 1 1,1 i clm j clp l k i lljlk i j grtXMztqm     ,)()( 1 1 1,1 i clm j clp l k i lljlk i j VatXVztqm     Rr i  , kai ,1 , (7) где R – множество транспортных средств автопарка. Эволюционный алгоритм для решения автоматизации... «Штучний інтелект» 1’2012 203 4Ш Время прибытия соответствующего автомобиля к определенному клиенту l i jtp должно быть в пределах временного окна ],[ ll ba : ll i jl btpa  , kai ,1 , Mk ,1 i k i j VatqV )( . (8) ],[ ll ba – промежуток времени, так называемое временное окно, в течение которого должен быть обслужен клиент. Вес i -го автомобиля 1, ll i jqm при выполнении j -го маршрута в текущий момент времени kt при выполнении доставки по )1,( ll дороге не должны превышать макси- мально допустимого веса проезжающего транспортного средства 1, llmd по пути )1,( ll : 1,1, )(   llkll i j mdtqm , kai ,1 , clmj ,1 , clpl ,1 , Mk ,1 (9) где cld – число пунктов доставки, обслуживаемые по i -м автомобилем при выполнении j -го маршрута. Время выполнения j -го маршрута i -м транспортным средством не должно превы- шать 8 часов: 8i jTm , kai ,1 , clmj ,1 ; (10) Скорость движения i -го автомобиля 1, ll i je в текущий момент времени kt не должна превышать ограничения скорости движения транспорта 1, llc по транспортному пути )1,( ll : )()( 1,1, kllkll i j tcte   , Mk ,1 , kai ,1 , clmj ,1 , clpl ,1 . (11) Применим аппарат эволюционных алгоритмов для решения многокритериаль- ной оптимизационной задачи (1), (4), (5) с ограничениями (6) – (11). Рассмотрим основные этапы эволюционного алгоритма, состоящих из таких опера- торов: инициализации (создание начальной популяции определенного размера), кроссин- говера и мутации для создания потомков. Для эффективной работы алгоритма необходим простой и удобный способ кодиро- вания решения. Представим решение в виде набора маршрутов транспортных средств, где количество маршрутов совпадает с количеством транспортных средств, а каждый марш- рут представлен в виде набора клиентов, которые последовательно обслуживает данный автомобиль. Каждый маршрут начинается и заканчивается клиентом номер 0 – складом. Каждый клиент – пункт доставки описывается следующими переменными: l i jtp – время прибытия i -го автомобиля в l -й пункт j -го маршрута; )( l i jl i j tpTog – время ожидания разгрузки i -го автомобиля в l-м пункте j -го маршрута, зависящее от времени прибытия; )( l i jl i j tpTobs – время обслуживания i -го автомобиля в l -м пункте j -го марш- рута, которое является функцией времени; l i jtо – время отправления i -го автомобиля из l -го пункта j -го маршрута; Шептура А.А., Кузичкина Е.Ю. «Искусственный интеллект» 1’2012204 4Ш l i jMz – вес разгружаемого груза i -м автомобилем в l-м пункте j -го маршрута; l i jQmz – вес возврата, полученного груза i -м автомобилем в l-м пункте j -го маршрута; l i jVz – объем разгружаемого груза i -м автомобилем в l-м пункте j -го марш- рута; l i jQvz – объем возвращаемого клиентом груза i -м автомобилем в l-м пункте j -го маршрута; )( k i j tR – длина пути, пройденного i -м автомобилем при выполнении j -го марш- рута в момент времени kt ; )( k i j tTp – общее время простоя i -го транспортного средства при выполнении j -го маршрута к данному моменту времени. Представление решения в виде маршрутов удобно для описанных ниже операторов кроссинговера и мутации. Оператор инициализации генерирует новые цепочки хромосом, которые являются частью общей популяции. Применим метод Соломона для конструирования начальной популяции. Алгоритм состоит из таких этапов: Осуществляем проверку: если все пункты обслужены, то осуществляем переход на 5, иначе – переход к пункту 2. 1. Выбираем пункт l из числа не обслуженных клиентов, для этого рандомно задаем число в переделах от 1 до n – количество пунктов обслуживания. 