CC BY
11
УДК 639.2
Решение задачи оптимизации рыбодобывающей деятельности
С. В. Лисиенко, Н. С. Иванко*
*'Дальневосточный государственный технический рыбохозяйственный университет,
г. Владивосток, Россия; e-mail: [email protected]
Реферат
Предлагается модель оптимального планирования рыбодобывающей деятельности, включающая в себя формирование биологического компонента (совокупности промысловых объектов, рассматриваемых с учетом их распределения по промысловым зонам) и технологического компонента (совокупность добывающих судов и технологий промысла). На основе этих компонент формируется технологическая цепочка "объект промысла - добывающее судно - технология добычи". Для каждого типа промыслового судна допустимо использование определенного вида (или нескольких видов) технологий промысла, напрямую связанных с промысловыми объектами, добыча которых осуществляется только с применением определенной технологии. Особое внимание в модели отводится задаче определения оптимального количественного состава добывающего флота. Критерием оптимизации является минимизация издержек, связанных с рыбодобывающей деятельностью специализированных судов при условии достижения заданных объемов добычи (вылова). Издержки напрямую связаны с используемыми типами судов, топливными расходами, которые зависят от порта базирования судна и времени, необходимого для осуществления погрузо-разгрузочных работ. В задаче оптимизации используются оценки средневзвешенного суточного вылова и промыслового времени для учета большинства издержек, связанных с процессом добычи водных биологических ресурсов. Алгоритм оптимизации рассмотрен на примере добычи кальмара командорского (Berryteuthis magister) в Северо-Курильской зоне, вылов которого ведется с использованием траловой технологии. Основными типами судов, осуществляющими добычу кальмара, являются крупнотоннажные и среднетоннажные суда.
Лисиенко С. В. и др. Решение задачи оптимизации рыбодобывающей деятельности. Вестник МГТУ. 2023. Т. 26, № 3. С. 335-343. DOI: https://doi.org/10.21443/1560-9278-2023-26-3-335-343.
Информация о статье
Поступила в редакцию 07.06.2023;
получена после доработки 27.06.2023;
принята к публикации 29.06.2023
Ключевые слова: рыбодобывающая деятельность, водные биологические ресурсы,
добывающий флот, оптимизация, математическая модель
Для цитирования
Article info Received 07.06.2023;
received in revised form 27.06.2023;
accepted 29.06.2023
Key words:
fishing activity, aquatic biological resources, fishing fleet, optimization, mathematical model
For citation
Solving the problem of optimizing fishing activities
Svetlana V. Lisienko, Nina S. Ivanko*
*Far Eastern State Technical Fishery University, Vladivostok, Russia; e-mail: [email protected]
Abstract
A model for optimal planning of fishing activities has been proposed. It includes the formation of a biological component (a set of fishing objects considered taking into account their distribution over fishing zones) and a technological component (a set of fishing vessels and fishing technologies). On the basis of these two components, the technological chain "field object - production vessel - production technology" is formed. For each type of fishing vessel, it is permissible to use a certain type (or several types) of fishing technologies that are directly related to fishing objects, their catch can be carried out only using a certain production technology. Particular attention in the model is given to the problem of determining the optimal quantitative composition of the production fleet. The optimization criterion is the minimization of the costs associated with the fishing activities of specialized vessels, provided that the specified volumes of catch are achieved. The costs are directly related to the types of vessels used, fuel costs depending on the vessel's home port and the time required for loading and unloading operations. In the optimization problem, estimates of the weighted average daily catch and fishing time are used to account for most of the costs associated with the extraction of aquatic biological resources. The optimization algorithm is considered on the example of the Commander squid (Berryteuthis magister) in the North Kuril zone. In the area under consideration, squid production is carried out using trawl technology. The main types of vessels engaged in squid harvesting are large-capacity and medium-capacity vessels.
Lisienko, S. V. et al. 2023. Solving the problem of optimizing fishing activities. Vestnik ofMSTU, 26(3), pp. 335-343. (In Russ.) DOI: https://doi.org/10.21443/1560-9278-2023-26-3-335-343.
