Разработка методов и средств создания гибридных мультиагентных систем управления мобильными ресурсами в реальном времени
- Главная
- Информатика
- Разработка методов и средств создания гибридных мультиагентных систем управления мобильными ресурсами в реальном времени
Содержание
- 2. Актуальность Работа посвящена созданию методов и средств создания гибридных мультиагентных систем для решения сложных транспортно-логистических задач,
- 3. Цели и задачи исследования Цель диссертационного исследования Разработка методов и средств создания гибридных мультиагентных систем управления
- 4. Практическая значимость Разработанные методы и средства позволяют решать широкий круг задач управления мобильными ресурсами в реальном
- 5. Положения, выносимые на защиту Обобщенная формализованная постановка различных задач управления мобильными ресурсами на основе классического и
- 6. Соответствие паспорту специальности 05.13.01 Исследование соответствует пунктам: 2) В области формализации и постановки задач системного анализа,
- 7. Апробация работы 7th Workshop on Service Orientation in Holonic and Multi-Agent Manufacturing (SOHOMA 2017), Nantes, France,
- 8. Реализация результатов работы Применение при разработке промышленных систем управления грузоперевозками, сервисными бригадами и доставкой товаров интернет-магазинов,
- 9. Краткий обзор разработок и выбор направления исследований Решение задачи началось в 60-х 20 века с известной
- 10. Краткий обзор известных систем управления мобильными ресурсами
- 11. Мультиагентная система для управления грузовиками транспортной компании Агент Гостиницы Агент Заправки Агент Кафе
- 12. Формализация динамической задачи управления комплектными грузоперевозками путем построения агентной модели мира предприятия Агент заказа 2. Длинный
- 13. Формализация задачи построения начального плана комплектных грузоперевозок и решение Венгерским алгоритмом
- 14. Задача расчета себестоимости кругорейсов для комплектных перевозок как пример расширения базового сценария перевозки
- 15. Решение задачи расчета себестоимости кругорейсов Для каждого пункта доставки требуется рассчитать вероятную прибыль (убыток) возврата обратно
- 16. Адаптивное планирование заказов на грузовики Грузовик 1 08:00 16:00 12.00 20:00 Время Грузовик 2 Грузовик 3
- 17. Предлагаемый состав агентов ПВ-сети мира транспортной логистики В дальнейшем для расширения и усложнения задачи могут быть
- 18. Задача адаптивного построения плана работы сервисных бригад Имеем M бригад с определенным набором характеристик (квалификация, наличие
- 19. Итерационный метод для задачи построения начального плана сборных грузоперевозок с временными окнами (LTL) Все заказы сортируются
- 20. Мультиагентный метод для задачи построения динамического плана сборных грузоперевозок в реальном времени (LTL) Задача формулируется и
- 21. Задача построения динамического плана сборки и доставки заказов покупателям интернет-магазинов Имеется N магазинов, каждый из которых
- 22. Архитектура для построения мультиагентной системы управления мобильными ресурсами в реальном времени Веб-портал – основной интерфейс пользователя.
- 23. Взаимодействие модулей классического и мультиагентного планирования в гибридной архитектуре В начальный момент запускается модуль классического планирования.
- 24. Средства инфо-коммуникационного взаимодействия для получения событий реального времени Разработаны специальные мобильные приложения (для грузоперевозок, сервисных бригад
- 25. Исследование эффективности бизнеса в адаптивных и неадаптивных моделях грузовых перевозок (моделирующая система) Модель «С возвращением на
- 26. Результаты моделирования по 4-м моделям организации перевозок Моделируется задача планирования 100 заказов на 10 одинаковых грузовиках.
