Технологія інтелектуального управління сортувальною станцією на основі багатоцільової оптимізації з використанням генетичних алгоритмів
DOI:
https://doi.org/10.18664/ikszt.v0i4.142016Ключові слова:
сортувальна станція, технологія інтелектуального управління, вагони з небезпечними вантажами, багатокритеріальна оптимізація, генетичні алгоритмиАнотація
Задача оперативного планування роботи сортувальної станції в умовах обробки вагонопотоків із небезпечними вантажами має вирішуватись з одночасним урахуванням двох критеріїв: експлуатаційних витрат і експозиції ризику. Вирішення управлінських задач такої складності можливе лише за умов застосування методів інтелектуального планування, оптимізації та прийняття рішень у складі індивідуально розробленої технології інтелектуального управління. Для вирішення даної задачі таку технологію було створено. Вона зокрема використовує методи байєсових мереж для формалізації ризиків, генетичні алгоритми спеціального типу як метод оптимізації, метод граничної корисності для звуження множини Парето та вироблення кінцевого рішення. Дана технологія є перспективною для вирішення і інших багатокритеріальних задач, що виникають у транспортних системах і які одночасно є важкими для формалізації.
Посилання
Yang, Q. Intelligent planning: A decomposition and abstraction based approach [Text] / Q. Yang // Springer, Berlin, 1997.
Volcic, M. Kronecker algebra and its broad applications in railway systems. [Text] / M. Volcic, J. Blieberger, A. Schöbel. In EURO-ŽEL 2013. Recent Challenges for European Railways, 2013. – P. 275–282.
Guo, R. Optimizing model of A railroad yard’s operations plan based on production scheduling theory [Text] / R. Guo, J. Guo, G. Xie // Computers in Railways XV: WIT Transactions on The Built Environment, WIT Press, 2016. – Vol. 162. – Р. 79–90
Boysen, N. Scheduling freight trains in rail-rail transshipment yards [Text] / N. Boysen, F. Jaehn, E. Pesch // Transportation science, 2011. Vol. 45, No. 2. – P. 199–211.
Florio, L. Railway station planning using artificial intelligence techniques [Text] / L. Florio, L. Mussone. // Transactions on the Built Environment. – Vol. 18, 1996. – P. 203–212.
Чехунов, Д. М. Формування моделі оцінки ризиків на сортувальній станції при оперуванні вагонами з небезпечними вантажами із використанням математичних апаратів нечіткої логіки та байєсових мереж [Текст] / Д. М. Чехунов // ІКСЗТ. – 2018. №1. – С. 35–41.
Srinivas, N.. Multiobjective optimization using nondominated sorting in genetic algorithms [Text] / N. Srinivas, D. Kalyanmoy // Evolutionary Computation, – 1994. – Vol. 2(3). – P. 221 – 248.
Saaty, T. Relative Measurement and its generalization in decision making: why pairwise comparisons are central in mathematics for the measurement of intangible factors [Text] / T. Saaty //– Physical and natural sciences, Series A: Mathematics – 2008. 102 (2). – P. 251–318. doi:10.1007/bf03191825.
Rezaei, J. Best-worst multi-criteria decision-making method. [Text] / J. Rezaei // Omega – 2015. – Vol. 53. – P. 49–57.
Triantaphyllou, E. An examination of the effectiveness of multi-dimensional decision-making methods: a decision-making paradox [Text] / E. Triantaphyllou; S. Mann // International Journal of Decision Support Systems – 1989. (5). – P. 303–312. doi:10.1016/0167-9236(89)90037-7.
Tofallis, C. Add or multiply? A tutorial on ranking and choosing with multiple criteria [Text] / C. Tofallis // INFORMS Transactions on education. – 2014. – Vol. 14(3). – P. 109–119.
Zhao J. Optimization of part-building orientation for rapid prototyping manufacturing. [Text] / J. Zhao, L. He, W. Liu, H. Bian // Journal of computer-aided design and computer graphics. – 2006. – Vol. 18(3). – P. 456–463.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Т. В. БУТЬКО, В. М. ПРОХОРОВ, Д. М. ЧЕХУНОВ
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
