Актуальность исследования обусловлена необходимостью совершенствования методов решения многокритериальных транспортных задач, которые представляют собой важный класс оптимизационных задач с широким спектром практических применений. Традиционные подходы часто не справляются с вычислительной сложностью таких задач, а существующие методы оптимизации требуют дополнительной адаптации и настройки параметров. В связи с этим, данная статья направлена на выявление наиболее эффективных конфигураций эволюционных алгоритмов для решения многокритериальных транспортных задач как с точки зрения качества решения, так и вычислительного времени. Ведущим подходом к исследованию данной проблемы является сравнительный анализ эволюционных алгоритмов на наборе задач (около 85 тыс. уникальных постановок задачи с 4 критериями), что позволило комплексно рассмотреть особенности работы каждого алгоритма в различных параметрах. В статье представлены результаты анализа эффективности около 50 конфигураций эволюционных алгоритмов, раскрыты закономерности влияния различных параметров на качество и скорость решения, выявлены оптимальные конфигурации для каждого типа алгоритма, обосновано преимущество комбинированного подхода к решению задач. Материалы статьи представляют практическую ценность для разработчиков программного обеспечения в области логистики и транспортных систем, а также для исследователей, занимающихся вопросами оптимизации и эволюционного проектирования, поскольку позволяют создавать более эффективные системы автоматизированного решения многокритериальных транспортных задач.
1. Емельянов В.В., Курейчик В.М., Курейчик В.В. Теория и практика эволюционного моделирования. Москва: ФИЗМАТЛИТ; 2003. 431 c.
2. Белых М.А. Формализация многокритериальной транспортной задачи с временными ограничениями. Моделирование, оптимизация и информационные технологии. 2024;12(2). https://doi.org/10.26102/2310-6018/2024.45.2.027
3. Белых М.А., Баранов Д.А., Барабанов В.Ф. Сравнительный анализ работы эволюционных алгоритмов при решении многокритериальной транспортной задачи без ограничений. Вестник Воронежского государственного технического университета. 2024;20(4):43–48. https://doi.org/10.36622/1729-6501.2024.20.4.006
4. Белых М.А, Баранов Д.А, Барабанов В.Ф. Сравнительный анализ эволюционных алгоритмов при решении многокритериальной транспортной задачи с временными ограничениями. Системы управления и информационные технологии. 2024;(4):61–66.
5. Sabry A.H., Benhra J., El Hassani H. A Perfomance Comparsion of GA and ACO Applied to TSP. International Journal of Computer Applications. 2015;117(19):28–35. https://doi.org/10.5120/20674-3466
6. Вирсански Э. Генетические алгоритмы на Python. Москва: ДМК Пресс; 2020. 286 с.
7. Гардейчик С.М. Сравнительный анализ операторов кроссовера PMX, CX и OX на примере решения задачи коммивояжера. Весцi БДПУ. Серыя 3. Фізіка. Матэматыка. Інфарматыка. Біялогія. Геаграфія. 2019;(3):94–101.
8. Штовба С.Д. Муравьиные алгоритмы. Exponenta Pro: Математика в приложениях. 2003;(4):70–75.
9. Кажаров А.А, Курейчик В.М. Муравьиные алгоритмы для решения транспортных задач. Известия Российской академии наук. Теория и системы управления. 2010;(1):32–45.
10. Сальникова К.В. Анализ массива данных с помощью инструмента визуализации «Ящик с усами». Universum: экономика и юриспруденция. 2021;(6):11–17.
Баранов Дмитрий Алексеевич
Воронежский государственный технический университет
Воронеж, Российская Федерация
