DOI: https://doi.org/10.18664/1994-7852.188.2019.206196

ТЕОРЕТИЧНІ ЗАСАДИ ВИКОРИСТАННЯ ЗМІШАНОГО МЕТОДУ БАГАТОКРИТЕРІАЛЬНОГО АНАЛІЗУ ДЛЯ МАРШРУТИЗАЦІЇ ПЕРЕВЕЗЕНЬ ВАНТАЖІВ

Volodymyr Sakhno, Svitlana Sharai, Victor Poliakov, Daryna Dekhtiarenko, Diana Babyna

Анотація


В статті розглядаються можливості вирішення завдання маршрутизації мультимодальних перевезень вантажів, які можуть виконуватись із залученням різних видів транспорту, за допомогою змішаного методу прийняття рішення на основі багатокритеріального аналізу з використанням штучних нейронних мереж. Формування маршруту доставки вантажу та визначення видів транспорту для виконання перевезень на

ділянках прямування маршруту здійснюються з урахуванням критеріїв вибору та оцінювання, вага впливу яких визначається методом розмитих коефіцієнтів. За допомогою програмного середовища MSExcel сформовано 3-шарову нейронну мережу для маршрутизації мультимодальних перевезень вантажів. На основі проведених розрахунків за сукупним ефектом декількох критеріїв оцінювання визначені види транспорту для виконання перевезень на ділянках маршруту доставки вантажу у міжнародному сполученні.


Ключові слова


маршрутизація перевезень, вид транспорту, критерій вибору, багатокритеріальний аналіз, змішаний метод, нейронна мережа

Повний текст:

PDF

Посилання


Дорохов О. В. Маршрутизація перевезень фармацевтичної продукції на основі нейромережного підходу: Зб. наук. праць Харківського університету повітряних сил. 2009. Вип. 1. С. 153–156.

Дорохов О. В. Методика багатокритеріального вибору автобусів для міжміських перевезень та її комп'ютерна реалізація. Вестник ХНАДУ. 2008. Вып. 42. С. 117–120.

Bavarian B. Introduction to Neural Networks for intelligent Control. Control Systems Magazine, IEEE. 1988. № 6(2). P. 3–7. URL: https:// www.academia.edu/27779746/ Introduction_to_neural_networks_for_intelligent_control (last access: 28.12.2019).

Хайкин С. Нейронные сети. Полный курс. Москва, 2006. 1104 с.

Руденко О. Г., Бодянський Є. В. Штучні нейронні мережі: навч. посібник. Харків, 2006. 404 с.

Новотарський М. А., Нестеренко Б. Б. Штучні нейронні мережі: обчислення. Праці Інституту математики НАН України. Київ, 2004. Т. 50. 408 с. URL: http://www.immsp.kiev.ua/ postgraduate/Biblioteka_trudy/ ShtuchnNejronMeregNester2004.pdf (дата звернення: 28.12.2019).

Вернигора Р. В., Єльнікова Л. О. Можливості використання штучних нейронних мереж при прогнозуванні поїзної роботи залізничних напрямків. Збірник наукових праць Дніпропетровського національного університету залізничного транспорту ім. академіка В. Лазаряна. Транспортні системи та технології перевезень. 2014. Вип. 7. С. 15–19.

Бодянский Е. В., Руденко О. Г. Искусственные нейронные сети: архитектуры, обучение, применения : монография. Харьков, 2004. 369 с.

Филиппенко О. И., Филиппенко И. Г. Биологические, искусственные и нейроавтоматные сети – сравнительный анализ. Ч. 2. Искусственные нейронные сети. Восточно-Европейский журнал передовых технологий. 2005. № 3/2(15). С. 87–93.

Доценко Ю. В. Розробка математичної моделі оптимального використання технічних засобів залізниці на основі теорії нейронних мереж. Восточно-Европейский журнал передовых технологий. 2005. № 6/2(18). С. 37–39.

Лаврухин А. В. Формирование интеллектуальной модели функционирования железнодорожной станции при выполнении поездной работы. Наука та прогрес транспорту. Вісник Дніпропетровського національного університету залізничного транспорту. 2015. № 1(55). C. 43–53.

Бережна Н. Г. та ін. Проблеми транспортно-логістичного забезпечення в аграрній галузі: монографія. Харків: Міськдрук, 2019. 180 с.

Колесников К. В., Карапетян А. Р., Никулин О. Г. Использование нейросетевых моделей для определения оптимального маршрута в сетях с адаптивной маршрутизацией пакетов данных. Вестник Нац. техн. ун-та «ХПИ» : сб. науч. трудов. Темат. вып.: Новые решения в современных технологиях. Харьков, 2013. № 56(1029). С. 50–55.

Qu L., Chen Y. (2008) A Hybrid MCDM Method for Route Selection of Multimodal Transportation Network. In: Sun F., Zhang J., Tan Y., Cao J., Yu W. (eds) Advances in Neural Networks - ISNN 2008. ISNN 2008. Lecture Notes in Computer Science. Vol. 5263. Springer, Berlin, Heidelberg. doi: 10.1007/978–3–540–87732–5_42.

Estivill-Castro, Vladimir (20 June 2002). Why so many clustering algorithms – A Position Paper. ACM SIGKDD Explorations Newsletter 4(1): 65–75. doi:10.1145/568574.568575. 16. Jain, Murty, Flynn. Data clustering: a review. ACM Comput. Surv. 31(3). 1999.

Нагорний Є. В., Андросенко В. В. Розмиті коефіцієнти як засіб підвищення точності ранжування показників якості роботи експедиційних підприємств. Вісник КДПУ. 2006. Вип. 2(37). Ч. 1. С. 55–59.

Самородов В. Б., Андросенко В. В. Розмиті коефіцієнти як засіб підвищення точності ранжування показників якості роботи експедиційних підприємств. Вісті Автомобільно-дорожнього інституту: науково-виробничий збірник. АДІ «ДонНТУ». Горлівка, 2009. № 2(9). С. 132–140.




Flag Counter