CC BY
96
трясшь, яких вона зазнала внаслщок eK0H0Mi4H0i та полттично! кризи в Украшь
Список використаних джерел
1. Кузьменко Р.В. Оргаызацшни та структуры чинники змiни прiоритетiв / Р.В. Кузьменко // Структуры реформи економжи: свiтовий досвiд, iнститути, стратеги для Украши. — Тернопшь: Екoнoмiчна думка ТНЕУ, 2011. — 848 с.
2. Колодинський С.Б. Структуры трансформацп старопромислових рeгioнiв / С. Б. Колодинський, Л.М. Кузьменко, И.В. Хаджинов // Структуры реформи eкoнoмiки: свттовий дoсвiд, iнститути, стратеги для Украши. — Тернопшь: Екoнoмiчна думка ТНЕУ, 2011. — 848 с.
3. Василенко В.Н. Многомерность параметров региона: территории, системы, пространство: монография / В.Н. Василенко. — Дружковка: 1ЕПД НАН Украши, «ЮГО - ВОСТОК», 2016. — 408 с.
4. Василенко В.Н. Диагностика развития регионов: виды, подходы, приемы: могнография / В.Н. Василенко, А.И. Благодарний, А.И. Ватченко и др.; под науч. ред. В.Н. Василенко. — Донецк: «ЮГО-ВОСТОК», 2012. — 558 с.
5. Медвщь В.Ю. Екoнoмiчнe регулювання регю-нального розвитку: тeoрiя, методолопя, практика: мо-нoграфiя / В.Ю. Медвщь: наук. ред. В.Н. Василенко; НАН Украши Ун-т економжо-правових дослщжень. — К.: вид- во <<Щса плюс», 2015. — 282 с.
6. Просторовий ровиток регюну: сощально-еко-нoмiчнi мoжливoстi, ризики i перспективи: моногра-фiя / за ред. д.е.н., проф. Л.Т. Шевчук. — Львiв: 1РД НАН Украши, 2011. — 256 с.
7. Смирнов В.В. Парадигма и концепция эффективного социально — экономического развития региона / В.В. Смирнов // Регионология. — 2011. — №2. — С.56-63.
8. Кухарская Н.А. Стратегические приоритеты трансформации экономики регионов Украины: тенденции, формы, механизмы: монография / Н.А Кухар-ская. — Одесса: ИПРЭЭИ НАН Украины, 2010. — 519 с.
9. Монастирський Г.Л. Модерызацшна парадигма управлшня eкoнoмiчним розвитком тeритoрiа-льних спшьнот базового рiвня: мoнoграфiя / Г.Л. Мо-ностирський. — Тернопшь: Екoнoмiчна думка ТНЕУ, 2010. — 464 с.
10. Чухно А.А. Становлення еволюцшно! паради-гми eкoнoмiчних тeoрiй: Твори: У трьох томах / А.А. Чухно. — К.: 2007. — Т. 3. — 217 с.
11. Дубницкий В.И. Парадигма функционирования рыночных процессов в условиях трансформации регионов / В.И. Дубницкий // Трансформация промышленного комплекса региона: проблемы управления развитием / под ред. В.И. Дубницкого, И.П. Бу-леева. — Донецк: ДЭГИ, ООО «Юго-Восток, Лтд», 2008. — 548 с. [3.2. — С. 105-130]
12. Пепа Т.В. Сучасна парадигма регюнального розвитку продуктивних сил eкoнoмiчнoгo простору Украши / Т.В. Пепа. — Черкаси: Вертикаль, 2012. — 526 с.
13. Лазарева Т.С. Обоснование необходимости выравнивания региональных различий (диспропорций) / Т.С. Лазарева // Структурные трансформации старопромышленных регионов Украины / ИЭП НАН Украины. — Донецк, 2013. — 412 с.
