CC BY
57
Раздел 4 Новые информационные технологии
УДК 007:681.51
В.В. Емельянов, О.В. Соболь, А.В. Урусов СИСТЕМА ПЛАНИРОВАНИЯ ТРАНСПОРТНЫХ ПЕРЕВОЗОК В УСЛОВИЯХ ГОРОДА
В работе рассматривается решение задачи развозки некоторой номенклатуры грузов со склада заказчикам имеющимися транспортными средствами. Развозка осуществляется в реальных городских условиях, когда имеется карта улиц, заданы расположение складов и местоположение заказчиков, машины могут брать различные грузы для различных заказчиков. Количество машин ограничено, поэтому каждая из них используется многократно при развозке грузов. Одним из условий решения задачи является неравнозначность городских улиц по их пропускной способности в разное время суток. Рассматривается создание системы, обеспечивающей поиск рационального плана развозки с минимум пройденного пути всеми автомашинами. Основу системы составляет комплекс имитационных моделей. Модели разработаны в среде интеллектуального имитационного моделирования РДО, которая позволяет осуществлять поиск оптимальных решений в процессе имита-.
и показала эффективность заложенных в нее решений.
. -изводства или складирования до потребителей возникает практически в любой области деятельности человека. Несмотря на это, решение задачи рациональной организации развозки получено лишь в простейших случаях и при упрощении реальной ситуации до такой степени, при которой ситуация становится чисто искусственной [Вагнер, 1973; Моудер, 1981; Ballow, 1987]. Ниже представлен подход решения задачи рациональной развозки грузов, применительно к городским торго-, , . Область исследования выбрана исходя из актуальности решения задачи развозки в ,
, , -зывает необходимость доставки товаров в срок и в нужном количестве.
Сложность оперативного управления развозкой грузов заключается в том, что необходимо решать ряд взаимосвязанных задач, таких, как определение последовательности перевозки грузов, подбор транспортного средства для каждого груза и для группы грузов, определение маршрута его движения по транспортному пути с учетом возвращения на склад и другие подобные задачи. Необходимость учета этих требований при решении задачи развозки обусловлены целями фирмы, же-
лающей получить максимальную отдачу от вложенного капитала и при этом удовлетворить потребности клиентов в товаре, который эта фирма производит. В качестве основного показателя при оперативном управлении перевозками грузов могут рассматриваться расходы на транспортировку грузов конечному потребителю со склада готовой продукции.
При решении проблемы эффективной развозки грузов должны быть решены таким образом следующие задачи:
1. .
2. Определение маршрута, по которому должна двигаться каждая отдельная
.
3. -.
4. Выбор транспортного средства для перевозки каждого груза в случае, если имеет место сложная конфигурация транспортных путей и имеется несколько альтернативных вариантов для перевозки груза.
Данный круг задач приводит к необходимости исследования алгоритмов маршрутизации транспортных перевозок грузов и созданию для конкретных хозяйственных субъектов относительно недорогих автоматизированных систем маршрутизации транспортных перевозок, обеспечивающих снижение расходов на транспортировку грузов конечному потребителю со склада готовой продукции на определенном интервале времени. Данные системы должны по возможности исключить влияние субъективных факторов, вносимых диспетчерами, имеющими различную квалификацию и разный опыт работы.
Для этих целей используем подходы, базирующиеся на искусственном интеллекте и имитационном моделировании. В качестве программной среды используем , [ -янов и др., 1998; АгйЪа й а1., 1998].
1. Задача развозки грузов. Разрабатываемая система должна обеспечивать решение задачи развозки грузов автотранспортом от складов к торгующим предприятиям. При этом считаются известными места, в которых возникают потребности в грузе и величина этих потребностей, места складирования, количество и грузоподъемность транспортных средств, возможные пути следования последних. На рис. 1 представлен район города Москвы, на котором выделены возможные пути следования автотранспорта, узлы в которых находятся заказчики и склад (в нашем конкретном случае - узел с номером 18). Перекрестки улиц также являются узлами. Все пути следования автотранспорта имеют различную пропускную способность в различное время суток. Поэтому выбираемый путь должен выбираться не только с учетом его длины, но и определяться временем, затрачиваемым на доставку груза и на возвращение автотранспорта на склад.
