Science and Transport Progress
Published June 15, 2018 | Version v1
Journal article Open

РЕАЛИЗАЦИЯ ДИНАМИЧЕСКИХ, КОНКУРЕНТНЫХ И НЕЧЕТКИХ МОДЕЛЕЙ ПЛАНИРОВАНИЯМНОГОПРОДУКТОВЫХ ПОТОКОВ В ТРАНСПОРТНЫХ СЕТЯХ

Creators

  • 1. Днепропетровский национальный университет железнодорожного транспорта имени академи-ка В. Лазаряна, ул. Лазаряна, Украина

Description

Мета. Головною метою статті є розробка нової уніфікованої процедури планування нечітких багатопродуктових, динамічних, а також конкурентних потоків у транспортних мережах і мережевих інформаційних системах. Процедура заснована на використанні паралельних синхронних алгоритмів розрахунку неоднорідних максимальних потоків. Методика. В роботі запропонована класифікація математичних моделей задач із планування потоків у транспортних мережах. Досліджено можливості використання уніфікованої процедури і паралельного синхронного алгоритму розрахунку максимальних неоднорідних потоків для реалізації завдань планування багатопродуктових, нечітких, динамічних і конкурентних потоків. Результати. Ефективність і універсальність запропонованих методів планування неоднорідних потоків встановлена шляхом порівняння отриманих у статті результатів розрахунків із відомими в літературі. Розроблено уніфіковану процедуру і паралельний синхронний алгоритм для планування нечітких багатопродуктових, динамічних і конкурентних потоків у транспортних мережах, а також реалізовано завдання оптимального розподілу цих потоків у транспортних мережах. Наукова новизна. У статті розроблена нова уніфікована процедура планування нечітких багатопродуктових, динамічних і конкурентних потоків у транспортних мережах інформаційних систем, що використовує паралельні синхронні алгоритми розрахунків максимальних потоків. Процедура дозволяє обчислити локальні екстремуми моделей оптимального розподілу потоків. Практична значимість. Практична цінність отриманих результатів визначається уніфікованими можливостями та ефективністю процедури і паралельно синхронного алгоритму, призначеного для розрахунку максимальних багатопродуктових потоків у транспортних мережах. Розроблена процедура забезпечує можливість вирішення завдань аналізу і планування багатопродуктових потоків у мережах для динамічних, нечітких і конкурентних моделей розподілу транспортних та інформаційних потоків.

Files

133742-Текст статті-291512-1-10-20180626.pdf

Files (1.1 MB)

Additional details

Related works

Is identical to
Journal article: http://stp.diit.edu.ua/article/view/133742 (URL)

References

  • Shtayn, K., Rivest, R., Kormen, T., & Leyzerson, C. (2010). Algoritmy: postroenie i analiz. Moscow: Publisher Vilyams. (in Russian)
  • Osin, V. N. (2014) Effektivnoe raspredelenie informatsionnykh potokov v setevoy informatsionnoy sisteme na osnove nechetkikh modeley. (Avtoreferat dysertatsii kandydata tekhnicheskikh nauk). Tambov State Technical University, Tambov. (in Russian)
  • Skalozub, V. V., Tseytlin, S. Y., & Cherednichenko, M. S. (2016). Intellektualnye informatsionnye tekhnologii i sistemy zheleznodorozhnogo transporta. In A. I. Mikhaleva (Ed.), Sistemnye tekhnologii modelirovaniya slozhnykh protsessov: Monografiya (pp. 560-589). Dnipro. (in Russian)
  • Skalozub, V. V., & Panik, L. A. (2007). Modelirovanie i analiz potokovykh zadach s neodnorodnymi nositelyami. Bulletin of Dnipropetrovsk National University of Railway Transport named after Academician V. Lazaryan, 19, 125-133. (in Russian)
  • Skalozub, V. V., & Panik, L. O. (2017). Paralelni synkhronni alhorytmy analizu ta planuvannia neodnoridnykh potokiv u transportnykh merezhakh. System technology: Regional intercollegiate collection of scientific works, 5(112), 183-197. (in Ukranian)
  • Fillips, D. I., & Garsia-Dias, A. (1984). Metody analiza setey. Moscow: Publisher Mir. (in Russian)
  • Bozhenyuk, А. & Gerasimenko, E. (2013). Algorithm for Monitoring Minimum Cost in Fuzzy Dynamic Networks. Information Technology and Management Science, 16(1), 53-59. doi: 10.2478/itms-2013-0008 (in English)
  • Grigoriadis, M. D., & Khachiyan, L. G. (1996). Approximate minimum-cost multicommodity flows in $$tilde O$$ (ɛ −2 KNM) timetime. Mathematical Programming, 75(3), 477-482. doi: 10.1007/bf02592195 (in English)
  • Holzhauser, M., Krumke, S. O., & Thielen, C. (2016). Maximum flows in generalized processing networks. Journal of Combinatorial Optimization, 33(4), 1226-1256. doi: 10.1007/s10878-016-0031-y (in English)
  • Kovacs, P. (2013). Minimum-cost flow algorithms: An experimental evaluation EGRES Technical Report. EGRES Technical Report, 4, 1-40. Retrieved from https://web.cs.elte.hu/egres/tr/egres-13-04.pdf (in English)
  • Bozhenyuk, A. V., Gerasimenko, E. M., Kacprzyk, J., & Rozenberg, I. N. (2016). Maximum and Minimum Cost Flow Finding in Networks in Fuzzy Conditions. Flows in Networks Under Fuzzy Conditions, 23-75. Cham: Springer. doi: 10.1007/978-3-319-41618-2_2 (in English)
  • Nasrabadi, E., & Hashemi, S. M. (2010). Minimum cost time-varying network flow problems. Optimization Methods and Software, 25(3), 429-447. doi :10.1080/10556780903239121 (in English)
  • Schiopu, C., & Ciurea, E. (2016). The Maximum Flows in Planar Dynamic Networks. International Journal of Computers Communications & Control, 11(2), 282-291. doi: 10.15837/ijccc.2016.2.2444 (in English)
  • Sifaleras, A. (2013). Minimum cost network flows: Problems, algorithms, and software. Yugoslav Journal of Operations Research, 23(1), 3-17. doi: 10.2298/YJOR121120001S (in English)