В. В. Жихаревич
канд. фiз.-мат. наук Чертвецький нащональний yHieepcumem ím. Ю. Федьковича, м. Чертвщ,
Н. О. Мацюк
Буковинський державний финансово-e^HOMÍ4Huü
yHieepcumem, м. Чертвщ
РОЗВ'ЯЗАННЯ ЗАДАЧ1 МАРШРУТИЗАЦП З ВИКОРИСТАННЯМ МОДИФ1КОВАНОГО МУРАШИНО-КЛ1ТИННО-АВТОМАТНОГО АЛГОРИТМУ
Постановка проблеми. Задача маршрутизаци транспорту (Vehicle Routing Problem, VRP) представляв собою задачу комбшаторно! оптимiзацii, яка по-лягае у пошуку набору найкоротших маршрупв руху парку транспортних засобiв, що розташоваы в одному або кшькох депо, у процесi розвезення продукцп точ-кам-споживачам. При цьому, можуть бути накладенi обмеження щодо кшькоси та вантажопiдйомностi транспортних засобiв, обсяпв потреб споживачiв, часу доставки тощо.
Очевидно, що VRP е узагальненим випадком до-слщжувано! нами ранiше [1] задачi комiвояжера (Travelling Salesman Problem, TSP), коли попит спожи-вачiв приймаеться ненульовим та юнуе декшька аген-
та, що рухаються. Такт задачi належать до класу NP-складних, розв'язання яких вимагае значних обчислю-вальних ресурсiв, а час пошуку оптимального роз-в'язку залежить вщ розмiрностi задачi експоненцiйно. У зв'язку з цим, при розв'язаннi конкретних практич-них завдань такого роду, коли розмiрнiсть може дося-гати 100 пункив i бшьше, рекомендуеться застосову-вати наближенi методи [2]. Тому на сучасному етапi актуальною е розробка та вдосконалення метаеврис-тичних методiв розв'язання комбiнаторних задач, до яких належать в тому чи^ генетичы алгоритми (GA), клiтиннi автомати (СА) та метод мурашиних колонш (ACO). Данi методи будують свою роботу аналопчно з процесами, як вiдбуваються у живiй природi. Тому в
деяких джерелах можна зустргти назву «бюшстроват алгоритмы» [3], що з англшсько! означав — HaTXHeHHi природою.
Аналiз останн1х дослщжень i публжацш. Незважа-ючи на те, що вказат метаевристичнi методы об'ед-нат в один науковий напрям, що мае назву «природт обчислення» (Natural Computing), та дозволяють зна-ходити наближет до оптимальних розв'язки комбша-торних задач за прийнятний час, вони в^^зняються як за яюстю розв'язюв, так i за швидюстю роботи. По-рiвняння ефективностi використання рiзноманiтних метаевристичних методiв для розв'язання комбшатор-них задач здiйснене у багатьох працях. I хоча у [4] доведено вищу ефектившсть методiв ройового iнтелекту (мурашиних та бджолиних алгоритмiв) порiвняно iз GA для розв'язання бшьшоста NP-складних задач, у [5] зазначено, що саме TSP ефективнше розв'язуеться за допомогою ACO та GA. Дозволимо со6! не погоди-тись з цим, оскшьки виходячи iз свое! природи, му-рахи прагнуть потрапляти в одш i тi самi пункти, тодi як комiвояжер не повинен повторно вщвщувати жоден пункт, окрiм початкового. Так! протир!ччя стали причиною появи остантми роками все бшьшо! кшькоси рiзноманiтних комбiнацiй юнуючих методiв. Напри-клад, у [6] розроблено пбридний GA розв'язку VRP з обмеженою вантажопiдйомнiстю, який Грунтуеться на використаннi двох популяцш, деяю особини яких пе-рюдично м^рують. У наведенiй робот зазначаеться, що такий пбридний GA за своею ефектившстю може змагатися !з найкращим методом — пошуком з вщмо-вою. 1дея застосування багатопопуляцiйних GA також розвинена у [7], проте в данш пращ яюсть роботи GA тдвищена за допомогою АСО. Аналопчно, у [8] для розв'язання TSP розроблено пбридний алгоритм, суть якого полягае у послщовному використанш операто-р!в GA i АСО та штегращ! генетично! шформацп у процес побудови шляху агентом АСО, а також доведено, що даний алгоритм дозволяе знаходити бшьш яюсш розв'язки, шж АСО, за той самий час.