- 27. Сравнение предлагаемых методов с лучшими аналогами на известных модельных примерах Были исследованы предлагаемые в работе методы
- 28. Результаты применения в промышленных системах управления ресурсами
- 29. Экраны МАС управления грузовыми перевозками в реальном времени Smart Trucks
- 30. Экраны МАС управления бригадами в реальном времени Smart Teams
- 31. Экраны МАС управления сборкой и доставкой грузов из Интернет магазинов Smart Delivery
- 32. Основные результаты проведен системный анализ и предложен подход к формализации задач управления мобильными ресурсами для трех
- 33. СПАСИБО ЗА ВНИМАНИЕ! Лада Александр E-mail: lada@kg.ru Моб.: +7 (927) 689–45-95
- 34. Научная новизна проведен системный анализ и формализованы постановки задач управления мобильными ресурсами для трех промышленных применений:
- 35. Системный анализ задач управления мобильными ресурсами В качестве примеров характерных задач рассматриваются следующие задачи управления мобильными
- 36. Анализ комбинаторных и эвристических методов планирования Классические методы (1940-1960 гг.) основаны на переборе вариантов в пространстве
- 37. Ограничения существующих методов и систем Ориентированы на учет и формирование документов, а не на управление процессом
- 38. Разработка метода адаптивного планирования мобильных ресурсов в сетях потребностей и возможностей (на примере для комплектных грузоперевозок)
- 39. План по ремонтам План др. ресурсов План по ТО План шин / агрегатов План по прицепам
- 41. Скачать презентацию
Актуальность
Работа посвящена созданию методов и средств создания гибридных мультиагентных систем для
Актуальность
Работа посвящена созданию методов и средств создания гибридных мультиагентных систем для
Управление мобильными ресурсами – актуальная и сложная задача, решение которой необходимо для широкого круга применений: грузоперевозки, сервисные бригады (водоканал, энергетики, нефтяники), курьеры, мерчендайзеры, интернет магазины, беспилотники и т.д.
Задача восходит от задачи коммивояжера и решается уже много лет, тем не менее имеется множество разнообразных практических постановок, не имеющих известных точных и даже хороших приближенных методов решений, поскольку всегда нужно учитывать нюансы, различные критерии оптимальности, индивидуальный а не общий подход к каждому заказу и ресурсу и т.д.
Так, перевозки могут быть комплектные (один заказ один грузовик), сборные (один грузовик много заказов), нужна консолидации грузов по клиентам, направлениям, времени, нужно учитывать временные окна погрузок/разгрузок, особенности дорог, места желаемых заправок, режим труда и отдыха водителей, сочетаемость различных грузов в грузовике и т.д. и т.п.
Нужно решать задачу в реальном времени, «здесь и сейчас», нужны адаптивные методы и средств коммуникации операторов ресурсов и системы.
Но при этом необходимо на сколько это возможно использовать известные точные методы классической оптимизации, например там, где заказы хорошо известны заранее и можно построить опорный начальный план.
Цели и задачи исследования
Цель диссертационного исследования
Разработка методов и средств создания гибридных
Цели и задачи исследования
Цель диссертационного исследования
Разработка методов и средств создания гибридных
Задачи диссертационного исследования
провести системный анализ и выявить требования к решению современных задач управления мобильными ресурсами на предприятиях грузовых FTL и LTL перевозок, сервисных бригад газовиков и водоканала и доставок товаров из интернет-магазинов;
формализовать постановку задачи управления мобильными ресурсами как для формирования начального плана, так и для дальнейшего адаптивного перестроения плана по внешним событиям;
исследовать применимость существующих классических методов оптимизации и выбрать наиболее подходящие для построения начального плана в рассматриваемых задачах;
разработать методы и средства управления мобильными ресурсами с использованием информационно-коммуникационных взаимодействий с лицами, формирующими и исполняющими план в реальном времени;
разработать функции и архитектуру гибридной мультиагентной системы управления мобильными ресурсами;
провести моделирование и экспериментальное исследование применимости разработанных методов и средств для повышения оперативности, гибкости и эффективности использования ресурсов в задачах управления мобильными ресурсами.
Практическая значимость
Разработанные методы и средства позволяют решать широкий круг задач управления
Практическая значимость
Разработанные методы и средства позволяют решать широкий круг задач управления
На основе разработанных методов и алгоритмов созданы и внедрены в промышленности мультиагентные системы (МАС) для управления:
Smart Trucks – для управления грузовыми перевозками;
Smart Services – для управления сервисными бригадами;
Smart Delivery – для управления развозками товаров из интернет- магазинов.
Результаты исследований и внедрения показывают прирост эффективности использования мобильных ресурсов на 15-40% (среднее число заказов, выполненных одним ресурсов).
Положения, выносимые на защиту
Обобщенная формализованная постановка различных задач управления мобильными ресурсами
Положения, выносимые на защиту
Обобщенная формализованная постановка различных задач управления мобильными ресурсами
Гибридный метод, состоящий в построении начального плана Венгерским алгоритмом, и мультиагентные алгоритмы для адаптивной перестройки плана по мере прихода событий для задач управления мобильными ресурсами на основе классического и мультиагентного подходов.
Средства информационно - коммуникационного взаимодействия мультиагентной системы с операторами ресурсов на базе мобильных ПК для повышения адаптивности управления мобильными ресурсами.
Новые теоретические и экспериментальные результаты исследований на основе разработанных методов и средств, позволяющих повысить среднее число заказов, выполненных мобильными ресурсами на 15-40% за счет оптимизации начального плана и адаптации его по событиям в реальном времени.