Введение
Рыбодобывающая деятельность - сложный стохастический процесс, характеризующийся большим количеством управляемых и неуправляемых факторов различной природы. Одним из возможных способов исследования влияния неуправляемых факторов на сложный процесс является моделирование. При создании моделей с учетом неопределенностей используется математический аппарат, в частности методы линейного программирования (Андреев и др., 1975; Perez-Lechuga et al., 2006; Мельников, 2009; Мельников и др., 2010; Лисиенко и др., 2019, 20216; Иванко, 2021; Осипов и др., 2021), а также аппарат динамического программирования (Андреев и др., 1975; Babcock et al., 2011; Forootani et al., 2020; Лисиенко и др., 2021). Частные модели управления промыслом на протяжении более чем века рассматривались различными авторами, к таким моделям можно отнести модель управления промыслом с учетом неуправляемых факторов (Андреев и др., 1975; Taleizadeh et al., 2013; Bakhrankova et al., 2014; Кирри1а^т- et al., 2021; Лисиенко и др., 2021а), интегральную стохастическую модель, учитывающую неопределенности процессов переработки сырья, при этом берется во внимание ухудшение качества рыбы и ограничения срока годности (Лисиенко и др., 2020; Finnis et а1., 2022). Моделирование проблем логистики и способы их решения описаны в работах (Дверник, 2013; Taleizadeh et al., 2013; Мойсеенко и др. 2016; 2018; Лисиенко, 2021).
Процесс добычи рыбы и морепродуктов является частью единого производственного процесса рыбохозяйственной деятельности, в состав которой входят такие процессы, как переработка, транспортировка и сбыт. В каждом из этих процессов присутствуют неопределенности, так, например, в системе " Добыча" присутствует неопределенность, связанная с суточным выловом. На величину суточного вылова оказывают влияние неуправляемые факторы, такие как гидрометеоусловия района промысла, биологическое состояние объекта промысла и другие. Влияние всех факторов ведет к появлению промысловых издержек, а их формирование находится в прямой зависимости от полученного суточного вылова. При моделировании для каждого типа судна выполняется расчет среднесуточного вылова (Лисиенко и др., 2021а).
При наличии оценки среднесуточного вылова аср для определенного типа судна на основании предложенной методики планирования рейсооборота можно произвести расчет промыслового времени ^ом и потребного количества судов п данного типа для получения оптимального освоения промыслового объекта.
Цель работы - составить задачу оптимизации на основе метода исследования необходимых операций для выбора состава флота с минимизацией дополнительных издержек.
Материалы и методы
Ресурсный потенциал промысловой зоны представлен совокупностью промысловых объектов, которые условно можно разделить на две составляющие - совокупность промысловых объектов, на которые устанавливаются общие допустимые уловы (ПООД,, ОДУемые объекты), и совокупность промысловых объектов, на которые общие допустимые уловы не устанавливаются (ПОНД, неОДУемые объекты). Обе эти совокупности формируют блок биологических компонент (биоблок) при моделировании системы "Промысловая зона".
Для каждого промыслового объекта устанавливаются технологические цепочки "объект промысла -добывающее судно - технология добычи" (Лисиенко, 2021).
Обозначим ДСz - добывающее судно типа z, ТД - технология добычи. Все добывающие суда можно разделить на крупнотоннажные (обозначим КТДС), среднетоннажные (СТДСд?) и малотоннажные (МТДС).
В общем случае можно выделить 6 основных технологий добычи. Для судов КТДС независимо от вида промыслового объекта используется одна технология добычи, для удобства обозначим ее ТДЬ для судов МГДС/ и СТДСдт используемая технология добычи зависит от добываемого объекта. На рис. 1 представлена схема соотнесения технологии добычи и совокупностей добывающих судов, разделенных по тоннажу.
Представленная схема является частью технологического компонента при моделировании системы "Промысловая зона" и формирует техноблок (Лисиенко, 2021).
Для дальнейшего удобства обозначим совокупность технологий добычи доступных для судов типа МТДС как ТД, для судов типа СТДС^ - ТД, а для судов типа КТДСk - ТД. Далее под ТД, ТД, ТД будем понимать и использовать совокупности доступных технологий добычи. Тогда для ОДУемого промыслового объекта ПООД- может быть использован тип добывающего судна МТДС или СТДСдг, или КТДС с определенной технологией добычи.
