ГЕНЕТИЧЕСКИЙ КОМПОНОВОЧНЫЙ АЛГОРИТМ РАЗМЕЩЕНИЯ ОБЪЕКТОВ ТРАНСПОРТНОГО УЗЛА: ПОСТАНОВКА ЗАДАЧИ, ФОРМИРОВАНИЕ И ИСПОЛЬЗОВАНИЕ МАССИВОВ ДАННЫХ, МЕТОДИКА РЕШЕНИЯ
Аннотация и ключевые слова
Аннотация (русский):
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.

Ключевые слова:
Транспортный узел, зоны узла, параметры транспортной работы, математическое моделирование, генетический компоновочный алгоритм, линейные диофантовы уравнения, метод Парето, большие данные
Список литературы

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.

Войти или Создать
* Забыли пароль?