Мета статп. Огляд юнуючо! лгтератури з дано! тематики доводить, що найбшьш перспективним е використання не чистих, а комбшованих метаевристичних методiв для розв'язання таких задач, як TSP та VRP. Це лопчно, зважаючи на сжциФ!ку VRP, яка фактично складаеться з двох тдзадач — задачi пошуку найкоротших вiдстаней м1ж кожною парою пункпв призначення та задачi комiвояжера. Тому метою дано! роботи е розробка модифжованого мурашино-кт-тинно-автоматного алгоритму розв'язання VRP з ура-хуванням якоси дор^ та реально! дорожньо! ситуацп.
Виклад основного матерiалу дослiдження. VRP ле-жить на перетинi двох добре вивчених задач — TSP та задачi про упакування рюкзаку (Bin Packing Problem, BPP). 1снуе щонайменше 7 р!зновид!в VRP [9], яю в!др!зняються м1ж собою за ступенем деталiзацi!. Ми розглянемо найбшьш загальну варiацiю задачi марш-рутизацп — Capacitated VRP (CVRP). Вона е розшире-ною версiею класично! VRP та ураховуе додатковий параметр — обмежену вантажопщйомшсть транспортного засобу. Тут i далi CVRP будемо згадувати як зви-чайну VRP.
Модель VRP включае таю параметри:
n — кшьюсть споживачiв (пункпв, до яких необ-хщно доставити вантаж);
K — вантажотдйомшсть кожного транспортного засобу;
D~{di}i=i n — вектор попиту (обсягу замовлення)
споживачiв;
с=Ы
i, j=0,n
матриця вартостей транспорту-
вання вантажу м1ж споживачами I та ].
Сутшсть VRP полягае в наступному. Однаков1 транспортт засоби обмежено! вантажотдйомноси К здшснюють доставку продукцп з депо п 0 до спожива-ч1в п 1, Пп . Завдання полягае у м1шм1защ! загальних витрат на доставку продукцп (або вщстаней, що про-ходять вс1 транспорты засоби). Тобто, необхщно ви-значити наб1р маршрупв мшмально! загально! варто-сп, що вщповщають таким вимогам:
- кожен маршрут починаеться 1 закшчуеться у депо;
- кожен споживач включаеться лише в один з маршрупв, оскшьки може обслуговуватися лише одним транспортним засобом;
- сумарний попит споживач1в кожного маршруту не перевищуе вантажопщйомносп транспортного засобу.
Ураховуючи ус введет позначення, VRP може бути формал1зована у вигляд1 зваженого ор1ентованого графу О = (N, А) . Множина вершин N включае множину споживач1в С (вершини п 1, Пп ), а також депо п 0 . Множина ребер А формуеться з можливих зв'язюв м1ж вершинами. Кожному ребру (п1, п)) вщпо-
вщае певна вартють перевезень м1ж споживачами I та 1, вартють перевезень з будь-якого пункту до цього ж пункту, зрозумшо, нульова сгг = 0 . Матриця вартостей (вщстаней) е симетричною, коли с = с¡г . В реальних
умовах частше зустр1чаються несиметричш матрищ, що пов'язано, наприклад, з юнуванням шлях1в з одно-стороншм рухом. Множину однакових транспортних засоб1в, що характеризуються певною вантажопщйом-н1стю К , позначимо як V . Кожен споживач, в свою чергу, мае певну величину попиту (обсяг його замов-лення) ф Змшною виступае лише одна величина Х"ч, яка може набувати двох значень: 1 — якщо
транспортний зас1б у пере!жджае з пункту I до пункту 1, 0 — в шшому випадку.
Ц1льова функц1я VRP виглядае таким чином [10]:
XX сХ^ шт; (3)
(|,])е А
А обмеження, в1дпов1дно:
XX х;= 1; V г 6 С, (4)
у<Е¥ ¡6N
XX Х\ < К; V V 6 V,
16 С ¡6N
X X 0^ = 1; V V 6 V,
¡6 С
X х; - X Х^ = 0; Vк 6 С, VV 6 V, (7)
16 N ¡6 N
X' 6 {0,1}, V(i, 1 )6 А, Vv6 V. (8)
Обмеження (4) означае, що кожен споживач повинен бути обслужений лише одним транспортним за-
(5)
(6)
собом. Нерiвнiсть (5) встановлюе обмеження на ван-тажопщйомтсть транспортних засобiв. Сумарне за-мовлення споживачiв, що обслуговуються одним транспортним засобом, не повинне перевищувати його номшально! вантажопщйомноси. Обмеження (6) фiксуе, що кожний транспортний засiб може втхати з депо лише один раз. А обмеження (7) означае, що юлькоси транспортних засобiв, що в'!хали та ви!хали вiд споживача чи депо, повинш бути однаковими.