В процессе ведения добывающей деятельности имеют место затраты, связанные с издержками на добычу, переработку и транспортировку водных биологических ресурсов. Рассмотрим некоторое добывающее судно, его затраты можно представить как сумму таких сметных затрат (Лисиенко, 2013):
- заработная плата;
- стоимость орудий лова;
- затраты на топливо, смазочные и вспомогательные материалы (вода, лед, хладагенты);
- износ и ремонт орудий лова, промснаряжения и проминвентаря;
- затраты на тару и тарные материалы;
- амортизационные отчисления;
- затраты на вспомогательные материалы;
- транспортные расходы;
- цеховые и общезаводские расходы;
- внепроизводственные расходы;
- прочие производственные расходы.
Рис. 1. Соотнесение технологий добычи и добывающих судов Fig. 1. Correlation of fishing technologies and fishing vessels
Для расчета каждого вида затрат из представленного списка определены формула и зависимости (Лисиенко, 2013). На основании данных зависимостей и анализа рассчитанных затрат для различных технологических цепочек "объект промысла - добывающее судно - технология добычи" можно сделать следующие выводы:
- все затраты зависят от выбранного промыслового объекта, некоторые (например, затраты на тару и тарные материалы) - напрямую от вида добываемого промыслового объекта, так как количество и вид тары зависит от имеющихся разрешений на добычу (вылов) промысловых объектов. Некоторые затраты (например, на топливо, смазочные и вспомогательные материалы) - косвенно, так как зависят от района промысла, в котором будет вестись добыча промыслового объекта, точнее от расстояния от порта базирования судна до места промысла. Также на сумму затрат оказывает влияние факт, устанавливаются ли на промысловый объект ОДУ;
- стоимость орудий лова, износ и ремонт зависят от выбранной технологии промысла. Затраты на топливо, смазочные и вспомогательные материалы зависят от выбранного добывающего судна, но для судов, относящихся к одному классу тоннажности, суммарные затраты близки по итоговым значениям.
Аналогичные выводы можно сделать по каждому показателю затрат и, таким образом, получить зависимость среднесуточных затрат добывающего судна от его тоннажности, выбранной технологии добычи и выбранного промыслового объекта.
Результаты и обсуждение
Обозначим среднесуточные затраты малотоннажного добывающего судна МТДС/ с технологией добычи ТД при добыче объекта ПООД - 2ф(МГДСь ТД, ПООД), среднесуточные затраты среднетоннажного добывающего судна СТДС^ с технологией добычи ТД при добыче объекта ПООД,- - 2ср(СТДС№ ТД, ПООД,-), среднесуточные затраты крупнотоннажного добывающего судна КТДС с технологией добычи ТД при добыче объекта ПООД,- - 2ср(КТДСь ТД, ПООД,). Обозначив аналогичным образом затраты добывающих судов, ведущих промысел неОДУемых объектов ПОНД, получаем
^ср(МТДС/, ТДг, ПОНД,); 2Ср(СТДС№ ТДг, ПОНД,); ^ср(КТДС^, ТД, ПОНД,).
Обозначим щ количество добывающих судов типа МТДС/, nN - количество добывающих судов типа СТДС№ nk - количество добывающих судов типа КТДС^.
Для каждой технологической цепочки "объект промысла - добывающее судно - технология добычи" определяется средневзвешенный суточный вылов объекта, например, для малотоннажного судна аср(МТДСг, ТД, ПООД,-), и соответствующее время промысла /пром(МТДСг, ТДг, ПООД,-).
Таким образом, затраты малотоннажного судна МТДС? за сутки промысла на 1 т добытого объекта составляют
/.(мтдсутд.поод,)
йср (МТДС,, ТД, ПООД,)-
За рейс эти затраты составят
Zcp (МТДС/.ТД/. ПООД ^ (МТДС/.ТД/. ПООД,) ар(МТДС/.ТД/. ПООД,) '
Если будет использовано п; судов, то их затраты составят
¿ср (МТДС,.ТД,. ПООД,);прт1 (МТДС,.ТД,. поод,.)