Решение задачи направлено на минимизацию затрат на перевозки. Эти затраты зависят от многих факторов, таких как пройденный путь, время машины в пути, стоимость запчастей и топлива, квалификация водителей и автослесарей, надежность и качество транспортного средства. Если рассматривать все эти факторы, то получим сложную многокритериальную задачу, решение которой получить прак-
тически становится нереальным, поэтому выделим лишь два основных фактора, : (1) (2).
Рис.1. Карта района города и пункты назначения
На первый взгляд кажется, что они на прямую зависят друг от друга, но это не совсем так. Два эти критерия необходимо объединить в один и баланс их значений даст нам наименьшие затраты на транспортировку. В нашей системе мы за основной критерий принимаем пройденный путь и следующий по значимости -время в пути.
Если говорить о системе как о программном продукте, то здесь можно указать в качестве основного критерия время поиска решения, так как желание любого пользователя состоит в том, чтобы получить наибольшее количество результирующей информации (решений), за приемлемое (или наименьшее) время, но при этом не стоит забывать так же о качестве и адекватности получаемых решений. Чаще всего получение более хорошего решения требует большего времени.
2. Исходные данные. Поиск маршрутов ведется в районах Текстильшики-Кузьминки г. Москвы (рис.1). Складом, как сказано выше) является узел номер 18 ,остшьные узлы - это перекрестки и места расположения заказчиков. Связи между перекрестками зададим с помощью матрицы. Если из одного узла можно доехать , , , матрицу помещается расстояние между этими узлами, иначе ставится ноль. Такой подход представления реальной карты города позволяет сразу решить несколько :
1. - , -
;
2. - , -
;
3. в-третьих, в случае изменений в городе (ремонт дороги, перевод дороги в
режим одностороннего движения и т.д.) не возникнет проблем с корректировкой исходных данных, так как надо изменить лишь одно данное в базе ;
4. в-четвертых, данный способ задания инцидентности узлов наиболее удобен
при работе с РДО.
Матрица расстояний имеет вид (показаны первые 6 узлов):
$Function Расстояние: integer
$Type = table
$Parameters
Перекрестки_1: integer [1..33]
Перекрестки_2: integer [1..33]
$Body
Чтобы максимально приблизиться к действительности и при поиске маршрута отслеживать ситуацию на улицах (пробки, светофоры, интенсивность движения и др.) для каждого отрезка от узла до узла устанавливается коэффициент загруженности. Значение этого коэффициента варьируется от 0 до 1 и показывает на сколько процентов от максимальной разрешенной скорости автомобиль может ехать на данном участке дороги. Таким образом, если разрешенная скорость 60 км/ч и коэффициент для отрезка улицы равен 0.5, то это значит, что автомобиль на этом участке будет двигаться не быстрее 30 км/ч. Зададим эти коэффициенты также в , . , же позволяет задавать различные коэффициенты при движении по одной и той же улице, но в разном направлении (например, утром при движении в центр может возникать “пробка”, а из центра в это время будет практически свободное движе-).
Информация об автомашинах и заказах должна задаваться при помощи удобного пользовательского интерфейса и легко корректироваться. Автомобили как ресурсы в РДО описаны следующими параметрами:
Чтобы исключить дублируемость заявок, т.е. доставки в один магазин заявок разного содержания разными автомашинами, весь пакет заявок перед запуском моделей группируется в портфель заказов. Заказ включает в себя различные на, , и соответственно обладает их общим весом. Однако при формировании заказов , -
.
Описание заказа как типа ресурса в РДО имеет вид:
Send
$Resource_type Машины : permanent
SParameters
Номер_машины : integer
Мкс_вес_груза : real
Пройденный_путь : real = G.G
_ : real
Состояние_машины : (ждет ,ждет_,свободна,загружена, перевозит ,
: real
_ , _ _ , )=
Местоположение : such_as Узлы.Номер^зла = 1S _ : integer = G
SEnd
$Resource_type Заказы : permanent $Parameters
_
Приоритет
: integer : integer
Состояние_заказа : (на_складе,на_машине, поиск, обслужен, в_маг)
_
Улица
Куда
Вес
: integer
: integer
: real
$End
3. Имитационные модели. Модель в РДО представляет собой динамическую продукционную систему. Ее база данных (БД) содержит описания ресурсов моделируемого объекта или процесса, а база знаний (БЗ) - описания действий, выпол-. -сурсов и действий на языке РДО и введении их в БД и БЗ. В РДО можно указать взаимно однозначное отображение моделируемого процесса в его информацион-.
