автореферат диссертации по документальной информации, 05.25.05, диссертация на тему:Разработка и исследование методов поддержки и оптимизации информационных процессов в транзитном контейнерном терминале

На правах рукописи

ЛУЦАН Максим Васильевич

РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ ПОДДЕРЖКИ И ОПТИМИЗАЦИИ ИНФОРМАЦИОННЫХ ПРОЦЕССОВ В ТРАНЗИТНОМ КОНТЕЙНЕРНОМ ТЕРМИНАЛЕ

05.25.05 — Информационные системы и процессы

Автореферат диссертации на соискание ученой степени кандидата технических наук

' 5 2015

Таганрог - 2014

005557645

005557645

Работа выполнена в Федеральном государственном автономном образовательном учреждении высшего образования «Южный федеральный университет» (ЮФУ)

Защита состоится «12» марта 2015 г. в «14» часов на заседании диссертационного совета Д 212.208.25 ФГАОУ ВПО «Южный федеральный университет» по адресу: 347928, Ростовская обл., г. Таганрог, ул. Чехова 2, ауд. И-409.

С диссертацией можно ознакомиться в зональной научной библиотеке ЮФУ им. Ю. А. Жданова, расположенной по адресу:

344103, г. Ростов-на-Дону ул. Пушкина, 148, а также на библиотечном портале ЮФУ http://hub.sfedu.ru/diss/announcemeiUs/

Научный руководитель:

Нужное Евгений Владимирович, кандидат технических наук, доцент, ФГАОУ ВО «Южный федеральный университет», кафедра систем автоматизации проектирования, профессор

Официальные оппоненты:

Ковалев Сергей Михайлович, доктор технических наук, профессор, кафедра "Автоматика и телемеханика на ж.-д. транспорте" Ростовского государственного университета путей сообщения, профессор

Тарасов Валерий Борисович, кандидат технических наук, доцент, кафедра «Компьютерные системы автоматизации производства» МГТУ им. Н.Э. Баумана, профессор

Ведущая организация:

Волгоградский государственный технический университет

Автореферат разослан <_ декабря 2014 г.

Ученый секретарь

диссертационного совета Д 212.208.25

Ю.А. Брюхомицкий

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Современный уровень развития производства и рыночная экономика характеризуются стремлением комплексно решать проблемы изучения потребностей рынков в товарах, их изготовления, распределения, доставки и продажи потребителям. Это приводит к необходимости проектирования и эксплуатации производственных, торговых и транспортных предприятий не изолированно одно от другого, а совместно уже на первых этапах их создания. Так возникают комплексные логистические цепи или системы, состоящие из производственных, транспортных и торговых предприятий и складов различного типа и назначения.

Уровень организации и оптимизации транспортных перевозок определяет общую эффективность, стоимость и качество всей логистической цепочки «производитель-потребитель». В последние десятилетия в эти области было привнесено множество технических решений, в том числе управление складами, запасами и поставками товаров в контейнерах. В настоящее время промышленная индустрия зависит от наземной и воздушной логистики, от быстрой транспортировки сырья, готовых продуктов или каких-либо других объектов. Несмотря на прогресс в этих областях, загрузка контейнеров очень часто не автоматизирована и зависит от навыков и умений персонала, а управление очередями загрузки и разгрузки контейнеров также не автоматизировано. Таким образом, актуальным решением является создание комплексных информационных систем (ИС) поддержки и оптимизации информационных процессов в транзитных (перегрузочных) контейнерных терминалах (ТКТ).

Грузовые перевозки можно рассматривать с точки зрения общей теории систем, в соответствии с которой целью системы перевозок является доставка максимального количества товаров потребителям с наименьшими затратами таких ресурсов, как пространство, время, энергия, финансы и др. При этом система перевозок должна быть гибкой при воздействиях внешней среды. В логистике одну из важнейших ролей играют скорость доставки товаров потребителям и ее стоимость.

Произведенный и отгруженный товар с места производства может пройти несколько пунктов перегрузки, прежде чем достигнет конечного потребителя. Скорость и стоимость доставки будут во многом зависеть от эффективности работы этих пунктов и складов временного хранения товаров, где происходит разгрузка контейнеров от различных поставщиков с различными товарами, их временное хранение на складе, загрузка и отправка потребителям. Немаловажную роль в этой цепи играет качество работы самого ТКТ. Согласно исследованиям, только прием товаров и их отправка и упаковка влияют на стоимость логистической цепочки на 35%, а задачи оптимизации этих информационных процессов являются ЫР-сложными и трудными.

В связи с этим разработка и создание новых моделей, методов и алгоритмов поддержки и оптимизации информационных процессов в ТКТ является актуальной научной задачей и составляет научно-техническую проблему, имеющую важное народно-хозяйственное значение.

Цель диссертациоиного исследования состоит в разработке и исследовании методов и алгоритмов поддержки и оптимизации информационных процессов, позволяющих повысить общую эффективность функционирования ТКТ.

Для достижения сформулированной цели в диссертации были поставлены следующие основные задачи:

1. Провести обзор и анализ информационных процессов ТКТ. Выбрать наиболее важные информационные процессы ТКТ. Проанализировать процесс обработки очередей контейнеров. Проанализировать известные алгоритмы трехмерной упаковки разногабаритных прямоугольных блоков.

2. Разработать концептуальную модель ИС ТКТ, а также обобщенную архитектуру ИС ТКТ на основе многоагентного подхода.

3. Разработать многоагентный подход для поддержки принятия решений в ТКТ для оптимизации его информационных процессов.

4. Разработать модифицированный генетический алгоритм трехмерной упаковки разногабаритных прямоугольных блоков, а также их палетирования для поддержки информационного процесса управления загрузкой и разгрузкой контейнеров.

5. Построить архитектуру информационной подсистемы поддержки принятия решений и оптимизации информационных процессов в ТКТ с созданием программного комплекса, использующего разработанные модели и алгоритмы.

6. Провести экспериментальные исследования выводов и положений, относящихся к управлению информационными процессами ТКТ и архитектуре ИС ТКТ для выявления оптимальных значений управляющих параметров и определения их эффективности.

Объектом исследования являются информационные системы транзитных автомобильных контейнерных терминалов.

В качестве предмета исследования в диссертации рассматриваются модели, методы и алгоритмы поддержки и оптимизации информационных процессов в ИС ТКТ.

Научной новизной обладают следующие полученные результаты:

1. Многоагентный подход и модель функционирования группы взаимодействующих агентов для оптимизации процесса обработки очередей разгрузки и загрузки контейнеров, отличающиеся от известных организацией взаимодействия агентов, их поведением и механизмом обучения (Пункты 1, 3 паспорта специальности 05.25.05).