2. Осуществляем перебор всех пунктов имеющегося решения для вставки пункта l в имеющийся маршрут текущего решения. Если такие допустимые вставки существуют, выбираем ту, в которой добавочное расстояние с появлением нового пункта l меньше. Если существует две вставки с одинаковым добавочным расс- тоянием, то выбираем ту, у которой общее время простоя машины. 3. Если допустимых вставок в имеющиеся маршруты текущего решения не существует, то начинаем новый маршрут, в который помещаем элемент l и переход к пункту 1. 4. Все клиенты обслужены, решение найдено. Выход. Особенностью данного оператора инициализации заключается в том, что имеется возможность не только строить новое решение на этапе инициализации, но и в даль- нейшем на этапах применения операторов кроссинговера и мутации достраивать ре- шения. Оператор кроссинговера (скрещивания) предназначен для получения новых решений на основе тех, что находятся в данный момент в популяции, таким образом, чтобы закрепить в потомках удачные маршруты решений родителей. Он получает на вход две или более хромосом, на выходе выдает комбинированное решение, которое построено на основе входных решений. Самым распространенным видом кроссовера является N -точечный кроссовер. Как показали эксперименты, алгоритм дает наи- лучшие результаты при N =3 . 1. Выбираем N решений из популяции, применяя оператор селекции – отбор усечением. 2. Объединим все решения в одно множество маршрутов. 3. Пока в объединенном решении множества маршрутов есть маршруты, про- водим следующие операции: Эволюционный алгоритм для решения автоматизации... «Штучний інтелект» 1’2012 205 4Ш – выбираем маршрут и вставляем его в новое решение, для этого берется случайное число в пределах от 0 до N , указывающее на номер маршрута в объеди- ненном решении; – исключаем выбранный маршрут из объединенного решения; – исключаем из объединенного решения все маршруты, в которых есть пункты из выбранного решения. 4. Добавляем не обслуженные пункты в новое решение, используя оператор инициализации. 5. Новое решение является потомком выбранных k решений родителей. Преимуществом приведенного оператора кроссинговера является то, что допу- стимое решение не требует дальнейшей обработки. Оператор мутации предназначен для вывода популяции из локального оптимума. Он получает на вход хромосому и с некоторой вероятностью инвертирует часть ее генов. Пусть имеется некоторое решение задачи, к которому применим оператор мутации, состоящий из таких этапов: 1) задается L число удаляемых пунктов доставки; 2) исключаем L пунктов из решения, выбирая таковых вероятностным образом; 3) добавляем заново L пунктов из удаленных маршрутов в решение с исполь- зованием оператора инициализации. В результате проведения тестирования разработанного генетического алгоритма было обнаружено, что общее пройденное расстояние автомобилями и время выполнения ими маршрутов близко к оптимальному решению, полученного с применением одного из точных методов, а именно метода ветвей и границ для решения задачи формирования транспортных маршрутов, и отклонение от такового не превышает 7%, что свидетель- ствует об эффективности применения представленного алгоритма к решению данной транспортной задаче. Выводы В данной работе предлагается алгоритм для решения задачи автоматизации фор- мирования транспортных маршрутов, который позволяет учитывать нестационарность дорожно-транспортной ситуации и параметры обслуживания транспортного средства в точках останова по маршруту. Научная новизна работы состоит в том, что впервые разработан эволюционный алгоритм, работа которого основана на динамической аналитической модели, поз- воляющий при прогнозе показателей транспортных маршрутов учитывать изменение дорожно-транспортной ситуации и характеристик процесса доставки заказов. Данный алгоритм формирования транспортных маршрутов может быть использован при разработке автоматизированной системы планирования доставки заказов клиентам. Практическое применение результатов работы даст возможность сократить логи- стические затраты на доставку заказов и повысить эффективность обслуживания клиен- тов за счет учета при формировании маршрутов нестационарности, присущей процессу транспортировки грузов. Литература 1. Смехов А.