Россия
Россия
Россия
Изложить принципы формирования генетического компоновочного алгоритма при разработке метода размещения объектов транспортного узла, использования и обработки массивов данных. Методы: На основе анализа публикаций в направлении данных исследований применена методологическая база генетических алгоритмов, авторские решения линейных диофантовых уравнений в параметризации зон узла, учитываемых при постановке компоновочных задач. Результаты: В статье разработан авторский метод решения прикладной задачи размещения объектов транспортного узла в условиях нечетких постановок направлений исследования, формирования массивов данных, их оценки и выбора рациональных вариантов с применением метода Парето и авторского генетического компоновочного алгоритма. Исследована возможная адаптация транспортных характеристик зон узла к перспективным направлениям цифровизации и интеллектуализации инфраструктурно-технологического взаимодействия. Практическая значимость: На примере зон узла представлен авторский метод решения прикладной задачи, формирования массивов данных, их оценки и выбора рациональных вариантов с применением метода Парето и генетического компоновочного алгоритма, получен эффект за счет улучшения транспортных связей, рационализации параметров зон, повышения рейтинга узла.
Транспортный узел, зоны узла, параметры транспортной работы, математическое моделирование, генетический компоновочный алгоритм, линейные диофантовы уравнения, метод Парето, большие данные
1. Transport of Russia: All-Russian transport weekly information and analytical newspaper. — URL: http://www. transportrussia.ru (дата обращения: 22.05.2024).
2. Северо-Кавказская железная дорога. — URL: http://skzdservice.ru/page/4 (дата обращения: 22.05.2024).
3. Солодкий А. И. Развитие интеллектуальных транспортных систем в России: проблемы и пути их решения. Новый этап / А. И. Солодкий // Интеллект. Инновации. Инвестиции. — 2020. — № 6. — С. 10–19. — DOI:https://doi.org/10.25198/2077-7175-2020-6-10.
4. Pankratov I. A. Genetic algorithm of energy consumption optimization for reorientation of the spacecraft orbital plane / I. A. Pankratov // Мechatronics, automation, control. — 2022. — Vol. 23. — Iss. 5. — Pp. 256–262. — DOI:https://doi.org/10.17587/mau.23.256-262.
5. Lyabakh N. Development of the pattern recognition theory for solving the tasks of object classification and yard processes / N. Lyabakh, A. Saryan, I. Dergacheva et al. // Advances in Intelligent Systems and Computing. — 2020. — Pp. 59–68. — DOI:https://doi.org/10.1007/978-3-030-51974-2_6.
6. Числов О. Н. Принципы формирования комплексного критерия оценки структуры транспортного узла / О. Н. Числов, Е. Е. Мизгирева // Вестник Ростовского государственного университета путей сообщения. — 2024. — № 1(93). — С. 122–131. — DOI:https://doi.org/10.46973/0201- 727X_2024_1_122.
7. Числов О. Н. Методы цифровизации и интеллектуализации параметров логистического взаимодействия в системе «ж.-д. станция — порт» в условиях мультиагентности транспортно-технологических процессов: монография / О. Н. Числов, М. В. Колесников, В. М. Задорожний и др.; ФГБОУ ВО РГУПС; АНО ВО НТУ «Сириус». — Ростов-на-Дону: РГУПС, 2022. — 396 с.
8. Zakharov I. V. The choice of structures of heterogeneous information-computer systems based on the apparatus of genetic algorithms / I. V. Zakharov, A. O. Shushakov, S. S. Zykova // Intelligent Technologies on Transport. — 2022. — Iss. 3(31). — Pp. 46–51. — DOIhttps://doi.org/10.24412/2413- 2527-2022-331-46-51.
9. Лебедева Н. А. Оценка транспортной обеспеченности северо-западного федерального округа / Н. А. Лебедева // Научный журнал НИУ ИТМО. Серия «Экономика и экологический менеджмент». — 2021. — № 2. — С. 47–54 — DOI:https://doi.org/10.17586/2310-1172-2021-14-2-47-54.
