Разработка моделей и алгоритмов решения функциональных задач управления транспортными системами и производством

Кутыркин, Александр Васильевич

Транспортные и транспортно-технологические системы страны, ее регионов и городов, организация производства на транспорте

автореферат диссертации по транспорту, 05.22.01, диссертация на тему:Разработка моделей и алгоритмов решения функциональных задач управления транспортными системами и производством

доктора технических наук: Кутыркин, Александр Васильевич
город: Москва
год: 2004
специальность ВАК РФ: 05.22.01

Диссертация по транспорту на тему «Разработка моделей и алгоритмов решения функциональных задач управления транспортными системами и производством»

Автореферат диссертации по теме "Разработка моделей и алгоритмов решения функциональных задач управления транспортными системами и производством"

На правах рукописи

КУТЫРКИН Александр Васильевич

РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ РЕШЕНИЯ

ФУНКЦИОНАЛЬНЫХ ЗАДАЧ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ СИСТЕМАМИ И ПРОИЗВОДСТВОМ

05.22.01 - Транспортные и транспортно-технологическне системы страны, ее регионов и городов, организация производства на транспорте

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Москва - 2004

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Московский государственный университет путей сообщения Министерства путей сообщения Российской Федерацию)

Научный консультант:

Доктор технических наук, профессор ЛЕВИН Борис Алексеевич

Официальные оппоненты:

Доктор технических наук, профессор КАЛИНИЧЕНКО Анатолий Яковлевич

Ведущая организация:

Доктор технических наук, профессор ТИБИЛОВ Таймураз Александрович

Доктор технических наук, профессор ГОРЕЛИК Владимир Юдаевич

Всероссийский научно-исследовательский институт железнодорожного транспорта (ВНИИЖТ)

Защита состоится 23 июня 2004 года в 14 часов на заседании диссертационного совета Д 218.005.09 в Московском государственном университете путей сообщения по адресу: 127994, Москва, ул. Образцова 15, аудитория 1235.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан «_» мая 2004 г.

Отзыв на автореферат, заверенный гербовой печатью учреждения, просим направлять по адресу совета университета.

Ученый секретарь диссертационного совета доктор технических наук профессор

ОБЩАЯ ХАРАКТЕРИСТИКАРАБОТЫ Актуальность темы: Важнейшая роль в стратегии развития ж.д. транспорта России в условиях проводимых радикальных экономических реформ принадлежит процессу информатизации. Для решения принципиальных научных, технических и организационных проблем, возникающих в ходе этого процесса, разработаны Концепция и программа информатизации, которые утверждены решением расширенной коллегии МГТС №5 от 28.02.96 г. Данными документами установлено, что реализация процесса информатизации в новых условиях должна осуществляться с помощью информационных технологий, центральными элементами которых являются модели, методы и алгоритмы, используемые для принятия управляющих решений. Поэтому успешную информатизацию, а следовательно и решение проблемы реформирования ж.д. транспорта, невозможно осуществить без создания и совершенствования развитого наукоемкого комплекса формальных моделей, прикладных методов и эффективных алгоритмов управления.

В настоящее время в области моделирования ж.д. систем имеются фундаментальные теоретические исследования, выполненные А.П. Петровым, К.А.Бернгардом, Б.АЛёвиным, Л.А.Барановым, Е.М.Тишкиным, ВТ.Шубко, ММ.Болотиным, Л.П.Тулуповым, В.АШаровым, П.А.Козловым, В.П.Феоктистовым, АЛ.Калиниченко, Е.А.Сотниковым, В.А.Буяновым, Т.А.Тибиловым, Ю.В.Дьяковым, В.В.Виноградовым, А. А. Воробьевым, В.Ю.Гореликом, С.В.Дуваляном, А.А.Аветикяном, Н.Д.Иловайским, ИХЛакиным, В.А.Ивницким, А.В.Горским, В.ИХалаховым, Ф.С.Гоманковым, В.И.Ковалевым, А.Т.Осьмининым, А.Ф.Бородиным и многими другими.

Вместе с тем, анализ современных условий функционирования ж.д. транспорта показал, что разработанный ранее методологический инструментарий оказался неспособным решать возникающие проблемные задачи управления, что послужило основой для постановки научной проблемы создания нового поколения моделей и методов управления транспортными системами и производством.

Среди проблемных задач можно выделить наиболее приоритетные:

- формирование взаимосвязанных категорий моделей и методов нового поколения, обеспечивающих выполнение современных целей управления крупномасштабной транспортной или производственной системой;

- разработка транспортных многоуровневых иерархических структур управления, позволяющих существенно снизить

- создание методологического инструментария компактного и наглядного макроуровневого моделирования, дающего единое описание и представление интегральных характеристик транспортной или производственной системы;

- построение моделей и методов поддержки принятия решений, поскольку многие актуальные транспортные задачи управления возникают в сложных контекстах социальных, экономических и технических явлений, относятся к слабо формализуемым и могут быть реализованы только с помощью интеллектуального вмешательства лица, принимающего решения (ЛПР);

- разработка адекватных моделей и методов дискретной комбинаторной оптимизации, так как в условиях экономических реформ усиливаются требования к качеству и оперативности решения тех задач управления, которым в наибольшей степени соответствует математика дискретных множеств или множеств, изменяющихся в дискретные моменты времени;

- построение моделей и алгоритмов управления на основе неточных или так называемых «нечетких» исходных данных, что вызвано сложностью современного этапа реформирования ж.д. транспорта, трудностью идентификации основных параметров задач управления и др. причинами.

Большая практическая значимость изложенных выше проблемных задач управления обусловливает высокую актуальность выбранной темы и позволяет сформировать цель исследования.

Цель исследования заключается в создании и реализации методологии и соответствующего методологического инструментария разработки нового поколения моделей, методов и алгоритмов, которым предназначено обеспечить решение проблемных задач управления, возникающих в условиях коренного реформирования и широкой информатизации ж.д. транспорта. Для достижения основной цели в диссертации также установлены подцели исследования, связанные с определением функциональных требований к управлению, выбором наиболее актуальных и принципиально новых задач управления, формированием и разработкой сложных и наукоемких категорий моделей и методов решения выбранных задач, их алгоритмической и программной реализацией на единой интегрированной информационной основе.

Методика исследования: Общий методический подход к достижению цели исследования состоит в использовании структурного анализа больших систем. В зависимости от конкретных подцелей и задач исследования также использовался различный современный методологический инструментарий моделирования и алгоритмизации сложных задач управления.

Научная новизна: В диссертации исследован теоретический подход к разработке нового поколения моделей и алгоритмов решения функциональных задач управления транспортными системами и производством, содержащий следующие впервые полученные научные результаты:

• Двухуровневую архитектуру Концепции информатизации ж.д. транспорта России, которая включает в рассмотрение обеспечивающий уровень, состоящий из информационной среды и инфраструктуры информатизации, и прикладной уровень информационных технологий, центральными элементами которых являются модели, методы и алгоритмы решения задач управления.

• Системологический подход к разработке функциональных задач управления для крупномасштабных транспортных систем и производств, базирующийся на архитектурной концепции, двухмерной параллельной системе классификации используемого методологического инструментария, формировании категорий моделей и методов и универсальной фреймовой структуре для описания и использования знаний о модельных представлениях и методах работы с ними.

• Нижеперечисленные сложные и наукоемкие категории моделей, методов и алгоритмов (с детализацией их основной научной новизны):

1. Выбора оптимальной структуры управления (модели и алгоритмы декомпозиции исходной транспортной сети; теоремы агрегирования, позволяющие существенно понизить размерность исходной задачи, а также построить эффективный алгоритм поиска максимального потока в сети).

2. Регулярных макромоделей и методов управления (модели и методы компактного представления комбинаторных транспортных задач большой размерности; макромодель системы организации вагонопотоков, без сложностей комбинаторного характера, и её аналитическое исследование).

3. Выбора маршрутов следования корреспонденции транспортных потоков (модели и алгоритмы, учитывающие с помощью инструмента штрафных и барьерных функций дополнительные субъективные ограничения ЛПР, а также технологические ограничения на загрузку элементов сети).

4. Распределения ресурсов в иерархических транспортных системах (двухуровневая иерархическая модель задачи распределения погрузочных ресурсов и декомпозиционный алгоритм ее решения; многокритериальное обобщение задачи распределения; модели и алгоритмы перераспределения погрузочного ресурса в условиях его дефицита и при множестве слабоформализованных целей и критериев).

5. Выбора оптимального плана формирования (модель выбора

оптимального плана формирования с учетом ограничений на число путей и перерабатывающие способности станций и общий алгоритм оптимизации, основанный на методе ветвей и границ; обобщение разработанных моделей и алгоритмов выбора плана формирования на случай нечеткой информации).

6. Оптимизации структуры сортировочной работы (многокритериальная модель и универсальный алгоритм оперативной корректировки (ОК) плана формирования; алгоритм распознавания ситуаций, требующих ОК; модели и алгоритмы специальной ОК, предназначенные для выделения сверхдальних назначений и снижения уровня «угловых потоков»; модель концентрации и перераспределения сортировочной работы и алгоритм ее оптимизации).

7. Динамических моделей и методов управления транспортными потоками (динамическая модель управления с лексикографически упорядоченными критериями и эффективные алгоритмы ее оптимизации; понятие «эффекта от учета динамики» и его анализ; частные модели и алгоритмы для новых перспективных областей применения динамического потока на ж.д. сети).

8. Поддержки принятия решений при управлении транспортными системами (методологический подход к «интеллектуализации» информационных технологий на ж.д. транспорте; имитационная модель поддержки принятия решений, основанная на методах адаптации и обучения, распознавания ситуаций и выборе информативных признаков).

Практическая ценность исследования заключается в создании более адекватных и принципиально новых категорий моделей, методов и высокоэффективных алгоритмов, являющихся важнейшей составной частью перспективных информационных технологий управления транспортными системами. Внедрение разработанных категорий в современных условиях реформирования и широкой информатизации ж.д. транспорта позволяет: существенно улучшить эффективность использования ресурсов, участвующих в транспортном процессе, путем повышения транзитности вагонопотоков и уменьшения числа нерациональных их переработок, сокращения порожнего пробега и ускорения доставки грузов, усиления ритмичности снабжения грузами получателей и погрузочными ресурсами грузоотправителей и, как следствие такого улучшения, высвободить часть ресурсов для дополнительных перевозок; повысить качество управления транспортными системами за счет детальности, точности и оперативности выработки управляющих решений; обеспечить принятие мер упреждающего управления для ликвидации прогнозируемых затруднений в работе транспортных систем.

Диссертационное исследование также реализовано в следующих прикладных разработках и приложениях. Во-первых, модели и методы поддержки принятия решений, выбора структуры управления и распределения ресурсов получили применение при создании управляющего режима диалоговой системы контроля и управления работой сети ж.д. (ДИСКОР), внедренной в промышленную эксплуатацию (приказ МПС № А-20528, годовой экономический эффект от внедрения составляет около 13.9 млн. руб.). Во-вторых, результаты исследования, связанные с выбором маршрутов следования, оптимизацией структуры сортировочной работы и выбором плана формирования использовались при: реализации комплексной программы перспективного развития и размещения сети сортировочных станций (целевая программа № П-23302); проведении по заданию МПС и ряда дорог расчетов, связанных с оперативной корректировкой плана формирования и маршрутов следования вагонопотоков; выборе сверхдальних магистральных назначений; снижении уровня «угловых потоков»; концентрации и перераспределении сортировочной работы в условиях сильного спада объема перевозок. В-третьих, разработанные модели и алгоритмы интегрированы в рамках геоинформационной системы «Электронная карта», которая в настоящее время используется в нескольких департаментах и диспетчерском центре МПС, установлена у руководства МПС (всего 37 рабочих мест), эксплуатируется в рамках КИВС МПС и ПКБ ГПУ МПС, а в сфере производства нашла применение в ERP-проекте МПС для управления материальными, финансовыми, трудовыми и др. видами ресурсов (годовой экономический эффект от внедрения интегрированной системы моделей и методов оценивается в 27 млн. руб.).

Апробация работы: Результаты исследования докладывались, рассматривались и получили одобрение на следующих конференциях, заседаниях и совещаниях: Всесоюзной научно-технической конференции «Опыт создания и внедрения ОЛСУ, АСУП и АСУ 111 на видах транспорта и перспективы развития АСУ для обеспечения координированной работы транспорта» (Ленинград, 1976г.); Всесоюзном научно-техническом семинаре «Пути повышения надежности АСУ» (МДНТП, 1980г.); V-ом Всесоюзном научно-исследовательском семинаре по дискретной математике, графам и гиперграфам под преде, проф. А.А. Зыкова (Одесса, 1981г.); Всесоюзной научно-технической конференции «Проблемы автоматизации управления перевозочным процессом» (Харьков, 1982г.); Всесоюзной научно-технической конференции «Пути совершенствования перевозочного процесса и управления транспортом» (Гомель, 1985г.); П-ой международной научно-технической конференции «Актуальные проблемы развития ж.д. транспорта» (Москва, 1996г.); заседаниях Коллегии МПС РФ (№6 от 22.03.95 г. и расширенном заседании 28.02.1996г., посвященном проблеме информатизации ж.д. транспорта); совместном заседании комиссий по вычислительной технике и эксплуатации НТС МПС под преде, проф. К.А. Бернгарда (протокол от 20.10.81г.); совместном заседании секций «Управление перевозочным процессом» и «Автоматика, связь и вычислительная техника» НТС МПС (протокол от 29.04.86г); сетевом совещании по организации вагонопотоков (Москва, 1983г); научно-технических советах отделений ВТ, УПП и ОСВ (ВНИИЖТ, 1980-1987гг) и «АСУ» (ВНИИЖА, 1988-1995гг); заседаниях кафедры АСУ МИИТа (1974г-н. вр); сетевых научно-технических совещаниях начальников и главных инженеров служб перевозок (Голицино, 1996-1999гг). Интегрированная система моделей и методов на базе «Электронной карты» представлялась на выставках «ЭкспоТранс 99», «ЭкспоЖд», «Корпоративные сети и системы связи 2000», «Международная транспортная 2000» и была удостоена золотой медали Всероссийского выставочного центра (ВВЦ), а диссертант — присвоения звания «Лауреат ВВЦ».

Публикации: Список из 36 наиболее важных работ по материалам исследования приводится в конце автореферата.