Така задача розв'язуеться у два етапи:
- розбиття множини вершин N на m пщмно-жин (маршрутiв);
- визначення послщовносп вiдвiдування вершин у кожному маршруи.
Розв'язок VRP можна зобразити у виглядi графа, що е об'еднанням m орiентованих циклiв вихiдного
графа G , що мають единий перетин у точщ n 0
(рис. 1).
Споживачi
1) знаходження наближених до оптимальних шляхiв м1ж пунктами, Грунтуючись на мереж дорiг, за допомогою модифiкацiï АСО по аналоги з процесами росту гриба-слизовика;
2) розв'язання задачi вщвщування ycix пунктiв в межах сформованих маршрута методом СА.
Мурашино-клiтинно-автоматний алгоритм розв'язання VRP було удосконалено на основi аналоги з процесами росту гриба-слизовика виду Physarum polycephalum [11], який пiд час пошуку джерела ïжi за-вдяки процесу селективного посилення бажаних мар-шругiв i одночасного видалення надлишкових зв'язюв здатний формувати ефективш з точки зору вартосп, продуктивностi та вiдмовостiйкостi транспортт мереж!.
Саме цей мехатзм i став основою модифiкацiï мурашиного алгоритму [12], суттсть яко'1 полягае в тому, що мурахи не б!гають, як в класичному алгоритм^ залишаючи за собою феромон, а вишикуються в ланцюжки. Таким чином вщтворюеться кттинно-автоматний пщхщ при реалiзацiï алгоритму.
Спочатку, за аналопею з! слизовиком, вибудову-еться суцшьна мережа мурах, як! починають переда-вати одна однш порци «поживних речовин».
1мов!ртсть передач! товару вщ одте'1 мурахи до шшо! визначаеться так:
j « ) =
(t ) Г-[^ ]р
£ [ «Г-[]], if j G Jn
leJ, k
(9)
Pj k (t) = 0 , if j i Ju
Рис. 1. Представления розв 'язку 3adani маршрутизаци
Пщ час розв'язання VRP, що описуе реальт ви-падки, часто потр!бна бшьша детал!защя. Додатко-вими параметрами, що включаються в модель, можуть бути асиметрична матриця вщстаней, декшька депо, неоднорщт транспортт засоби, р!зне часове в!кно для кожного споживача. Врахування под!бних фактор!в робить розв'язання дано'1 задач! ще важчим.
Двоетаптсть VRP зумовлюе специф!чний виб!р метод!в ïï розв'язання. Зокрема, для розв'язання пер-шого етапу — розбиття множини вершин на пщмно-жини та знаходження найкоротших вщстаней м!ж уама вершинами — найбшьш ефективним виступае АСО у зв'язку з! здаттстю мурах вишукувати оптима-льт шляхи м1ж пунктами. Проте, для розв'язання другого етапу — визначення послщовносп вщвщування вершин у кожному маршрут!, що фактично представ-ляе собою розв'язання TSP, — АСО е малоефектив-ним, що пов'язано !з природою мурах, яю прагнуть потрапляти в одш i ri сам! пункти, в той час, як комь вояжер не повинен вщвщувати один пункт дв1ч1 за ви-ключенням депо. Тому, для розв'язання VRP ми про-понуемо використати модифжований мурашино-кт-тинно-автоматний алгоритм.
Роботу пропонованого модифжованого мура-шино-клггинно-автоматного алгоритму можна зобразити у вигляд! блок-схеми (рис. 2). Вш працюе у два етапи:
де а та в — параметри, яю визначаються експеримен-тальним чином.
Пот1м вщбуваеться вщмирання неефективних мурах, тобто таких з них, яю бшьше простоюють без дша, н1ж передають порщю товар1в (аналог «випаровування феромону»).
Визначення ступеня ефективносй роботи к-то! мурахи вщбуваеться за такою формулою:
ТЦ~, / (¡, 1)е Т(г), Ь(Г) (10)
AXij,k (t) = \
У,к
[0, / (1,1) £ Т (Г), де Тк (Г) — маршрут, що к-та мураха пройшла на Г -т1й ггераци, довжиною Ьк(Г); Q — регульований параметр, значення якого одного порядку ¿з довжиною оптимального маршруту.