йсР (МТДС/. ТД,. ПООД,) '
Так как добыча объекта может вестись судами различного типа, получаем суммарные затраты добычи объекта ПООД,-
, (мтдс,. т д,. поод,);........(мтдсутд, поод,)
_ср
I
(мтдс,тд, ПООД,)
| (стдс^ддд,, поод,);........(стдс^тд^, поод,) +
V % (СТДСд^ТДд,, поод,.) %
(ктдс,. т д,. ПООД,);........(ктдсутд,, поод,)
+ 2_, ' - - - -
аср(КТДС„ТД„ПООД,)
Необходимо минимизировать полученные затраты при условии освоения ОДУ на определенный процент согласно стратегии развития. Пусть /, - процент освоения ОДУ, получаем ограничение
£«ср (МТДС,. т д,. ПООД,);........(мтдс,.тд,. поод,)«, +
1
+ХА,, (СТДС...Т Д,. ПООД, );........(СТДС...ТД... ПООД,К +
N
+1Х (ктдс,. Т Д,. ПООД,);........(КТ ДС,. Т Д,. ПООД,)«, > ХОДУ,.
к
Задача имеет вид
Г г^Дмгдс^дд, поод,);........(мтдсутд, поод,) ^ 1
г
(МТДС, ТД, ПООД, )
х. гср (СТДСд,,ТДд,, ПООД, );........(СТДСд,,ТДд,, ПООД,)
г" / у , ч +
я, (СТ ДС,. ТД ... ПООД,)
гср (ктдс,.тд,. поод,);........(КТДС,,ТД,, ПООД,)
(КТДС,,ТД ., ПООД,) '
'к
/
^ Ш1П.
(МТДС,.ТД,. ПООД, );........(мтдс,тд, ПООД,)«, +
1
+ХА,, (СТДС,.ТД,. ПООД, );........(СТДС.,ТД., ПООД,)«д, +
N
+Х«ср (КТДС„ТД„ ПООД,)^ (КТДС„ТД„ ПООД,)«, > -ОДУ,, / = 1,2...,
к
где «г, «и, «к > 0 - целые числа.
Для неОДУемых объектов ограничение на объем освоения ОДУ заменяется на плановые показатели
освоения квот£ ■ ОК,, в этом случае задача принимает вид
(
у 2ср (мтдсутд, понд,);........(мтдсутд, понд,)
«„(мтдсутд, понд,) '
(СТДСд,,ТДд,, ПОНД,);........(СТДСд,,ТДд,, понд,)
^(стдс^тд^понд.) "
(ктдс,.тд,. понд, );........(ктдс,.тд,. понд,)
ср
+1—
Г «р(ктдс,,тд,, понд,)
^ Ш1П.
(МТДС,ТД, ПОНД,);........(МТДС,ТД, ПОНД,)«, +
I
+1« р (СТДС,.ТД,. ПОНД,);........(СТДС,.ТД,. ПОНД,)/?.. +
N
+5Х (КТДС,.ТД,. ПОНД,);........(КТДС,,ТД,. ПОНД,)», > /. -ОК ., ] = 1,2...,
к
где «I, «и, «к > 0 - целые числа.
N
к
Задача оптимизации рыбодобывающей деятельности по составу добывающего флота при условии минимизации промысловых издержек и для достижения полного освоения ОДУ представлена на рис. 2.
Оптимизация рыбодобывающей деятельности
Определение места
подсистемы в системе «добыча»
Определение типового состава добывающег о флота
Определение
показателей
работы
добывающих
судов
Определение критерия для оценки
эффективности работы судов
SC
Построить план задействования добывающих судов разных типов,
для обеспечения добычи ресурсного потенциала, который обеспечивал бы заданный объем добычи и минимальное значение выбранного критерия
?(z
■ гср(МТДС;, ТДг, П00Дг)£пром(МТДСг, ТДг, П00Дг) аср(МТДСг,ТДг,П00Д;) '
Zcp(CTflC„, ТД„, П00Дг){пром(СТДС„, ТД„, П00Дг)
аср(СТДС„,ТД„,П00Дг)
■ 2ср(КТДСк, ТДк, П00Дг)£пром(КТДСк, ТДк, П00Дг)
min
Состав добывающего флота по минимальному значению критерия SC min
Рис. 2. Задача оптимизации рыбодобывающей деятельности при минимизации промысловых издержек Fig. 2. The task of optimizing the fishing activities while minimizing fishing costs
Аналогичный вид имеет задача оптимизации рыбодобывающей деятельности по составу добывающего флота при условии минимизации промысловых издержек и для достижения показателей квот добычи (вылова).