Структура и объем работы: Диссертация состоит из введения, девяти глав, заключения и списка литературы из 289 наименований. Работа содержит 297 страниц основного текста, 57 рисунков, 95 таблиц и отдельного тома приложений на 238 страниц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении изложена общая характеристика работы.

В первой главе предложен системологический подход к разработке нового поколения моделей и методов решения функциональных задач управления крупномасштабными транспортными системами и производством. Необходимость исследования данного подхода обоснована требованием широкой информатизации ж.д. транспорта в современных условиях радикального экономического реформирования. Разработаны основные методические положения и разделы Концепции информатизации ж.д. транспорта РФ (двухуровневая архитектура информатизации, функциональные требования и структура комплексов информационных технологий, методология разработки информационной среды и др.). Установлена центральная роль проблемы разработки моделей и методов управления при проектировании высокоэффективных информационных технологий. Анализ этой проблемы показал, что существующее разрозненное локальное моделирование недостаточно продуктивно для описания таких крупномасштабных систем, как ж.д. транспорт, поскольку выразительные возможности конкретной модельной разновидности ограничены узкой и устоявшейся областью применения.

В основу новой методологии разработки крупномасштабных предметных областей (ПО) управления положен системологический подход, базирующийся на архитектурной концепции, теории фреймов и множестве взаимодополняющих категорий моделей и методов. Архитектурная концепция позволяет существенно снизить сложность разработки и связана с разбиением исследуемой системы задач на уровни абстракции (слои), когда каждый вышестоящий слой является базой для реализации нижестоящих. С усложнением системы возникает необходимость её исследования на более высоком уровне. Поэтому при разработке крупномасштабных ПО к трем традиционным уровням исследования задач управления (модельному (М), алгоритмическому (А) и программному (Р)) предложено добавить еще два верхних уровня: концептуальный (С) и метамодельный (ММ).

Первый разработанный концептуальный уровень С содержит унифицированные классы методов анализа и синтеза сложных систем управления, составляющие большую часть современного представления знаний о системном подходе. Эти классы методов формируют методологический инструментарий исследования и соответствуют следующим девяти системологическим парадигмам: целенаправленность; сложность; целостность;

наблюдаемость и управляемость; устойчивость; неопределенность и риск; адаптация и самоорганизация; человеческий фактор; открытость Второй архитектурный уровень основан на создании ММ, которая позволяет охватить исследуемую крупномасштабную систему целиком и играет роль необходимой «системологической структуры», определяющей взаимосвязь между конкретными явлениями ПО управления и абстрактными конструкциями уровня математических моделей. Процесс разработки ММ представлен на рис 1.1 с помощью двух, ортогональных друг к другу, методологических иерархий, что позволяет рассматривать ММ как естественное двухмерное обобщение традиционного одномерного подхода к структурному системному анализу. Первая иерархия относится к построению функционально-

Ой Га * л

уровень уровень уровень уровень

Рис. 1.1. Пространственное представление метамодели

информационной составляющей ММ, описывающей ключевые абстракции -образующие объекты разрабатываемой системы, а вторая — к ее инструментальной, представляющей важные механизмы, которые оперируют этими объектами. Вышеуказанные иерархии в ММ тесно связаны между собой двумя механизмами абстракции: обобщением (О) и агрегацией (А). Разработанная структура ММ является средством интеграции функций, данных

и методов и позволяет устранить избыточность методологических средств внутри проектируемой системы за счет однократного представления знания о соответствующем методологическом инструментарии и многократном и многоаспектном его использовании.

Установлено, что важным требованием к исследуемому процессу решения функциональных задач управления является создание универсального языка, который дает возможность описания в одинаковой форме всех разнообразных -модельных представлений, относящихся к различным уровням архитектуры.

В качестве такого универсального способа описания предложено использовать средства и методы представления знаний на основе фреймов. Разработанная под решение функциональных задач управления структура фрейма-прототипа позволяет связать обычные математические модели, носящие декларативную основу, с методами, алгоритмами и программами, имеющими процедурный характер, в единую компактную структуру, которая может рассматриваться и обрабатываться как единое целое. Важным преимуществом данного фреймового подхода является также возможность получения новых знаний о модельных представлениях на основе вывода из уже имеющихся. В настоящий момент фреймовый формализм представляет наиболее абстрактную конструкцию, которая позволяет объединить на единой базе все известные подходы к решению проблемной задачи.

Структура ММ дает возможность представить ее образующие объекты в пространстве методологических инструментов, что обеспечило проведение декомпозиции этих объектов с помощью двух алгоритмов автоматической классификации, разработанных в главе 2. Первый алгоритм «потоковой классификации» позволил разбить образующие ММ на комплексы информационных технологий по принципу сильной связанности этих образующих по потокам данных внутри комплексов и слабой связанности между комплексами. Второй алгоритм осуществил классификацию образующих объектов по категориям методологических решений (моделям и методам), когда в одну категорию объединялись объекты, близкие в пространстве методологических инструментов. Для формирования категорий дополнительно произведена классификация методологического инструментария, используемого при разработке крупномасштабных ПО управления транспортными системами и производствами. Построена структурированная двухмерная параллельная система классификации, в которой каждый образующий объект ММ интерпретируется в п-мерном

пространстве классификационных признаков, принадлежащих различным схемам классификации (см. рис. 1.1). Разумеется, было бы нереально охватить в одной работе все категории моделей и методов решения функциональных задач управления, даже в общих чертах. Предпочтение отдается неотложным наукоемким категориям, они получают наивысший приоритет и для них в следующих главах разрабатываются полные модели и методы.

Во второй главе разработана категория моделей и методов выбора оптимальных структур управления, позволяющих транспортным и производственным системам лучше адаптироваться к изменившимся условиям функционирования. Установлено, что для эффективного управления необходима многоуровневая иерархическая структура управления, которая подразумевает наличие определенного числа подсистем нижнего уровня, координируемых более высоким уровнем. Задача координации подсистемами нижнего уровня тем проще, чем более автономны, независимы друг от друга подсистемы нижнего уровня,, чем меньше совокупные связи между подсистемами нижнего уровня.

Математическая модель выбора оптимальной структуры представлена в виде задачи декомпозиции (разреза) взвешенного графа транспортной или производственной сети Г{Я,Щ на совокупность из к непересекающихся подграфов (подсистем) каждый из которых содержит одну из

выделенных ^вершин (объектов-представителей) где Я = {,г¡, гг„} множество вершин, представляющих объекты системы;

- вес связи между В качестве веса

связи Wij между первичными объектами Г/ и ^ могут выступать: Ху вагонопоток (порожний или груженный); 1/гу, где г у - расстояние; 1//^, где Ц - время хода; - пропускная способность; Су - стоимость и др. Необходимость такой декомпозиции следует из большой размерности решаемых задач управления и, как правило, экспоненциально растущей сложности алгоритма управления при увеличении т. Всесторонний анализ критериев и ограничений показал, что для достаточно широкого круга задач управления выбор их оптимальной структуры сводится к такому разбиению Г, которое минимизирует

при ограничениях: Д = ил/;Л/р|Л;> = 0; ¡,р = 1,к; IФ р; Зг(Е,).

Необходимо отметить, что возникшая задача нахождения минимального разреза графа между выделенными вершинами, в случае соответствует классической задаче Форда-Фалкерсона. Исследование существующих алгоритмов решения (2.1) показало, что все они не учитывают специфики решения данной задачи на транспортной сети, требуют для реализации огромного объёма вычислений и сложны для программирования.

Для приближенного решения (2.1) разработан алгоритм автоматической классификации, основанный на построении минимального остовного дерева. Для работы алгоритма исходные данные об объектах классификации должны быть представлены в виде матрицы размером п х р, где п — размерность пространства параметров объектов, ар — число объектов. Тогда расстояния р^ между парами объектов г и ] можно представить в виде симметричной матрицы Я= \\pjjW- Для определения рц используются евклидова, хеммингова и др., более

близости р для смешанных мер близости. Разработанный алгоритм включает три основных шага: Шаг 1. С использованием Я строится минимальное остовное дерево. Шаг 2. В минимальном остовном дереве выбираются два объекта, которым соответствует минимальное ребро, далее они стягиваются в один класс (кластер) и процедура шага 2 повторяется. Процесс группировки в классы представляется в виде специального дерева, вершины которого расположены на уровнях, взвешенных стягиваемым ребром. Шаг 3. При уменьшении порога взвешенности (близости) от максимального значения специальное дерево распадается на заданное число классов.

Построенный алгоритм использовался для разбиения ж.д. сети стран СНГ и Балтии на полигоны, включающие только те дороги, между которыми происходят большие перевозки. В качестве параметров объектов классификации использовались передачи порожних полувагонов. В работе проводился анализ результатов решения задачи при разбиении на различное число полигонов и выбор оптимального их количества. На рис. 2.1 представлена выбранная иерархическая структура управления погрузочными ресурсами. Получено условие целесообразности решения задачи распределения погрузочного ресурса в выбранной иерархической структуре:

абстрактные меры близости. Нормировка

приводит к общей мере

Р] (« х иу )+Р(а 2 х 39) < Р(3 9),

/=1 у=]

(2.2)

Рис. 2.1. Иерархическая структура управления где Р,{п!) - функция сложности решения задачи 1-ой подсистемой; и,-размерность решаемой задачи; а*И,- - размерность упрощенной модели задачи, передаваемой на верхний уровень (0<О<1). Анализ (2.2) показал, что вариант иерархической структуры целесообразен, если функция сложности возрастает быстрее линейной зависимости, а а <0,7. Учитывая, что функция сложности задачи распределения погрузочных ресурсов растет намного быстрее указанной зависимости, в главе 5 разработан декомпозиционный алгоритм ее решения в иерархической структуре, представленной на рис. 2.1.

Предложен и теоретически обоснован эффективный алгоритм структуризации, основанный на понятии окрестности вершины-представителя г1 относительно множества вершин-представителей {г,}, определяемой как

множество вершин транспортной сети, входящих в

а=1

первую компоненту минимального 2-разреза (для которой е Я" ), (а = 1,5) все минимальные 2-разрезы, разделяющие г и {/)}, а S — мощность множества минимальных разрезов. Алгоритм состоит из следующих основных шагов: Шаг 1. Производится построение начального Л-разреза Л,14 , Л2П1 В

качестве первичного разбиения графа можно использовать результаты вычислений разработанного ранее алгоритма автоматической классификации. Шаг 2. Фиксируется значение целевой функции С^ , полученной на л-ом цикле и полагается /=1. Шаг 3. Выбирается подсистема Л/ч из множества подсистем ...,полученных на л-ом цикле. Из графа Г(Я,№) удаляются все

рёбра для которых Подсистема

Л/"' стягивается к своему представителю. При стягивании все вершины,

принадлежащие , заменяются одной вершиной и веса рёбер

принимаются равными:

Шаг 4. Строится окрестность вершины г(й/п') относительно Вершины

окрестности добавляются к подсист емеСт янутые вершины

восстанавливаются и добавляются удалённые рёбра. Шаг 5. Фиксируется подсистема Яц.^ с индексом на единицу больше предыдущего / и алгоритм возвращается к выполнению третьего этапа. Если / =к, то вычисляется значение С**11 и производится проверка неравенства Если оно выполняется,

то алгоритм возвращается к выполнению второго шага, в противном случае полученный к-разрез фиксируется как результат работы алгоритма.

Доказаны сходимость алгоритма за конечное число шагов и теорема, утверждающая, что в к - разрезе, полученном в результате его работы, 2 — разрезы между любыми парами вершин-представителей являются минимальными. Временная сложность алгоритма оценивается где Со - вес начального разбиения, к- число вершин, а р- число дуг транспортной сети. Реализация предложенного алгоритма позволила улучшить ранее полученное значение целевой функции (2.1) на 1530 ваг.

Структура минимального - разреза обладает важными свойствами, которые доказаны с помощью теорем агрегирования, носящих конструктивный характер. Эти теоремы позволили разработать алгоритм агрегации исходного графа и понизить размерность задачи выбора структуры для ж.д. сети стран СНГ и Балтии примерно в 2,5 раза. Теоремы агрегирования также обеспечили построение эффективного по трудоемкости алгоритма поиска минимального 2 -разреза, состоящего из следующих шагов: Шаг 1. Выбирается произвольный

2-разрез .Л/) .Компонента фстягивается в одну вершин^Полагается Л/ и г{Д1) = У. Шаг 2. Ищется минимальный 2-разрез (К,У) агрегированного графа . Шаг 3. Компонента стягивается в одну вершину

г(Х) = г(Я). Полагается (Л \ У) и КГ) = % • Шаг 4. Ищется минимальный 2-разрез (/, /) агрегированного графа . Шаг 5. Сравниваются веса

разрезов и выбирается разрез

Алгоритм имеет сложность и позволяет примерно в 2

раза уменьшить трудоемкость нахождения максимального потока в сети, что особенно важно при оперативном управлении вагонопотоками и решении дискретных задач управления транспортными системами и производством.

Разработанные в главе 2 модели и методы получили реализацию при выборе комплексов информационных технологий, формировании категорий методологических решений, разбиении ж.д. сети стран СНГ и Балтии на политоны управления, а также в задачах управления вагонопотоками, распределения погрузочных ресурсов и др. приложениях.

В третьей главе представлена категория регулярных макромоделей и методов, дающих единое, компактное и наглядное описание и представление интегральных характеристик транспортных и производственных систем. Особую значимость разработка такой макромодели имеет для системы организации вагонопотоков, что вызвано сложным комбинаторным характером задачи выбора плана формирования и ее слабой обозримостью, возникающей

из-за огромной размерности, которая оценивается допустимых

вариантов решения. Установлено, что главной проблемой при создании макромоделей транспортных и производственных систем является выбор надлежащего способа компактного описания комбинаторных систем большой размерности, так как работа с их существующими графовыми описаниями становится сложной и труднообозримой, что сильно затрудняет качественное исследование этих систем. Предложено для рассматриваемых систем использовать методы регуляризации, хорошо зарекомендовавшие себя для решения и качественного анализа непрерывных задач. Показано, что практический интерес для разработки макромоделей представляют информационные структуры в виде решеток рхд, которые хорошо описывают картину взаимного расположения опорных станций на плоской карте и схватывают существенные черты системы организации вагонопотоков.

