Решение задачи транспортного планирования путем формирования маршрутов модифицированным муравьиным алгоритмом при внедрении стохастических популяций
Аннотация
Одним из методов решения транспортных задач является муравьиный алгоритм. Вопросы транспортного характера обладают многофакторностью, при этом не всегда имеется возможность решить поставленные задачи оптимизации на практике. В данной работе предложен модифицированный муравьиный алгоритм с применением стохастической популяции, позволяющий предотвратить возможность застревания на локальных экстремумах, что сделает решение задачи более эффективной. Написан программный код муравьиного алгоритма с модификацией и без модификации. Произведено сравнение по результатам работы двух алгоритмов.
Об авторах
Иван Алексеевич Асманов
МАДИ
Россия
Россия
студент
Сергей Борисович Александров
МАДИ
Россия
Россия
канд. техн. наук, доц.
Варвара Михайловна Макурина
МАДИ
Россия
Россия
аспирант
Список литературы
1. Чернышев, Ю. О. Обзор динамических задач маршрутизации транспорта / Ю. О. Чернышев, В. Н. Кубил // Программные продукты и системы. – 2020. – № 3. – С. 491-501. – EDN QAPNLC.
2. Lutsenko, E. A. Model for determining the optimal size of a multi-nomenclature cargo batch, taking into account the weight and volume characteristics of the transport vehicle / E. A. Lutsenko // International Journal of Advanced Studies. – 2020. – Vol. 10, No. 1. – P. 26-34. – DOI 10.12731/2227-930X-2020-1-26-34. – EDN IUVAXK.
3. The Use of Artificial Neural Networks (ANN) as an Auxiliary Factor in Planning Transportation Routes: Theoretical Aspects of Artificial Intelligence Systems Development for Transportation Engineering / A. A. Chernyshev, E. A. Koryagina, D. G. Moroz, S. S. Titova // 2022 Systems of Signals Generating and Processing in the Field of on Board Communications, SOSG 2022 - Conference Proceedings, Moscow, 15–17 марта 2022 года. – Moscow, 2022. – DOI 10.1109/IEEECONF53456.2022.9744087. – EDN ZICXHD.
4. Просов, С. Н. Декомпозиция задачи маршрутизации по эвристикам метода Кларка-Райта / С. Н. Просов, Е. А. Кузьменко // Мир транспорта. – 2018. – Т. 16, № 3(76). – С. 190-199. – EDN LXZFNR.
5. Сидоренко, Д. О. О решении задачи маршрутизации транспорта с помощью подвижного генетического алгоритма / Д. О. Сидоренко, А. Ю. Городилов // Вестник Пермского университета. Математика. Механика. Информатика. – 2021. – № 4(55). – С. 43-48. – DOI 10.17072/1993-0550-2021-4-43-48. – EDN XWCTDB.
6. Микулик, И. И. Распараллеливание гибридного алгоритма муравьиной колонии с изменяющимися с помощью генетического алгоритма параметрами / И. И. Микулик, Е. А. Благовещенская // Проблемы информатики. – 2023. – № 2(59). – С. 86-94. – DOI 10.24412/2073-0667-2023-2-86-97. – EDN HBTPLC.
7. Предикативный подход к анализу конфликтности в транспортном потоке / В. В. Дронсейко, А. М. Меркович, А. В. Замыцких, О. И. Максимычев // Мир транспорта и технологических машин. – 2023. – № 3-1(82). – С. 86-92. – DOI 10.33979/2073-7432-2023-3-1(82)-86-92. – EDN VUPKVF.
8. Проблемы создания регуляторной базы в процессе цифровизации автоперевозок / Т. Е. Мельникова, С. Е. Мельников, В. М. Макурина, С. Кахраманова // Транспорт: наука, техника, управление. Научный информационный сборник. – 2021. – № 9. – С. 49-52. – DOI 10.36535/0236-1914-2021-09-9. – EDN NLLPSA.
9. Asmanov, I.A. Development of A Hardware and Software Complex for Optimizing Logistics Activities in the Field of Consumer Waste Management / I.A. Asmanov, V.V. Zavyazkina, D.G. Moroz, A.I. Zhukov // Systems of Signals Generating and Processing in the Field of on-Board Communications. – 2023. – Vol. 1, No. 6. – P. 45-48. – DOI 10.1109/IEEECONF56737.2023.10092123.
10. GitHub. Asmanson: AntAlgorithm [Электронный ресурс]. – Режим доступа: https://github.com/Asmanson/AntAlgorithm/blob/main/AntMod (дата обращения: 30.11.2023).
11. Python: Welcome to Python.org [Электронный ресурс]. – Режим доступа: https://www.python.org/ (дата обращения: 30.11.2023).
Рецензия
Рецензент: Ю.А. Короткова, канд. техн. наук, доц., МАДИ
Просмотров:
139