Соответствие паспорту специальности 05.13.01
Исследование соответствует пунктам:
2) В области формализации и постановки
Соответствие паспорту специальности 05.13.01
Исследование соответствует пунктам:
2) В области формализации и постановки
Формализация постановки задачи построения и корректировки расписания мобильных ресурсов для различных приложений (грузовики, мобильные бригады и интернет-доставки);
3) В области разработки критериев и оценки эффективности решения задач системного анализа, оптимизации, управления, принятия решения и обработки информации:
Проведение моделирования и экспериментальных исследований применимости разработанных гибридных методов и средств для повышения эффективности ресурсов;
4) В области разработки методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решения и обработки информации:
Разработка гибридного метода и средств решения задачи управления мобильными ресурсами на базе классических и мультиагентных методов планирования и информационно-коммуникационных взаимодействий с лицами, формирующими и исполняющими план в реальном времени;
5) В области разработки специализированного математического и алгоритмического обеспечения:
Разработка функций и архитектуры гибридной мультиагентной системы управления мобильными ресурсами и ее применение для решения ряда прикладных задач.
Апробация работы
7th Workshop on Service Orientation in Holonic and Multi-Agent
Апробация работы
7th Workshop on Service Orientation in Holonic and Multi-Agent
19th World Multi-Conference on Systemics, Cybernetics and Informatics (WMSCI 2015), Orlando, Florida, USA, July 12-15, 2015
5th International Conference on Agents and Artificial Intelligence (ICAART’2013), February 15-18, 2013, Barcelona, Spain
IX Междунар. конф. управление развитием крупномасштабных систем (MLSD’2016), 03 - 05 окт. 2016 г., ИПУ РАН, Москва
XVI-XVIII Международная конференция «Проблемы управления и моделирования в сложных системах», Самара в 2015-2017
Основные публикации
Результаты диссертации опубликованы в 17 работах: из них 3 в журналах ВАК,
7 в изданиях Scopus. 6 свидетельств регистрации программы для ЭВМ
Реализация результатов работы
Применение при разработке промышленных систем управления грузоперевозками, сервисными бригадами
Реализация результатов работы
Применение при разработке промышленных систем управления грузоперевозками, сервисными бригадами
2013г. грант Минобрнауки РФ № 14.514.11.4080 «Разработка прототипа SaaS версии интеллектуальной системы управления сборными грузовыми перевозками, интегрированной с интеллектуальным терминалом водителя и информационно-аналитической подсистемой расчета показателей эффективности грузоперевозок в реальном времени»;
2015г. грант Минобрнауки РФ № 14.576.21.0014 «Разработка сетецентрической модели взаимодействия адаптивных планировщиков ресурсов для поддержки согласованной работы федерации (группы) региональных транспортных компаний и повышения эффективности междугородних грузовых перевозок»;
2017г. грант Минобрнауки РФ № 14.574.21.0183 по созданию цифровой платформы для управления предприятием сельского хозяйства (в части планирования работы механизаторов).
В рамках программы президиума РАН по теме «Теория и технологии многоуровневого децентрализованного группового управления в условиях конфликта и кооперации»;
В учебных процессах ФГБОУ ВО ПГУТИ («Методология управления»), Самарского университета («Моделирование информационных систем») и в программе семинаров НИИ Высшая школа экономики (г. Москва) («Информационно-аналитические решения в логистике») .
Краткий обзор разработок и выбор направления исследований
Решение задачи началось в 60-х
Краткий обзор разработок и выбор направления исследований
Решение задачи началось в 60-х
Для некоторых модельных задач применяются классические методы линейного программирования, описанные работах Л. Канторовича и Д. Данцига, а также их модификации (ветвей и границ). Их суть-отбросить неперспективные варианты пространства решений и сократить время перебора, но в худшем случае имеем полный перебор и NP hard проблему.
Начиная с 1960х развиваются эвристические методы (Генетический алгоритм, Табу-поиск, Метод сбережений Кларка-Райта и т.д.). их суть за приемлемое время найти приближенное решение с помощью эмпирических правил, ограничивающих поиск по пространству решений, но они сложны для понимания сотрудникам транспортных компаний, трудны для модификаций к особенностям задач и нельзя распаралелить. Мультиагентные методы (начиная с 2000-х по н/в), где решение строится при взаимодействии между собой агентов на виртуальном рынке путем самоорганизации до достижения равновесия – интуитивно понятны, параллельны, устойчивы к изменениям в логике решения задачи (М. Вулдридж, Н. Дженнингс, М. Тамбе, В. Лессер, Г. Ржевский. в нашей стране: В.Б. Тарасов, В.И. Городецкий, О.Н. Граничин, В.А. Виттих, П.О. Скобелев, И.В. Майоров). В 2010 получили теорет. обоснование - в Кембридже была доказана теорема их эквивалентности с классическими методами в задаче о назначениях.