Схема обобщенной оптимизационной модели планирования рыбодобывающей деятельности в индустриальной логистической системе "Промысловая зона" представлена на рис. 3.
Формирование биоблока
Формирование техноблока
Формирование технологической цепочки "объект промысла - добывающее судно -технология добычи"
Выбор планируемой формы организации промысла
>1/ Расчет затрат временных и производственной деятельности
Планирование РДД
у Выбрана
альтернативная ФОП
Рис. 3. Обобщенная модель планирования рыбодобывающей деятельности Fig. 3. The generalized model of fishing activity planning
В Дальневосточном рыбохозяйственном бассейне ведется добыча двух видов кальмаров: командорского кальмара (Berryteuthis magister) и тихоокеанского кальмара (Todarodes pacificus). Проведенный ранее анализ добычи кальмаров (Иванко, 2021) показал, что промысел данного биоресурса ведется при задействовании трех видов судов БМРТ, СРТМ и РТМ с использованием траловых орудий лова.
Для примера рассмотрим добычу кальмара командорского (далее - кальмар) в Северо-Курильской зоне. В этой зоне кальмар является объектом, на который устанавливается общий допустимый улов (ОДУ).
Значение ОДУ с 2015 г. ежегодно составляет 85 000 т и остается постоянным. Период промысловой доступности кальмара с мая по ноябрь. Почти 80 % объемов добычи кальмара приходится на СевероКурильскую зону.
Так как кальмар находится в смешанных скоплениях с минтаем, оптимальное время тралений -это ночной период (Осипов, 2022). Улов за одно траление в указанный суточный период может составить 10-15 т, а за рассматриваемый временной интервал может быть выполнено до 4-х тралений. Таким образом, суточный вылов при оптимальном использовании временных ресурсов может достигать 40-60 т в зависимости от типа судна.
Сформированы три технологические цепочки:
БМРТ - траловая технология добычи с использованием разноглубинных тралов - кальмар;
СРТМ - траловая технология добычи с использованием разноглубинных тралов - кальмар;
РТМ - траловая технология добычи с использованием разноглубинных тралов - кальмар.
В качестве основной формы организации промысла для каждого типа судна выбрана автономная форма, она не требует привлечения дополнительно транспортных судов и на данном этапе развития рыболовства является наиболее часто используемой.
Для решения оптимизационной задачи расчета необходимого количества судов трех типов с учетом периода промысловой доступности кальмара и при условии оптимального планирования рейсооборота судна были приняты следующие значения для среднесуточных уловов каждым судном: БМРТ - 39,7 т, СРТМ - 30,3 т, РТМ - 16,3 т. Планируемые значения среднесуточного вылова построены на основании статистических промысловых данных за пятилетний период и с учетом оптимального суточного времени траления для добычи кальмара.
Результат решения оптимизационной задачи следующий: общее количество судов, необходимое для освоения ОДУ более чем на 95 %, составляет 26, из них 5 крупнотоннажных судов (2 судна типа БМРТ и 3 типа РТМ) и 21 среднетоннажное судно типа СРТМ. Ожидаемый суммарный вылов составит 84 580 т, что соответствует освоению имеющегося ОДУ для Северо-Курильской зоны на 99,5 %.
Заключение
Представленная схема отображает комплекс объектов и процессов проектирования, моделирования, последовательность выполнения планирования и проведения расчетов с целью оптимизации рыбодобывающего процесса по определению состава добывающего флота для достижения полного освоения ОДУ и (или) плановых показателей квот добычи (вылова) путем максимизации объемов вылова при условии минимизации промысловых издержек.
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов.
Библиографический список
Андреев М. Н., Студенецкий С. А. Оптимальное управление на промысле. М. : Пищевая промышленность, 1975. 288 с.
