Group items tagged

В статье приводится алгоритм для решения однопериодной задачи маршрутизации запаса (IRP) со стохастическим спросом и возможными запасами. Подход сочетает в себе моделирование методом Монте-Карло и эвристику. Алгоритм использует пять различных политик обслуживания или уровней запасов для каждого клиента: (a) без пополнения; (б) пополнение до 25% возможной вместимости ; (c) пополнение до 50 %; (d) пополнение до 75% ; и (e) полное пополнение. Для каждой из политик вычисляются затраты на инвентаризацию в соответствии с ожидаемым спросом в этом периоде, а затем оценивается экономия маржинальной маршрутизации. Таким образом, для каждого клиента можно ранжировать каждую политику путем оценки ее общих затрат, то есть как затрат на инвентаризацию, так и маршрутизацию. Далее следует цикличное построение набора перспективных решений для IRP. На каждом цикле этого многозадачного процесса выбирается новый набор политик, выполняя асимметричную рандомизацию в списке рядов политики.

В данной работе разбирается задача моделирования доступности терминалов нефтедобывающей платформы «Приразломная» в зависимости от погодных условий. При тактическом планировании погрузо-рузгрузочных операций на платформе важно учитывать окна погоды, когда характеристики внешней среды делают осуществление работ невозможным. Поскольку скорость выполнения данных операций напрямую влияет на интегральную эффективность транспортной системы в целом, то требуется моделирование всех интересующих элементов окружающей среды в явном виде. Для решения данной задачи были разработаны алгоритм динамического моделирования погодных условий и формализованный алгоритм определения доступности каждого грузового терминала по климатическим условиям. Подробно описываются методы вычисления количественных значений погодных параметров, приводится процедура генерации всех отслеживаемых параметров и причинно-следственные связи, действия алгоритмов и их визуализация. Большинство верификационных тестов подтвердили высокую степень адекватности реализованного алгоритма, то есть его

Описание и примеры использования эффективной эвристики для решения задачи коммивояжера "LKH is an effective implementation of the Lin-Kernighan heuristic for solving the traveling salesman problem." Computational experiments have shown that LKH is highly effective. Even though the algorithm is approximate, optimal solutions are produced with an impressively high frequency. LKH has produced optimal solutions for all solved problems we have been able to obtain; including a 85,900-city instance (at the time of writing, the largest nontrivial instance solved to optimality). Furthermore, the algorithm has improved the best known solutions for a series of large-scale instances with unknown optima, among these a 1,904,711-city instance (World TSP)."

«Мы разрабатываем интегрированную модель оптимизации загрузки и маршрутизации решений исходящей от поставщика цепи поставок автозапчастей. Три вида транспорта, динамический спрос и ограниченные запасы - вот некоторые сложные аспекты. Мы разделяем проблему на две подзадачи, связанные с распределением клиентов по кластерам и маршрутизацией клиентов. Алгоритм запускается ежедневно с различными правилами отправки. Результаты показывают влияние местоположений клиента, запасов и сроков на исходящие затраты на логистику». "We develop an integrated model to optimize loading and routing decisions of an auto-parts supplier's outbound supply chain. Three transportation modes, dynamic demands, and limited inventory are some challenging aspects. We decompose the problem into two sub-problems involving assignment of customers into clusters and routing customers. The algorithm is run daily with varying dispatch rules. The results show the impact of customer locations, inventories, and due dates on outbound logistics costs".