Вместе с тем в ряде случаев часть заказов оказывается известной заранее, но в других, наоборот, большая неопределенность в ходе исполнения, и требуется постоянная коммуникация с ресурсом (водителем грузовика, бригадой и т.д.).
Нужен гибридный подход - сочетание классических и адаптивных методов управления ресурсами с использованием мобильных ПК.
Краткий обзор известных систем управления мобильными ресурсами
Краткий обзор известных систем управления мобильными ресурсами
Мультиагентная система для управления грузовиками транспортной компании
Агент Гостиницы
Агент Заправки
Агент Кафе
Мультиагентная система для управления грузовиками транспортной компании
Агент Гостиницы
Агент Заправки
Агент Кафе
Формализация динамической задачи управления комплектными грузоперевозками путем построения агентной модели мира
Формализация динамической задачи управления комплектными грузоперевозками путем построения агентной модели мира
Агент заказа
2. Длинный маршрут потребует оплаты сверхурочных водителю
Примеры взаимодействий агентов:
Агент грузовика может не найти свободного водителя – придется задержать выезд или платить сверхурочные водителю
Агент маршрута может не найти свой грузовик и взять стороннего перевозчика
Агент топлива может попытаться изменить маршрут, чтобы получить лучшую заправку
Агент грузовика может требовать техосмотра и пытаться задержать поездку или планировать пройти осмотр по дороге, наконец, отложить осмотр до возвращения
Примеры конфликтов агентов:
Можно увеличить прибыль за счет длинного маршрута но уменьшить удовлетворенность водителя (придется платить сверхурочные)
Можно задержать тех осмотр грузовика, но обеспечить лучшую прибыльность поездки
Можно удлинить маршрут, чтобы заехать на лучшую заправку
Можно не успеть в срок или вовсе сорвать перевозку, но сделать большую прибыль за счет дешевого перевозчика
Вывод: построение мультиагентной модели мира предприятия – основа для формализации постановок задачи управления любыми мобильными ресурсами и задания индивидуальных критериев, предпочтений и ограничений заказов и ресурсов, а также других участников принятия решений.
Формализация задачи построения начального плана комплектных грузоперевозок и решение Венгерским алгоритмом
Формализация задачи построения начального плана комплектных грузоперевозок и решение Венгерским алгоритмом
Задача расчета себестоимости кругорейсов для комплектных перевозок как пример расширения базового
Задача расчета себестоимости кругорейсов для комплектных перевозок как пример расширения базового
Решение задачи расчета себестоимости кругорейсов
Для каждого пункта доставки требуется рассчитать
Решение задачи расчета себестоимости кругорейсов
Для каждого пункта доставки требуется рассчитать
Для каждого из M грузовиков выбрать подходящие ему M заказов, таким образом, чтобы суммарная прибыль компании, после возвращения всех грузовиков обратно на базу, была максимальной
Адаптивное планирование заказов на грузовики
Грузовик 1
08:00
16:00
12.00
20:00
Время
Грузовик 2
Грузовик 3
Не могу сдвинуться
Сдвинешься вправо?
Адаптивное планирование заказов на грузовики
Грузовик 1
08:00
16:00
12.00
20:00
Время
Грузовик 2
Грузовик 3
Не могу сдвинуться
Сдвинешься вправо?
Нет
Предлагаемый состав агентов ПВ-сети мира транспортной логистики
В дальнейшем для расширения и
Предлагаемый состав агентов ПВ-сети мира транспортной логистики
В дальнейшем для расширения и
Задача адаптивного построения плана работы сервисных бригад
Имеем M бригад с
Задача адаптивного построения плана работы сервисных бригад
Имеем M бригад с
Имеем N регламентных заявок с самым низким приоритетом
Имеем P поток аварийных заказов с средним и высоким приоритетом
Имеем V поток внешних событий, об отмене или изменении ранее поступивших заказов, и бригад, которые посредством мобильного терминала передают данные о фактическом времени выезда, начале и окончании работ по заявкам.
Задача решается аналогично комплектным перевозкам гибридным методом с модификациями
Итерационный метод для задачи построения начального плана сборных грузоперевозок с временными
Итерационный метод для задачи построения начального плана сборных грузоперевозок с временными
Все заказы сортируются по времени начала погрузки. В начальный момент времени T0 произвольно выбирается 1й из M грузовиков на базе, с прицепом заданной вместимости (TW).