Поскольку модель должна имитировать процесс доставки заказов в условиях реальной карты города, то мы вплотную сталкиваемся с основными проблемами создания адекватной системы маршрутизации, которые состоят в следующем:
1. ,
, ,
.
2. ,
на дорогах и другим событиям, мешающим проезду автомашины, не посто-, .
3. , -
, .
Как уже было сказано выше, в нашей системе мы за основной критерий принимаем пройденный путь и следующий по значимости критерий - это время в пути. Кроме этого, необходимо, чтобы время решения было не больше некоторого .
Чтобы решить поставленную задачу, удовлетворив оговоренным критериям, были разработаны две имитационные модели, каждая из которых решает опреде-. -дель поиска маршрутов развозки (рис.2). Для реализации задачи интеграции базы данных и ПМО, которое также выполняет функцию интерфейса между пользователем и имитационной моделью, была выбрана среда программирования Бе1рЫ 4.0.
Модель поиска последовательности погрузки заказов создается для того, чтобы найти наилучшую последовательность погрузки заказов на автомашины. Результатом ее работы является расстановка приоритетов заказам в портфеле, согласно значениям которых заказы будут в дальнейшем выбираться для погрузки на автомашины. Задача решается в предположении, что имеется виртуальная автомашина с ограниченной грузоподъемностью, а все улицы (пути между узлами) равнозначны по пропускной способности. Данная виртуальная автомашина в процессе имитации забирает все заказы и начинает объезжать заказчиков по минимальному пути (задача коммивояжера [Вагнер, 1973; Моудер, 1981]) сгружая заказы.
Когда найден такой путь объезда, который имеет минимальную длину, то тем самым определена последовательность разгрузки заказов, согласно которой и на. -иска маршрутов развозки, когда система начинает загружать автомашины с учетом
их грузоподъемности. На автомашину, таким образом, грузятся заказы, которые должны попасть к заказчикам по минимальному по протяженности пути (выбран).
загруженности улиц для каждой отдельной автомашины, с учетом наличия свободных автомашин и необходимостью их возвращения на склад.
Рис. 2. Схема взаимодействия БД и имитационных моделей
4. Модель поиска последовательности погрузки заказов. Как бы ло сказа, , -ность погрузки заказов на автомашины. В результате заказы в портфеле получают приоритеты, согласно которым они грузятся на автомашины.
В терминах языка РДО модель представляет собой совокупность продукционных правил типа rule, переводящих систему из одного состояния в другое. Каждое правило имеет предусловие выполнения Choice from и тело правила Convert_rule, в котором происходит изменение некоторых параметров ресурсов, занятых в моделировании. Правила располагаются в модели в любом порядке, а выполняются только в соответствии с предусловиями. На вход модели подается .
Имитационная РДО модель осуществляет поиск на графе состояний [Нильсон, 1985; Ясиновский, 1994]. В процессе поиска отыскивается такая последовательность погрузки заказов, маршрут развозки которой был бы наименьшим. Состав правил имитационной модели поиска последовательности погрузки заказов
. 3.
При использовании графа состояния для поиска выделяем исходную вершину
- начальное состояние системы (узел 18 - склад). Желаемое состояние системы представлено в графе в виде некоторой целевой вершины. Цель поиска - найти последовательность продукционных правил, переводящих систему из начального состояния в желаемое. Причем если искать кратчайший путь на графе состояний, то мы получаем последовательность правил с суммарной минимальной стоимостью, то есть последовательность правил, оптимальную по стоимости.
ОБРАЗЕЦ «Поиск_стоп»
Если местоположение машины равно месту назначения заказа То завершить поиск
ОБРАЗЕЦ «ВНС_стоп»
Если местоположение машины равно месту расположения склада То завершить поиск
Рис.3. Состав правил модели поиска последовательности погрузки
При поиске на графе состояний применяется пробная стратегия управления поиском. При этом после применения некоторого правила резервируется возможность впоследствии заново вернуться к этой ситуации, чтобы применить другое .
