Модели и алгоритмы обработки данных в транспортной логистике сельскохозяйственных регионов с использованием многокритериальных эволюционных алгоритмов

Л.Ф. Сулюкова; З.И. Ахмеджанова

Авторы

Л.Ф. Сулюкова Национальный исследовательский университет "Ташкентский институт инженеров ирригации и механизации сельского хозяйства Автор
З.И. Ахмеджанова Самаркандский филиал Ташкентского университета информационных технологий Автор

Ключевые слова:

имитационное моделирование, оптимизация логистики, транспортировка груза, генетический алгоритм, цепочка поставок

Аннотация

Модели и алгоритмы взаимодействия данных на основе многокритериального эволюционного алгоритма представляют собой перспективное направление для улучшения транспортной логистики в сельских местностях. Их применение позволяет не только повысить эффективность процессов, но и обеспечить более высокое качество обслуживания клиентов. В условиях изменчивости рынка и необходимости быстрой адаптации к новым условиям, такие подходы становятся особенно актуальными. Будущее транспортной логистики в сельском хозяйстве зависит от способности интегрировать современные технологии и методы оптимизации, что позволит эффективно управлять ресурсами и минимизировать затраты. Эволюционные алгоритмы являются одним из эффективных методов решения задач, являющиеся с высокой вычислительной сложностью, большой размерностью и пространством поиска. Процесс оптимизации, основная задача на гибридной версии эволюционного алгоритма, для применения в задачах планирования грузовых перевозок. В работе предложен новый подход к решению задач оптимизации в логистике, основанный на гибридном генетическом алгоритме с интеграцией нечетких множеств. Этот метод направлен на улучшение качества решений и ускорение процесса сходимости, особенно в сложных и неопределенных условиях.

Библиографические ссылки

R. Koumakhov Conventions in Herbert Simon’s theory of bounded rationality. – J. Econ. Psychol., – Vol. 30. – no. 3. – 2009. – P. 293–306.

V. Paliukas and A. Savanevi£iene МHarmonization of rational and creative decisions in quality management using AI technologies. – Econ. Bus., Vol. 32. no. 1. – 2018. – P. 195–208.

J.P. Shim, M. Warkentin, J.F. Courtney, D.J. Power, R. Sharda and C. Carlsson Past, present, and future of decision support technology // Decis. Support Syst., – Vol. 33. – no. 2. – 2002. – P. 111–126.

E. Cascetta, A. Carten`ı, F. Pagliara, and M. Montanino A new look at planning and designing transportation systems: A decision-making model based on cognitive rationality, stakeholder engagement and quantitative methods. Transp. Policy, – Vol. 38. – 2015. – P. 27–39.

D. Salazar, N. Carrasquero and B. Galv´an Exploiting comparative studies using criteria: Generating knowledge from an analyst’s perspective. in Proc. Int. Conf. Evol. Multi-Criterion Optim. (EMO), – 2005. – P. 221–234.

J. Molina, L. V. Santana, A. G. Hern´andez-D´ıaz, C. A. C. Coello, and R. Caballero, gdominance: Reference point based dominance for multiobjective metaheuristics. // Eur. J. Oper. Res., – Vol. 197. – no. 2. – 2009. – P. 685–692.

J. Branke Consideration of partial user preferences in evolutionary multiobjective optimization. in Multiobjective Optimization (Lecture Notes in Computer Science), vol. 5252, J. Branke, K. Deb, K. Miettinen, and R. Saowiski, Eds. Berlin, Germany: Springer, – 2008. – P. 157–178.

C.A.C. Coello Handling preferences in evolutionary multiobjective optimization: A survey. in Proc. Congr. Evol. Comput., Jul. – 2000. – P. 30–37.

L. Rachmawati and D. Srinivasan Preference incorporation in multiobjective evolutionary algorithms: A survey in Proc. Int. Conf. Evol. Comput., Vancouver, BC, Canada, Jul. – 2006. – P. 962–968.

Y. Qi, X. Li, J. Yu, and Q. Miao User-preference based decomposition in MOEA/D without using an ideal point Swarm Evol. Comput., Vol. 44. – 2019. – P. 597–611.