Отмечено, что для удовлетворения достаточно жестких требований, предъявляемых к макромодели, чрезвычайно важно выбрать удобную нумерацию узлов решетки. Разработаны две системы нумерации, которые наиболее полно удовлетворяют поставленной цели. Первая двухмерная система нумерации отвечает естественному описанию расположения точек на плоскости с помощью двух координат и связана с представлением узла решетки

упорядоченной парой номеров, определяемых абсциссой и ординатой станции на плоской карте. Недостатки двухмерной нумерации связаны с сильной разреженностью исходной пространственной матрицы потоков, а также с определенными трудностями по геометрической интерпретации различных операций с потоками в четырехмерном пространстве координат R4

Вторая, более подходящая нумерация, организована, начиная с северозападного угла, с помощью натурального ряда чисел и алгоритма, получившего наименование «алгоритма половинной нумерации». Построенная матрица номеров I, фрагмент которой представлен на рис. 3.1, упорядочена как по

строкам, так и по столбцам, хорошо отражает взаимное расположение опорных станций и обладает важным свойством строгого увеличения номеров в южном и восточном направлениях. Матрица I легко декомпозируется на подматрицы, вложенные одна в другую, и имеет четко выраженную блочную структуру, что позволяет значительно упростить как сам процесс нумерации, так и быстро осуществить декомпозицию сети на полигоны расчета. С помощью матрицы номеров /построена упорядоченная матрица вагонопотоков , которая обладает большими информационными возможностями и является

основой разрабатываемой макромодели (см. рис.3.2). На матрице Йу удобно прослеживается взаимосвязь между базовыми элементами системы организации вагонопотоков. Всем потоковым схемам и построениям взаимнооднозначно соответствуют операции на матрице и наоборот. Например, вагонопотоки, которые зарождаются и погашаются внутри выделенного полигона, образуют на матрице симметричную диагональную подматрицу

А. Матрица Йу допускает различные обобщения и расширения макромодели

за счет введения дополнительных информационных структур. Представленная

в виде макромодель обеспечивает всевозможные построения и

преобразования, необходимые для реализации высокоэффективных алгоритмов оптимизации плана формирования. Важным свойством построенной

Рис.3.2. Структура упорядоченной матрицы вагонопотоков N

макромодели является ее способность к группировке исходных слабых вагонопотоков матрицы Иу в назначения плана формирования. При

группировке производится приведение начальной матрицы к ленточной блочно-диагональной матрице .ТУу^, элементы которой могут физически интерпретироваться соответствующими напряжениями в транспортной сети. Группировку возможно выполнить с помощью построения на макромодели Йу

синтезирующих цепей, определяющих эквивалентные преобразования вагонопотоков и порядок их объединения в назначения.

Разработанные регулярные макромодели и методы позволяют достаточно просто аналитически исследовать поведение системы организации вагонопотоков на качественном уровне. Получено приближенное выражение

целевой функции задачи выбора оптимального плана формирования, которое связывает основные параметры исследуемой системы:

где N - среднее значение вагонопотока между 1-й и j-й станциями; п - число опорных станций; ст - среднее значение вагоно-часов накопления на одно назначение; l -размер зоны, обслуживаемой i-ой станцией; !эк - среднее время экономии на один вагон при пропуске вагонов без переработки. В полученном выражении отсутствуют трудности комбинаторного характера, что дает возможность исследовать систему организации вагонопотоков с помощью традиционных методов нелинейного программирования. Например, продифференцировав (3.1) по l и приравняв полученное выражение нулю,

Jtftacfa2- 0 тт

получим, что I —^ -. Представленные макромодели и методы в

главах 6 и 7 положены в основу различных моделей и высокоэффективных алгоритмов анализа и синтеза системы организации вагонопотоков.

В четвертой главе исследована проблема выбора маршрутов следования транспортных потоков. Установлено, что при её решении необходимо учитывать дополнительные технологические ограничения на загрузку элементов сети (перерабатывающие способности станций, пропускные способности линий, размеры движения по участкам, станциям и назначениям плана формирования). Это существенно усложняет исследуемую проблему.

Обозначим Sy или {i = i'i,(ii,/2);'2>-.»V-l>0r-l»'V)>'r =J) маршрут с номером ö(S — l,Sij) на с ^(ШЖч^А е 8у- число маршрутов из i в J. Определим матрицу корреспонденции N = а на узлах и дугах графа G зададим веса t или с, характеризующие приведенные по времени или стоимости затраты на переработку единицы потока. Пусть Ny объем части

Sij

корреспонденции Ny следующий по маршруту Sy (^Ny — NyJI. Доказано,

<5=1

что в основе проблемы лежит минимизация аддитивной целевой функции:

=£( I min , (4.1)

/=1 ö,k,l SM Ndsu)

Относительно любого элемента О существуют ограничения на пропускные или перерабатывающие способности Л^14*, которые могут быть представлены как

в явном виде «жестких» неравенств .М™** , так и в неявном виде равенств

Ь ~ Ь где Л^ - загрузка /-го элемента, а £ - его техническое состояние.

Реализован наиболее естественный подход с неявными ограничениями, когда основные составляющие затрат ^ или с} нелинейно зависят от загрузки Л^г. В числе основных нелинейных функций затрат следует отметить класс функциональных зависимостей экономии времени ик при пропуске без переработки одного вагона через станцию от величины перерабатываемого этой станцией вагонопотока и др. Используемые в работе нелинейные функции

затрат (у = § (Ы^ $ являются монотонно убываю щи^(и-неЛр е р ы в н о

дифференцируемыми, выпуклыми вниз и неубывающими функциями по ЛГ(—£ 0) и интерпретируются как штрафы за приближение к ограничениям

по пропускным или перерабатывающим способностям. Выявлено, что эти функции в рабочей области с достаточной степенью точности допускают аппроксимацию с помощью кусочно-линейных выпуклых вниз функций , что обеспечивает удобства дальнейших вычислений.

Показано, что при выборе маршрутов следования необходим учет различных влияющих факторов, часть которых плохо формализуется и носит субъективных характер. Для учета дополнительных локальных ограничений ЛПР разработан подход, основанный на штрафных и барьерных функциях. В общем случае выражение для определения штрафных функций и

по ориентированной дуге представлено следующим образом:

где - некоторая достаточно большая константа, а - условная бесконечность. Построены частные штрафные функции для следующих дополнительных локальных ограничений ЛПР на объемы потоков по элементам сети: «не менее

Л?™ши не более Я™®* », «не более И^3* », «не менее » и «равно //*•»

'ЗЫ

а, если Nij < 0;

Сц-Р, если 0<ЛГ,у<Л^ь; С'(^), если N^<N^N^1 С}{Щ\ если Щ™

тт.

Установлено, что перевозки на ж.д. транспорте характеризуются высоким уровнем управления, при котором ограничения на нераздробленность

имеют весьма существенное значение. Задача выбора маршрутов в этих условиях сильно усложняется. С учетом структуры исследуемой целевой функции (4.1) получено следующее выражение для суммарных дифференциальных затрат вдоль маршрута

¿ей

(Ш;

(4.2)

Выявлен физический смысл составляющих суммарных дифференциальных затрат в выражении (4.2). Первая составляющая определяет затраты на передачу единицы корреспонденции по заданному маршруту и позволяет оценить эффективность прикрепления потоков к этому маршруту при фиксированных загрузках элементов сета. Присутствие второй составляющей учитывает нелинейный эффект, возникающий при изменении общего потока по заданному маршруту, когда и для всех остальных потоков, перерабатываемых в элементах маршрута, нелинейно изменяются удельные затраты на переработку.

Получено необходимое условие локализации а различных частей корреспонденции Ыи на одном маршруте следования 5^*, которое позволяет построить разнообразные алгоритмы минимизации (4.1), отличающиеся способами концентрации корреспонденции и выравнивания дифференциальных затрат. В частности, построен эффективный алгоритм, состоящий из следующих основных шагов: Шаг 1. Замена в сети О вершины » на две вершины ¡1 и ¡2 и дугу (»/, Шаг 2. Определение модифицированных дифференциальных стоимостей

Г». = V2

<Ши.

¥2

СШ:

Ш;

> 0;

если >0,

Шаг 3. Нахождение в сети См циклов отрицательной стоимости Г. Шаг 4. Добавление потока максимально возможной циркуляции

по циклу Г и строгое уменьшение

целевой функции на величину

Исследована линеаризация функций затрат касательными и секущими. Показано, что линеаризация касательными обоснована при малых объемах перераспределяемых корреспонденции. Линеаризация секущими делает целевую функцию (4.1) сепарабельной и позволяет свести решаемую задачу к построению и последовательному насыщению потоками кратчайших цепей следования корреспонденции в специально образованной сети с параллельными дугами из ¡1 в ¡2- Разработан следующий эффективный алгоритм, основанный на аппроксимации секущими в неявном виде с помощью правой и левой конечно-разностной производной: Шаг 1. При известном допустимом выбирается объем перераспределяемого потока ДЛ/[1]=шахЛ/^. Шаг 2. Построение

модифицированной сети и определение стоимостей ее прямых и обратных

дуг: р^щЖ^ ,^[1] =

Шаг 3. Поиск в цикла отрицательной стоимости Г. Шаг 4. Добавление

фиксированной циркуляции по циклу Г и переход к меньшему уровню

перераспределяемого потока

Разработанные модели, алгоритмы и программы предназначены для решения задачи выбора маршрутов следования как при условии нераздробленности корреспонденции транспортных потоков, так и без него, ориентированы на работу с сетью любой размерности, и реализованы при выборе сетевого плана формирования, учитывающего ограничения на перерабатывающие способности станций, и оптимизации маршрутов следования вагоно- и поездопотоков на Моск., Бел. и др. дорогах.

В пятой главе разработана категория моделей и методов распределения ресурсов в многоуровневых иерархических транспортных системах. Предложен структурно-ориентированный подход к распределению погрузочных ресурсов, включающий создание двухуровневой математической модели и разработку декомпозиционного алгоритма разделения ее решения между элементами

сформированной иерархической структуры (см. рис.2.1). Разработанный алгоритм основан на четырех важных принципах: декомпозиции, когда решение общей большой задачи заменяется системой локальных задач распределения погрузочных ресурсов, решаемых внутри каждого региона; агрегировании информации, состоящем в том, что на верхний уровень поступает обобщенная информация о состоянии каждого региона; координации, когда на основе поступающей агрегированной информации на верхнем уровне производится решение координирующей задачи, позволяющей определить целенаправленное взаимодействие регионов на нижнем уровне; дезагрегировании, когда поступающие с верхнего уровня координирующие решения разворачиваются на нижнем уровне в информацию, необходимую для решения локальных задач. Алгоритм включает следующие основные шаги: Шаг 0. [ Инициализация]. Разбиение VV* исходной сети Г на регионы Я™' по критерию «минимизации связей». Получение агрегированного графа Г" , вершинами которого являются регионы Шаг 1. Передача каждым

регионом

яГ

на верхний уровень регулировочных

разрывов

и классификация регионов на нейтральные

(Д/= 0), питания (Д/ > 0) и потреб л^нЪ я)Ш а г 2. Выявление особых случаев наличия только нейтральных регионов и регионов питания. Закрытие по регионам открытых транспортных задач и определения локально-оптимальных планов (глобальный оптимум равен сумме локальных Шаг 3.' Выделение множества межрегиональных стыковых пунктов Я и решение верхним уровнем координирующей задачи на Доведение

полученного оптимального агрегированного плана до нижнего уровня.

Шаг 4. Решение на нижнем уровне локальных закрытых транспортных задач и «развязывание» взаимодействий регионов путем учета дополнительных ограничений соседних регионов и введения фиктивных пунктов недостатка и избытка погрузочных ресурсов.

Значение функционала на плане, построенном с помощью разработанного

алгоритма, определяется выражением

Показана возможность использования алгоритма в частном случае выбора существующей структуры управления. Главное достоинство разработанного

подхода и его отличие от классических методов Данцига-Вульфа и др. заключается в отсутствии внутри- и межуровневого «итерационного» обмена между локальными и координирующей задачами, что существенно повышает оперативность и качество решения общей задачи.

Отмечена необходимость распределения погрузочных ресурсов с учетом многих критериев, что существенно усложняет поиск необходимого плана. Построена модель решаемой задачи, которая включает лексикографически упорядоченное множество критериев, т.е. множество критериев, упорядоченных по степени важности:

Ф] = -> пмп; Ф2 = Ш1сЦхи ^ = т]п;-

Обнаружена особенность построенной модели, заключающаяся в том, что все критерии определены на общем множестве ограничений и представляют собой с точностью до обозначений одну и ту же транспортную задачу. Наличие данной особенности позволило разработать эффективный алгоритм прямого построения многокритериального плана, который представляет собой некоторую комбинацию «метода ограничений» и «метода свертки» и основан на проведении ЛПР ранжировки критериев. Алгоритм основан на минимизации линейного функционала Доказано, что коэффициенты

необходимо выбирать следующим образом: ау=1; а^ = 2-10?

аг=2.10*.Фг°Д(1 + 2.10*.ф°),гдеФ,= ^Е^, Ф° = ЩЕ^у,

- точность представления после запятой. После

определения коэффициентов минимизация функционала сведена к решению стандартной однокритериальной транспортной задачи:

'где 2у =ИагЦ-

При реализации плана регулирования погрузочным ресурсом, полученного в условиях множества критериев, возникают ситуации, когда прогнозируемый на период общий объем ресурса недостаточен для выполнения

всех плановых регулировочных заданий - момент времени, в который решается задача распределения на период Д/;

Гу(Д/) - плановое задание по >ому показателю на Д/ без учета дефицита, требующее определенного количества ресурса (погрузка на вывоз, сдача порожних, погрузка в местном и т.п.); $ (/[) -дефицит ресурса нарастающим итогом по/-ому показателю на момент времени ^ . Показано, что в условиях, когда &>() , ЛПР необходимо решать задачу перераспределения погрузочного ресурса по заданиям при его дефиците и с учетом собственных, как правило, слабоформализуемых целей и критериев. Построена математическая модель перераспределения в условиях дефицита погрузочного ресурса, основанная на минимизации ЛПР-ом некоторой функции полезности:

отражает

воздействие на ЛПР 1- го органа управления за дефицит по/-ому показателю. Разработан алгоритм перераспределения, состоящий из следующих основных шагов: Шаг 1. Построение одномерных функций потерь (полезности):

■Fi[¿>j(t2Í)= ау2^у(^2)-Шаг 2. Диалоговая процедура выбора а.. и

определение оптимального распределения дефицита путем решения задачи

Новизна разработанной модели и алгоритма также заключается в том, что они напрямую оперируют с некоторой фиктивной величиной - «дефицитом нарастающим итогом», однозначно связанной с перераспределяемым погрузочным ресурсом по формуле

Также построены модель оперативного суточного планирования, сформулированная, в виде задачи минимизации «дефицита нарастающим итогом» и алгоритм, позволяющий определить оптимальный суточный план в условиях различных стратегий погашения дефицита. Обоснована возможность использования данной категории моделей и методов при оперативном управлении производством на транспорте.