2. Эвристические методы информационной поддержки принятия решений для управления очередями разгрузки и загрузки контейнеров в ТКТ, отличающиеся от аналогов учитываемыми характеристиками терминала для генерации управляющих решений, а также использованием динамических приоритетов контейнеров и отдельных типов блоков (Пункт 1 паспорта специальности 05.25.05).

3. Модифицированный метод генетического поиска загрузки и разгрузки контейнеров блоками и их палетирования, отличающийся от известных введением новых операторов, способов кодирования и декодирования решений, позволяющий распараллеливать процесс решения и повысить качество упаковки в среднем на 17%. (Пункт 1 паспорта специальности 05.25.05).

4. Архитектура информационной подсистемы для поддержки принятия решений и оптимизации информационных процессов в ТКТ, отличающаяся от аналогов использованием разработанных подходов, методов и алгоритмов, обеспечивающих получение набора квазиоптимальных решений за полиномиальное время (Пункт 7 паспорта специальности 05.25.05).

Практическая ценность работы. Предложенные подходы, методы и алгоритмы поддержки и оптимизации информационных процессов в ТКТ могут быть использованы в создании информационных систем ТКТ.

При разработке программного комплекса применялись интегрированная среда разработки Microsoft Visual Studio 2013. Тестирование разработанного программного комплекса проводилось на персональном компьютере с процессором Intel Core ¡5. Применение разработанных методов и алгоритмов позволяет повысить скорость обработки очередей контейнеров на ТКТ и уменьшить время нахождения контейнера на ТКТ в среднем на 8%, а качество трехмерной упаковки увеличить на 17% по сравнению с аналогами.

Реализация результатов работы. Результаты диссертационной работы использовались ряда НИОКР в Институте компьютерных технологий и информационной безопасности Южного федерального университета, которые были направлены на создание подсистемы поддержки и оптимизации информационных процессов. К наиболее важным из них следует отнести участие в реализации:

гранта РФФИ №13-07-00450 «Разработка информационной системы грузового терминала на основе распараллеливания работ и приоритетного обслуживания»;

фанта РФФИ № 13-07-12091 -офи_м «Разработка новых информационно-вычислительных технологий оптимизации структуры региональных транспортных перевозок на основе гибридных интеллектуальных моделей и методов роевого интеллекта»;

ГБ №8.823.2014/К на выполнение проектной работы в части государственного задания МинОбрНауки России в сфере научной деятельности «Разработка теории и основных принципов эволюционных вычислений для поддержки принятия оптимальных решений при проектировании многоцелевых интеллектуальных систем».

Материалы диссертации внедрены в учебный процесс на кафедре Систем автоматизированного проектирования Института компьютерных технологий и информационной безопасности Южного федерального университета.

Апробация работы. Основные результаты, представленные в диссертационной работе, обсуждались на международных, всероссийских и региональных научных конференциях: конгрессе пс интеллектуальным системам и информационным технологиям «A1S-1T41» (Дивноморское, 2011 г.), Молодежной научно-технической конференции «Интеллектуальные системы - 2011» («ИС-2011»), конгрессе по интеллектуальным системам и информационным технологиям «AIS-IT'12» (Дивноморское, 2012 г.), конгрессе по интеллектуальным системам и информационным технологиям «AIS-IT' 13» (Дивноморское, 2013 г.), конференции «Технологии Microsoft в теории и практике программирования» VUI-ой Всероссийской конференции студентов, аспирантов и молодых ученых (Таганрог, 2011 г.), на Третьей Международной конференции «Автоматизация управления и интеллектуальные системы и среды» (Нальчик, 2013 г.).

Публикации. Результаты диссертации отражены в 14 работах, в числе которых 5 - в изданиях, рекомендованных ВАК, 1 глава в коллективной монографии кафедры систем автоматизированного проектирования ЮФУ и 2 свидетельства о государственной регистрации программ для ЭВМ.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка использованных источников (106 наименований) и приложения.

Работа изложена на 138 страницах, содержит 49 рисунков, 7 таблиц и 1 приложение.

Работа соответствует пунктам 1 и 7 паспорта специальности 05.25.05.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении изложены актуальность темы диссертационной работы, цели и задачи исследования, научная новизна, практическая ценность, основные научные положения, выносимые на защиту, а также приведено краткое содержание каждой из глав.

В первой главе проведены обзор и анализ информационных процессов, происходящих в ТКТ. Выявлено, что основными являются процессы обработки очередей контейнеров на терминалах и задача трехмерной упаковки разногабаритных блоков. Показана актуальность проблемы обработки очередей контейнеров на ТКТ и способ ее решения на основе эвристических методов и многоагентного подхода. Проведены обзор и анализ подходов к решению задачи трехмерной упаковки прямоугольных разногабаритных блоков, а также методов палетирования блоков на поддоны. Отмечено, что, в связи с тем, что задача упаковки является NP-сложной и трудной, для ее решения выбраны методы генетического поиска.

Во второй главе реализован многоагентный подход к решению задачи обработки очередей контейнеров на ТКТ, детализированы функции агентов, разработаны условия и средства их взаимодействия с учетом сигналов и решений диспетчера для поддержки и оптимизации информационных процессов на ТКТ.

В укрупненном представлении ТКТ включает 4 функциональные части: зона прибытия контейнеров с грузами; зона временного хранения грузов; зона загрузки и отправления контейнеров; диспетчерская. При детальном рассмотрении процесса функционирования ТКТ можно выделить следующие элементы его описания: блоки, представленные в виде трехмерных объектов; склад временного хранения; зона прибытия, ожидания и разгрузки контейнеров (U), характеризующаяся максимальным числом контейнеров к, которые могут разгружаться одновременно; зона ожидания, загрузки и отправки контейнеров (L), характеризующаяся максимальным числом контейнеров г, которые могут загружаться одновременно; контейнер -емкость, предназначенная для перевозки блоков на транспортной единице; список ожидания разгрузки (Wu) - список из заполненных блоками контейнеров, ожидающих разгрузки; список ожидания загрузки (Wl) - список пустых контейнеров, ожидающих загрузки; список заявок на

отправку товаров (Я), содержащий все заявки, поступившие от потребителей, характеризующиеся составом блоков, требуемых для поставки, их количеством, а также приоритетом, определенном на интервале [1;10]; диспетчер - один или несколько работников, играющие роль связующего звена между информационной системой и внешней средой, с его помощью агенты получают информацию об изменениях внешней среды и реализуют свои действия.

Укрупненная схема грузового терминала представлена на рисунке 1.

