Детальная информация
| Название | 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 |
|---|---|
| Авторы | Дорофеев Артем Евгеньевич ; Бондарь Артем Денисович |
| Организация | Санкт-Петербургский политехнический университет Петра Великого |
| Выходные сведения | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2026 |
| Коллекция | Общая коллекция |
| Тип документа | Статья, доклад |
| Язык | Русский |
| DOI | 10.18720/SPBPU/2/id25-184 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Дополнительно | Новинка |
| Ключ записи | RU\SPSTU\edoc\79451 |
| Дата создания записи | 09.07.2026 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
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.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