В шестой главе построена категория моделей и методов выбора оптимального плана формирования. Проблема выбора оптимального плана

формирования сформулирована как многокритериальная задача оптимизации по лексикографически упорядоченным критериям Рд>Р(Р1,Рз), где 7*0 - целевая функция. (4.1), связанная с выбором маршрутов следования 5'!,-с корреспонденции вагонопотоков Щ на сети опорных станций О.

определена как, двойственная к классическим подходам, задача минимизации нелинейной целевой функции

где Щ - суточный вагонопоток между /-ой станцией зарождения и у-ой погашения, следующий по маршруту (ст)у - затраты на накопление назначения (/,у); Ху=1, если в плане формирования существует назначение (¡¿) и 0 в противном случае; - затраты на переработку одного вагона при его проследовании по наиболее экономичному пути на графе назначений Н вдоль маршрута (б £Н).уу (х,)= г/, где ^ - экономия от пропуска без

переработки одного вагона через станцию I по направлению от стации г. Установлено, что целевая функция (6.1) может отражать как приведенные экономические затраты, так и затраты вагоночасов, а ее структура представляет собой сумму двух частных противоречивых критериев .Р / и/^. Для оптимизации сложной комбинаторной задачи дискретного программирования (6.1) разработан алгоритм, основанный на методе ветвей и границ. В отличие от существующих эвристических методик, в которых последовательно присоединяются самые выгодные назначения или назначения, получаемые каким-либо способом из самых выгодных, в разработанном алгоритме учитывается структурная взаимосвязь назначений. Построенный алгоритм гарантирует нахождение оптимального плана формирования в условиях как четких, так и нечетких исходных данных, а также позволяет решать задачу с учетом дополнительных ограничений на ресурсы. Предложены следующие

базовые нижние Ау и верхние Ау оценки целевой функции Г на вершине

где - вершина V дерева, полученного на к-ом шаге ветвления.

граф обязательных назначений, выделенных при вершине - граф перспективных назначений, соответствующих вершине

¡2*. Назначение (г,1) определено как перспективное на к-ом шаге, если его присоединение к множеству обязательных назначений, выделенных на данном шаге, строго уменьшает целевую функцию (6.1). Ветвление дерева решений на шаге осуществляется из вершины, имеющей наименьшую оценку нижней границы целевой функции, путем поочередного присоединения к

множеству обязательных назначений перспективных назначений из

множества Я*. Процесс разбиения идёт до тех пор, пока на некотором шаге не

будет найден оптимальный план для которого а значение целевой

функции не окажется минимальным из оценок нижних границ на данном шаге ветвления. Учет ограничений, по количеству путей основан на построении

оценок данного вида ресурса:

где п,- - число путей на 1-ой станции; N'' - мощность назначения (у);

- целочисленная функция, зависящая от мощности назначения и принимающая значения 1; 2; 3, соответствующие требуемому числу путей. Вершина дерева ветвления, для которой нарушаются ограничения (6.4) исключается из кандидатов на дальнейшее разбиение. Для учета ограничений по перерабатывающим способностям станций предложено использовать разработанные ранее в главе 4 модели и методы. Достоинством разработанного базового алгоритма является то, что чем больше учитывается ограничений, тем быстрее находится оптимальный вариант.

Предложены способы усиления оценок, позволяющие существенно улучшить временную и емкостную сложность процесса вычислений. Установлено, что наиболее эффективным подходом к снижению сложности вычислений является использование геометрических свойств решаемой задачи, выявленных в главе 2. С учетом этих свойств для задач большой размерности предложено лексикографическое ветвление, в котором предпочтение отдается присоединению самых длинных назначений. В условиях приближенных расчетов разработанный алгоритм позволяет найти не только планы, близкие к оптимальному, но и планы, удовлетворяющие заранее заданной оценке

точности решения е, путем проверки неравенства Д = А * — А* <£.

Получено расширение разработанных моделей и алгоритмов на случай, когда информация об основных параметрах целевой функции (6.1) и ограничений (6.4) является нечеткой. Без ограничения общности указанные параметры (Р) заданы нечеткими трапециевидными интервалами (Ь-К)-гапа, для которых общий вид функции принадлежности Цр представлен на рис. 6.1, а параметрическое представление имеет следующий вид: Р={т,т,а, (!)

Алгоритм оптимизации нечеткой целевой функции (6.1) основан на методе ветвей и границ с оценками, представляющими собой обобщение оценок (6.2-6.3) на нечеткие интервалы (Ь-Я)- типа. При обобщении все операции, в которых участвуют нечетко заданные величины, расширены на множество нечетких чисел. Так сумма нечетких интервалов М = (т,т,а,/3)и, и N =*{п,п,-у,5)1Л имеет следующий вид: а произведение

М*Ы = (тп, тп. тп-(т~ а)(п - у), (т + р)Ы + 8) - тп)и,. Сравнение оценок и выбор наименьшей выполняется с помощью четырех показателей Л.А. Заде, типа «возможность-необходимость нечетких событий». Для нечетких трапециевидных интервалов непосредственное вычисление этих показателей сводится к нахождению точек пересечения их функций принадлежности. Предложен и другой, более простой способ сопоставления двух оценок, основанный на сравнении «центров тяжести» их функций принадлежности. Для нечеткой оценки А—(гп,т,а,0)ц1 «центр тяжести» найден в точке (т + т)! 2 + (Д-в)/4

В рамках базового алгоритма выбора оптимального плана формирования также построены эффективные подалгоритмы, представляющие интерес с точки зрения теории построения и анализа алгоритмов. Разработано программное обеспечение предложенных алгоритмов, которое успешно реализовано для выбора оптимального плана формирования на реальных сетях опорных станций различной структуры и размерности. Программное

МР

О т-а т т т + р Р

Рис. 6.1. Общий вид функции принадлежности (Ь - К) типа

обеспечение показало свою работоспособность и универсальность, а отдельные варианты исходных данных и результаты оптимизации представлены в диссертации. Один из вариантов расчета связан с развитием и размещением сортировочных станций на сети железных дорог. Комплекс программ также использовался для анализа целевой функции на чувствительность к дополнительным ограничениям по числу путей. Анализ показал, что уменьшение числа путей на каждой станции на единицу по сравнению с оптимальным числом путей приводит к увеличению общих затрат на переработку и накопление примерно на 1 %. При этом переработка на станциях увеличивается примерно на 6%, а транзит изменяется незначительно. Исследование результатов расчета плана формирования с учетом перерабатывающих способностей станций показало, что такой учет обеспечивает более равномерную загрузку станций и сбалансированность в функционировании сети. На основе анализа эффекта от учета перерабатывающих способностей даны рекомендации по выбору исходных значений снижающих общие затраты.

В седьмой главе построена категория оптимизации структуры сортировочной работы, которую образуют модели и методы, связанные с выбором и размещением объектов ж.д. сети, осуществляющих процесс сортировки вагонов, а также с перераспределением сортировочной работы в условиях этих объектов и заданной транспортной ситуации.

Исследован наиболее важный подход к оптимизации структуры сортировочной работы, состоящий в корректировке плана формирования. Установлено, что корректировка вызвана необходимостью частичного пересоставления (локальных изменений) ранее выбранного плана и должна затрагивать только те назначения и вагонопотоки, изменения которых обеспечивают существенное улучшение критерия эффективности (6.1). Для минимизации общего числа корректировок первостепенное значение приобретает выбор начального плана, обладающего устойчивостью к небольшим изменениям вагонопотоков, т.е. плана, «устойчивого в малом». Запас устойчивости плана предложено создать за счет учета «нечеткости» вагонопотоков и введения системы дополнительных ограничений на мощности назначений. На рис 7.1 изображена стратегия организации вагонопотоков с помощью оперативной корректировки плана формирования (ОКПФ), где Я(1) -структура ограничений, определяющая данную ситуацию затруднения;

X*[n-l] = (X[JX* \ план формирования, действующий на л-м

интервале времени, предшествующем и-й корректировке; X - назначения,

Рис. 7.1. Стратегия организации вагонопотоков

присоединяемые на i-ом этапе корректировки; X' - назначения, отменяемые на i-ом этапе корректировки; F°(X°(t)) - минимальные значения целевой функции (6.1), соответствующие идеальной стратегии организации вагонопотоков Xе (t), в любой момент времени t; X - нормативный план формирования, выбранный на горизонте планирования Т. ОКПФ и призвана обеспечить «устойчивость системы организации вагонопотоков в большом», удерживая оптимальную траекторию системы около магистрали. на

расстоянии не более Поскольку любое оптимальное управление должно обладать экстремальными свойствами, то в этом смысле необходимо на интервале управления T обеспечить

min J|f°(*°(0)"F{X{f)\dt = j|F0(r)-F*{X\t))\dt

при ряде дополнительных условий на управление X (t), связанных как со структурой ограничений R(t), так и с требованиями обеспечения минимальных перестроек в ходе ОК и нежелательностью частых корректировок. С учетом

этих дополнительных условий математическая модель проведения ОКПФ на л-ом интервале представлена в следующем виде:

где Т1^"1-минимальный срок (~10 суток), на который целесообразно

осуществлять ОКПФ. Для практического решения задачи (7.1), характеризующейся наличием двух противоречивых критериев, разработан универсальный алгоритм ОКПФ, основанный на переводе второго критерия в ограничение и решении задачи на условный экстремум при дополнительном ограничении на Доказано, что такой перевод эквивалентен ограничению на число потенциальных изменений в корректируемом ПФ и может быть осуществлен путем выделения специального локального полигона пересчета. Разработанный универсальный алгоритм ОКПФ включает следующие основные шаги: Шаг 1. Из графа О относительно выделенных вершин {¡*} строится связный подграф & и производится декомпозиция б' на слабосвязанные между собой подграфы (?,-, которые- используются в дальнейшем для построения локальных полигонов пересчета Шаг 2. Осуществляется первичное выделение и локализация отдельных полигонов расчета которое производится с помощью последовательного расширения подграфов Расширение выполняется путем анализа назначений, «приносящих» вагонопотоки в выделенные вершины подграфа <7,-, а также «уносящих» вагонопотоки из этих вершин. Шаг 3. Производится классификация потоковой схемы для полигона , выделяются потоки, имеющие пересечение с полигоном и выполняется эквивалентное преобразование потоков, выделенных относительно полигона которое можно интерпретировать как проецирование потоков

где отрезок кратчайшего пути на графе назначений Н, который

лежит в Д и используется вагонопотоком Щ\ Уд- целочисленная переменная равная единице, если начальной точкой отрезка (Л^)является к-я вершина,

а конечной - 1-я, или нулю в противном случае; - вагопотоки,

маршруты следования которых проходят через полигон Л,. Шаг 4. Локальный пересчет ПФ при эквивалентной потоковой схеме ^^ и дополнительных ограничениях на ресурсы.

Установлено, что распознавание ситуаций затруднений, требующих проведения ОКПФ должно быть основано на непрерывном контроле за погрузкой и прогнозе продвижения вагонопотоков по назначениям ПФ. Получен прогноз на период Т среднесуточного поступления вагонопотока N4 в назначение ([,$):

где - плотность распределения опозданий; - нормативное время хода между к-ой. станцией наблюдения вагонопотока Му и 7-ой станцией, для которой осуществляется прогноз среднесуточной мощности назначения М1* (() = ^ Иу (г) и среднесуточной загрузки N¡(t) = ^¡N^(t). Наибольшую

сложность при прогнозе продвижения вагонопотоков представляет оценка времени задержки единицы корреспонденции вагонопотока из-за

прикрепления к назначению (г,1). Доказано, что при прогнозировании загрузки

Г1 (ст).г

объектов это время, можно считать постоянной величиной г —~z¡^

независящей от размера корреспонденции При превышении

максимально допустимой загрузки распознается ситуация затруднения и

принимается решение об отнесении анализируемой станции I к классу выделенных, относительно которых осуществляется ОКПФ.

Отмечено, что наличие в сетевом ПФ значительного числа сверхдальних назначений является положительной характеристикой этого плана, а дополнительное выделение сверхдальних назначений, с принудительным прикреплением к ним вагонопотоков, может рассматриваться как еще один вид управляющих решений по ОКПФ. Разработаны математическая модель и алгоритм ОКПФ такого вида. Определены основные составляющие приращений целевой функции суммарных приведенных затрат, возникающих при выделении сверхдальних назначений и даны рекомендации по

совершенствованию структуры целевой функции в задачах управления вагонопотоками.

Разработана частная модель ОКПФ, предназначенная для снижения уровня «угловых потоков». Степень детализации этой модели определяется допустимыми управляющими решениями, принимаемыми относительно основных опорных элементов выделенной станции. Частная модель представлена в виде многокритериальной задачи оптимизации, в которой минимизируется суммарный «угловой поток», минимизируется общее число изменений в ПФ и максимизируется выигрыш от снятия затруднений с «угловыми потоками». Предложенный для оптимизации алгоритм основан на введении уступок по первым двум критериям - и трансформации исходной задачи к универсальной задаче ОКПФ.

Указано, что стратегия перераспределения сортировочной работы с целью ее концентрации на крупных, технически оснащенных станциях, с одновременным закрытием или «консервацией» малопроизводительных станций и систем, является мощным инструментом повышения эффективности ж.д. транспорта в условиях сильного спада объемов перевозок. Проблема концентрации и перераспределения представлена в виде сложного комплекса взаимосвязанных задач, затрагивающих все основные составляющие системы организации вагонопотоков, и должна сопровождаться постоянным ее мониторингом. Для решения проблемы разработана математическая модель, в которой минимизируются общие затраты от консервации и перераспределения сортировочной работы. Алгоритмизация проблемы осуществлена в общей схеме метода ветвей и границ, но с одной существенной особенностью: здесь решается трехэтапная задача оптимизации (выбор станций выбор назначений оптимальное прикрепление вагонопотоков).