Чим частше передаеться товар, тим мураха ефективнше 1 кориснше. Тобто в нш тби пщвищу-еться р1вень феромону, як у класичному мурашиному алгоритм!.
Швидюсть в1дмирання не ефективних мурах фо-рмал1зуеться так:
Ту (Г + 1) = (1 - Р)-Тц (Г) + ДТ„ (Г), (11)
де р е [0,1] — коефщент випаровування феромону,
ATij (t ) = £ Aj (t )
юльюсть мурах в колони.
Тобто, чим менше у мурахи феромону, тим бшьша ймов1ршсть ïï смерть Таким чином вщбуваеться зву-ження широко'1 мереж! в окрем! найбшьш оптимальт транспортт ланцюжки.
k=1
Рис. 2. Блок-схема роботи модифжованого мурашино-клтинно-автоматного алгоритму
Результати обчислювального експерименту. Для
реалiзацi! модифжованого мурашино-клиинно-авто-матного алгоритму розв'язання VRP було прийнято низку припущень:
кшьюсть пункпв призначення, розташованих ви-падковим чином, дорiвнюe 8;
увесь вантаж розвозиться двома транспортними засобами;
вантажопiдйомнiсть транспортних засобiв e дос-татньою, щоб за один маршрут перевезти увесь товар;
сумарне замовлення споживачiв не перевищуе номшально! вантажопiдйомностi двох транспортних засобiв;
витрати часу, окрiм часу на транспортування, ну-льовi, зокрема це час на розвантажувальш роботи та час на общню перерву (витрати часу на розвантажу-вання продукцп можна урахувати шляхом додавання до загального часу деяких усереднених значень цього часу, помножених на кшьюсть пункпв).
Зазначеш спрощення не виходять за межi основно! мети нашого дослiдження, якою е демонстрацiя можливостей мурашино-клiтинно-автоматного алгоритму при розв'язанш VRP.
Реалiзацiя мурашино-клiтинно-автоматного алгоритму розв'язання VRP, у нашому випадку, перш за все передбачае представлення транспортно! шфра-структури мiста у деякому мережевому виглядi (рис.3). Таким чином, задача оптимiзацi! транспортування де-
яких вантаж1в зводиться до пошуку м1н1мальних вщ-станей м1ж заданими вузлами мережь
Окр1м врахування вщстаней м1ж вузлами, в ре-альних ситуащях, бшьш корисною е шформащя, яка дозволяе м1шм1зувати час, що витрачаеться на подо-лання ще! вщсташ. Вш визначаеться наступними факторами: яюсть дорожнього покриття; наявтсть свгглофор1в та регуляршсть !х переключення; кшьюсть смуг руху (пропускна спроможшсть дороги); кшьюсть стороншх машин у конкретш перюди часу (форму -вання затор1в); середнш час, який витрачаеться для здшснення повороту.
Окр1м перел1чених, можна навести ще низку фа-ктор1в, що залежать вщ багатьох суб'ективних та об'ективних причин (пори року, час доби тощо). У концевому випадку вс щ фактори можна звести до се-реднього часу подолання конкретно! дшянки дороги, що залежить вщ середньо! швидкосп на цш дшянщ та !! довжини. Кр1м цього, шод1 мае мюце одностороннш рух деякою дшянкою дороги, що однозначно впливае на траекторп руху транспортних засоб1в.
Для анал1зу ефективносп мурашино-кттинно-автоматного алгоритму при розв'язанш VRP, було зге-неровано модельну шфраструктуру дор1г деякого фрагменту мюта та пункти, до яких необхщно доставит вантаж (рис. 4). Ширина фрагменту — 10 км, ви-сота — 5 км. Окр1м цього, прийнято три типи дор1г 1з р1зними середшми швидкостями !х подолання — 10, 20
та 30 км/год вщповщно вщ свило-етрого до чорного кольорiв. Середнш час правостороннього повороту для моделi прийнято 10 с, а лiвостороннього — 20 с.
Також деяю делянки дорiг е дорогами з одностороншм рухом (на рисунках не вiдмiчено цей факт, щоб не пе-ревантажувати зображення).