Рисунок 1 - Укрупненная схема терминала При отправке загруженного контейнера от поставщика на терминал с группами блоков данный контейнер диспетчером помещается в список ожидания разгрузки (\Уи) с временным атрибутом «не прибывший». Вместе с контейнером передается его план загрузки (реализованный), представляющий собой последовательность заполнения контейнера блоками по шагам, а также список, содержащий количественный состав загруженных в контейнер блоков.

После прибытия контейнера диспетчер подает соответствующий сигнал, после чего с контейнера снимается временный атрибут «не прибывший».

После разгрузки пустой контейнер, если он участвует в дальнейших операциях загрузки и отправки, перемещается в список ожидания загрузки (\¥0, иначе - покидает ТКТ и удаляется из

всех списков.

Для решения задачи обработки очередей контейнеров реализован многоагентный подход с использованием 4-х агентов (разгрузки, склада, загрузки, координатора). Агенты построены по двухуровневой схеме: на верхнем уровне функционирует агент-координатор, остальные агенты нижнего уровня могут взаимодействовать только с ним. Агенты подчиняются сигналам, командам и решениям диспетчера, но взаимодействовать с диспетчером может только агент-координатор.

Для выбора следующего контейнера из списков ожидания предложены эвристические методы, при использовании которых каждому контейнеру в списках присваивается показатель «важность». Пересчет показателя производится всякий раз, когда агент-координатор выбирает следующий контейнер на загрузку/разгрузку или изменяется состояние склада. Для корректировки принимаемых агентом-координатором решений используются механизмы накопления опыта и корректировки новых решений на основе анализа предыдущих.

Эвристики агента склада. Агент склада Ауу обеспечивает функционирование склада для контроля критических ситуаций. Возможны 2 критические ситуации: склад пуст, в этой ситуации агент склада А\у подает сигнал прерывания процесса выдачи блоков со склада агенту-координатору Ас; склад заполнен, когда на складе некуда помещать новые блоки.

При каждом изменении состояния склада, ввиду поступления или выдачи блоков, агент склада Аш предоставляет агенту-координатору Ас описание набора хранящихся блоков в виде вектора:

в = (с^.ск\ (1)

где: С,— число блоков /-го типа на складе, 1 = 1,к, А - число типов блоков.

Предложенный подход учитывает возможности своевременного выявления дефицита или избытка блоков отдельных типов.

Прогнозируется дефицит отдельных блоков на основе динамики их предшествующей выдачи со склада. Опытным путем определяется вектор значений дефицита блоков каждого типа:

А™=(ЙГ",«Г,..., пГ"). (2)

Вводится специальный вектор дефицита

О = (¿1, ¿2, ...,<&), (3)

где <Л ={0, 1}. В случае, когда для блока типа / становится и, < п!"т, следует установить ¿/,=1. Использование вектора О обеспечивает возможность дальнейшего дифференцированного увеличения важности дефицитных блоков.

Прогнозируется избыток отдельных блоков на основе динамики их поступления на склад. Опытным путем определяется вектор значений избытка блоков каждого типа:

В™* = (пГ*. л/"1. - . пктах). (4)

Вводится специальный вектор избытка

£ =(/1, /г,-, Л), _(5)

где/ ={0, 11. В случае, когда для блока типа i становится п, > пГ°*, следует установить/-1. В дальнейшем на основе вектора Р дифференцированно уменьшается важность избыточных блоков.

Эвристики агента загрузки. Агент загрузки Аь производит расчет коэффициентов важности заказов на отправку контейнеров с ТКТ и коэффициентов важности для контейнеров из списка ожидания загрузки. Для функционирования агента загрузки разработаны следующие эвристики расчета коэффициентов важности.

Для каждого заказа_/, ] = 1Д ' - число заказов в списке заказов О, составляется описание набора требуемых блоков для его загрузки в виде вектора

/?,= (£//.....¡-„и ад, (6)

где С = 1,к, к - число типов блоков, Ц, - число блоков типа / требуемых для заказа/.

Далее вычисляется разность векторов Р1 и В:

Вектор И, задает наличие необходимого числа блоков всех типов, требуемых на складе для заказа Если хотя бы одна из координат вектора % отрицательна, например п<0, то на складе недостаточно блоков типа п, и выполнение заказа/ невозможно._

По векторам Я строится вектор дефицита блоков для заказов й0:

К = очад. /(Кг).- /сад. (8)

Л,если Эг,г £ йу < 0; —-где /(Я,) = (0 еми уг г е к. > 0 .7 - 1.1

Вектор важности заказов на обработку агентом загрузки Аь вычисляется по следующей формуле:

Щ = р0*(О0 + Т), (9)

где Р0- вектор важностей заказа, которые устанавливает диспетчер по каким-либо причинам (неожиданное изменение требований заказчиков, форс-мажорные обстоятельства и т.п.); по умолчанию =1. Для расчета Т Аь строит вектор продолжительности ожидания загрузки и нормализованный вектор Т", для контейнеров из списка ожидания загрузки. Т\ определяется как число секунд, прошедших с момента прибытия контейнера на ТКТ, на основе Т\ рассчитывается нормализованный вектор Т

Т\ = (Т-11,Т-Ь.....Т-1,) (10)

Т[ = (Г'.Л,, т\г/и... , ГЛ.), (11}

где Г-текущий момент времени, /„ -момент прибытия контейнера на ТКТ, их разность выражается в секундах, 1„ - максимальная длительность пребывания контейнера на ТКТ, рассчитанная как разность крайнего срока отправки контейнера с ТКТ и момента прибытия контейнера на ТКТ (/,), в случае если крайний срок не указан, то принимается Ь„ =°о.

После построения вектора ИЪ проверяется возможность выполнения заказов с точки зрения наличия подходящих пустых контейнеров. Поиск контейнера или нескольких для заказа осуществляется по следующим правилам. Для каждого заказа составляется вектор О^::

0^ = (0с1,0с2...,0се), <12>

где е - число пустых контейнеров; Ос, - отношение объема контейнера к объему заказа где Ус, -

объем /-го свободного контейнера; - объем /-го заказа, определенный суммой всех объемов блоков, объявленных в заказе/ Пустой контейнер имеет состояние «Разгружается» или «Ожидание загрузки». Дополнительно отбираются все контейнеры, для которых все блоки заказа не выходят за границы контейнера. Для подбора контейнеров для заказа используются следующий набор эвристик, определяющий контейнер достаточного объема:

__С = шах(1 — <? * 0С1),0 > (1 — Ос,) > Бт1п — 1, (13)

где I = 1... е, б - коэффициент коррекции, описание дано ниже, Л™* - минимальный уровень загрузки контейнера, установленный диспетчером. При невыполнении условия 11 производится поиск двух контейнеров соответствующего суммарного объема:

_С_ = - (} * (Ос1 + Оск)), 0>1-(0с1+ Оск) > 5т;п - 1, (14)

где 1,к = 1... е. При невыполнении условия 12 производится поиск трех контейнеров соответствующего суммарного объема и так далее. После завершения подбора контейнеров к заказам составляется вектор С возможности выполнения заказов:

С = (/(Са),/(С2).../(С1)), (15)

пг~\ 11, если С Ф Ф; .