Разработан универсальный комплекс программ ОКПФ, который был реализован в различных ситуациях затруднений с пропуском вагонопотоков. Идеальным инструментальным средством графической среды поддержки ЛПР по ОКПФ явилась «Электронная карта сети ж.д.», созданная на основе геоинформационных технологий. Отдельные варианты исходных данных, требования по корректировке и результаты расчетов представлены в настоящей работе. Расчеты по оптимизации структуры сортировочной работы включали также выделение дополнительных более дальних назначений, направление вагонопотоков «кружностью», оптимизацию «угловых потоков» и др. Расчеты показали высокую эффективность

I БИБЛИОТЕКА I

алгоритмического и программного обеспечения, а предложенные результаты получили практическую реализацию. Основная реализация методического аппарата концентрации и перераспределения сортировочной работы осуществлена на Московской ж.д.

В восьмой главе разработана категория динамических моделей и методов управления транспортными системами. Построена обобщенная динамическая модель управления потоками, отличительной особенностью которой является наличие совокупности лексикографически упорядоченных критериев: max <р(Т), min "^Тсц-х,,(f), min Г,... и задание на элементах {(ij)} исходной

транспортной сети G ({i},{(ij)}) вектор-функции Ctj =(dv, Су, ttJ), где <pfl) - объем

ресурса, перевезенного за время Т. На множестве дуг {(ij)} задаются функции пропускной способности d,j>Q; стоимости ctJ; времени нахождения в пути Ц и нестационарного потока Все составляющие могут также изменяться во

времени. Для учета динамических свойств в разработанной модели используется построение «растянутой во времени эквивалентной потоковой схемы Форда-Фалкерсона» Gt которая представляет

динамическую модель как совокупность статических, где t= 0,1,2, ..., Т.

Показано, что при создании динамических оптимизационных моделей важное значение приобретают вопросы формирования информационной среды этих моделей. Сформированная информационная среда имеет тесную связь с моделью перевозочного процесса, основанной на реляционной модели данных Е.Ф Кодда. Разработки необходимой информационной среды представлена как сложный процесс отображения информационных потребностей динамических оптимизационных моделей в модели физических структур данных.

Построены эффективные алгоритмы нестационарного управления транспортными потоками для частных задач, характеризующихся различными векторными критериями. Разработана задача усиления (максимизации) передачи транспортных ресурсов с одних дорог на другие в условиях, когда передачу необходимо произвести за фиксированный интервал времени Г и с минимальными затратами. Рассматриваемая проблема представлена в виде задачи многокритериальной оптимизации с лексикографически упорядоченными критериями: max <р(Т)>- min У^/ХгДО (8.1)

{*„(')} <V>}

Для решения (8.1) предложен следующий алгоритм: Шаг 0. Присвоить потоку <р и всем дуговым потокам нулевые значения, т.е. положить <р=0, х/ п/ =0, х/ '' =0. Шаг 1. Определить модифицированные

дуговые стоимости

которые зависят от ранее наиденного потока,

Шаг 2. НаИти кратчайшую по стоимости цепь из s в к, используя модифицированные стоимости, найденные на шаге 1. Если цепи конечной величины отсутствуют, то STOP. Шаг 3. Определить наибольшую величину приращения потока Дф, при которой найденная кратчайшая цепь перестает быть кратчайшей. Получить величину нового потока, прибавив к величине старого потока, найденную величину и перейти к шагу 1.

Разработана также многокритериальная модель задачи передачи ресурса фиксированного объема Q с дорог «избытка» на дороги с «недостатком» с минимальной стоимостью и за минимальное время:

Построен алгоритм решения (8.2), основанный на выборе такого min Т=Т*, при котором минимальный разрез сети G г не станет больше или равен Q. Для определения Т* выбирается следующее значение max Т=Т

больше

которое заведомо

/tjj, где я - некоторая цепь min da ,. ГГ* (/.Лея и

из истока s в сток к сети G. Если величина максимального потока при Г^

больше Q, то значение Г^ уменьшается до и т.д., пока при Т* не будет

выполняться необходимое условие.

Построение путей минимального веса в дипамической транспортной сети G*t, можно существенно упростить, воспользовавшись топологическим свойством ацикличности расширенного графа. Представлен эффективный алгоритм построения путей минимального веса в динамической сети основанный на просмотре этой сети по временным слоям и имеющий временную сложность 0( |il+|{у}|).

Установлено, что в разрабатываемых задачах динамического управления транспортными потоками важное значение приобретает поиск планов, обеспечивающих равномерность функционирования основных элементов транспортной системы. Выявлены дополнительные критерии, минимизирующие неравномерность динамического плана, которая может оцениваться по назначениям поездов, погрузочным и выгрузочным станциям и др. элементам транспортной сети. Первый критерий Л; минимизирует интегральную характеристику неравномерности поступления и расходования груза в пункте назначения которая оценивается с помощью среднего уровня запаса в Второй критерий связан с оценкой максимального отклонения длины интервалов между несколькими последовательными операциями от среднего интервала между операциями.

Построена адекватная динамическая модель, позволяющая учесть все основные временные характеристики вагонопотоков, связанные с планом формирования, включая времена хода по назначениям, а также время задержки из-за накопления. Если учитываемые временные характеристики переменны и нелинейно зависят от вагонопотока, то для решения нелинейной задачи распределения потока на динамической сети предложено использовать различные модификации алгоритмов, разработанные в главе 4.

Количественный анализ преимуществ от учета динамики, по сравнению со статическим вариантом плана перевозок ресурса фиксированного объема (), предложено выполнять с помощью оценки «эффекта от учета динамики», который определяется вектором: Эд{0) = {Д7*,ДС}. Первая компонента

вектора эффекта определяет суммарную выгоду по времени, а вторая -суммарную выгоду по стоимости.

Построенные в главе 8 модели и алгоритмы были положены в основу разработки следующих перспективных задач управления транспортными системами: динамического управления вагонопотоками с учетом назначений плана формирования поездов; сокращения влияния «окон» на продвижение поездопотоков; динамического перераспределения порожних маршрутов при оперативном регулировании вагонных парков; формирования календарных расписаний работы кольцевых маршрутов; разработки оптимального динамического плана снятия затруднения или недопущения его возникновения.

Представленные примеры реализации обобщенной динамической модели и алгоритмов ее векторной оптимизации доказывают, что эта модель и алгоритмы являются эффективным инструментом управления транспортными системами.

В девятой главе построена категория моделей и методов «интеллектуальной» поддержки принятия решений (ИППР). Установлено, что только в немногих случаях принятие решений по управлению транспортной или производственной системой удается описать простыми математическими моделями, для которых эффективны традиционные аналитические методы исследования операций. Важным направлением решения данной проблемы является построение моделей и методов ИППР, позволяющих обеспечить решение трудноформализуемых задач в тех ПО управления, где решения принимаются на основе эвристик и обработки концептуальной информации.

Установлено, что современная структура процесса принятия решений в сфере оперативного управления транспортными системами и производством предполагает интерактивный подход к управлению и обусловливает необходимость разработки модели, имитирующей этот процесс. Для данной сферы разработана более адекватная рассматриваемому процессу принятия решений, имитационная модель (ИМ), основанная на методах адаптации и обучения, распознавания и прогнозирования ситуаций, а также выборе информативных признаков для распознавания. Разработанная ИМ представляет собой «дружественный интерфейс» между пользователем (ЛПР) и динамическими базами данных, в которых отображаются состояния рассматриваемых систем. Такой подход обеспечивает вхождение предлагаемой ИМ полностью совместимым элементом в существующую реляционную информационную среду ж.д. транспорта. Описано взаимодействие разработанной ИМ с системами «ДИСКОР», «ДИСПАРК», «ДОРОЖНЫЙ ДИСПЕТЧЕР» и определены основные режимы этой модели (обучение, экзамен, поддержка процесса принятия решений в режиме «совета»).

Для создания ИМ предложен ситуационный подход, основанный на синтезе решающих правил путем обучения ИМ учителем на обучающей выборке, представленной авторитетными решениями ЛПР - прецедентами. После обучения решающие правила подсказывают ЛПР выводы о том, какое из альтернативных решений является предпочтительнее, и придают ИМ черты искусственного интеллекта. Обучающая выборка, необходимая для построения ИМ, представлена на рис. 9.1 в виде двухмерных таблиц соответствия между

ситуациями и принятыми решениями. В приведенной таблице - значение

признака из совокупности признаков в микроситуации из ситуации, в которой необходимо принять решение Каждая совокупность признаков характеризует какую-либо физическую сторону ситуации,

Рис. 9.1. Двухмерная таблица соответствия например, пункт назначения, выполнение дорогой плана погрузки и др. Таблицы соответствия в неявном виде содержат цели и ограничения управления, а их структура является дальнейшим развитием концепции реляционной модели данных Е.Ф.Кодда. Задача синтеза по обучающей выборке решающих правил поставлена как в смысле полного синтеза, так и частичного, когда выбирается известная структура решающих правил и с помощью критерия минимума среднего риска имитации (9.1) осуществляется оптимизация основных ее параметров:

й™§с)КиМ = 0(у(х/ с) Е^)77^^^^), (9-1)

где Г>(у/х,с) - структура ИМ, представленная набором решающих правил;

с = (С1, С2,.. .с») - параметры модели; Р(у//5*) -вероятность принятия решения у/ в ситуации экономические потери, возникающие при принятии

решения в ситуации - априорная вероятность ситуации Если

оценивать потери величинами 1о§ / то выражение (9.1) будет характеризовать байесову неопределенность.

Для оптимизации (9.1) и преодоления трудностей, связанных с большой размерностью пространства признаков предложен подход, основанный на аппроксимации решающего правила с помощью решающих правил,

построенных в пространствах признаков меньшей размерности. С этой целью на этапе обучения ИМ строятся элементарные решающие правила

по всем проекциям

«обучающей выборки» на т осей признаков <Х|>, где 1—1,т и их сочетания по два ,хр* , где; /,_/ = 1,т / ), по три и т.д. Элементарная решающая функция, разделяющая ситуации представлена в следующем виде:

¿¡¡(у/<х{;ху„..\хк ^с^4п(р^4и>{<хьхъ...^т >),

где <рК„.4т (< хих2.....хт >) = вн (х^ (х2)..В,т (хт) ^

а в качестве 9 (х) были выбраны ортонормированные полиномы Эрмита.

Неизвестные коэффициенты С определяются по обучающей выборке с помощью алгоритмов адаптации и обучения, использующих указания учителя к какой ситуации относятся значения признаков в различных микроситуациях. Функционирование ИМ в режиме «совета» осуществляется путем распознавания ситуаций и соответствующих решений с помощью синтезированного обобщенного решающего правила, действие которого основано на исследовании логической комбинации знаков элементарных решающих правил в распознаваемых ситуациях. Построен также алгоритм распознавания, основанный на ортогональной структуре решающих правил и понятии «информативной точки», который достаточно полно учитывает специфику принятия решений при оперативном управлении транспортными системами и значительно сокращает размеры памяти, занимаемой решающими правилами. Основная идея алгоритма заключается в том, что распознавание ситуации осуществляется сравнением вектора с информативными точками

Одна координата

в информативной точке Л* задаёт решающее правило, представляющее часть гиперплоскости ортогональной оси координат Х,=Х^ при

{0<Г;<ДГ,ед.....О<Хи<Хг,^", 0<хп<хпк(п)}.

Разработан подход к выбору наиболее информативных признаков при распознавании ситуаций, использующий понятие «ценности информации», которую несут совокупность признаков.

После обучения ИМ позволяет ЛПР осуществить режим упреждающего управления с помощью прогнозирования результатов принятия управляющих решений. Такой режим основан на том, что выбор решения в момент фиксирует состояние системы в момент +1. Пусть в момент времени ^ ИМ определяет ситуацию которой принадлежит микроситуация, определяемая значениями признаков В соответствии с этой ситуацией ИМ принимает

решение у/(/,) о проведении операци111(регулировочных мероприятий), результатом которой является получение оптимального плана ... , Полученный план изменит некоторые значения признаков в и

приведет к необходимости распознавания новой микроситуации Возможный процесс функционирования ИМ представлен на рис. 9.1

Модели и алгоритмы построения и применения ИМ реализованы в виде комплекса программных модулей «МГГАС». Разработанное методическое и программное обеспечение успешно использовалось для задач «Контроль погрузки по дорогам назначения и в затрудненные пункты выгрузки» и «Контроль выполнения плана комплексной регулировки» и показало свою универсальность и высокую эффективность. Выполнен системный анализ задачи «Выбор оптимальных комплексов регулировочных мероприятий (РМ) при различных затруднениях в поездной работе на полигоне дороги», решаемой дорожным диспетчером (ДТП). Выполненный системный анализ данной задачи позволил провести классификацию РМ, применяющихся для устранения и «смягчения» затруднений, а также разработать архитектуру системы «Дорожный диспетчер», обеспечивающей поддержку процесса принятия управляющих решений ДТП. Основу данной системы составляет ИМ выбора оптимального комплекса РМ. Разработка самих планов проведения РМ сводится к решению комплекса специфических задач распределения ресурсов во времени, разработанных в главе 8. Результаты реализации разработанных в главе 9 моделей и алгоритмов подтверждают практическую целесообразность

их использования в системах ИППР оперативного управления транспортными системами и производством.

Заключение: Выполненная работа позволила достигнуть поставленных ранее целей исследования, что подтверждается следующими результатами и выводами:

1. Разработаны основные методические положения и разделы концепции информатизации ж.д. транспорта России, органически связанной с созданной ранее, также с участием автора, государственной концепцией информатизации. Концепция и программа информатизации одобрены решением расширенной коллегии МПС РФ 28.02.1996 г. ив настоящее время являются основой для реализации процесса информатизации ж.д. транспорта России, а годовой экономический эффект от их внедрения оценивается в 1.93 - 2.25 млрд. руб.

2. Предложен системологический подход к разработке крупномасштабных предметных областей (ПО) управления транспортными системами и производством, базирующийся на пятиуровневой архитектурной концепции, формировании категорий моделей и методов и теории фреймов. Предложенный подход предоставляет достаточно простой и гибкий формализм разработки моделей и алгоритмов решения функциональных задач управления для крупномасштабных ПО, а также позволяет существенно снизить общую сложность разработки и сделать ее более наглядной и обозримой.