Рассчитываются варианты возможных назначений грузовика для каждого заказа, по формулам:
TLEi = (если T0Li
Если TLEi< UFi , где UFi время закрытия окна разгрузки и Wi < TW, где Wi число груза в заказа, а TW максимальная вместимость грузовика, то заказ считается возможным к выполнению.
Из всех возможных к назначению заказов выбирается заказ с наименьшим временем переезда. После чего, грузовик меняет местоположение, которое теперь соответствует месту погрузки выбранного заказа, а время его освобождения будет рассчитано по формуле: T1= (если T0Li
С учетом уже набранного грузовиком на предыдущих шагах груза дают в сумме с этим заказом перегруз.
На пункты погрузки которых грузовик уже не успеет, где T1+T0Li+ TLi> LFi.
С учетом возможной погрузки заявки, грузовик не успеет выполнить разгрузки уже назначенных на него заказов.
Алгоритм повторяется пока не останется допустимых назначений для текущего грузовика.
После чего берется следующий из M грузовиков на базе с начальным временем T0
Мультиагентный метод для задачи построения динамического плана сборных грузоперевозок в реальном
Мультиагентный метод для задачи построения динамического плана сборных грузоперевозок в реальном
Задача формулируется и решается аналогично динамической задаче комплектных перевозок, но при этом допускается возможность перевозки нескольких заказов в одном грузовике.
При такой постановке требуется сократить число переговоров агентов, чтобы избежать комбинаторного взрыва при взаимодействии всех со всеми. Для этого применяются триангуляции Делоне, в результате для каждого агента сцены находятся его ближайшие соседи и каждый агент ведет переговоры только со своими соседями.
Длиной маршрута l(R) будем считать длину замкнутого пути, который проходит грузовик по маршруту. Обозначим за w(C) массу (объем) потребления заказом C, d(C) - время, затрачиваемое грузовиком на обслуживание (разгрузку) заказа C. Рассмотрим участок маршрута доставки Ci-1→Ci →Ci+1, ценой доставки P заказа Ci назовем P(Ci)=|Ci-1Ci|+|CiCi+1|-|Ci-1Ci+1|, где i=1…N, N – количество пунктов обслуживания. Тогда тариф заказа Ci определим, как . Средним тарифом маршрута R C1→C2→…→Cn назовем .
Агент грузовика стремится перевезти как
можно больше заказов и уменьшить себестоимость маршрута, поэтому он старается привлекать заявки с низким персональным тарифом;
Агент заявки стремится попасть к тому грузовику, который предложит ему минимальный тариф на перевозку до достижения не улучшаемого равновесия.
Задача построения динамического плана сборки и доставки заказов покупателям интернет-магазинов
Имеется N
Задача построения динамического плана сборки и доставки заказов покупателям интернет-магазинов
Имеется N
Имеется поток заказов. Каждый заказ характеризуется местоположением и желаемым временным окном доставки а также товарами, которые должны быть доставлены.
Для каждого заказа необходимо определить место его сборки в одном из магазинов с учетом загрузки сборщиков при этом считается, что любые товары доступны в любых магазинах без ограничения количества.
Цель состоит в том, чтобы построить план сборки поступающих заказов в ближайшем магазине относительно места доставки, принимая во внимание скорость сборки заказов в реальном времени и при необходимости менять магазин сборки на следующий ближайший, если согласно его расписанию сборки невозможно собрать заказ в запрошенное для доставки время.
Архитектура для построения мультиагентной системы управления мобильными ресурсами в реальном времени
Веб-портал
Архитектура для построения мультиагентной системы управления мобильными ресурсами в реальном времени
Веб-портал
Модули классического и адаптивного планирования, использующего средства инфокоммуникационного взаимодействия
Мобильный интерфейс водителя – программно-аппаратное решение для инфокоммуникационного взаимодействия с водителями.
Мобильное веб-приложение – программно-аппаратное решение для инфокоммуникационного взаимодействия с логистами и диспетчерами.
Модуль поставщика географических данных-система построения маршрутов по дорогам
Модуль поставщика GPS/Глонасс - система сбора данных о фактическом местоположении
Модуль классического планирования
Взаимодействие модулей классического и мультиагентного планирования в гибридной архитектуре
В начальный момент
Взаимодействие модулей классического и мультиагентного планирования в гибридной архитектуре
В начальный момент
Построенный план передается в оперативный мультиагентный планировщик.
