РОЗРОБКА АВТОМАТИЗОВАНОЇ ТЕХНОЛОГІЇ ПЛАНУВАННЯ ІНТЕРМОДАЛЬНИХ ПЕРЕВЕЗЕНЬ НА ОСНОВІ ВЕКТОРНОЇ ОПТИМІЗАЦІЇ
DOI:
https://doi.org/10.18664/1994-7852.188.2019.206202Ключові слова:
інтермодальні контейнерні перевезення, генетичний алгоритм, метод зваженої стрес-функціїАнотація
Підвищення якості планування інтермодальних перевезень – одне з основних завдань не лише на шляху розвитку експортного і транзитного потенціалу України, але також є не менш важливим для підвищення конкурентоспроможності системи вантажних залізничних перевезень в державі. Але щоб інтермодальні оператори та разом із ними і вантажовідправники змогли скористатися всіма перевагами залізничного транспорту, необхідне впровадження сучасної технології планування інтермодальних перевезень. Дана технологія має забезпечувати урахування можливих затримок у пунктах зміни виду транспорту та на лініях в динаміці, залежно від моменту часу прибуття вантажу до даного пункту маршруту, а також визначати оптимальний маршрут не лише за критерієм витрат, але й за критерієм тривалості перевезення. Для вирішення цього завдання було розроблено багатоцільову математичну модель і запропоновано оригінальний метод її оптимізації.Посилання
Chang T. S. Best routes selection in international intermodal networks. Computers&Operations Research. 2008. № 35(9). P. 2877–2891.
Wang X., Meng Q. Discrete intermodal freight transportation network design with route choice behavior of intermodal operators. Transportation Research Part B Methodological. 2017. № 95. P. 76–104.
Gremm С. The effect of intermodal competition on the pricing behaviour of a railway company: Evidence from the German case. Research in Transportation Economics. 2018. № 72. P. 49–64.
Lin N. CO2 emissions mitigation potential of buyer consolidation and rail-based intermodal transport in the China-Europe container supply chains. Journal of Cleaner Production. 2019. № 240. P. 118–121.
Liu D., Yang H. L. Optimal slot control model of container sea-rail intermodal transport based on revenue management. Procedia – Social and Behavioral Sciences. 2013. № 966. P. 1250–1259.
Fan Q., Jin Y., Wang W., Yan X. A performance-driven multi-algorithm selection strategy for energy consumption optimization of sea-rail intermodal transportation. Swarm and Evolutionary Computation. 2019. № 44. P. 1–17.
Denysiuk R., Gaspar-Cunha A. Weighted Stress Function Method for Multiobjective Evolutionary Algorithm Based on Decomposition. Proceedings of 9th International Conference on Evolutionary Multi-Criterion Optimization (EMO 2017). Münster, Germany, 2017, March 19-22. Р. 176–190.
Ferreira J. C., Fonseca C. M., Gaspar-Cunha A. Methodology to select solutions from the pareto-optimal set: a comparative study. Proceedings of 9th Annual Conference on Genetic on Evolutionary Computation (GECCO 2007). ACM. New York. Р. 789–796.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2020 Tetiana Butko, Oleksii Kostiennikov, Victor Prokhorov, Olga Shapatina
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