4. Предложен принципиально новый подход к исследованию транспортных и производственных систем, основой которого является построение регулярных макромоделей и методов, дающих удобный инструментарий для единого описания и анализа изучаемых систем. С

помощью предложенного подхода построена макромодель системы организации вагонопотоков. Для задачи выбора оптимального плана формирования получено приближенное выражение целевой функции, в котором отсутствуют трудности комбинаторного характера, что позволило провести ряд аналитических исследований данной задачи. Представленные макромодели и методы положены в основу различных моделей и высокоэффективных алгоритмов анализа и синтеза системы организации вагонопотоков.

5. Разработана категория моделей и методов выбора маршрутов следования корреспонденции транспортных потоков как при условии обязательного сосредоточения одной корреспонденции на одном маршруте, так и без него, и учитывающих технологические ограничения на загрузку элементов сети (перерабатывающие способности станций, пропускные способности линий, размеры движения по различным участкам, станциям и назначениям плана формирования и др.), а также дополнительные субъективные и плохо формализуемые ограничения, искусственно вводимые ЛПР. Разработанные в данной категории модели, алгоритмы и программы ориентированы на работу с сетью любой размерности и реализованы при выборе сетевого плана формирования, учитывающего ограничения на перерабатывающие способности станции, и оптимизации маршрутов следования вагоно- и поездопотоков на Моск., Бел. и др. дорогах.

6. Предложен структурно-ориентированный подход к оптимизации управленческих решений в многоуровневых иерархических транспортных системах и разработана категория моделей и методов распределения ресурсов в этих системах. Разработана многокритериальная модель задачи комплексного регулирования погрузочными ресурсами и построен эффективный алгоритм ее оптимизации. Предложены модели и алгоритмы перераспределения погрузочного ресурса по заданиям в условиях его дефицита и при множестве слабоформализованных целей и критериев. Практическое использование разработанной категории моделей и методов позволяет повысить оперативность и качество решения задачи распределения погрузочных ресурсов, а также резко сократить объемы информации, циркулирующей в системе управления при ее решении. При внесении в модели и алгоритмы несущественных изменений возможно их использование при оперативном управлении производством на транспорте.

7. Разработана и исследована категория моделей и методов выбора

оптимального плана формирования. Предложена двойственная к классическим подходам модель выбора оптимального плана формирования с учетом ограничений на число путей и перерабатывающие способности станций Разработан алгоритм оптимизации, основанный на методе ветвей и границ и построении оценок верхних и нижних границ целевой функции и ограничений, который обеспечивает плану оптимальность и «устойчивость в малом», учитывает структурную взаимосвязь назначений и может быть непосредственно применен к исходной графовой модели решаемой задачи. Получено обобщение задачи выбора оптимального плана формирования на случай, когда информация об основных параметрах целевой функции и ограничений является нечеткой. Разработано программное обеспечение предложенных алгоритмов, которое успешно реализовано для выбора оптимального плана формирования на реальных сетях опорных станций различной структуры и размерности, а также для анализа целевой функции на чувствительность к ограничениям на ресурсы.

8. Сформирована категория оптимизации структуры сортировочной работы, которую образуют модели и методы, связанные с выбором и размещением объектов ж.д. сети, осуществляющих процесс сортировки вагонов, и с перераспределением сортировочной работы в условиях этих объектов и заданной транспортной ситуации. Разработаны общая математическая модель оперативной корректировки плана формирования, представленная в виде многокритериальной задачи оптимального управления и универсальный алгоритм её оптимизации. Разработаны также модели и алгоритмы оперативной корректировки специального вида, предназначенные для выделения дополнительных сверхдальних магистральных назначений и снижения уровня «угловых потоков». Построены математическая модель проблемы концентрации и перераспределения сортировочной работы, представленная как трехэтапная задача оптимизации (выбор станций выбор назначений оптимальное прикрепление вагонопотоков), и алгоритм ее решения. Разработан универсальный комплекс программ оперативной корректировки плана формирования, который был реализован по заданию МПС в различных ситуациях затруднений с пропуском вагонопотоков. Выполнены расчеты по выделению дополнительных более дальних назначений, направлению вагонопотоков кружностью и снижению уровня «угловых потоков», которые обнаружили высокую эффективность разработанного инструментария, а результаты расчетов получили внедрение. Осуществлена

реализация на Московской ж.д. методического аппарата концентрации и перераспределения сортировочной работы, которая показала, что только для одного локального варианта расчета экономический эффект от проведения технологических мероприятий составляет несколько сотен тысяч рублей в год, а с учетом организационно-экономических будет на порядок выше.

9. Разработана и исследована категория динамических моделей и методов управления транспортными системами и производством. Построена обобщенная динамическая модель управления транспортными потоками, отличительной особенностью которой является наличие совокупности лексикографически упорядоченных критериев оптимизации и задание на элементах исходной транспортной сети весов с помощью вектор-функций. Разработаны эффективные алгоритмы оптимизации обобщенного динамического потока в условиях различных векторных критериев, основанные на топологическом свойстве ацикличности «расширенной во времени» исходной сети. Выявлен дополнительный критерий, минимизирующий интегральную характеристику неравномерности динамического плана, который обеспечивает его устойчивость к случайным колебаниям нормативов и за счет резервов создает условия для компенсации сбойных ситуаций. Дано понятие «эффекта от учета динамики», который определяется с помощью двухкомпонентного вектора, и осуществлен его анализ. На основе обобщенной задачи разработаны также и частные модели и алгоритмы для различных перспективных областей применения динамического потока на ж.д. транспорте. Практическое использование разработанных динамических моделей и алгоритмов их векторной оптимизации позволяет определить оптимальную стратегию организации перевозок во времени, на качественно новом уровне решить многие нестационарные задачи управления вагоно- и поездопотоками и является эффективным инструментом управления на ж.д. транспорте.

10. Разработана категория моделей и методов поддержки принятия решений при управлении транспортными системами, которая реализует современный подход к «интеллектуализации» информационных технологий и позволяет обеспечить решение трудноформализуемых задач в условиях их большой размерности и при неполных, нечетких и динамически меняющихся данных. Построена принципиально новая имитационная модель поддержки принятия решений, основанная на методах адаптации и обучения, распознавания и прогнозирования ситуаций, а также выборе информативных признаков. Обеспечено вхождение разработанной имитационной модели

органически совместимым элементом в существующую реляционную информационную среду ж.д. транспорта. Разработан алгоритм распознавания ситуаций, основанный на ортогональной структуре решающих правил и понятии «информационной точки», который достаточно полно учитывает специфику принятия решений при оперативном управлении транспортными системами. Разработанная категория моделей и методов поддержки принятия решений успешно использована при решении следующих задач: контроль погрузки по дорогам назначения и в затрудненные пункты выгрузки; контроль выполнения плана комплексной регулировки; выбор оптимальных комплексов регулировочных мероприятий при различных затруднениях в поездной работе на полигоне дороги и др. Результаты реализации показали универсальность и высокую эффективность построенных моделей и алгоритмов, а также подтвердили практическую целесообразность использования разработанной категории в системах поддержки принятия решений по оперативному управлению транспортными системами и производством.

11. Разработанные категории моделей и алгоритмов интегрированы в рамках системы «Электронная карта сети ж.д.», реализованной с помощью геоинформационных технологий, которая достаточно полно отражает состояние сети ж.д. России, стран СНГ и Балтии и имеет размерность свыше 9000 раздельных пунктов. Годовой экономический эффект от внедрения интегрированной системы моделей и методов оценивается в 27 млн. руб.

12. Работа может квалифицироваться как теоретическое обобщение и решение крупной научно-технической проблемы создания нового поколения моделей и алгоритмов функциональных задач управления транспортными системами и производством, имеющей важное хозяйственное значение для развития ж.д. транспорта страны.

Список наиболее важных работ по теме диссертации:

1. Кутыркин А.В., Лист Ф.Д., Шамцян Л.С., Информатизация железнодорожного транспорта: состояние, проблемы, перспективы. В кн. «Проблемы информатизации на железнодорожном транспорте». Под редакцией Кутыркина А.В.-М. «Транспорт», 1992., с.3-19.

2. Кутыркин А.В., Лист Ф.Д. и др., Концепция и программа информатизации железнодорожного транспорта России. В серии «Вычислительная техника и автоматизированные системы управления», ЦНИИТЭИ, выпуски 3 и 4, М., 1996,75с.

3 Кутыркин А.В., Поддавашкин Э.С., Шевцов Б.В., Приоритеты развития отрасли: Концепция информатизации железнодорожного транспорта, «Железнодорожный транспорт», N6,1996, с.20-27

4. Кутыркин А.В., Лист Ф.Д., Современная концепция информатизации железнодорожного транспорта, Тезисы докладов 2-ой международной научно-технической конференции «Актуальные проблемы развития железнодорожного транспорта», М, 1996, с.ЗО.

5. Кутыркин А.В., Регулярные модели и методы в системе организации вагонопотоков, в кн. «Проблемы информатизации на железнодорожном транспорте» под ред. Кутыркина А.В., М, «Транспорт», 1992, с.20-33.

6. Кутыркин А.В., Павловский А.А., Методы анализа системы организации вагонопотоков, основанные на построении регулярных моделей, «Математические модели и управление в технических и экономических системах», М., 1998, с.63-69.

7. Кутыркин А.В., Кадушин А.И., Декомпозиционный алгоритм регулирования порожних вагонопотоков в АСУЖТ, М., «Транспорт», «Вестник ВНИИЖТ», №6,1978.

8. Кутыркин А.В., Лист Ф.Д., Формирование информационной среды железнодорожного транспорта, М., «Автоматика, телемеханика и связь», №7,1996, с. 11-14.

9. Кутыркин А.В., Целялин В.Н., Построение алгоритмов обучения системы управления с учетом «неидеальности» учителя, Межвузовский сб. «Вопросы проектирования и эксплуатации АСУ на транспорте», Труды МИИТа, выпуск 601, М., 1978, с.62-76.

10. Кутыркин А.В., Синтез оптимальных алгоритмов распознавания аварийных ситуаций при неполной априорной информации, М., «Энергия», «Электричество», 1973, №3.

11. Кутыркин А.В., Лист Ф.Д., Вопросы интеллектуализации систем управления на железнодорожном транспорте, в кн. «Компьютерные технологии управления на железнодорожном транспорте», М., «Транспорт», 1995, с. 40-46.

12. Кутыркин А.В., Васильев В.И., Расчет оптимального плана формирования одногруппных поездов методом ветвей и границ, М., «Транспорт», «Вестник ВНИИЖТ», 1980, №7, с.49-54.

13. Кутыркин А.В., Алгоритмы оперативной корректировки плана формирования поездов, М., «Вестник ВНИИЖТ», 1983, №8, с.1-6.

14. Кутыркин А.В., Сотников Е.А., Левин Д.Ю., Васильев В.И., Методика организации вагонопотоков, М., «Транспорт», «Железнодорожный транспорт», 1982, №4, с. 13-17.

15. Кутыркин А.В., Оперативная корректировка плана формирования поездов «Пути совершенствования управления транспортом», Всес. научн.-техн. конф., 1985, тез. докл., Гомель, 1985, с.462-465.

16. Кутыркин А.В., Динамическая модель планирования и оперативного управления вагонопотоками, «Вестник ВНИИЖТ», 1981, №8, с.7-13.

17. Кутыркин А.В., Комплексная модель планирования и оперативного управления вагонопотоками, в кн. «Совершенствование эксплуатационной работы железных дорог», М., «Транспорт», 1985, с.68-77.

18. Кутыркин AJB., Павловский А.А., Проблема концентрации и перераспределения объемов сортировочной работы, «Вестник МИИТа», выпуск 1, М, 1998, с.27-34.

19. Кутыркин А.В., Построение имитационных моделей процессов принятия решений в АСУЖТ, «Вестник ВНИИЖТ» 1978, №3, с.59-63.

20. Кутыркин А.В., Кадушин А.И., Распределение погрузочного ресурса при слабоформализованных целях и критериях, Межвузовский сб. «Вопросы проектирования и эксплуатации АСУ на транспорте», Труды МИИТа, выпуск 601, М., 1978, с. 77-82.

21. Кутыркин А.В., Имитационная модель принятия решений по контролю и управлению перевозочным процессом в АСУЖТ, «Опыт создания и внедрения ОАСУ, АСУП и АСУТП на видах транспорта и перспективы развития АСУ для обеспечения координационной работы транспорта», Ленинград, 1976, с.236-239.

22. Кутыркин А.В., Лемешко В.Г., Выбор назначений повышенной транзитности при оперативной корректировке плана формирования поездов, в кн. «Компьютерные технологии управления на железнодорожном транспорте», М., «Транспорт», 1995, с.110-122.

23. Кутыркин А.В., Алгоритмы динамического управления перевозочным процессом, «Вестник ВНИИЖТ», 1981, №1, с. 15-19.

24. Кутыркин А.В., Динамическая модель организации вагонопотоков, «Проблемы автоматизации управления перевозочным процессом на железнодорожном транспорте», Харьков, 1982, с.65-68.

25. Кутыркин А.В., Кадушин А.И., Полиоптимизационная модель регулирования порожних вагонопотоков в АСУЖТ, Межвузовский сб.

«Применение математических методов и моделирования в АСУЖТ», Труды МИИТа, выпуск 637, М., 1979, с.33-40.

26. Кутыркин А.В., Организация производства: выбор решений, «Новые книги за рубежом», №8, М., «Мир», 1980, с.131-134.

27. Кутыркин А.В., Михайлов В.В., Шишкин В.Н., Алгоритм распознавания аварийных ситуаций, «Энергия», «Электричество», №4,1971, с. 29-34.

28. Кутыркин А.В., Васильев В.И., Синтез алгоритма распознавания ситуаций при оперативном управлении перевозочным процессом, Межвузовский сб. «Применение математических методов и моделирования в АСУЖТ», Труды МИИТа, выпуск 637, М., 1979, с.25-33.

29. Кутыркин AJ3., Целяпин BJH., Управление перевозочным процессом в системе «Дорожный диспетчер», «Железнодорожный транспорт», 1979, Jfell,c.20-24.

30. Кутыркин А.В., Васильев В.И., Алгоритм принятия решений по оперативному управлению перевозочным процессом при ортогональной структуре решающих правил, «Вестник ВНИИЖТ», 1979, №4, с. 59-62.

3L Кутыркин А.В., Целяпин В.Н., Управление поездной работой на полигоне (Дорожный диспетчер), в кн. «Вопросы совершенствования управления эксплуатационной работой магистрального и промышленного ж.д. транспорта», Труды МИИТа, выпуск 734, М., 1983, с.84-86.