Рис. 3. Приклад формування мережевоЧ структуры дорк мюта
Ус вузли мережево! структури дор1г мають сво! 4 показано приклад траекторш руху двох транспортних
шдекси, а також шдекси та типи дор1г до найближчих засоб1в за умов мшмально! довжини шляху. Л1ва тра-
сусщшх вузл1в. Пункти призначення згщно розробле- ектор1я мае загальну довжину 12,25 км 1з часом подо-
но! модел1 розподшяються м1ж двома транспортними лання шляху 1,05 години, а права — 10,45 км 1з часом
засобами найбшьш оптимальним чином, а траектор1я 0,85 години. руху деякого транспортного засобу зводиться до пере-л1чення порядку слщування вузл1в мережь На рисунку
Рис. 4. Приклад траекторш руху двох транспортних засобiв за умов мттальног довжини шляху
(велике коло — депо, дрiбнi — споживачi)
Висновки. Таким чином, в данш робот1 була про-демонстрована принципова можливють використання мурашино-кттинно-автоматного алгоритму при роз-в'язанш задач1 маршрутизацп. Оптим1защя маршрупв руху транспортних засоб1в тд час розвезення продукций дозволить знизити непродуктивш витрати, що позитивно впливатиме на конкурентоспроможшсть тд-приемств. Для реал1защ! модел1 було використано тестовий приклад з вюьма пунктами-споживачами вантажу та двома транспортними засобами необмеже-но! вантажотдйомноси, як рухаються по дорогах де-якого мюта. Розроблена модель може бути в подаль-шому детал1зована шляхом урахування р1зномаштних параметр1в, зокрема обмежень на вантажотдйомшсть, кльюсть транспортних засоб1в, тривалють робочого
дня, обсяг замовлення споживачiв, час на навантажу-вально-розвантажувальнi роботи тощо.
Список використаних джерел
1. Мацюк Н.О. Особливоси розв'язання задачi комiвояжера для тдприемств гуртово! торгiвлi / Н. О. Мацюк // Вюник ХНУ. Економiчнi науки. — 2013. — №5. — Т.2. — С. 95-100.
2. Bell J. E. Ant Colony Optimization Techniques for the Vehicle Routing Problem / John E. Bell, Patrick R. McMullen // Advanced Engineering Informatics. — 2004. — No.18. — P.41—48.
3. Курейчик В.В. Концепция эволюционных вычислений инспирированных природными вычислениями / В.В. Курейчик, В.М. Курейчик, С.И. Родзин
// Известия ЮФУ. Технические науки. Тематический выпуск «Интеллектуальные САПР». — Таганрог : Изд-во ТТИ ЮФУ, 2009. — № 4(93) — 256 с.
4. Курейчик В. М. Использование роевого интеллекта в решении NP-трудных задач / В. М. Курейчик, А. А. Кажаров // Известия ЮФУ. Технические науки. — 2011. — №7. — С.30-36.
5. Курейчик В. М. Использование пчелиных алгоритмов для решения комбинаторных задач / В. М. Курейчик, А. А. Кажаров // Штучний штелект. — 2010. — №3. — С.583-589.
6. Berger J. A New Hybrid Genetic Algorithm for the Capacitated Vehicle Routing Problem. / J. Berger and M. Barkaoui // Journal of the Operational Research Society. — 2003. — №41(2). — Р. 179-194.
7. Бегляров В. В. Гибридный многопопуля-ционный муравьиный генетический алгоритм / Бе-гляров В. В., Берёза А. Н., Стороженко А. С.// Известия ЮФУ. Технические науки. — 2010. — №7. — С.39-45.
8. Мартынов А. В. Гибридный алгоритм решения задачи коммивояжера / А. В. Мартынов, В. М.
Курейчик // Известия ЮФУ. Технические науки. — 2015. — №4 (165). — С.36-44.
9. Кочегурова Е.А. Оптимизация составления маршрутов общественного транспорта при создании автоматизированной системы поддержки принятия решений / Е.А. Кочегурова, Ю.А. Мартынова // Известия Томского политехнического университета. — 2013. — Т. 323. — № 5. — C.79-84.
10. Bjarnadottir A. S. Solving the Vehicle Routing Problem with Genetic Algorithms / Aslaug Soley Bjarnadottir. — Technical University of Denmark, 2004. — 127 p.