где/СС()= (0 еелиС = 0'1==1'г-

Далее агент Аь проверяет возможность трехмерной упаковки блоков в подобранные контейнеры. Для сохранения этой информации используется вектор С. Обрабатываются только заказы, для которых подобраны подходящие контейнеры, что отражается следующим вектором:

Щ. = Ж . С, (16)

Агент загрузки Аь передает вектор агенту-координатору Ас, который на основе полученных данных от всех агентов нижнего уровня и накопленных знаний выбирает заказ на выполнение.

Эвристики агента разгрузки. Для функционирования агента разгрузки Аи предложены эвристики построения векторов важностей: 1 - среди контейнеров, содержащих блоки, необходимые для выполнения загрузки, выбирается тот, который в наибольшей степени минимизирует дефицит блоков; 2 - из двух равноприоритетных контейнеров, выбирается тот, у которого установленный приоритет на разгрузку выше; 3 - контейнеры, прибывшие на ТКТ раньше имеют больший приоритет над контейнерами, прибывшими позже.

Для каждого контейнера т, т = Хй, и - число контейнеров в списке разгрузки Щ1, составляется описание набора его блоков в виде вектора:

__.....Ам), (17)

где С = 1,к, к -число типов блоков, А„,- число блоков /-го типа в контейнере т.

Далее для каждого вектора 17^ вычисляется сумма с вектором дефицитных блоков I (построенным агентом-склада А„, описанным ниже) для получения набора векторов устранения дефицита Нт:

_ С = (18)

На основе вектора Нт рассчитываются бинарные векторы устранения дефицита блоков каждым контейнером;

, „ К=(РттРтг.....Ртс\ где (19)

_ (1, если 1С — ит{ > 0;

Рте (0, если /с — 1/тс < 0.

Агент разгрузки также строит вектор продолжительности ожидания разгрузки 7\ и нормализованный вектор Ти для контейнеров из списка ожидания разгрузки. Т\ равно времени в секундах, прошедших с момента прибытия контейнера на ТКТ. На основе рассчитывается нормализованный вектор Т:

Т^и ~ (Г-Ь, Т-И, ... , Т-Ь) (20)

Ти = (Г\,/и Тиг/и.....Г Л,), (21)

где Г-текущий момент времени, 1„ - момент прибытия контейнера на ТКТ, их разность в секундах, - максимальная длительность пребывания контейнера на ТКТ, рассчитанная как разность предельного срока отправки контейнера с ТКТ и момента прибытия контейнера на ТКТ (/,). В случае, когда предельный срок ожидания не указан, принимается £„ =ао.

Для определения влияния состава блоков каждого прибывшего контейнера на заполнение склада вычисляется бинарный вектор 0:

О = (/(V, - увс). № - УВ2).....V)). <22>

мг I/ (1. если V? — Увс > 0; где /(^ - Увс) = (0_ еслн _ Кв( < о.

где Уг - свободный объем склада на текущий момент, а Уш - объем всех блоков контейнера I. Таким образом, вектор важностей контейнеров на разгрузку с учетом дефицита блоков, времени ожидания контейнеров и заполнения склада задается вектором

1^ = 7^.7^.7^*3 (23)

где Рс - вектор важностей контейнеров, установленный диспетчером. По умолчанию все элементы Реи = 1- __

Вектор передается агенту-координатору для окончательного выбора контейнера для разгрузки из очереди прибывших. Агент-координатор, имея вектор множество накопленных знаний и текущее состояние ТКТ, принимает решение о выборе следующего контейнера для разгрузки.

Эвристики агент-координатора. Задачи агента-координатора Ас: 1 - выбор контейнера для разгрузки из списка прибывающих контейнеров с учетом их приоритетов, требований склада и заказов; 2 - выбор заказа из списка заказов и подбор контейнеров к нему с учетом приоритетов заказов и контейнеров, а также отдельных типов блоков; 3 - управление складом для предотвращения ситуаций дефицита необходимых блоков, а также предотвращение заполнения склада; 4 - контроль обработки очередей контейнеров и заказов, предотвращение ситуаций задержки контейнера или заказа дольше установленного времени; 5 - сохранение характеристик ТКТ и приоритетов контейнеров после каждого принятого решения и использование этой информации в будущих решениях.

Для агента Ас реализованы механизмы накопления знаний, а каждое принятое решение сохраняется в базе состояний. Для реализации механизма обратной связи каждое решение Ас оценивается специальным корректирующим набором воздействий, принимающих значение (есть, нет). Предложено использовать набор негативных воздействий вида: Я/ - на ТКТ есть дефицит блоков; #2 - склад переполнен; Нз - время ожидания любого контейнера превышено; Я* - время ожидания любого заказа превышено. Из этого набора характеристик строится вектор текущего состояния ТКТ:

Н = (Н,, Яг, Нз, Ч<) ^ <24>

Лучшим является решение, приводящее ТКТ к состоянию, описываемому вектором Н нулевой длины ||Я || = 0, а худшим - с евклидовой длиной ||Я|| = 2. Вводится коэффициент ш.ы е [ОД], определяющий качество принятого Ас решения:

Таким образом, а> = 0 означает худшее решение, а ш = 1 - лучшее.