32. Кутыркин A3., Павловский А.А., Разработка алгоритмов распознавания ситуаций в перевозочном процессе, требующих проведения оперативной корректировки плана формирования, «Математические модели управления в технических и экономических системах», М., 1998, с.59-63.

33. Кутыркин AJB., Выбор маршрутов следования корреспонденции транспортных потоков, в кн. «Проблемы информатизации на ж.д. транспорте», под ред. Кутыркина А.В., М., «Транспорт», 1992, с.33-53.

34. Кутыркин А.В., Информационные технологии: концентрация сортировочной работы в новых условиях, «Железнодорожный транспорт», 1997, №2,с. 14-18.

35. Кутыркин А.В., Павловский А.А., Оптимальное управление вагонопотоками в условиях нечетких исходных данных, «Наука и техника транспорта», 2003, №3, с. 40-53.

36. Кутыркин А.В. Модели и методы разработки крупномасштабных предметных областей управления транспортными системами и производством: Монография. - М.: Изд-во МИИТ, 2004.- 148 с.

КУТЫРКИН Александр Васильевич

РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ РЕШЕНИЯ

ФУНКЦИОНАЛЬНЫХ ЗАДАЧ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ СИСТЕМАМИ И ПРОИЗВОДСТВОМ

05.22.01 - Транспортные и транспортно-технологические системы страны, ее регионов и городов, организация производства на транспорте

Подписано в печать: 08.04.2004г. Формат 60 х 84'/16 Объем 3.0 пл._Заказ № 239 Тираж 100 экз.

127994, Москва, ул. Образцова, 15. Типография МИИТа

Оглавление автор диссертации — доктора технических наук Кутыркин, Александр Васильевич

ВВЕДЕНИЕ

ГЛАВА 1. СИСТЕМОЛОГИЧЕСКИЙ ПОДХОД К РАЗРАБОТКЕ КРУПНОМАСШТАБНЫХ ПРЕДМЕТНЫХ ОБЛАСТЕЙ УПРАВЛЕНИЯ (НА ПРИМЕРЕ Ж.Д. ТРАНСПОРТА)

1.1. Состояние проблемы в условиях информатизации ж.д. транспорта

1.2. Концептуальные требования к системологическому подходу

1.3. Архитектурная концепция системологического подхода 25 1.4: Формирование метамодельного уровня

1.5. Классификация образующих ММ по группам родственных абстракций (комплексам и категориям)

1.6. Формирование категорий методологических решений (моделей и методов)

1.7. Выводы

ГЛАВА 2. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ВЫБОРА ОПТИМАЛЬНОЙ СТРУКТУРЫ УПРАВЛЕНИЯ

2.1. Постановка проблемной задачи

2.2.Разработка математической модели выбора оптимальной структуры управления

2.3.Анализ существующих методов выбора оптимальной структуры управления

2.4. Разработка алгоритма автоматической классификации

2.5.Разработка алгоритма выбора оптимальной структуры управления, основанного на потоковых построениях

2.6. Разработка алгоритмов потоковой оптимизации, основанных на агрегации информации

2.7. Выводы

ГЛАВА 3. КАТЕГОРИЯ РЕГУЛЯРНЫХ МАКРОМОДЕЛЕЙ И МЕТОДОВ УПРАВЛЕНИЯ

3; 1. Постановка проблемной задачи 90 ■

3.2. Разработка регулярных макромоделей управления вагонопотоками

3.3. Потоковые построения и преобразования регулярной модели

3.4. Методы анализа системы организации вагонопотоков, основанные на регулярных макромоделях

3.5. Выводы

ГЛАВА 4: КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ВЫБОРА

МАРШРУТОВ СЛЕДОВАНИЯ ТРАНСПОРТНЫХ ПОТОКОВ

4.1. Постановка проблемной задачи

4.2. Системный анализ задачи выбора маршрутов

4.3. Разработка математических моделей выбора маршрутов следования

4.4. Разработка алгоритмов выбора маршрутов следования

4.5. Выводы

ГЛАВА 5. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ РАСПРЕДЕЛЕНИЯ

РЕСУРСОВ В ИЕРАРХИЧЕСКИХ ТРАНСПОРТНЫХ СИСТЕМАХ

5.1. Постановка проблемной задачи

5.2. Декомпозиционная модель и алгоритм распределения погрузочных ресурсов

5.3. Полиоптимизационная модель и алгоритм распределения погрузочных ресурсов

5.4.Модели и методы перераспределения погрузочных ресурсов в условиях слабоформализованных целей и критериев

5.5. Выводы

ГЛАВА 6. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ВЫБОРА

ОПТИМАЛЬНОГО ПЛАНА ФОРМИРОВАНИЯ

6.1. Постановка проблемной задачи

6.2. Разработка математической модели выбора оптимального плана формирования

6.3. Разработка алгоритма выбора оптимального плана формирования, основанного на методе ветвей и границ

6.4. Модели и методы выбора оптимального плана формирования в условиях нечетких исходных данных

6.5. Выводы

ГЛАВА 7. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ОПТИМИЗАЦИИ СТРУКТУРЫ СОРТИРОВОЧНОЙ РАБОТЫ НА ТРАНСПОРТНОЙ СЕТИ!

7.1. Постановка проблемной задачи

7.2. Разработка математической модели оперативной корректировки

7.3. Разработка алгоритмов оперативной корректировки

7.4. Распознавание ситуаций затруднений, требующих оперативной корректировки

7.5. Выводы:

ГЛАВА 8. КАТЕГОРИЯ ДИНАМИЧЕСКИХ МОДЕЛЕЙ И МЕТОДОВ

УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ ПОТОКАМИ

8.1. Постановка проблемной задачи

8.2. Разработка обобщенной динамической модели управления транспортными потоками

8.3. Разработка методов векторной оптимизации динамических транспортных потоков

8.4. Анализ эффекта от учёта динамики при управлении транспортными потоками

8.5. Выводы

ГЛАВА 9. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ТРАНСПОРТНЫМИ

СИСТЕМАМИ

9.1. Постановка проблемной задачи

9.2. Разработка имитационной модели поддержки принятия решений по управлению транспортными системами

9.3. Разработка алгоритма распознавания ситуаций при управлении транспортными системами 9.4. Функционирование имитационной модели в режиме «совета» 325 V71 9.5. Построение имитационной модели задачи контроля погрузки по дорогам назначения и в затрудненные пункты выгрузки

9.6. Синтез модели и алгоритмов распознавания ситуаций при ортогональной структуре решающих правил

9.7. Выводы

Введение 2004 год, диссертация по транспорту, Кутыркин, Александр Васильевич

Актуальность темы: Решающая роль в стратегии развития ж.д. транспорта России в условиях проводимых радикальных экономических реформ; принадлежит процессу информатизации, обеспечивающему необходимой и достоверной информацией все сферы управления транспортными; системами и производством. Для решения принципиальных: научных, технических: и организационных проблем, возникающих в ходе этого процесса, разработаны Концепция и программа информатизации, которые утверждены< решением расширенной коллегии« МПС №5 от 28 февраля: 1996 года. Данными основополагающими документами установлено, что реализация процесса: информатизации в новых условиях должна осуществляться с помощью информационных технологий, центральными и действительно сложными элементами которых являются модели, методы и алгоритмы, на? основе которых принимаются управляющие решения. Поэтому успешную информатизацию, а следовательно и решение проблемы реформирования ж.д. транспорта, невозможно осуществить без создания и совершенствования развитого наукоемкого комплекса формальных моделей; прикладных методов и эффективных алгоритмов управления; транспортными системами, т производством:

В настоящее время в области? моделирования * и: алгоритмизации систем управления на ж.д. транспорте имеются фундаментальные теоретические исследования, выполненные АЛ. Петровым, К.А.Бернгардом,. Б.АЛёвиным, Л.А.Барановым, Е.М.Тишкиным, ЛЛ.Тулуповым, В.А.Шаровым, В.Г.Шубко,

A.Я;Калиниченко, Е.А.Сотниковым, В;А.Буяновым, П.А.Козловым, Т.А.Тибиловым, Ю.В.Дьяковым,. В.В.Виноградовым, А.А.Воробьевым,

B.Ю.Гореликом, Е.В; Архангельским, А.В.Горским, В.И.Гал аховым, А.Ф.Бородиным, Н.Д.Иловайским, В.П.Феоктистовым, В.И.Некрашевичем, М:М.Болотиным,С.В.Дуваляном; И.К.Лакиным, В.К.Буяновой; В.И.Ковалевым, А.Т.Осьмининым, А.А.Аветикяном, В.М.'Акулиничевым,, А.М:Макарочкиным; Ф.П.Кочневым, Ф.С.Гоманковым; В.А.Кудрявцевым и многими другими.

Вместе с тем, анализ современных условий функционирования» ж.д. транспорта показывает, что возникает ряд новых проблем, для которых, разработанный' ранее методологический инструментарий оказался плохо приспособленным, и требуется; создание нового поколения моделей: и методов управления транспортными системами и производством. Очевидно, что реализация управляющих решений; принятых на основе неадекватных моделей и методов, может привести к тяжелым последствиям, а; возникшую проблему управления', нельзя решить, даже за счет большого количества информации, пока не будут разработаны- адекватная- модель и метод. Сегодня на ж.д. транспорте наблюдается! значительный разрыв между громадными: возможностями имеющихся; компьютеров и> применяемыми машинными« алгоритмами решения? прикладных задач управления. Поэтому Концепция информатизация ж.д. транспорта требует не только обеспечения информацией существующих функциональных, задач управления, но и постоянную разработку принципиально новых более адекватных и эффективных моделей, методов и алгоритмов, позволяющих повысить обоснованность, качество ш своевременность принимаемых управляющих решений. При разработке моделей и методов нового поколения возникает ряд проблем, требующих первоочередного решения.

Центральной проблемой являются трудности: построения глобальной модели управления для такой крупномасштабной системы, какой является ж.д. транспорт. Эти трудности вызваны огромным размером такого моделирования, наличием большого числа противоречивых или плохо совместимых целей- и ограничений, отсутствием лаконичных и выразительных моделей и не могут быть разрешены на базе старых: подходов и методов, которые разобщенно рассматривают вопросы моделирования в устоявшихся предметных областях управления с помощью традиционных видов математических моделей. Поэтому в условиях коренных, реформ необходимо создание развитой' методологии» формирования; органически целостного- комплекса взаимосвязанных и взаимодополняющих категорий моделей и методов управления нового поколения, обеспечивающих адаптацию управляющей системы» к изменившимся целям! функционирования ж.д. транспорта. Разнородность, формируемых категорий; требует создания? единого универсального языка описания знаний о различных моделях и методах управления.

Особой проблемой, связанной с адаптацией управляющей системы к изменившимся условиям г ш требующей ? обязательного решения при . разработке нового поколения моделей и методов; управления, являются вопросы совершенствования структуры этой системы. Выбор оптимальных структур управления транспортными системами и производством является сложной научной, задачей, для которой в настоящее время« отсутствуют адекватные модели и методы решения. Эффективным подходом? к ее решению, позволяющим лучше адаптироваться к конъюнктуре перевозок, является разработка многоуровневых иерархических структур управления, путем оптимальной; декомпозиции транспортной сети на полигоны. С проблемой совершенствования структур управления? тесно связана проблема; создания; структурно-ориентированных методов оптимизации управляющих решений.

Принципиально новой проблемой при- формировании более адекватного поколения моделей и методов является отсутствие методологического инструментария компактного и наглядного макроуровневого моделирования, позволяющего давать единое описание и представление интегральных характеристик всей- системы управления потоками? на транспортной или производственной сети: Особую значимость разработка такой макромодели имеет для целей аналитического исследования системы организации вагонопотоков, обладающей слабыми: возможностями по анализу, из-за сложного комбинаторного характера и огромной размерности решаемых задач, которая оценивается « 2300 допустимых вариантов решения.

Исключительно важной проблемой; возникающей в условиях экономических реформ, является резкое повышение роли субъективного фактора в процессе принятия управляющих решений. В этих условиях многие актуальные задачи * управления возникают в сложных контекстах социальных, экономических ш технических явлений, относятся к слабо - формализуемым и-могут быть реализованы только с помощью интеллектуального вмешательства человека. Необходимость учета; человеческого фактора с его уникальными возможностями классифицировать ситуации, вырабатывать цели, стратегии и: методы их достижения в условиях неопределенности, оперировать неполной: и неоднозначной информацией существенно усложняет математическое описание задач управления транспортными: системами; и производством: Поэтому в ситуациях; носящих субъективный! характер иг трудно; поддающихся формализации с помощью традиционных методов исследования операций, на передний план выдвигается разработка моделей и методов поддержки принятия управляющих решений. Такие ситуации; возникают при выборе маршрутов следования в условиях, когда только учет слабоформализуемых факторов! позволяет выбрать маршруты следования; транспортных потоков, удовлетворяющие всем требованиям лица, принимающего решения (ЛПР). Роль» человеческого фактора особенно велика: в системах оперативного диспетчерского управления, задачах распределения: и перераспределения погрузочных ресурсов и многих др. задачах управления. Разработанные в, данной работе модели; и алгоритмы поддержки принятия решений основаны на методах теории полезности, штрафных и барьерных функций, распознавания и прогнозирования ситуаций- и сцен и др. теориях; их отличает большая интеллектуальная составляющая; предполагающая непосредственное участие ЛПР в процессе выработки управляющих решений.

Значительной; проблемой является: разработка адекватных моделей и методов дискретной комбинаторной« оптимизации, поскольку в условиях экономических реформ повышается роль именно дискретных задач управления транспортными системами и производством. Важность данной? проблемы объясняется усилением требований к качеству и оперативности решения тех многочисленных задач управления, которым; в наибольшей степени» соответствует математика дискретных множеств или множеств, изменяющихся: в дискретные моменты времени. Среди дискретных задач управления, рассматриваемых в. данной работе, следует отметить задачи; выбора и оперативной корректировки плана формирования,, концентрации и перераспределения сортировочной работы, динамического управления вагонопотоками, выбора маршрутов следования вагоно-и поездопотоков и др. Сложность решения указанных задач; связана с тем, что многие из них относятся к «универсальным переборным задачам», для которых в настоящее время: отсутствуют эффективные методы и алгоритмы решения. Основная проблема решения; дискретных задач управления усугубляется четырьмя: дополнительными проблемами. Во-первых, многие рассматриваемые задачи являются многокритериальными, что существенно? усложняет поиск оптимального решения, т.к. требуется определить некоторый компромиссный результат, который в общем случае не является оптимальным ни по > одному критерию. Во-вторых, необходимо принимать во внимание существенно нелинейный характер ряда параметров решаемых задач управления, что позволит построить адекватные модели и методы, учитывающие, реальные возможности различных элементов транспортной сети по пропуску ш переработке вагоно- и поездопотоков. В-третьих, переменные условия функционирования ж. д. сети потребовали разработки адекватных динамических моделей; учитывающих нестационарный; характер решаемых дискретных задач управления. В-четвертых, сложность настоящего этапа реформирования ж.д. транспорта, трудность идентификации основных параметров новых задач управления и др. причины приводят к необходимости выработки управляющих решений на основе неточных, приблизительных и так называемых «нечетких» исходных данных,, для которых достаточно лишь указать их возможные значения5 относительно некоторого интервала достоверности.

