Наукова періодика Університету "КРОК"
Постійне посилання на розділhttps://dspace.krok.edu.ua/handle/krok/280
Переглянути
2 результатів
Результати пошуку
Документ Комбінування жадібного алгоритму з методом Монте-Карло для вирішення завдань логістики, в основі яких лежить задача комівояжера(Університет «КРОК», 2021) Троцько, В.В.; Чернозубкін, І.О.; Троцько, Володимир Валентинович; Чернозубкін, Ігор ОлександровичОднією із нагальних проблем існуючих систем логістики є транспортування за оптимальними(в ідеальному випадку найкоротшими) маршрутами. Як правило вирішення цієї проблеми зводиться до вирішення задачі комівояжера (TSP-problem) і потребує розробки алгоритмів, які б забезпечували її вирішення за найкоротший час. Найбільш швидким алгоритмом для вирішення задачі комівояжера є жадібний алгоритм, оскільки він передбачає лише одну ітерацію для пошуку маршруту через визначення мінімальних довжин ділянок на кожному кроці. Однак, його результати далекі від оптимальних. Метою статті є оцінка можливості комбінування жадібного алгоритму для вирішення практичних логістичних завдань, в основі яких лежить задача комівояжера. У статті запропоновано комбінований алгоритм для розв'язання задачі комівояжера який ґрунтується на одночасному використанні жадібного алгоритму та алгоритму, який ґрунтується на застосуванні методу Монте-Карло. Запропоноване комбінування передбачає на початковому етапі алгоритму використовувати жадібний алгоритм через те, що саме на цьому етапі він має високу продуктивність. На завершальному етапі запропоновано використовувати метод Монте-Карло для вибору ділянок маршруту – пошук з використанням випадкових значень. Шляхом комп’ютерного моделювання доведено перевагу комбінованого алгоритму над жадібним, що дозволить ефективно його використовувати для вирішення завдань логістики. Перевірка адекватності моделі була здійснена шляхом підрахунку середнього результату для 50 випадкових варіантів задачі комівояжера, що містить десять міст. Виконані розрахунки також дозволили зробити припущення, про недостатню продуктивність метаевристичних алгоритмів для вирішення задачі комівояжера з мінімальним часом, оскільки всі вони містять в своєму складі тривалі обчислювальні процедури, що сповільнюють обчислення. У якості прикладу в статті були наведені формульні залежності двох метаевристичних алгоритмів – алгоритму імітації відпалу та алгоритму мурашиної колонії. Проведення подальших досліджень дозволить підтвердити або спростувати це твердження.Документ Оцінка практичного використання пошукових алгоритмів для вирішення завдань логістики, в основі яких лежить задача комівояжера(Університет «КРОК», 2022) Троцько, Володимир; Чернозубкін, Ігор; Добришин, Юрій; Троцько, Володимир Валентинович; Чернозубкін, Ігор Олександрович; Добришин, Юрій ЄвгеновичАктуальність публікації обумовлена зростанням практичних потреб логістичного забезпечення в динамічному середовищі потоків обслуговування та транспортування. Необхідність ефективного використання ресурсів під час логістичної обробки замовлень із застосуванням засобів автоматизації сьогодні не викликає сумнівів особливо для задач пов’язаних з комбінаторною логікою де досягнення оптимального результату пов’язане зі значними обчислювальними ресурсами. Однією з таких задач є задача комівояжера(TSP). Метою публікації є порівняльна оцінка групи алгоритмів для вирішення практичних логістичних завдань, в основі яких лежить задача комівояжера. Методологія дослідження ґрунтувалась на проведенні обчислювального експерименту та проведенні подальшого аналізу отриманих результатів для декількох метаевристичних алгоритмів, один із яких був запропонований авторами як комбінація двох відомих методів - методу Монте-Карло та методу найближчого сусіда або “жадібного алгоритму”. В результаті проведеного дослідження з’ясувалося що запропонований комбінований метод є більш ефективним при вирішенні TSP великої розмірності серед розглянутих алгоритмів, отже його використання на практиці для вирішення логістичних задач призведе до суттєвішої економії ресурсів. Також слід зазначити, що підхід, якій ґрунтується на комбінації двох, а можливо і більшої кількості методів, може бути більш продуктивним, ніж використання одного алгоритму, що дає простір для подальших досліджень.