Для расчета приоритетов контейнеров на разгрузку предложена следующая эвристика, связанная с корректировкой оценок, предоставленных агентом разгрузки. Для этого оценивается каждый возможный исход принятия решения агентом Ас и для каждого вектора ¡Уи, рассчитывается

После расчета корректируется каждый вектор

иГи, =\Уи1-Ши1*(1-о)1)Ч1^и0 (26)

Чем выше начальная важность контейнера, тем ниже величина корректировки. После применения корректировки к вектору 1Уи агент Ас на основе предыдущих состояний выбирает из очереди контейнер для разгрузки. Для этого в состоянии я-Д А= ТД где $ - текущее состояние агента-координатора, 51- максимальное число состояний, которое используется для корректировки текущего шага, при этом х-/>£ Функция корректировки приоритетов является аддитивной, величина коррекции более старых состояний обратно пропорциональна удаленности состояния от текущего. Это используется для того, чтобы очень удаленные состояния от текущего влияли меньше на принятие решений. Поиск наиболее соответствующих контейнеров в отдельно взятом состоянии осуществляется по выражению:

(27)

Vc¡elí, шах(Др) =1

Uf-c,

c¡

где i = 1 ,D, и - набор всех блочных составов контейнеров, подлежащих разгрузке в текущий момент, Ui - набор всех блочных составов контейнера, для состояния Ь и контейнера i. Если Af< fi,то для контейнера с, считается, что в состоянии Ь не было аналогичных контейнеров и состояние Ь не учитывается при корректировке решения, для чего Др принимается равным 0. Скорректированная важность (приоритет) для ;'-го контейнера описывается формулой:

Д, (28)

Pui =WU¡+ ¿«i - ab) A^l- 3'b),

b b=1 где д при b=l принимает начальное значение ÍVui для текущего контейнера, а при Ь>1 принимает

рассчитанное значение Wu¡ для предыдущего шага (то есть для шага b-1), д'" для Ь=\ равен 0, а для

Ь> 1 равен дь. В формуле (26) используется аддитивная функция корректировки значения Wu/ на

основе значений Wu¡ в предыдущих итерациях. Преимущество этой функции выражается тем, что:

на текущее решение максимально влияет результат предыдущего решения; влияние прошлых

решений на текущее решение уменьшается пропорционально удалению шага текущего решения от

прошлого.

В третьей главе проанализированы основные положения теории эволюционного моделирования и методов генетического поиска. Разработан модифицированный параллельный генетический алгоритм (ГА) трехмерной упаковки разногабаритных прямоугольных объектов.

В трехмерном пространстве имеется множество п размещаемых объектов (блоков), ('=/, 2,..., п. Каждый í-й блок характеризуют три параметра - ширина (w,), длина (/,) и высота (Л/), и его ориентации в пространстве, показанные на рисунке 2.

с

Рисунок 2 - Возможные ориентации в пространстве Также дана пустая область размещения (контейнер), имеющая форму параллелепипеда с заданной шириной (\У), длиной (Ц и высотой (Н).

Каждый упакованный блок характеризуется двумя координатами двух точек в трехмерном пространстве: <Х|,уиг1> и <Х2,у2,г2>. Где первая точка - положение нижнего левого угла (координаты, наиболее близкие к точке начала координат <0,0,0>), вторая - положение наибольшими значениями. Таким образом решение задачи будет иметь вид 8={5;=(<Х11,уцг1

<Х2ьУ21,г21>) 11=1,2.....и}.

Представленное множество блоков необходимо разместить в объеме контейнера в соответствии с одним из критериев: число элементов, упакованных в заданный контейнер; занятый объем упакованными элементами, суммарный объем пустот; либо комбинацией этих критериев для получения оптимального решения.

При этом должен учитываться ряд важных ограничений:

— блоки располагаются параллельно стенкам контейнера;

- каждый блок лежит на дне контейнера или на верхней части другого блока;

ни один элемент не может выходить за границы заданного объема:

хн > 0; у1, > 0; ги > 0; Х2, < XV; у2; < и гъ < Н; суммарный объем элементов не должен превышать объема области упаковки

I

и>г 1Г Ь.1<\Л/ ■ • Н

- блоки не могут налагаться друг на друга в объеме:

(Х21> Хц & у21 >уц& 221 >2и) V (Х21 <ХЦ & у21 > уц & 221 >гц) 1/ (Х2< >Хц& у2, <уц& 22! >2ц) И (хц > Хц & у21 > у// & 221 <2ц) V (Х21 < Хц & у21 <уц & 221 > 2,]) V (х21 >Хц & у21 <уц & 221 <2ц) 1/ (Х21 < ХЦ & у21 >У1, & 221 < 2 ц) = 1 VI <П, ] <П (¡ф]).

В наибольшей степени специфику рассматриваемой задачи отражают следующий критерий оптимизации в виде целевой ф\'нкции (ЦФ):

Ь. <29>

V

где V/ - объем /-го элемента, V- объем области упаковки.

Оценка критерия: следует стремиться к уменьшению суммарного объема пустот в описывающем параллелепипеде (ЦФ —> 1). Для решения задачи предлагается модифицированный параллельный генетический алгоритм, схема которого приведена на рисунке 3. В качестве модификации ГА построены модифицированные генетические операторы, ориентированные на задачу трехмерной упаковки блоков, схемы которых приведены рисунке 4, а также предложены механизмы кодирования и декодирования решений.

С

э

[ПИ]

рп

Родитель 2 | 1 | » | 2 |Т

Р ' Г

ФЫ'1'

<1 рЦЕШП

я | I | I | з~|~7

Потомок 2 рЕИПП

V г с |и

*1 ' I г I ' I « I ' I ' I ' I '1 <1

ю | ■

Рисунок 3. Схема ГА

Рисунок 4. Оператор кроссинговера

Процесс кодирования решений реализован следующим образом. Использовано линейное кодирование, в котором решение представляют две хромосомы, одна из которых кодирует порядок

расположения элементов (Р), вторая - их ориентацию в пространстве (Я). На рисунке 2 представлен набор из 6 возможных ориентации параллелепипеда, для простоты кодирования ориентации представлены числами от 1 до 6. На рисунке 5 приведен пример хромосомы для упаковки 6 блоков.

р 3 2 4 6 1 5

к 1 1 3 4 5 2

Рисунок 5 - Представление решения Представленные выше хромосомы декодируются в реальное расположение блоков в контейнере. В данной работе декодирование производится с использованием одной из двух эвристик: «нижнего левого угла» и ее модификации «нижней ближайшей точки». Эвристика «нижнего левого угла» может быть представлена в упрощенном виде на рисунке 6.

Рисунок 6 - Эвристика «нижнего левого угла»

При декодировании хромосомы каждый последующий блок имеет несколько вариантов положения. Для первого блока единственным возможным положением является точка начала координат (0,0,0). Точкой размещения блока является такая, что прямая, проведенная к ней из начала координат имеет минимальный угол. После размещения первого блока из списка возможных положений следующего блока удаляется координата только что размещенного блока (для первого это (0,0,0)) и добавляется набор координат углов этого блока, на рисунке б они изображены черными точками. При размещении следующего блока все возможные точки упорядочиваются по возрастанию координат Ъ, У, X и выбирается первая из них, удовлетворяющая ограничениям, указанным выше.

В качестве модификации эвристики «нижнего левого угла» в работе предложена эвристика «нижней ближайшей точки» от начала координат. Ее суть состоит в том, что блок размещается в той точке, где удаление от начала координат минимально, а если есть несколько точек с одинаковым расстоянием, то выбирается первая точка по эвристике «левого нижнего угла». Эта эвристика изображена на рисунке 7, где г -расстояние от блока до точки начала координат, а г* - оптимальная точка, рассчитанная по данной эвристике. При использовании этой эвристики плотность упаковки возрастает.