РДО-имитатор реализует прямой вывод, то есть вывод осуществляется от исходного состояния ресурсов к целевому. Для этого используются такие конструкции РДО, как «Точки принятия решений».
Вначале создается граф, состоящий из одной вершины - исходной. Далее
-
, , , . -ется раскрытием вершины. При этом полученные вершины назовем вершинами-преемниками, а исходную - вершина-родитель. После раскрытия вершины произ-, - ,
, , , нераскрытых и процесс повторяется. При этом вершины создаваемого графа разделяют на два множества - множество уже раскрытых и множество нераскрытых вершин, то есть вершин, лежащих на границе построенного графа. Процесс построения графа распространяется по границе его построенной части.
ОБРАЗЕЦ «Запрос_машины»
Если есть машина в состоянии
ЖДЕТ
и есть заказы на складе То перевести машину в состояние ПЕРЕВОЗИТ
ОБРАЗЕЦ «»
Если есть машина в состоянии ПЕРЕВОЗИТ и есть заказы для поиска
То изменить местоположение машины в узел расстояние до которого из текущего <>0
ОБРАЗЕЦ «Возвр_на_сетад»
Если есть машина в состоянии ПЕРЕВОЗИТ и нет заказов для поиска То изменить местоположение машины в узел расстояние до <>0
ОБРАЗЕЦ «Завершение_раб»
Если есть машина в состоянии ПЕРЕВОЗИТ и нет заказов на складе
То перевести машину в состояние ЖДЕТ
,
корнем, в котором корень - это исходная вершина, а ветви - еще нераскрытые .
, , данное или и при достижении целевой вершины последовательность правил, обра-,
вверх по дереву поиска (рис.4).
Рис. 4. Граф поиска
Механизм логического вывода организован следующим образом: в РДО-методе применяется информированный поиск, когда выбор осуществляется на основе некоторой информации о задаче и процессе поиска. Выбор производится путем вычисления для каждой вершины-преемника некоторой функции Дк). Эта
- : ( -сов дуг) g(k) и оценки оставшегося пути на графе И(к):
Дк) = g(k) + вд.
Оценка оставшегося пути - формальное представление наших знаний о задаче. При И(к) = 0 (как в нашем случае) имеем поиск в ширину с максимальным количеством раскрываемых вершин и гарантированным получением оптимального решения. Полагая И(к), отличной от нуля, имеем поиск с меньшим количеством , , этом можно уйти от оптимальности.
Устанавливается начальная вершина - склад. Затем раскрываются все верши, , -стояние, которое необходимо поехать машине. Из всех раскрытых вершин на основании эвристической оценочной функции выбирается некоторая следующая вершина и автомашина перемещается туда. Если новая вершина является местом
доставки заказа, то заказу присваивается некоторое значение приоритета (от 1 до числа заказов) и поиск останавливается. Производится проверка на наличие не обслуженных заказов. Снова запускается поиск, но уже из вершины, где останови. ,
, ,
. , , , -шина откатывается в исходное состояние и оттуда возвращается на склад и поиск снова осуществляется со склада.
,
, .
Описание точек принятия решений РДО, обеспечивающих нахождение оптимальной последовательности загрузки заказов на автомобили, имеют вид: $Decision_point Поиск_оптимального_пути_ : search trace_stat $Condition
Exist ( Машины : Машины.Состояние_машины = перевозит ) and Exist ( Заказы : Заказы.Состояние_заказа = поиск ) and Exist (Машины : Машины.Количество_заказов <> 0) and Not_Exist (Заказы : Заказы.Состояние_заказа = обслужен)
$T erm_condition
Exist ( Заказы : Заказы.Состояние_заказа = обслужен )
$Evaluate_by 0 $Compare_tops = YES $Activities
Поиск : Поиск_оптимального_пути * value before Опека_1(Расстояние(автомашина. Местоположение, конец_пути. Номер^зла), 0) : value before 0
$End
$Decision_point _ _ _ _ : search trace_stat
$Condition
Exist ( Машины : Машины.Состояние_машины = возвр_на_склад)
$Term_condition
Exist ( Машины : Машины.Состояние_машины = ждет_ )
$Evaluate_by 0 $Compare_tops = YES $Activities
Поиск_в : Возвр_на_склад_ * value before Опенка_1(Расстояние(автомашина.Местоположение,конеп_пути.Номер^зла), Ко-
эф_1(автомашина.Местоположение,конеп_пути.Номер^зла))
_ : _ value before 0
$End
5. Модель поиска маршрута развозки заказов. Данная модель создана для того, чтобы найти маршруты развозки для каждой машины, учитывая коэффициенты загруженности улиц в разное время суток. Исходными данными являются: , -
грузки на машины; карта реального города с коэффициентами загруженности улиц в разное время суток; информация о грузоподъемности машин.