Дверник А. В. Технология и управление промышленным рыболовством. М. : МОРКНИГА, 2013. 318 с. Иванко Н. С. Моделирование распределения сырца по видам обработки на добывающем судне с законченным производственным циклом // Научные труды Дальрыбвтуза. 2021. Т. 58, № 4. С. 16-24. ББ№ ХУРИМИ. Лисиенко С. В. Моделирование системы "Промысел" на основе биотехнологического дуализма // Вестник Астраханского государственного технического университета. Сер. Рыбное хозяйство. 2021. № 3. С. 94-101. Б01: https://doi.org/10.24143/2073-5529-2021-3-94-101. ББ№ QWZIЛ. Лисиенко С. В. Теоретические основы формирования логистического подхода, как методологии совершенствования организации и управления промысловыми системами при ведении добычи ВБР // Рыбное хозяйство. 2013. № 5. С. 75-78. Лисиенко С. В., Вальков В. Е., Иванко Н. С., Бойцов А. Н. Разработка математической модели и оптимизационной задачи по организации и управлению промысловым флотом при ведении добычи водных биологических ресурсов на примере промысла дальневосточной сардины (иваси) и скумбрии в Дальневосточном рыбохозяйственном бассейне // Морские интеллектуальные технологии. 2019. № 4-2(46). С. 147-153. ББ№ ЯвМШК. Лисиенко С. В., Иванко Н. С. Моделирование процессов ведения рыбодобывающей деятельности в многовидовой промысловой системе "Промысловая зона рыбохозяйственного бассейна" при статической постановке оптимизационной задачи (на примере Северо-Курильской зоны Дальневосточного рыбохозяйственного бассейна) // Морские интеллектуальные технологии. 2020. № 3-1(49). С. 253-259. Б01: https://doi.org/ 10.37220/гак.2020.49.3.034. ББ№ ОИвЬЯК Лисиенко С. В., Иванко Н. С. Планирование рейсооборота добывающих судов // Морские интеллектуальные технологии. 2021а. № 2-1(52). С. 200-208. Б01: https://doi.org/10.37220/mit.2021.52.2.028. ББ№ ШЛ8Ь.
Лисиенко С. В., Иванко Н. С. Формирование и оптимизация издержек производственной рыбодобывающей деятельности судов // Морские интеллектуальные технологии. 2021б. № 4-1(54). С. 227-231. DOI: https://doi.Org/10.37220/mit.2021.54.4.056. EDN: ODEEDZ.
Мельников В. Н. Общая характеристика основных видов математических моделей теории рыболовства // Вестник Астраханского государственного технического университета. Сер. Рыбное хозяйство. 2009. № 1. С. 17-22. EDN: KHORID.
Мельников В. Н., Мельников А. В. Совершенствование общей теории промышленного рыболовства // Вестник Астраханского государственного технического университета. Сер. Рыбное хозяйство. 2010. № 1. С. 42-53. EDN: LJMVLP.
Мойсеенко С. С., Мейлер Л. Е. Рыбопромышленная логистика. Калининград : БГРАФ, 2015. 174 с.
Мойсеенко С. С., Мороз Е. О. Оптимизация системы транспортного обслуживания рыболовных судов // Морские интеллектуальные технологии. 2018. № 4-3(42). С. 168-176. EDN: YXUNQL.
Осипов Е. В. Промысел командорского кальмара BERYTEUTHIS MAGISTER (Berry, 1913) в российской зоне японского моря // Рыбное хозяйство. 2022. № 2. С. 42-45 DOI: https://doi.org/10.37663/0131-6184-2022-2-42-45. EDN: DUWGDH.
Осипов Е. В., Павлов Г. С. Технология тралового промысла тихоокеанского кальмара // Рыбное хозяйство. 2021. № 3. С. 108-111. DOI: https://doi.org/10.37663/0131-6184-2021-3-108-111. EDN: ICAYCV.
Babcock E., Pikitch E. A dynamic programming model of fishing strategy choice in a multispecies trawl fishery with trip limits // Canadian Journal of Fisheries and Aquatic Sciences. 2011. Vol. 57, Iss. 2. P. 357-370. DOI: https://doi.org/10.1139/f99-257.
Bakhrankova K., Midthun K. T., Uggen K. T. Stochastic optimization of operational production planning for fisheries // Fisheries Research. 2014. Vol. 157. P. 147-153. DOI: https://doi.org/10.1016/j.fishres.2014.03.018.
Finnis J., Reid-Musson E. Managing weather & fishing safety: Marine meteorology and fishing decision-making from a governance and safety perspective // Marine Policy. 2022. Vol. 142. Article number: 105120. DOI: https://doi.org/10.1016/j.marpol.2022.105120.