Агенты могут сразу перестроить первоначальный план до момента появления событий например, если базовый алгоритм не поддерживает дополнительные условия (тип прицепа, ограничения для водителя и др.).
С приходом событий первоначальный план отходит от глобального оптимума (красная штриховка) и идет его локально-оптимальная адаптивная корректировка.
В момент останова поступления событий (как правило в нерабочее время) – адаптивное планирование останавливается и заново строится новый глобальный план.
Далее работа мультиагентного модуля снова продолжается в адаптивном режиме.
KPI системы
События (нарушающие план и улучшающие)
Перезапуски глобального планировщика
KPI системы
Средства инфо-коммуникационного взаимодействия для получения событий реального времени
Разработаны специальные мобильные приложения
Средства инфо-коммуникационного взаимодействия для получения событий реального времени
Разработаны специальные мобильные приложения
Разработаны методы накопления, передачи и рафинации геолокационных данных о фактических координатах мобильного устройства в любой момент времени
Разработаны методы передачи, обработки и синхронизации фактической информации для работы в условиях не стабильного интернет соединения, а также при полном его отсутствии («Off - line» режим).
На основании получаемых данных гибридный метод в системе планирования делает пересчет времени прибытия во все последующие точки плана мобильного ресурса.
Исследование эффективности бизнеса в адаптивных и неадаптивных моделях грузовых перевозок (моделирующая
Исследование эффективности бизнеса в адаптивных и неадаптивных моделях грузовых перевозок (моделирующая
Модель «С возвращением на базу». Для заказа бронируется грузовик, в расписании которого на момент заказа есть окно. Если погрузка заказа в другом городе, то грузовик должен прибыть туда ко времени погрузки. Отмена бронирования грузовика под заказ не допускается. После выполнения заказа грузовик возвращается в пункт базирования.
Модель «Без возвращения». После выполнения заказа грузовик остается в конечном пункте заказа, не возвращаясь на базу, где ждет следующий заказ.
Модель «Опоздания со штрафами». Допускается планирование заказов с опозданиями, т.е. когда фактический момент начала заказа позже требуемого в заказе. При этом из прибыли вычитаются штрафы, пропорционально времени опоздания. Если величина штрафа превышает возможную прибыль от выполнения заказа, то такой заказ не планируется. После выполнения заказа грузовик остается в пункте назначения.
Модель «Адаптивное планирование со штрафами». Совпадает с предыдущей, однако допускается бронирование грузовика под новый заказ в случае, если прибыль от нового заказа превышает прибыль от прежде запланированного. Таким образом, при поступлении заказа осуществляется перераспределение уже размещенных заказов и ищется новое, более выгодное по прибыли решение.
Результаты моделирования по 4-м моделям организации перевозок
Моделируется задача планирования 100 заказов
Результаты моделирования по 4-м моделям организации перевозок
Моделируется задача планирования 100 заказов
Заказы генерировались равномерно по 18 городам (расстояния в интервале от 1 до 6) и дате поступления, поэтому концентрация заказов возрастает с течением времени. Грузовики стартуют из одного города.
Результаты сопоставляются для 4 моделей.
Наименьшая прибыль в модели 1 с возвращением - поскольку планируется меньше заказов и при возвращении на базу больше затраты. Модель 3 без возвращения и с планированием опоздавших заявок значительно превосходит модель 2 без возвращения на начальном участке, поскольку на одно и то же количество грузовиков планируется больше заказов. В режиме насыщения она даёт мало преимущества по сравнению с моделью 2, потому что при большом количестве грузовиков мало заказов, выполняющихся с опозданием, и модели 2 и 3 будут совпадать.
Наилучшей является модель планирования 4. Она даёт примерно на 20% большую прибыль, чем моделях 2 и 3. При выполнении плана она позволяет обойтись меньшим количеством грузовиков
суммарная прибыль от времени по моделям
Сравнение предлагаемых методов с лучшими аналогами на известных модельных примерах
Были исследованы
Сравнение предлагаемых методов с лучшими аналогами на известных модельных примерах
Были исследованы
В качестве модельных данных были выбраны данные на Интернет-ресурсе (http://neo.lcc.uma.es/vrp/), посвященному решению транспортной задачи в различных постановках и ограничениях, для которых известны наилучшие решения.
Результаты экспериментов показывают, что полученный результат отличается от наилучшего, известного на данный момент, не более чем на 40%, в среднем 20–25% по набору тестовых примеров, при том, что время получения результата на порядок меньше чем у известных лучших алгоритмов (менее чем 1 сек против 1 минуты).
