Details
Мультимодальные перевозки характеризуются высокой степенью неопределенности, разнородностью участников (железнодорожный, морской, автомобильный транспорт) и технологическими ограничениями, что делает традиционные централизованные методы планирования, основанные на статических моделях оптимизации, недостаточно эффективными. Возникает противоречие между необходимостью глобальной координации цепочек поставок и невозможностью оперативной адаптации к динамическим изменениям среды без потери гибкости. Дополнительную сложность вносит необходимость согласования решений между независимыми участниками транспортного процесса, обладающими собственными целями и ограничениями. Целью статьи является разработка самообучающейся мультиагентной модели адаптивного планирования мультимодальных перевозок, основанной на децентрализованном принятии решений и параметрической адаптации критериев агентов. Методологическая база работы объединяет принципы агентно-ориентированного моделирования, элементы теории принятия решений и формализацию поведения участников через универсальную функцию удовлетворенности, отражающую многокритериальную природу транспортных процессов. В рамках исследования последовательно выполнены анализ существующих подходов к планированию мультимодальных перевозок, формализация требований к математическим методам, а также разработка структуры агентов, представляющих ключевые элементы транспортной системы и их взаимодействие. В качестве результата предложена математическая модель, в которой каждый элемент транспортной сети представлен автономным агентом с собственными критериями (стоимость, время, ресурсы) и механизмом локального принятия решений. Взаимодействие агентов реализуется через механизм согласования решений, обеспечивающий формирование согласованного плана перевозки без централизованного управления. Ключевым элементом выступает механизм самообучения: система адаптирует приоритеты агентов путем сравнения ожидаемых и фактических результатов операций, накапливая опыт для повышения точности последующих решений и устойчивости к внешним возмущениям. Новизна предлагаемого решения заключается в создании формализованной модели самообучающейся мультиагентной системы, обеспечивающей адаптацию параметров принятия решений на основе ретроспективного анализа и позволяющей учитывать повторяемость типовых ситуаций. Практическая значимость подтверждается возможностью использования разработанной модели в интеллектуальных логистических платформах, а также снижением необходимости полного перепланирования при возникновении отклонений и повышением устойчивости транспортных процессов. Полученные результаты демонстрируют перспективность применения мультиагентного подхода для эффективного управления мультимодальными перевозками в условиях высокой неопределенности.
Multimodal transportation is characterized by high level of uncertainty, heterogeneity of participants (rail, maritime, road transport), and technological constraints, which make traditional centralized planning methods based on static optimization models insufficiently effective. A contradiction arises between need for global coordination of supply chains and inability to promptly adapt to dynamic changes in environment without loss of flexibility. Additional complexity comes from need to coordinate decisions among independent participants of transport process, each having own objectives and constraints. The aim of the article is to develop a self-learning multi-agent model for adaptive planning of multimodal transportation based on decentralized decision-making and parametric adaptation of agent criteria. Methodological basis combines principles of agent-based modeling, elements of decision theory, and formalization of participant behavior through universal satisfaction function reflecting multi-criteria nature of transport processes. Within study, analysis of existing approaches to multimodal transportation planning, formalization of requirements for mathematical methods, and design of agent structure representing key elements of transport system and their interaction were carried out. As a result, mathematical model is proposed in which each element of transport network is represented as autonomous agent with own criteria (cost, time, resources) and local decision-making mechanism. Interaction of agents is implemented through coordination mechanism that ensures formation of consistent transportation plan without centralized control. Key element is self-learning mechanism: system adapts priorities of agents by comparing expected and actual outcomes of operations, accumulating experience to improve accuracy of subsequent decisions and robustness to external disturbances. Novelty lies in development of formalized model of self-learning multi-agent system that enables adaptation of decision-making parameters based on retrospective analysis and allows consideration of recurring patterns. Practical significance is confirmed by possibility of using developed model in intelligent logistics platforms, as well as by reducing need for complete re-planning when deviations occur and by increasing robustness of transport processes. The results demonstrate potential of multi-agent approach for efficient management of multimodal transportation under conditions of high uncertainty.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | All |
|