Forootani A., Iervolino R., Tipaldi M., Neilson J. Approximate dynamic programming for stochastic resource allocation problems // IEEE/CAA Journal of Automatica Sinica. 2020. Vol. 7, Iss. 4. P. 975-990. DOI: https://doi.org/10.1109/jas.2020.1003231.
Kuppulakshmi V., Sugapriya C., Nagarajan D. Economic fish production inventory model for perishable fish items with the detoriation rate and the added value under pentagonal fuzzy number // Complex & Intelligent Systems. 2021. Vol. 7. P. 417-428. DOI: https://doi.org/10.1007/s40747-020-00222-8.
Perez-Lechuga G., Alvarez-Suarez M. M., Garnica-Gonzalez J., Niccolas-Morales H. [et al.]. Stochastic linear programming to optimize some stochastic systems // Proceedings of the 10th WSEAS International Conference on SYSTEMS, Vouliagmeni, Athens, Greece, 2006. P. 313-318. URL: file://C:/Users/inyukinamv/ Downloads/Stochastic_linear_programming_to_optimize_some_sto.pdf.
Taleizadeh A. A., Wee H.-M., Jalali-Naini S. G. Economic production quantity model with repair failure and limited capacity // Applied Mathematical Modelling. 2013. Vol. 37, Iss. 5. P. 2765-2774. DOI: https://doi.org/10.1016/j.apm.2012.06.006.
References
Andreev, M. N., Studenetsky, S. A. 1975. Optimal control in the field. Moscow. (In Russ.)
Dvernik, A. V. 2013. Technology and management of industrial fisheries. Moscow. (In Russ.)
Ivanko, N. S. 2021. Modeling the distribution of raw material by type of processing on a mining vessel with a complete production cycle. Scientific Journal of the Far East State Technical Fisheries University, 58(4), pp. 16-24. EDN: XVPHMH. (In Russ.)
Lisienko, S. V. 2021. Modeling of the "Promysel" system on the basis of biotechnological dualism. Vestnik of Astrakhan State Technical University. Series: Fishing Industry, 3, pp. 94-101. DOI: https://doi.org/10.24143/ 2073-5529-2021-3-94-101. EDN: QWZIJI. (In Russ.)
Lisienko, S. V. 2013. Theoretical basis for logistic approach as a methodology for improvement of organization and management of fishing systems when harvesting aquatic living resources. Fisheries, 5, рр. 75-78. (In Russ.)
Lisienko, S. V., Valkov, V. E., Ivanko, N. S., Boytsov, A. N. 2019. Development of a mathematical model and optimization problem for the organization and management of the fishing fleet in the production of aquatic biological resources on the example of the Far Eastern sardine (ivasi) and mackerel fisheries in the Far Eastern fishery basin. Marine Intellectual Technologies, 4-2(46), pp. 147-153. EDN: RGMIRK. (In Russ.)
Lisienko, S. V., Ivanko, N. S. 2020. Modeling the processes of conducting fishing activities in the multi-species fishing system "fishing zone of the fishery basin" with a static formulation of the optimization problem (on the example of the North Kuril zone of the Far Eastern fishery basin). Marine Intellectual Technologies, 3-1(49), pp. 253-259. DOI: https://doi.org/10.37220/mit.2020.49.3.034. EDN: OHGLRN. (In Russ.)
Lisienko, S. V., Ivanko, N. S. 2021а. Planning of the voyage of producing vessels. Marine Intellectual Technologies, 2-1(52), pp. 200-208. DOI: https://doi.org/10.37220/mit.2021.52.2.028. EDN: UNJISL. (In Russ.)
Lisienko, S. V., Ivanko, N. S. 2021б. Formation and optimization of the costs of production fishing activities of vessels. Marine Intellectual Technologies, 4-1(54), pp. 227-231. DOI: https://doi.org/10.37220/mit.2021.54.4.056. EDN: ODEEDZ. (In Russ.)
Melnikov, V. N. 2009. General characteristics of the main types of mathematical models of the theory of fishing. Vestnik of Astrakhan State Technical University. Series: Fishing Industry, 1, pp. 17-22. EDN: KHORID. (In Russ.)