Рисунок 7 - Эвристика «нижней ближайшей точки» ЦФ, приведенная в формуле (26) не полностью не учитывает все критерии задачи трехмерной упаковки контейнера. Поэтому в работе предлагается многокритериальная ЦФ:

цф = Зк^ х С1 + Р2 х (¿2 + Р3 х <23+Р4 х <?\ где Р2 - отношение числа упакованных блоков в контейнер к числу всех блоков, подлежащих упаковке; Р3 — число блоков одного размера, упакованных подряд так, что их стороны соприкасаются; Р4 — отношение числа горизонтально ориентированных блоков к числу всех блоков; (2' - коэффициент важности заполнения контейнера; О2 - коэффициент важности числа упакованных блоков в контейнер; О3 — коэффициент важности упаковки блоков одного размера с

одинаковыми сторонами, смежными друг к другу; Q1 - коэффициент важности упаковки блоков горизонтально ориентированных. Значения коэффициентов Q', Q2, Q3, Q4 устанавливаются экспериментально, Р2 и Г1. Р4 вычисляются при расчёте ЦФ. Задача ГА - максимизация целевой функции: ЦФ —max.

Генетические операторы (ГО). Для ГО кроссинговера разработан двухшаговая процедура. На первом шаге ГО выполняется над хромосомой Р, а на втором над R. Так как хромосома Р отражает последовательность заполнения контейнера блоками, то для хромосом такого типа хорошие результаты дают универсальный упорядочивающий кроссинговер, упорядочивающий кроссинговер и частично-соответствующий кроссинговер. При реализации ГО кроссинговера для хромосомы Р выбор типа кроссинговера выполняется случайно равновероятно. Для хромосомы R, являющейся гомозиготной, используется одноточечный и двухточечный ГО кроссинговера, также случайным образом и равновероятно. Пример ГО кроссинговера приведен на рисунке 4. ГО мутации меняет местами два случайных гена в случайно выбранной хромосоме.

Для уплотнения упаковки разработана следующая эвристика формирования начальной популяции решений: более крупные блоки удобнее размещать первыми, затем упаковывать менее крупные блоки. На основе данной эвристики перед формированием начальной популяции все блоки последовательно упорядочиваются по убыванию вначале объема, далее - длины, затем - ширины. Эвристика позволяет загружать контейнеры, не только используя размещение блоков друг на друга, но и с возможностью построения решений с размещением блока на несколько нижних, имеющих равную высоту.

Палетирование блоков. При необходимости алгоритм трехмерной упаковки может использовать палеты (поддоны) для размещения блоков. Для этого случая модифицирована ЦФ (27) за счет добавления критерия, отражающего стремление ГА к использованию меньшего числа палет:

P2XQ2 + P3XQ3+P4X(?4 + PSXQ5, (31)

где Р2 - отношение числа упакованных блоков в контейнер к числу всех блоков, подлежащих упаковке; Р3 - число блоков одного размера, упакованных подряд так, что их стороны соприкасаются; Р4 - отношение числа горизонтально ориентированных блоков к числу всех блоков; Q - коэффициент важности заполнения контейнера; Q2 - коэффициент важности числа упакованных блоков в контейнер; Q3 - коэффициент важности упаковки блоков одного размера с одинаковыми сторонами, смежными друг к другу; Q4 - коэффициент важности упаковки блоков горизонтально ориентированных, Q5 - коэффициент важности использования меньшего числа палет. Значения коэффициентов Q', Q2, Q3, Q4, Q5 устанавливаются экспериментально, Р2 и Р3, Р4, Р5 вычисляются при расчёте ЦФ. Задача ГА - максимизация целевой функции: ЦФ —max

В работе предложены два способа построения последовательности упаковки блоков в контейнер: сверху контейнера (трюм корабля, железнодорожный вагон); горизонтально сбоку или сзади контейнера (автомобильный контейнер). Для загрузки сверху, чтобы определить порядок загрузки элементов производится так называемое «отсечение» - начиная с наименьшей координаты Z(0) и до Zm«x = Н, в порядок упаковки добавляются элементы, чьи координаты принадлежат плоскости XY. При наличии нескольких элементов, пересекающихся одновременно с плоскостью XY, они добавляются по правилу «ближайшей точки», рассмотренному выше. Для упаковки сбоку используется аналогичный метод, за исключением того, что отсекающая плоскость движется не снизу-вверх по оси Z, а по оси Y либо X. Так как результатом работы ГА является набор точек блоков с минимальными координатами и максимальными вида S={si=(<xn,yn,zn>, <X2,,y2hZ2,>) \ .....«А то алгоритм построения плана упаковки сверху описывается следующим образом:

1) Сортировка элементов 5 по возрастанию координаты ц, установка счетчика /=/, создание массива последовательности блоков V.

2) Для zn проверить, единственное ли это значение. Если значение единственное, то перейти к шагу 3. Иначе рассчитать расстояние ту от начала координат для точки <хц,уц,гц>, а также для всех zij таких, что z/j = zu рассчитать расстояние /> от начала координат для точки <xij,yij,zij>, где j=0..n. Найти минимальную точку /у, сравнить ее с п. Если ту меньше ту, то поменять блоки j и i местами.

3) Внести в V /-Й блок, если ;<л, то ;=/+/, исключить г-й блок из дальнейших операций, переход к шагу 2, иначе к шагу 4.

4) Завершение алгоритма построения плана упаковки.

Для горизонтальной загрузки сбоку предложено использование обратного порядка генов в хромосоме, так как решение и является последовательностью размещения блоков в контейнере.

В четвертой главе построена архитектура системы поддержки и оптимизации информационных процессов в ТКТ. проведены исследования эффективности разработанного многоагентного подхода для обработки очередей контейнеров модифицированного параллельного ГА трехмерной упаковки блоков в контейнер.

Компонентная модель разработанной информационной подсистемы рисунке 8.