А. Маркетинговые модели транспортного рынка / Смехов А.А. – М. : Транспорт, 1998. – 120 с. 2. Неруш Ю.М. Снабжение и транспорт: эффективное взаимодействие / Неруш Ю.М. – М. : Эконо- мика, 2006. – 340 с. Шептура А.А., Кузичкина Е.Ю. «Искусственный интеллект» 1’2012206 4Ш 3. Геронимус Б.Л. Совершенствование планирования на автомобильном транспорте / Геронимус Б.Л. – М. : Транспорт, 1985. – 200 с. 4. Покровский А.К. Исследование систем управления в транспортной отрасли / Покровский А.К. – М. : Финансы и статистика, 2010. – 280 с. 5. Шереметьева Е.Г. Применение геоинформационных технологий Network Analyst для решения транспортных задач (итоги 5-й Международ. конф. „НКПМ-2001”) [Электронный ресурс] / Е.Г. Шереметьева // Библиотечный вестник – 2001. – № 15. – С. 78. – Режим доступа к журн.: http://www.dataplus.ru/articles/2001/39klik.htm. 6. Романовский B.И. Математические модели системы ANTOR LogisticsMaster (итоги 6-й Международ. конф. «НКПМ-2002») [Электронный ресурс] / B.И. Романовский // Библиотечный вестник. – 2002. – № 16. – С. 25. – Режим доступа к журн.: http://www.dataplus.ru/articles/2002/43klik.htm. 7. Смирнов М.И. Математические модели, используемые в системе оптимизации доставки товаров автотранспортом «Диспетчер» (итоги 7-й Международ. конф. «НКПМ-2003») [Электронный ресурс] / М.И. Смирнов, Р.З. Хайруллин, // Библиотечный вестник. – 2003. – № 17. – С. 65. – Режим доступа к журн. : http://www.dataplus.ru/articles/2003/53klik.htm. Literatura 1. Smehov A.A. Marketingovye modeli transportnogo rynka. M.: Transport. 1998.120 s. 2. Nerush Ju.M. Snabzhenie i transport: jeffektivnoe vzaimodejstvie. M.: Jekonomika. 2006. 340 s. 3. Geronimus B.L. Sovershenstvovanie planirovanija na avtomobil’nom transporte. M.: Transport. 1985. 200 s. 4. Pokrovskij A.K. Issledovanie sistem upravlenija v transportnoj otrasli. M.: Finansy i statistika. 2010. 280 s. 5. Sheremet’eva E.G. Bibliotechnyj vestnik. 2001. № 15. S. 78. http://www.dataplus.ru/articles/2001/39klik.htm. 6. Romanovskij B.I. Bibliotechnyj vestnik. 2002. №16. S. 25. http://www.dataplus.ru/articles/2002/43klik.htm. 7. Smirnov M.I. Bibliotechnyj vestnik. 2003. №17. S. 65. http://www.dataplus.ru/articles/2003/53klik.htm. A.A. Sheptura, K.U. Kuzichkina Evolutionary Algorithm for Solving the Problem of Automated Transport Routes This article discusses one of the pressing problems, which is namely improving the organization of the delivery orders by automated planning and management of transport routes. Evolutionary algorithm based on dynamic analysis model, which allows taking into account changes in road traffic conditions and characteristics of the delivery orders at the forecast performance of transport routes, is proposed. This algorithm will improve the planning of transport routes significantly. Practical importance of the work includes improving of transport routes planning due to possibility of dynamic forecasting for the major indicators of delivery orders. The results can be used for creation of the automated system of planning transportation routes. Статья поступила в редакцию 08.08.2011. http://www.dataplus.ru/articles/2001/39klik.htm. http://www.dataplus.ru/articles/2002/43klik.htm. http://www.dataplus.ru/articles/2003/53klik.htm. http://www.dataplus.ru/articles/2001/39klik.htm. http://www.dataplus.ru/articles/2002/43klik.htm. http://www.dataplus.ru/articles/2003/53klik.htm.

Эволюционный алгоритм для решения задачи автоматизации формирования транспортных маршрутов

Institution

Ähnliche Einträge