Данная модель состоит из 14 правил, некоторые из которых являются модифицированными продукционными правилами, т.к. они не просто переводят систему из одного состояния в другое, но делают это в реальном времени. Использование этих правил позволяет отслеживать нам реальное время, проведенное машиной в пути, а также использовать различные коэффициенты загруженности улиц, т.к. они меняются в разное время суток. Состав модели приведен на рис. 5.
ОБРАЗЕЦ «Конец_погрузки»
Если есть машина в состоянии ЗАГРУЖАЕТСЯ и есть заказы на складе и заказ может быть погружен То перевести машину в состояние ПЕРЕВОЗИТ
ОБРАЗЕЦ «Поиск_стоп»
Если местоположение машины равно месту назначения заказа То завершить поиск
ОБРАЗЕЦ «Разгрузка_заказа»
Если есть машина в состоянии
ПЕРЕВОЗИТ
и есть заказ по месту назначения То состояние заказа перевести в В_МАГАЗИНЕ
ОБРАЗЕЦ «ВНС_стоп»
Если местоположение машины равно месту расположения склада То завершить поиск
Рис.5. Состав модели поиска маршрута
ОБРАЗЕЦ «Возвр_на_сютад»
Если есть машина в состоянии ПЕРЕВОЗИТ и нет заказов для поиска То изменить местоположение машины в узел расстояние до которого из текущего <>0
ОБРАЗЕЦ «Завершение_раб»
Если есть машина в состоянии
ПЕРЕВОЗИТ и нет заказов на складе
То перевести машину в состояние ЖДЕТ
ОБРАЗЕЦ «Запрос_машины»
Если есть машина в состоянии
ЖДЕТ
и есть заказы на складе
То перевести машину в состояние
ЗАГРУЖАЕТСЯ
ОБРАЗЕЦ «Погрузка_заказа»
Если есть машина в состоянии ЗАГРУЖАЕТСЯ и есть заказы на складе и заказ может быть погружен То состояние заказа перевести в НА МАШИНЕ
ОБРАЗЕЦ «Поиск»
Если есть машина в состоянии ПЕРЕВОЗИТ и есть заказы НА_ МАШИНЕ То изменить местоположение машины в узел расстояние до <>0
Заказы в установленном порядке грузятся на машину и для каждой загруженной машины осуществляется поиск маршрута с учетом необходимости возвращения на склад.
Для поиска пути используем встроенный в РДО механизм поиска на графе .
вершину - начальное состояние системы (в нашем случае - склад). Желаемое состояние системы представлено в графе в виде некоторой целевой вершины (магазин, в который необходимо доставить заказ). Цель поиска - найти последовательность продукционных правил, переводящих систему из начального состояния в желаемое. Причем если искать кратчайший путь на графе состояний, то мы получаем последовательность правил с суммарной минимальной стоимостью, то есть
, .
При поиске на графе состояний применяется пробная стратегия управления поиском. При этом после применения некоторого правила резервируется возможность впоследствии заново вернуться к этой ситуации, чтобы применить другое правило. РДО-имитатор реализует прямой вывод, то есть вывод осуществляется от исходного состояния ресурсов к целевому.
Вначале поиска создается граф, состоящий из одной вершины - исходной.
- -, , , . -зывается раскрытием вершины. При этом полученные вершины назовем вершина-ми-преемниками, а исходную - вершина-родитель. В нашем случае продукционным правилом является «Перемещение автомобиля в следующий узел», применение которого переводит значение параметра “Местоположение ресурса” Автомашина из значения номера текущего узла в номер любого следующего, в который .
применения эвристической оценочной функции. Эта функция - сумма двух величин: стоимости пройденного пути на графе (сумма весов дуг) g(k) и оценки оставшегося пути на графе И(к):
Дк) = е(к) + вд.