И нформацнонная поцдержхи функционирования ТКТ

Подсистема юддержки агентов

А гент-координатор

Агент разгрузки

Подсистема прибытия и разгрузки АК

Блок разгрузки контейнера

Блок управления очередью разгрузки

Блок планирования разгрузки

Блок оценки контейнера

Подсистема загрузки и отправки АК

Блок управле-ния очередью загрузки

Блок загрузки ко!ггейнера

Блок трехмерной упаковки блоков

Блок оценки контейнера

Подсисте ма хранения грузов

Блок приема блоков

Блок выдачи блоков

Блок обработки конфликтных ситуаций

Блок планирован и номенклатуры блоков

Рисунок 8 — Архитектура информационной подсистемы Для поддержки информационных процессов в подсистеме разработана база данных,

Рисунок 8 - Структура базы данных информационной подсистемы Была проведена серия экспериментов, подтверждающая эффективность разработанного подхода в данной работе на основе интеллектуальных агентов. Для этих экспериментов рассмотрены несколько случаев, отражающих реальные критические ситуации, которые могут возникнуть в ТКТ. Рассмотренные ситуации: ожидающих разгрузки контейнеров больше, чем

количество свободных платформ, при этом на складе есть дефицит блоков, находящихся в разных контейнерах; склад переполнен, но есть заказы на отправку; контейнер, прибывший позже остальных, содержит в себе блоки с повышенным приоритетом, на которые есть заказы; контейнер долго находится на ТКТ.

Рассмотрим ситуацию, когда склад пуст, на разгрузку имеется два контейнера и на загрузку также два, рисунок 9.

Рисунок 9 Пример состояния ТКТ Рисунок 10 Пример второго состояния ТКТ В условиях, отраженных на рисунке 9, агент загрузки имеет дефицит блоков для выполнения всех заказов, поэтому выполнение заказов на первом шаге не выполняется. Агент разгрузки, после обработки очереди разгрузки и построения вектора №и рекомендует 1 контейнер из списка к разгрузке. Агент-координатор принимает решение о его разгрузке. После разгрузки контейнера 1, на складе есть достаточное количество блоков типа 2 и 3 для выполнения заказа, но недостаточно блоков типа 1. Поэтому на разгрузку помещается контейнер 2. После помещения контейнера 2 на разгрузку, на складе достаточно блоков для выполнения заказа №1, поэтому агент-координатор рекомендует заказ 1 к выполнению. При поступлении нового заказа, если его приоритет равен или меньше заказа №2, то заказ №2 будет обслужен раньше, так как достаточно блоков для его выполнения, и он поступил раньше других.

Рассмотрено поведение агентов в ситуации, когда склад переполнен, есть неразгруженные контейнеры и есть заказы, рисунок 11. Склад с составом блоков (1 ООО; 1 ООО; 1 ООО) не может вместить больше. В данном случае агент-координатор принимает решение о выполнении заказа №1, так как его объем больше заказа №2 и, соответственно, выполнение этого заказа увеличит свободное место на складе в большей степени.

Номер Очередь разгрузки №1 200 300 №2 100 200 Склад 1S0 1000 1000 1000 110

№3 100 300 200

Номер Заказы №1 150 400 150

N92 50 200 200

Номер Очередь рзмрузчи

Номер Заказы

Рисунок 11 Переполнение склада

Рисунок 12 Превышение времени ожидания контейнеров

В ситуации с наличием контейнера в очереди разгрузки, у которого превышено время пребывания, изображенной на рисунке 12, где серые строки - контейнеры с превышенным временем ожидания, агент-координатор принимает решение, в наибольшей степени улучшающее характеристики ТКТ. Согласно формуле (23), агент-координатор рассчитывает для каждого возможного выбора контейнера значение со. При выборе первого контейнера, ТКТ будет обладать только одной негативной характеристикой: Нз - время ожидания любого контейнера превышено (контейнер 2), со=0.5. При выборе второго контейнера ТКТ станет обладать двумя негативными характеристиками: Н1 - на ТКТ есть дефицит блоков (дефицит блоков для заказа 1) и Нз- время ожидания любого контейнера превышено (контейнер 1), м=0.3. Таким образом, агент-координатор выберет первый контейнер на разгрузку, так как это приводит к меньшим негативным последствиям.

Помимо рассмотренных примеров выше, с каждой итерацией агент-координатор накапливает опыт, что позволяет улучшать решения за счет накопленных знаний в прошлом. Таким образом, можно сделать вывод, что многоагентный подход, предлагаемый в работе, позволяет успешно контролировать очереди разгрузки и загрузки контейнеров ТКТ, следить за блочным (товарным) составом склада с целью недопущения дефицита определенных блоков и избегания переполнения. В отличие от алгоритмов, предлагаемых в других работах, разработанный в этой

работе многоагентный подход на основе эвристических методов, позволяет учитывать негативные характеристики I КГ.

Приведены данные вычислительного эксперимента модифицированного генетического алгоритма трехмерной упаковки блоков. Результаты сравнения с аналогами приведены в Таблице 1. Приведенные экспериментальные данные свидетельствуют об эффективности разработанного модифицированного параллельного генетического алгоритма трехмерной упаковки и показывают улучшение эффективности предлагаемого алгоритма до 17% по сравнению с аналогами.

Тест ЬоЬ ап(1 N66 е1 а1. В15ЬоЙ"и др. ОеИг^ и др. Разработанный ГА

Оста ток Плот ность у-ки Остат ок % Остат ок % Остат ок % Остат ок %

£.N017,100 0 78.1 0 62.5 0 62.5 0 62.5 0 62.5

Ь№)2 8,200 32 76.8 54 80.7 23 89.7 39 89.5 19 88.4

ЬтЗ 8,200 0 69.5 0 53.4 0 53.4 0 53.4 0 53.4

[.N04 7,100 0 59.2 0 55.0 0 55.0 0 55.0 0 55.0

Ь№)5 6,120 1 85.8 0 77.2 0 77.2 0 77.2 0 77.2

ЬШ6 8,200 45 88.6 48 88.7 24 89.5 32 91.1 26 89.1

ЬШ7 8,200 21 78.2 10 81.8 1 83.9 7 83.3 1 83.9

ЬМ)8 6,130 7 67.6 0 59.4 0 59.4 0 59.4 0 59.4

ЬЫ09 9,200 0 84.2 0 61.9 0 61.9 0 61.9 0 61.9

ЬШО 8,250 0 70.1 0 67.3 0 67.3 0 67.3 0 67.3

1ЛМ И 6,100 0 63.8 0 62.2 0 62.2 0 62.2 0 62.2

ЬЫ12 6,120 0 79.3 0 78.5 3 76.5 0 78.5 0 78.5

ЬШЗ 7,130 15 77.0 2 84.1 5 82.3 0 85.6 0 85.6

ЬШ4 6,120 0 69.1 0 62.8 0 62.8 0 62.8 0 62.8

ЬШ5 10,250 0 65.6 0 59.6 0 59.5 0 59.5 0 59.5

Число/ Средн 121 74.2 114 69 56 69.5 78 69.9 46 69.8

В заключении изложены основные выводы и результаты диссертационной работы. В приложении даны копии актов об использовании результатов работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1.

