Details
| Title | Применение технологий обучения с подкреплением и имитационного моделирования для повышения грузооборота на складских комплексах = Application of reinforcement learning and simulation modeling technologies to increase cargo turnover in warehouse complexes // Современные подходы в системном инжиниринге и цифровом моделировании сложных производственных систем: сборник трудов Всероссийской научно-практической конференции, 27–28 февраля 2025 года |
|---|---|
| Creators | Дорофеев Артем Евгеньевич ; Бондарь Артем Денисович |
| Organization | Санкт-Петербургский политехнический университет Петра Великого |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2026 |
| Collection | Общая коллекция |
| Document type | Article, report |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id25-184 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\79451 |
| Record create date | 7/9/2026 |
Allowed Actions
–
Action 'Прочитать' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В статье исследуется применение технологий обучения с подкреплением (Reinforcement Learning, RL) и имитационного моделирования для оптимизации работы складских комплексов, направленной на повышение грузооборота. Авторы предлагают инновационный подход, интегрирующий RL с имитационной моделью склада, разработанной в среде AnyLogic. Проведенные эксперименты демонстрируют эффективность RL в улучшении ключевых показателей, таких как общий грузопоток (увеличение на 7,1%) и снижение порожних пробегов техники (на 5,2%). При этом отмечается рост перемещений персонала, обусловленный возросшей интенсивностью работы. Результаты подтверждают перспективность использования RL для динамической оптимизации складских процессов, что способствует снижению издержек и повышению конкурентоспособности предприятий.
В статье исследуется применение технологий обучения с подкреплением (Reinforcement Learning, RL) и имитационного моделирования для оптимизации работы складских комплексов, направленной на повышение грузооборота. Авторы предлагают инновационный подход, интегрирующий RL с имитационной моделью склада, разработанной в среде AnyLogic. Проведенные эксперименты демонстрируют эффективность RL в улучшении ключевых показателей, таких как общий грузопоток (увеличение на 7,1%) и снижение порожних пробегов техники (на 5,2%). При этом отмечается рост перемещений персонала, обусловленный возросшей интенсивностью работы. Результаты подтверждают перспективность использования RL для динамической оптимизации складских процессов, что способствует снижению издержек и повышению конкурентоспособности предприятий.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
