В.Ю. Строганов1, Е.В. Зеленцова2

1,2 МГТУ им. Н.Э. Баумана (Москва, Россия)

Постановка проблемы. В настоящее время актуальна задача планирования перевозок в рамках одного автотранспортного предприятия (АТП) на базе имеющихся в наличии транспортных средств (ТС). Сложность задачи заключается в наличии ограничений на возможность выполнения отельных заказов собственными ТС. Проблему также представляет выбор механизм распределения заказов по имеющимся ТС при задании различных критериев оценки эффективности работы АТП за плановый период. Цель. Построение формальной модели алгоритмов адаптивного управления перевозками в рамках собственного парка ТС АТП для моделирования процесса транспортировки грузов и оценки эффективности выбранной стратегии для различных потоковых схем перевозок и потоков заказов на перевозку.

Результаты. Рассмотрено множество различных адаптивных алгоритмов управления перевозками для различного парка ТС.

При этом для каждого алгоритма имеет место собственное преставление в виде некоторой формальной схемы. Предложен универсальный механизм описания всего множества адаптивных алгоритмов в виде конечного автомата. При рассмотрении многоуровневой схемы представления управляющей структуры АТП предложена иерархическая автоматная схема представления адаптивных алгоритмов.

Практическая значимость. Полученные результаты позволяют при выборе конкретного алгоритма управления построить конечный иерархический автомат, который оценивает эффективность выбранной стратегии управления.

Строганов В.Ю., Зеленцова Е.В. Представление и моделирование адаптивных алгоритмов управления транспортными системами в виде конечных иерархических автоматов // Динамика сложных систем. 2021. T. 15. № 4. С. 29−35. DOI: 10.18127/j19997493- 202104-04

1. Аксенов К.А., Рудь С.А., Рудь С.И., Неволина А.Л. Применение мультиагентного имитационного моделирования при решении задачи снабжения сети строительных магазинов // Труды VII Всерос. науч.-практ. конф. «Имитационное моделирование. Теория и практика» (ИММОД 2015). В 2 томах. М.: ИПУ РАН, 2015. Т. 2. С. 13–17.
2. Зюбин В.Е. Программирование информационно-управляющих систем на основе конечных автоматов. Новосибирск: НГУ. 2006. 
3. Карсаев О.В., Морозов Б.М., Смирнова Г.С., Сабитов Р.А. Моделирование грузоперевозок по технологии каматейнер // : Труды VII Всерос. науч.-практ. конф. «Имитационное моделирование. Теория и практика» (ИММОД 2015). В 2 томах. М.: ИПУ РАН, 2015. Т. 2. С. 139–144.
4. Когденко В.Г. Стратегическое моделирование прибыли компании методом Монте-Карло // Economic Analysis. 2018. № 17(9). С. 1622–1641. 
5. Конечные автоматы в среде динамического моделирования SimInTech – https://habr.com/ru/post/307090/
6. Лапшина С.Н., Берг Д.Б., Баженов И.А. и др. Имитационные модели в экономике для изучения сценариев развития экономических систем // Экономика и управление в машиностроении. 2016. № 1. С. 53–55. 
7. Майоров Н.Н., Ковалев К.Г. Вопросы разработки информационного обеспечения для решения задачи маршрутизации транспортных средств // Системный анализ и логистика. 2013. Вып. 9. С. 21–23.
8. Миротин Л.Б., Гудков В.А., Зырянов В.В. Управление грузовыми потоками в транспортно-логистических системах. М.: Горячая линия – Телеком. 2010.
9. Палей А.Г., Поллак Г.А. Имитационное моделирование. Разработка имитационных моделей средствами iWebsim и AnyLogic: Учеб. пособие. СПб.: Лань. 2019. 204 с.
10. Поликарпова Н.И., Шалыто А.А. Автоматное программирование. 2008. 167 с. 
11. Транспортное планирование и моделирование // Сб. трудов IV Междунар. науч.-практ. конф. [11–12 апреля 2019 г.]; СПбГАСУ. СПб., 2019. 194 с. https://www.spbgasu.ru/upload-files/nauchinnovaz/sbornik_trudov/Транспортное_планирование_и_моде.pdf
12. Coltin B. Multi-agent Pickup and delivery Planning with Transfers: Doctor of Philosophy in Robotics Thesis. 2014. URL: http://www.cs.cmu. edu/~mmv/papers/ColtinThesis.pdf.
13. Hassani H., and Soofi A. and Zhigljavsky A. Predicting Daily Exchange Rate with Singular Spectrum Analysis, Nonlinear Analysis: Real World Applications. 2010. V. 11. № 3. P. 2023–2034.
14. Perslev M., Jensen M.H., Darkner S. et al. U-time: A fully convolutional network for time series segmentation applied to sleep staging // Advances in Neural Information Processing Systems. 2019. P. 4415–4426. 
15. Smirnova G., Sabitov R., Elizarova N. et al. To the problem of dynamic modelling and management in an integrated environment of the industrial cluster. IFAC-PapersOnLine. 2015. V. 43. № 3. P. 1230–1235.