О решении задачи маршрутизации транспорта с помощью подвижного генетического алгоритма

Авторы

  • Алексей Юрьевич Городилов Пермский государственный национальный исследовательский университет
  • Дмитрий Олегович Сидоренко Пермский государственный национальный исследовательский университет

DOI:

https://doi.org/10.17072/1993-0550-2021-4-43-48

Ключевые слова:

подвижный генетический алгоритм, задача маршрутизации транспорта

Аннотация

В статье описан подход к решению задачи маршрутизации транспорта на основе подвижного генетического алгоритма. Подвижные генетические алгоритмы отличаются от классических более гибкой схемой кодирования решений, что актуально для задач со сложной структурой решения. В статье приведена математическая постановка задачи. Авторами предложено два варианта кодирования особей, а также алгоритм пересчета вероятностей, формирующих хромосому в подвижном генетическом алгоритме. Выполнено сравнение предложенного подхода с другими существующими подходами решения задачи маршрутизации транспорта. Проведенные исследования позволяют утверждать, что для решения поставленной задачи применение подвижных генетических алгоритмов возможно. Получаемые результаты корректны, однако при больших объемах данных алгоритм работает слишком медленно, получаемое решение оказывается значительно хуже решения, получаемого классическим генетическим алгоритмом. В статье рассматриваются возможные варианты решения возникших проблем.

Библиографические ссылки

Сидоренко Д.О., Городилов А.Ю. Подвижный генетический алгоритм для решения задачи маршрутизации транспорта // материалы Всерос. науч.-практ. конф. молодых ученых с междунар. участием "Математика и междисциплинарные исследования". 2021. С. 177–180.

Гончарова Ю.А., Валеев Р.С., Валеева А.Ф. Задачи маршрутизации при транспортировке: обзор моделей, методов и алгоритмов // Логистика и управление цепями поставок. 2019. № 4. С. 74–88.

Prins C. A simple and effective evolutionary algorithm for the vehicle routing problem // Computers & Operations Research. 2004. №31. P. 1985–2002.

Jafari-Marandi R., Smith B. K. Fluid Genetic Algorithm (FGA) // Journal of Computational Design and Engineering. 2017. Vol. 4. P. 158–167.

Hong, Haoyuan & Panahi, Mahdi & Shirzadi, Ataollah & Ma, Tianwu & Liu, Junzhi & Zhu, A-Xing & Chen, Wei & Kougias, Ioannis & Kazakis, Nerantzis. (2018). Flood susceptibility assessment in Hengfeng area coupling adaptive neuro-fuzzy inference system with genetic algorithm and differential evolution. Science of The Total Environment. 621. 1124–1141. 10.1016/j.scitotenv.2017.10.114.

Кротких А.А., Максимов П.В. Постановка обобщенного жидкостного генетического алгоритма и оценка его применимости в рамках решения задачи топологической оптимизации // Математика и междисциплинарные исследования – 2020: материалы Всерос. науч.-практ. конф. молодых ученых с междунар. участием (г. Пермь, 12–14 октября 2020 г.) / гл. ред. А.П. Шкарапута. Пермский государственный национальный исследовательский университет. Пермь, 2020.

Загрузки

Опубликован

22.12.2021

Как цитировать

Городилов, А. Ю., & Сидоренко, Д. О. (2021). О решении задачи маршрутизации транспорта с помощью подвижного генетического алгоритма. ВЕСТНИК ПЕРМСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. ИНФОРМАТИКА, (4 (55), 43–48. https://doi.org/10.17072/1993-0550-2021-4-43-48

Выпуск

Раздел

Информатика, кибернетика и вычислительная техника

Наиболее читаемые статьи этого автора (авторов)