При детальном анализе и сравнении решений, обнаружено, что предлагаемый метод относительно правильно распределяет заявки по грузовикам (как в лучших решениях), но недостаточно оптимально осуществляет маршрутизацию грузовика, выстраивая порядок доставки, что может быть важным сигналом о необходимости введения нового агента маршрута для повышения сложности решения, который бы согласовывал решения заявок, при поддержке их взаимодействия, с целью формирования более устойчивых согласованных решений.
Результаты применения в промышленных системах управления ресурсами
Результаты применения в промышленных системах управления ресурсами
Экраны МАС управления грузовыми перевозками в реальном времени Smart Trucks
Экраны МАС управления грузовыми перевозками в реальном времени Smart Trucks
Экраны МАС управления бригадами в реальном времени Smart Teams
Экраны МАС управления бригадами в реальном времени Smart Teams
Экраны МАС управления сборкой и доставкой грузов из Интернет магазинов Smart
Экраны МАС управления сборкой и доставкой грузов из Интернет магазинов Smart
Основные результаты
проведен системный анализ и предложен подход к формализации задач управления
Основные результаты
проведен системный анализ и предложен подход к формализации задач управления
на основе Венгерского алгоритма решения задачи о назначениях, модели ПВ-сети и метода сопряженных взаимодействий предложен гибридный метод построения начального плана и его дальнейшей адаптации по событиям в реальном времени, позволяющий вести расчет себестоимости полного цикла (кругорейса) для задачи грузоперевозок;
разработана архитектура гибридной мультиагентной системы управления мобильными ресурсами с информационно-коммуникационным взаимодействием с пользователями и принятием решений «здесь и сейчас» для минимизации времени реакции на фактические события.
проведены экспериментальные исследования, показывающие рост эффективности ресурсов при использовании гибридного метода за счет сочетания классического подхода и адаптивного информационно коммуникационного взаимодействия с пользователями
СПАСИБО ЗА ВНИМАНИЕ!
Лада Александр
E-mail: lada@kg.ru
Моб.: +7 (927) 689–45-95
СПАСИБО ЗА ВНИМАНИЕ!
Лада Александр
E-mail: lada@kg.ru
Моб.: +7 (927) 689–45-95
Научная новизна
проведен системный анализ и формализованы постановки задач управления мобильными ресурсами
Научная новизна
проведен системный анализ и формализованы постановки задач управления мобильными ресурсами
предложен гибридный метод построения начального плана на основе венгерского метода решения задачи о назначениях и дальнейшей адаптации плана по событиям в реальном времени на основе модели ПВ-сети и метода сопряженных взаимодействий, позволяющий вести расчет себестоимости полного цикла (кругорейса) для задачи грузовых перевозок.
разработана архитектура гибридной мультиагентной системы управления мобильными ресурсами с информационно-коммуникационными компонентами прямого взаимодействия с пользователями и корректировкой решений «здесь и сейчас» для минимизации времени реакции на события в реальном времени.
проведены экспериментальные исследования, показывающие рост эффективности ресурсов при использовании гибридного метода, за счет сочетания классического и адаптивного подходов, а также информационно коммуникационного взаимодействия с пользователями.
Системный анализ задач управления мобильными ресурсами
В качестве примеров характерных задач рассматриваются
Системный анализ задач управления мобильными ресурсами
В качестве примеров характерных задач рассматриваются
2. Значительное число заказов, приходящих в день (до 100 в день);
3. Управление мобильными ресурсами требует решения задач:
Выбор наиболее подходящего транспортного средства;
Построения маршрута движения с учетом сроков доставки;
Формирования плана-графика движения по маршруту;
Адаптации маршрута и плана по мере поступления событий (до выхода в рейс);
Отправка мобильного ресурса по маршруту движения;
Мониторинга хода исполнения плана;
Контроль исполнения плана исполнения;
Анализа экономической эффективности исполнения заявок и использования ресурсов.
4. Горизонт начального планирования: от 1 до 10 дней;
5. Число ресурсов: от 50 – до 5000 ресурсов;
6. Число точек на маршруте – до 10-15 локаций;
7. Критерии принятия решений: высокий уровень сервиса для клиента, минимальные сроки доставки; минимальная себестоимость, минимальные риски нарушения графика, равномерность использования средств, минимум простев и холостого пробега и т.д.
8. Ограничения и предпочтения: параметры автомобилей или других мобильных ресурсов (объем кузова, скорость, грузоподъемность и т.д.), временные окна погрузки и разгрузки в магазинах торговых сетей, время работы смен водителей и возможность сверхурочных, компетенции исполнителей, размеры штрафов, выгодность направлений;
9. События в исполнении планов: задержки погрузки, отмена заказов, новые заказы, поломки и др.