11. Tero A. Rules for Biologically Inspired Adaptive Network Design / Atsushi Tero, Seiji Takagi, Tetsu Saigusa, Kentaro Ito, Dan P. Bebber, Mark D. Fricker, Kenji Yumiki, Ryo Kobayashi, Toshiyuki Nakagaki // Science. — 2010. — Vol. 327. — P. 439—442.
12. Штовба С.Д. Муравьиные алгоритмы / С.Д. Штовба // Exponenta Pro. Математика в приложениях. — 2003. — № 4. — С. 70-75.
В. в. Зайцев
канд. екон. наук
Утверситет митног справи та фтанав, м. Днтропетровськ
ВИКОРИСТАННЯ ШТЕЛЕКТУАЛЬНО! ВЛАСНОСТ1 ЯК ОСНОВА ЕФЕКТИВНО1 ШНОВАЦШНО1 Д1ЯЛЬНОСТ1 ТА П1ДВИЩЕННЯ КОНКУРЕНТНОГО
ПОТЕНЦ1АЛУ ПЩПРИеМСТВ
Постановка проблеми. Сучасний етап розвитку свпово! економiки Грунтуеться на випереджувальному використанш шформаци, знань та технологш. Одним з найвпливовших користувачiв даних складових явля-еться тдприемницький сектор, осюльки пожвавлення конкурентно! боротьби за споживач1в та ринки збуту е водночас i наслщком використання штелектуального катталу, i стимулом його застосування.
В таких обставинах залучення до господарсько! дiяльностi об'екпв права штелектуально! власноси (ОП1В) стае визначальним фактором забезпечення тдприемствами сво!х конкурентних переваг. Воло-дшня виключними правами на ушкальш розробки, вь домий бренд чи репутащю сьогоднi е бшьш впливовою та прибутковою передумовою успшно! дiяльностi компанп, анiж наявнiсть матерiальних активiв. Тому, зважаючи на багатий свповий досвщ використання ОП1В та рiзноманiтнiсть !х видiв, пiдприемницький сектор Укра!ни потребуе глибокого дослiдження та пошуку найбшьш ефективного, найбшьш альтернативного методу впровадження i розвитку штелектуально! власностi (1В) в господарськш дiяльностi, що е важливим кроком яюсного розвитку держави в цiлому.
Аналiз останн1х дослiджень i публiкацiй. Широке використання термiну «штелектуальна власнiсть» в су-часному законодавствi, науковiй лiтературi та практицi багатьох кра!н розпочалося в 1967 р., коли у Сток-гольмi була пiдписана Конвенщя про заснування Все-свiтньо'i оргашзаци iнтелектуально'i власностi (ВО1В), яка трактуе iнтелектуальну власнiсть як збiрне по-
няття, що позначае усi права на результата творчо! дi-яльносп i деякт прирiвнянi до них об'екти.
Загалом поняття «iнтелектуальна власшсть» мае багато трактувань, що в першу чергу пояснюеться широким колом рiзноманiтних об'екпв, яю пiдпадають пiд його визначення. Бшьшють економiстiв трактують iнтелектуальну власшсть як матерiально виражений результат розумово! дiяльностi, який охороняеться встановленими нормами i офiцiйними документами (патентами i т. д.) i надае автору виняткове право на нього, при цьому акцент в даному понятп роблять або на абстрактнш природ^ втшенш розумових та творчих щей людини або, навпаки, вiддають перевагу правовш природi iнтелекгуально! власностi, тобто видшяють в першу чергу право володшня результатами розумово! та творчо! дiяльностi (табл. 1).
Метою статп е дослiдження свiтового досвiду залучення штелектуально! власносп до господарсько! дь яльностi пiдприемницького сектору та обГрунтування !! ролi у формуванш конкурентних переваг укра!н-ських пщприемств.
Виклад основного матерiалу. 1нтелектуальний ка-пiтал вважаеться найбтльш важливим активом багатьох найбшьших i найбтльш потужних свiтових компанiй. Вiн служить основою для домшування на ринку та забезпечення постшно! прибутковостi провщних корпо-рацiй. 1нтелектуальна власнiсть як одна з основних складових штелектуального катталу також привертае все бшьшу увагу як науковщв, так i дшових к1л.