Melnikov, V. N., Melnikov, A. V. 2010. Improving the general theory of industrial fishing. Vestnik of Astrakhan State Technical University. Series: Fishing Industry, 1, pp. 42-53. EDN: LJMVLP. (In Russ.)
Moiseenko, S. S., Meyler, L. E. 2016. Fishing logistics. Kaliningrad. (In Russ.)
Moiseenko, S. S., Moroz, E. O. 2018. Optimization of the transport service system for fishing vessels. Marine Intellectual Technologies, 4-3(42), pp. 168-176. EDN: YXUNQL. (In Russ.)
Osipov, E. V. 2022. Fishery of the Commander squid BERYTEUTHIS MAGISTER (berry, 1913) in the Russian zone of the Sea of Japan. Fisheries, 2, pp. 42-45. DOI: https://doi.org/10.37663/0131-6184-2022-2-42-45. EDN: DUWGDH. (In Russ.)
Osipov, E. V., Pavlov, H. S. 2021. Pacific flying squid trawling technology. Fisheries, 3, pp. 108-111. DOI: https://doi.org/10.37663/0131-6184-2021-3-108-111. EDN: ICAYCV. (In Russ.)
Babcock, E., Pikitch, E. 2011. A dynamic programming model of fishing strategy choice in a multispecies trawl fishery with trip limits. Canadian Journal of Fisheries and Aquatic Sciences, 57(2), pp. 357-370. DOI: https://doi.org/10.1139/f99-257.
Bakhrankova, K., Midthun, K. T., Uggen, K. T. 2014. Stochastic optimization of operational production planning for fisheries. Fisheries Research, 157, pp. 147-153. DOI: https://doi.org/10.1016/j.fishres.2014.03.018.
Finnis, J., Reid-Musson, E. 2022. Managing weather & fishing safety: Marine meteorology and fishing decisionmaking from a governance and safety perspective. Marine Policy, 142. Article number: 105120. DOI: https://doi.org/10.1016/j.marpol.2022.105120.
Forootani, A., Iervolino, R., Tipaldi, M., Neilson, J. 2020. Approximate dynamic programming for stochastic resource allocation problems. IEEE/CAA Journal of Automatica Sinica, 7(4), pp. 975-990. DOI: https://doi.org/10.1109/jas.2020.1003231.
Kuppulakshmi, V., Sugapriya, C., Nagarajan, D. 2021. Economic fish production inventory model for perishable fish items with the detonation rate and the added value under pentagonal fuzzy number. Complex & Intelligent Systems, 7, pp. 417-428. DOI: https://doi.org/10.1007/s40747-020-00222-8.
Perez-Lechuga, G., Alvarez-Suarez, M. M., Garnica-Gonzalez, J., Niccolas-Morales, H. et al. 2006. Stochastic linear programming to optimize some stochastic systems. Proceedings of the 10th WSEAS International Conference on SYSTEMS, Vouliagmeni, Athens, Greece, 2006, pp. 313-318. URL: file://C:/Users/ inyukinamv/Downloads/Stochastic_linear_programming_to_optimize_some_sto.pdf.
Taleizadeh, A. A., Wee, H.-M., Jalali-Naini, S. G. 2013. Economic production quantity model with repair failure and limited capacity. Applied Mathematical Modelling, 37(5), pp. 2765-2774. DOI: https://doi.org/ 10.1016/j.apm.2012.06.006.
Сведения об авторах
Лисиенко Светлана Владимировна - ул. Луговая, 52б, г. Владивосток, Россия, 690087;
Дальневосточный государственный технический рыбохозяйственный университет, д-р техн. наук,
доцент; e-mail: [email protected]
Svetlana V. Lisienko - 52b Lugovaya Str., Vladivostok, 690087; Far Eastern State Technical Fishery
University, Dr Sci. (Engineering), Associate Professor; e-mail: [email protected]
Иванко Нина Сергеевна - ул. Луговая, 52б, г. Владивосток, Россия, 690087; Дальневосточный
государственный технический рыбохозяйственный университет, ст. преподаватель; e-mail: [email protected]
Nina S. Ivanko - 52b Lugovaya Str., Vladivostok, 690087; Far Eastern State Technical Fishery University,
Senior Lecturer; e-mail: [email protected]