2.

На .основе обзора и анализа существующих методов поддержки и оптимизации информационных процессов ТКТ обоснована актуальность разработки многоагентного подхода и методов генетического поиска, обеспечивающих квазиоптимальных решений за полиномиальное время.

Разработан многоагентный подход для оптимизации процесса обработки очередей контейнеров, учитывающий приоритеты контейнеров, отдельных типов блоков, а также позволяющий производить динамическое перераспределение приоритетов между контейнерами и заказами в постоянно изменяющихся окружающих условиях, а также повышать производительность информационной системы.

Предложены эвристические методы информационной поддержки принятия решений для управления очередями разгрузки и загрузки контейнеров в ТКТ, позволяющие учитывать характеристиками терминала для генерации управляющих решений, а также использованием динамических приоритетов контейнеров и отдельных типов блоков. Разработан модифицированный метод генетического поиска загрузки и разгрузки контейнеров блоками и их палетирования, отличающийся от известных введением новых

операторов, способов кодирования и декодирования решений, позволяющий распараллеливать процесс решения и повысить качество упаковки в среднем на 17%.

5. Построена архитектура информационной подсистемы для поддержки принятия решений и оптимизации информационных процессов в ТКТ, отличающаяся от аналогов использованием разработанных подходов, методов и алгоритмов, обеспечивающих получение набора квазиоптимальных решений за полиномиальное время.

6. Создан программный комплекс для поддержки и оптимизации информационных процессов ТКТ. Проведен вычислительный эксперимент. Экспериментальные исследования подтверждают, что разработанные подходы, методы и алгоритмы позволяют повысить общую эффективность функционирования ТКТ.

В целом совокупность полученных в диссертации теоретических и практических результатов позволяет сделать вывод о том, что цель исследований достигнута, сформулированная проблема решена.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Основные положения диссертации опубликованы в 14 работах, основными из которых являются:

Статьи в ведущих научных журналах и изданиях, рекомендованных ВАК Министерства образования и науки РФ:

1. Луцан М. В., Нужное Е. В. Интеллектуальная информационная система поддержки деятельности грузового терминала // Известия Кабардино-Балкарского научного центра РАН. -Нальчик: Издательство КБНЦ РАН. - 2013. - №4(54). - С. 48-55.

2. Луцан М. В., Нужнов Е. В. Использование интеллектуальных агентов в автоматизированном грузовом терминале // Известия ЮФУ. Технические науки. - Таганрог: Изд-во ТТИ ЮФУ. —

2012. - № 7 (132). - С. 174-180.

3. Луцан М. В., Нужнов Е. В. Методы и средства обработки очередей контейнеров на автоматизированном грузовом терминале // Известия ЮФУ. Технические науки. - Таганрог: Изд-во ТТИ ЮФУ. - 2013. - № 7 (144). - С. 179-184.

4. Луцан М. В., Нужнов Е. В. Эвристики интеллектуальных агентов автоматизированного грузового терминала // Известия ЮФУ. Технические науки. Тематический выпуск «Интеллектуальные САПР». - Таганрог: Изд-во ТТИ ЮФУ. - 2012. - № 11 (136), С. 232-237.

5. Луцан М. В., Нужнов Е. В. Решение задачи трехмерной упаковки с палетированием контейнеров // Известия ЮФУ. Технические науки - Таганрог: Изд-во ТТИ ЮФУ. - 2014 - К«7 (156) - С 196-204.

Публикации в других изданиях:

6. Луцан М. В., Нужнов Е. В. Автоматизация грузового терминала с использованием интеллектуальных агентов // Материалы Третьей Международной конференции «Автоматизация управления и интеллектуальные системы и среды». Научный сборник. -Нальчик: Издательство КБНЦ РАН. - 2012. - Т. 2. - С. 67-70.

7. Луцан М. В. Использование мультиагентного подхода для автоматизации грузового контейнерного терминала // Информационные технологии, системный анализ и управление -ИТСАиУ-2012 / Сборник трудов X Всероссийской научной конференции молодых ученых, аспирантов и студентов. - Таганрог: Изд-во ЮФУ. -2012. - Т. 2. - С. 5-13.

8. Луцан М. В. Генетический алгоритм трехмерной упаковки // Технологии Microsoft в теории и практике программирования: труды VIII-ой Всероссийской конференции студентов, аспирантов и молодых ученых. - Таганрог: Изд-во ТТИ ЮФУ. - 2011. - С. 64-69.

9. Луцан М. В. Архитектура информационной системы поддержки функционирования автоматизированного грузового терминал // Труды конгресса по интеллектуальным системам и информационным технологиям «IS&IT43». Научное издание в 4-х томах. - М.: Физматлит,

2013. -Т.2. - С. 192-199.

10. Луцан М. В., Нужнов Е. В. Трехмерная упаковка прямоугольных объектов с определением последовательности их погрузки // Труды конгресса по интеллектуальным системам и

информационным технологиям «18- ГП11». Научное издание в 4-х томах. - М.: Физматлит. -2011. -Т.З. — С. 285-291.

11. Луцан М. В., Нужное Е. В. Разработка методов трехмерной упаковки // X Всероссийская научная конференция молодых ученых аспирантов и студентов «Информационные технологии, системный анализ и управление». Таганрог: Изд-во ТТИ ЮФУ. - 2012. - Т.1. - С. 95-97.

12. Нужное Е. В., Луцан М.В. Информационная среда поддержки автоматизированного грузового терминала на основе использования интеллектуальных агентов // Интеллектуальные системы. Коллективная монография. Выпуск 6. Под ред. В.М. Курейчика. - М.: Физматлит. - 2013, с. 227242.

Свидетельства о регистрации программ на ЭВМ

1. Свидетельство о государственной регистрации программы для ЭВМ № 2013617853, 2013г. Программа автоматизации управления грузовым транспортным терминалом на основе использования интеллектуальных агентов

2. Свидетельство о государственной регистрации программы для ЭВМ № 2013617855, 2013г. Программа трехмерной упаковки разногабаритных прямоугольных объектов на основе генетических алгоритмов.

Личный вклад автора. В работе [1,12] предложена архитектура и построена интеллектуальная система поддержки и оптимизации информационных процессов в ТКТ, в работах [2-4] предложен многоагентный подход, разработаны методы и эвристики функционирования интеллектуальных агентов, в работах [8,10,11] разработаны методы генетического поиска и построены алгоритмы решения задачи трехмерной упаковки.

Научному руководителю к.т.н., доценту Нужнову Е. В. принадлежит постановка задачи диссертационной работы, участие в обсуждении и интерпретации результатов экспериментальных исследований.

Соискатель

М. В. Луцан