Оценка оставшегося пути - формальное представление наших знаний о задаче. При И(к) = 0 (как в нашем случае) имеем поиск в ширину с максимальным количеством раскрываемых вершин и гарантированным получением оптимального решения. Полагая И(к), отличной от нуля, имеем поиск с меньшим количеством , , этом можно уйти от оптимальности.
Эвристическая оценочная функция поиска в этой модели включает в себя несколько компонентов взятых соответственно с разными коэффициентами влияния, сумма которых должна быть равна единице. В оценочной функции учитываются: , .
Варьируя коэффициентами влияния в оценочной функции, мы получаем различные маршруты для следования машины и можем выбрать наиболее для нас подходящий в зависимости от того, что является более значимым в той или иной .
После раскрытия вершины производится проверка, не является ли одна из вершин-преемников целевой вершиной, и если является, то поиск прекращается, а , . При этом вершины создаваемого графа разделяют на два множества - множество уже раскрытых и множество нераскрытых вершин, то есть вершин, лежащих на границе построенного графа. Процесс построения графа распространяется по границе его построенной части.
Применение стратегии остановки поиска в случае доставки заказа в магазин (даже если развезены еще не все заказы) позволяет нам рассчитать время, проведенное в пути с момента ее предыдущей остановки, и на основании этого для дальнейшего поиска подкорректировать коэффициенты загруженности улиц, которые, как уже упоминалось, зависят от времени суток. Корректировка осуществляется , -деленного времени суток начинают считываться из другой матрицы. Как мы видим точность поиска будет тем лучше, чем больше временных диапазонов мы зададим для этих коэффициентов. Но поскольку эти данные являются практическими и в некоторой степени случайными, решено использовать три временных диапазона -утро (8-11ч), день (11-16ч) и вечер (16-20ч). Ночь не учитывается, так как развозка ведется только на протяжении рабочего дня.
,
машину.
В случае если загруженных машин несколько, поиск запускается заново, но отсчет времени ведется снова с 8 утра, так как будто машины выехали одновременно. Время в нашей системе является расчетным параметром автомобиля, и не завязывается с внутримодельным временем РДО, так как это не позволило бы нам решить задачу подобным образом.
Если не все заказы сразу могли быть погружены на машины, то по возвращении на склад первой машины она загружается и поиск ведется для следующего .
Когда все заказы доставлены в пункты назначения работа модели прекращается и пользователю выдаются маршруты развозок для всех машин, участвовавших .
Если результаты чем-то не устраивают пользователя (например, на опреде-
), ,
некоторые начальные условия, получить новые результаты.
$Decision_point : some trace_all
$Condition NoCheck
$Activities
Автомашина : Запрос_машины
Загрузка_ : Образец_загрузка_задвок
Конец_загрузки_1 : Образец_конец_загрузки_задвок_1 Конец_загрузки_2 : Образец_конец_загрузки_задвок_2 Погрузка_ : Образец_погрузка
Перевозка_ : Перевозка
В_на_склад : Возвр_на_склад
Ждет_ : Ждет
Выход_ : Конец_
Стоп_ : Стоп
$End
Обобщенный алгоритм работы системы приведен на рис. 7.
Рис. 7. Обобщенный алгоритм работы системы
6. Интерфейс «Системы маршрутизации перевозок в условиях города».
Необходимость создания интерфейса вытекает из того, что транспортная система должна быть проста в использовании, так как “Диспетчер”, пользующийся системой, не обязан быть знаком с теорией расписаний, алгоритмами и принципами оп-. .
Проектируемая БД содержит в себе следующие данные:
1. .
2. Заявки, поступившие на обслуживание к началу планируемого периода.
3. Местоположение магазинов-клиентов.
4. , .
5. Об автомашинах фирмы (грузоподъемность, расход бензина, ресурс и др).
6. Данные о клиентах.
Посредством интерфейса диспетчер вносит в базу информацию о заявках (наименование и количество товара, адрес магазина, желаемые сроки доставки). Эти данные проверяются на соответствие (проверка наличия товара на складе) и дальше из них формируются заказы (8рЬ запрос по БД). Заказ представляет из себя информацию о том, товары каких наименований и в каком количестве должны быть доставлены по определенному адресу.