Анализ комбинаторных и эвристических методов планирования
Классические методы (1940-1960 гг.) основаны на
Анализ комбинаторных и эвристических методов планирования
Классические методы (1940-1960 гг.) основаны на
Эвристические методы (начиная с 1960-х по н/в) за приемлемое время находят приближенное решение с помощью эмпирических правил, ограничивающих поиск по пространству решений, например: Генетический алгоритм (Д. Голдберг)-случайный подбор, комбинирование и вариации искомых параметров, аналогично естественному отбору в природе; Табу-поиск- локальный поиск в дереве решений; Метод сбережений Кларка-Райта итерационный метод для компьютерного решения статической задачи развозки. Сложны для понимания, трудны для модификаций к особенностям задач, не допускают параллельность, чувствительны к изменению спецификаций (событий и др.).
Мультиагентные методы (начиная с 2000-х по н/в), где решение строится при взаимодействии между собой агентов на виртуальном рынке, действующих параллельно и асинхронно, совместно строя решение путем самоорганизации до достижения равновесия – интуитивно понятны, параллельны, устойчивы к изменениям в логике решения задачи (М. Вулдридж, Н. Дженнингс, М. Тамбе, В. Лессер, Г. Ржевский. в нашей стране: В.Б. Тарасов, В.И. Городецкий, О.Н. Граничин, В.А. Виттих, П.О. Скобелев). В 2010 получили теорет. обоснование - в Кембридже была доказана теорема эквивалентности с линейным программированием в задаче о назначениях и есть основания применения для поиска NP Hard решений.
Ограничения существующих методов и систем
Ориентированы на учет и формирование документов, а
Ограничения существующих методов и систем
Ориентированы на учет и формирование документов, а
Ограниченный характер методов и средств поддержки процессов принятия решений по распределению, планированию, оптимизации и контролю мобильных ресурсов – в основном на основе классических средств оптимизации.
Централизованная схема управления, построенная на последовательной схеме выдачи команд-инструкций «сверху вниз», без возможности их адаптивного изменения по возникновению новых событий и факту исполнения от исполнителей.
Внутренняя пассивность, планирование только в пакетном режиме «по инициативе» диспетчера, а не по изменению состояния внутри системы на основе фактических событий, поступающих от непосредственных участников процесса ресурсов, формирующих и выполняющих план.
Массовая стандартизация и унификация работы не учитывает индивидуальные предпочтения и ограничения клиентов, водителей, диспетчеров и логистов: прокладка маршрута вблизи родного города водителя, заправка на АЗС с системой скидок, возможности предвидеть и запланировать отдых водителя и т.д.
Разработка метода адаптивного планирования мобильных ресурсов в сетях потребностей и возможностей
Разработка метода адаптивного планирования мобильных ресурсов в сетях потребностей и возможностей
Предложены в статье В.А.Виттиха, П.О.Скобелева, АиТ, 2003
С каждым грузовиком связан агент грузовика, с каждым заказом — агент заказа, далее по аналогии могут быть введены агенты задач и маршрутов, консолидаций, ТО, заправок, шин и т.д.
Вводятся правила виртуального рынка для агентов, которые покупают и продают свои сервисы за виртуальные деньги.
Агенты отправляют, получают сообщения и принимают решения согласно заложенной логике в каждом выбранном состоянии
Текущие состояния агентов изменяются в моменты поступления заказов и других внешних событий и прихода факта через средства инфокоммуникационного взаимодействия (терминалы и датчики)
Решение фиксируется, когда ни один из агентов не может улучшить решение.
План по ремонтам
План др. ресурсов
План по ТО
План шин / агрегатов
План
План по ремонтам
План др. ресурсов
План по ТО
План шин / агрегатов
План
План заправок
План по тягачам
План грузоперевозки
План по водителям
Согласованное решение различных задач планирования в отдельных мультиагентных системах, где можно учесть особенности планирования каждого типа заказа или ресурса.
Менеджеры по продажам
Логисты
Диспетчеры
Механики
Службы контроля
Заправки
…
Поток событий
Новый заказ
Плановое ТО тягача, прицепа
Смена водителя
Заболел водитель
Требуется ремонт тягача, прицепа
…
Варианты решений
Распределение заказов между группировками
Группировка Х выполняет заказ в пункте Y, где может быть проведено плановое ТО
Смена водителя группировки в Казани через 2 дня
…
Развитие подхода для решения экстремально сложных задач управления транспортной компанией: сеть планировщиков ресурсов