Please use this identifier to cite or link to this item: http://lib.kart.edu.ua/handle/123456789/25305
Title: Удосконалення технології управління місцевою роботою дільниці в умовах невизначеності на основі робастної оптимізації
Other Titles: Enhancing the Technology of Local Operations Management for Railway Sections under Uncertainty Based on Robust Optimization
Authors: Пархоменко, Лариса Олексіївна
Прохоров, Віктор Миколайович
Калашнікова, Тетяна Юріївна
Parkhomenko, Larysa
Prokhorov, Viktor
Kalashnikova, Tetiana
Keywords: місцева робота
невизначеність
планування роботи збірних поїздів
робастна оптимізація
local operations
uncertainty
planning of local train operations
robust optimization
Issue Date: 2024
Publisher: Український державний університет залізничного транспорту
Citation: Пархоменко, Л. О. Удосконалення технології управління місцевою роботою дільниці в умовах невизначеності на основі робастної оптимізації / Л. О. Пархоменко, В. М. Прохоров, Т. Ю. Калашнікова // Інформаційно-керуючі системи на залізничному транспорті. – 2024. – № 3. – С. 3-12.
Abstract: UA: У статті розглянуто удосконалення технології управління місцевою роботою залізничних дільниць в умовах невизначеності, що важливо для підвищення ефективності вантажних перевезень. Сучасні методи планування часто базовані на середньодобових даних і не враховують коливань, отже, ефективність управління місцевою роботою може суттєво знижуватися через недостатнє врахування динаміки перевезень. Метою статті є розроблення нової методики планування роботи збірних поїздів з урахуванням невизначеностей, що дасть змогу підвищити точність і надійність планування. Для цього пропонують використовувати робастну оптимізацію, яка забезпечує стійкість рішень до змінюваних умов шляхом застосування принципу мінімаксу. Цей підхід дає змогу створювати надійні плани, які ефективно функціонують навіть у разі значних відхилень від очікуваних умов. У статті проаналізовано результати моделювання, що було проведено за допомогою розробленої процедури оптимізації з застосуванням математичного апарата генетичних алгоритмів, реалізовану в середовищі MATLAB. Моделювання підтвердило ефективність запропонованого підходу. Водночас результати дослідження показують, що для досягнення ще більших результатів доцільно враховувати статистичні дані про коливання обсягів місцевої роботи на станціях. Для цього пропонують інтегрувати стохастичну складову в модель робастної оптимізації, яка дає змогу краще враховувати варіації в обсягах перевезень і забезпечує більш точні рішення. Це може суттєво покращити ефективність планування, зменшити витрати і підвищити загальну ефективність управління залізничними перевезеннями. Отже, запропоновані методи відкривають нові можливості для вдосконалення технологій управління місцевою роботою на залізниці, забезпечуючи більш надійні та економічні рішення в умовах невизначеності.
EN: The paper explores the enhancement of local operations management technology for railway sections under uncertainty, which is crucial for improving the efficiency of freight transportation. Current planning methods often rely on average daily data and do not account for fluctuations. Consequently, the effectiveness of local operations management can be significantly reduced due to inadequate consideration of transportation dynamics. The goal of the paper is to develop a new methodology for planning the operation of consolidated trains considering uncertainties, which will improve planning accuracy and reliability. To achieve this, robust optimization is proposed, which ensures solution stability against changing conditions through the application of the minimax principle. This approach allows for the creation of reliable plans that function effectively even in the face of significant deviations from expected conditions. The paper analyzes the results of modeling conducted using a developed optimization procedure based on genetic algorithms, implemented in the MATLAB environment. The modeling confirmed the effectiveness of the proposed approach. At the same time, the study results indicate that to achieve even greater outcomes, it is advisable to consider statistical data on fluctuations in local operations volumes at stations. Therefore, it is suggested to integrate stochastic robust optimization, which better accounts for variations in transportation volumes and provides more accurate solutions. This could significantly enhance planning efficiency, reduce costs, and improve the overall effectiveness of railway transportation management. Thus, the proposed methods open new opportunities for refining local operations management technologies on railways, providing more reliable and cost-effective solutions under uncertainty.
URI: http://lib.kart.edu.ua/handle/123456789/25305
ISSN: 1681-4886 (рrint); 2413-3833 (online)
Appears in Collections:Том 29 № 3

Files in This Item:
File Description SizeFormat 
Parkhomenko.pdf823.88 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.