Интерфейс обеспечивает поддержку для работы с моделями и для осуществления связи с базой данных. Диспетчер может управлять портфелем заявок, то есть , , .
При добавлении заявки в разделах «Наименование товара» и «Адрес» могут быть введены только значения из выпадающего списка, т.к. они напрямую связаны с таблицами товаров и улиц. Диспетчер может редактировать данные об улицах, товарах и машинах, вызвав соответствующее окошечко с главной панели. В процессе редактирования заявок диспетчер может сформировать и посмотреть любой заказ по конкретному адресу и получить по нему всю интересующую его инфор-.
После окончания редактирования списка заявок диспетчер может сформировать список заказов, запустить для него поиск маршрута и получить информацию о маршруте в окне «Формирование заказов» (рис.8).
После завершения работы вся информация запоминается в том состоянии, в момент которого была закончена работа с системой.
7. Результаты исследований. Для оценки эффектов ности системы диспет-чеирования перевозок проводилось сравнение результатов планирования спроектированной системы с результатами системы разработанной ранее. Сравнение осуществлялось по критериям пройденного пути и по времени в пути. Исходные данные и при исследовании оставались одними и теми же. После проведения необходимого количества экспериментов были получены результаты, представленные на диаграммах (рис.9, 10).
Как мы видим из диаграммы, при малом количестве заказов разница в результатах поиска по пройденному пути не значительна, но при увеличении количества заказов разница начинает достигать 15-20% , что является существенным. Поскольку данная система должна обеспечивать работу при произвольном количестве заказов (как правило довольно значительном), мы делаем вывод, что использова-
ние модели поиска последовательности погрузки необходимо в работе системы, так как дает значительные улучшения показателей.
Диаграмма на рис. 10 показывает результаты сравнения по времени автомашины в пути (в часах).
Рис. 8. Вид окна системы диспетчирования перевозок
Пройденный
путь
(км)
■ І Іредьиущая версия щ Разработанная система
5 заказов 10 заказов 15 заказов 20 заказов
Рис. 9. Пройденный автомашиной путь в зависимости от числа заказов
2
1,5
0,5
■ Предыдущая версия
I Разработанная система
5 заказов 10 15 20
заказов заказов заказов
Рис.10. Время автомашины в пути
Из диаграммы видно, что, учитывая коэффициенты загруженности улиц в
разное время суток, мы получаем лучший результат, чем в предыдущей системе.
Отсюда следует необходимость использования этих коэффициентов в работе нашей системы и главной задачей становится их наиболее точное определение.
ЛИТЕРАТУРА
1. [Вагнер, 1973] Вагн ер Г. Основы исследования операций. В 3 томах. М.: Мир, 1973.
2. [Моудер, 1981] Исследование операций: В 2-х томах / Пер. с англ.; Под ред. Дж. Моуде-ра, С. Элмаграби. М.: Мир, 1981.
3. [Нильсон, 1985] Нильсон Н. Принципы искусственного интеллекта / Пер. с англ. Радио и связь, 1985.
4. [Ясиновский, 1994] Ясиновский СМ. Логический вывод в гибридных системах // Вестник МЕТУ. Приборостроение, №1, 1994. С.88-95
5. [Ballow, 1987] Ballow R.H. Product storage and warehousing // Basic Business Logistics. Transportation,Materials, Management, Physical Distribution / 2-d edition. -NY, Prentice-Hall International Edition, 1987. P.192-272.
6. [Емельянов и др., 1998] Емельянов В.В., Ясиновский СМ. Введение в интеллектуальное имитационное моделирование сложных дискретных систем и процессов. Язык РДО. М.:
, 1998.
7. [Artiba et al., 1998] Artiba A., Emelyanov V.V., Iassinovski S.I. Introduction to Intelligent Simulation: The RAO Language. Kluwer Academic Publishers. Boston/Dordrecht/London, 1998.
УДК 681.3.01
Ю.М. Вишняков, B.B. Хашковский
ПАРАЛЛЕЛЬНО-КОНВЕЙЕРНАЯ ОБРАБОТКА ДОКУМЕНТОВ В
СКАНЦЕНТРЕ
1
0
Задачи новой информационной эры в большей степени ориентированы на активное использование средств вычислительной техники в различных областях. В связи с этим особую актуальность приобрел вопрос об использовании соответст-
- ,