Большая практическая значимость изложенных выше проблем обусловливает высокую актуальность выбранной темы и позволяет сформировать цель исследования.

Цель исследования: Основной целью настоящего исследования является создание и реализация • методологии и? соответствующего методологического инструментария разработки; нового поколения моделей и методов, которым предназначено обеспечить решение проблем управления, возникающих в условиях коренного реформирования и широкой информатизации ж.д. транспорта: Для достижения основной цели в диссертации также установлены подцели исследования; связанные с определением функциональных требований к управлению, выбором наиболее актуальных и принципиально новых функциональных задач управления, формированием и разработкой сложных и наукоемких категорий моделей и методов решения выбранных задач, а также их алгоритмической и программной реализацией на^ единой интегрированной информационной основе.

Методика исследования:: Общий методический подход к достижению цели исследования заключается в использовании структурного анализа больших систем. В зависимости от конкретных подцелей и задач исследования также использовался следующий методологический инструментарий: моделирование и алгоритмизация транспортных систем и производств; математическое моделирование с помощью графов и* сетей; дискретная комбинаторная оптимизация; методы представления и обработки знаний; теория вероятностей; теория нечетких множеств; методы адаптации, обучения; распознавания и прогнозирования ситуаций; многокритериальная оптимизация; теория ; многоуровневых иерархических систем г управления; методы регуляризации; линейное и нелинейное программирование; автоматическая» классификация; методы распределения ресурсов;: теория баз данных; методы поддержки принятия решений и др.

Научная новизна: В диссертации? исследован теоретический! подход к разработке нового поколения моделей, методов и алгоритмов решения функциональных задач управления 'гранспортными системами и производством, содержащий следующие впервые полученные научные результаты:

I. Двухуровневую архитектуру Концепции информатизации ж.д. транспорта России, которая включает в; рассмотрение обеспечивающий! уровень, состоящий I из информационной среды и инфраструктуры информатизации, и прикладной уровень информационных технологий. Центральными и действительно сложными элементами этих технологий являются модели, методы и алгоритмы решения функциональных задач управления.

П* Системологический подход к разработке функциональных задач управления для крупномасштабных транспортных систем; и производств, базирующийся; на архитектурной концепции, двухмерной параллельной системе классификации используемого методологического инструментария; формировании категорий моделей и методов и универсальной фреймовой структуре для описания и использования знаний о модельных представлениях и; методах работы с ними. Принципиальная новизна данного подхода заключается в том, что в качестве объекта исследования выступают не отдельные конкретные модели, а соответствующие классы — категории, которые могут интегрировать большое количество моделей с противоречивыми; нечеткими или плохо совместимыми требованиями и ограничениями, а также учитывать современные тенденции в развитии; «традиционных моделей».

III. Нижеперечисленные сложные и наукоемкие категории моделей, методов и алгоритмов (с детализацией их научной новизны):

1. Выбора оптимальной структуры управления (модель, основанная на декомпозиции, исходной' транспортной сети на непересекающиеся; подсети меньшей размерности; приближенный алгоритм декомпозиции, требующий для своей реализации построения минимального остовного дерева; теоретически обоснованный! эффективный алгоритм декомпозиции, использующий) понятие окрестности вершины графа и потоковые преобразования; теоремы агрегирования, носящие конструктивный характер и позволяющие существенно понизить размерность исходной задачи выбора; оптимальной- структуры, а также построить эффективный алгоритм поиска максимального потока в сети).

2. Регулярных макромоделей и методов управления (способ компактного и наглядного представления комбинаторных транспортных задач большой размерности с помощью методов; регуляризации решетками исходной транспортной или производственной сети; «алгоритм половинной нумерации», обеспечивающий свойство строгого упорядочения=номеров опорных элементов в определенных направлениях сети; макромодель системы организации вагонопотоков; приближенное выражение целевой функции, задачи выбора оптимального плана формирования, в котором отсутствуют трудности комбинаторного характера, что обеспечивает проведение: ряда аналитических исследований).

3. Выбора маршрутов следования корреспонденции транспортных потоков (необходимое условие локализации различных частей корреспонденции* на одном маршруте; модели и алгоритмы, учитывающие с помощью инструмента штрафных и барьерных функций дополнительные субъективные ограничения ЛПР, а также технологические ограничения на загрузку элементов сети; как при условии обязательного сосредоточения одной корреспонденции на одном маршруте, так и без него).

4. Распределения ресурсов в иерархических транспортных системах (двухуровневая иерархическая модель задачи? распределения погрузочных ресурсов и декомпозиционный? алгоритм ее решения; многокритериальная модель задачи комплексного регулирования погрузочными ресурсами и эффективный алгоритм ее оптимизации, который' представляет собой некоторую 5 комбинацию «метода ограничений» и «метода свертки»; модели и алгоритмы перераспределения погрузочного ресурса в условиях его дефицита и при множестве слабоформализованных целей и критериев).

5. Выбора» оптимального? плана формирования; (модель выбора оптимального плана формирования с учетом ограничений на число путей и перерабатывающие способности: станций, которая представляет собой двойственную к классическим подходам: задачу оптимизации нелинейной целевой функции на дискретном множестве решений комбинаторного типа; общий алгоритм оптимизации, основанный на методе ветвей и границ и построении верхних ш нижних границ целевой функции и* ограничений, который обеспечивает плану «устойчивость в малом»; частные алгоритмы, позволяющие улучшить временную т емкостную сложность вычислений; обобщение разработанных моделей и алгоритмов на случай нечеткой информации).

6. Оптимизации структуры сортировочной< работы, (многокритериальная модель и универсальный алгоритм оперативной корректировки плана формирования, основанные на выделении потокозависимых станций и эквивалентных потоковых преобразованиях; алгоритм распознавания ситуаций, требующих оперативной корректировки; модели и алгоритмы оперативной корректировки специального вида, предназначенные для выделения сверхдальних магистральных назначений и снижения уровня «угловых потоков»; модель концентрации и перераспределения сортировочной работы, представленная как трехэтапная задача оптимизации, и алгоритм ее решения).

7. Динамических моделей:и методов управления транспортными потоками (динамическая модель, управления с лексикографически упорядоченными критериями оптимизации и весами, заданными с помощью вектор-функций; эффективные алгоритмы оптимизации, основанные на топологическом свойстве ацикличности «расширенной во времени» исходной сети; понятие «эффекта от учета динамики», определяемого с помощью двухкомпонентного вектора; и его анализ; частные модели и алгоритмы для перспективных областей применения динамического потока на ж.д. транспорте).

8. Поддержки = принятия решений! при управлении транспортными системами (методологический подход к «интеллектуализации» информационных технологий на ж.д. транспорте; имитационная модель поддержки принятия, решений, основанная на методах адаптации и= обучения, распознавания ситуаций и выборе информативных признаков; анализ влияния и способы компенсации «неидеальности» реального учителя на процесс обучения имитационной модели; алгоритм распознавания ситуаций, основанный на ортогональной структуре решающих правил и понятии «информационной точки»; подход к выбору наиболее информативных признаков для распознавания ситуаций; использующий понятие «ценности информации»).

Практическая ценность исследования состоит в создании научно обоснованного подхода к разработке нового поколения моделей и методов управления транспортными системами в современных условиях реформирования и широкой«информатизации: ж.д. транспорта. Его реализация позволяет построить более адекватные и принципиально новые модели и; высокоэффективные: методы и алгоритмы, являющиеся органической, составной частью перспективных информационных технологий управления. Практическое использование предложенного подхода обеспечивает: создание новых информационных технологий, удовлетворяющих условиям открытости, гибкости и адаптируемости к изменяющимся условиям функционирования транспортных, систем; высокую скорость разработки и развития комплекса моделей и методов; интеграцию существующих и вновь разрабатываемых моделей и методов управления в соответствующих категориях, что позволяет осуществить важнейший принцип проектирования информационных технологий, заключающийся в однократности любой разработки: и многократности и многоаспектности ее использования. Внедрение исследования позволяет: существенно улучшить эффективность использования ресурсов, участвующих в транспортном процессе, путем повышения транзитности вагонопотоков и уменьшения числа нерациональных их переработок, сокращения? порожнего пробега и ускорения доставки грузов, усиления ритмичности, снабжения грузами получателей' и погрузочными! ресурсами грузоотправителей;и, как следствие такого улучшения, высвободить, часть,ресурсов для дополнительных перевозок; повысить качество управления транспортными системами за счет детальности, точности? и оперативности выработки управляющих решений; обеспечить принятие мер упреждающего управления для ликвидации прогнозируемых затруднений в работе транспортных систем. Практическую значимость выполненного исследования: усиливает универсальность ряда разработанных категорий моделей и методов, позволяющая их использовать при создании систем управления производством.

Реализация работы: Результаты исследования использовались при разработке ряда документов государственного и отраслевого значения, важнейшими из которых являются следующие: «Общегосударственная Концепция и программа: информатизации общества (раздел ж.д. транспорт)»; «Программа создания новых интеллектуальных информационных технологий на: ж.д. транспорте», выполненная; по заданию ГКВТИ (№ ЦША-2/176 от 20.08.90 г.); «Концепция и программа информатизации ж.д. транспорта России», утвержденные решением расширенной Коллегии МПС 28.02.96 г. Указанные документы явились основой для реализации: процесса информатизации на ж.д. транспорте, а годовой экономический эффект от их внедрения оценивается в 1.93-2.25 млрд. руб. Разработанные в диссертации методические положения и; архитектурные решения вошли также в утвержденные МПС методики, ТЗ и ТП, в числе которых следует отметить: «Системный проект информационной системы ж.д. транспорта» (10.00.76/95.00.00. № 29 от 29.01.96 г.); ТЗ и ТП «Автоматизированная система^ для управления? грузовыми перевозками с распределенным банком данных о поездах, вагонах и грузах»; ТЗ и ТП «Информационная среда для обеспечения функционирования новых информационных технологий» (04704353.19300.001 ТЗ и П6); «Технические требования к ГИС ж.д. транспорта» и др.

Диссертационное исследование также реализовано в многочисленных прикладных разработках и приложениях, из которых перечислим только наиболее значимые. Во-первых,, модели и методы поддержки принятия решений, выбора структуры: управления и распределения ресурсов получили применение при создании управляющего режима диалоговой системы контроля и управления работой сети ж.д. (ДИСКОР), внедренной в промышленную эксплуатацию (приказ МПС № А-20528, годовой экономический: эффект от внедрения составляет около 13.9 млн. руб.). Во-вторых, результаты исследования, связанные с выбором маршрутов следования, оптимизацией структуры сортировочной работы и выбором плана формирования использовались при: реализации комплексной программы перспективного развития и размещения сети сортировочных станций (целевая программа № П-23302); проведении по заданию МПС и ряда дорог расчетов, связанных с оперативной корректировкой плана формирования и маршрутов следования вагонопотоков; выборе сверхдальних магистральных назначений; снижению уровня «угловых потоков», концентрации и перераспределению сортировочной работы в условиях сильного спада объема перевозок (годовой экономический эффект от реализации только одного локального варианта концентрации и перераспределения составляет несколько i сотен тысяч рублей). В-третьих, разработанные модели и алгоритмы; интегрированы bs рамках геоинформационной системы «Электронная карта», которая отражает состояние сети ж.д. России, стран СНГ и Балтии (свыше 9 тыс. раздельных пунктов), и в настоящее время используется в нескольких департаментах и диспетчерском; центре МПС, установлена у руководства МПС (всего 37 рабочих мест), эксплуатируется в рамках КИВС МПС и ПКБ ГПУ МПС, а в сфере производства нашла применение в ERP-проекте МПС для управления материальными, финансовыми, трудовыми и, др. видами ресурсов- (годовой экономический эффект оценивается в 27 млн. руб.).

Апробация; работы: Материалы исследования и результаты работы докладывались, рассматривались и; получили одобрение на следующих конференциях, заседаниях и совещаниях: Всесоюзной научно-технической конференции «Опыт создания и внедрения i О АСУ,. АСУП и АСУТП на видах транспорта и перспективы развития АСУ для обеспечения ; координированной работы транспорта» (Ленинград, 1976 г.); Всесоюзном научно-техническом семинаре «Пути повышения надежности АСУ» (МДНТП, 1980 г.); V-om совместном; цикле расширенных заседаний научно-исследовательских семинаров по дискретной математике (ЮНЦ АН УССР) и по графам и гиперграфам (АН МССР КГУ) под преде. проф.А.А. Зыкова (Одесса, 1981 г.); Всесоюзной научно-технической < конференции «Проблемы автоматизации управления перевозочным процессом» (Харьков, 1982 г.); Всесоюзной научно-технической конференции «Пути совершенствования перевозочного процесса и управления транспортом» (Гомель, 1985г.); П-ой международной научно-технической конференции «Актуальные проблемы развития ж.д. транспорта» (Москва, 1996 г.); заседаниях Коллегии МПС РФ (№6 от 22.03.95 г. и расширенном заседании 28.02.1996 г., посвященном проблеме информатизации ж.д. транспорта); совместном заседании комиссий по вычислительной технике и автоматизации и эксплуатации НТС МПС под преде, проф. К.А. Бернгарда (протокол от 20.10.81г.); совместном заседании секций «Управление перевозочным процессом» и «Автоматика, связь и вычислительная техника» НТС МПС (протокол от 29.04.86 г.); сетевом совещании по организации вагонопотоков (Москва, 1983 г.); научно-технических советах отделений «Вычислительной техники», «Управления перевозочным процессом», «Общесетевых вопросов» (ВНИИЖТ, 1980-1987 г.г.) и «Автоматизированных систем управления» (ВНИИЖА, 1988-1995 г.г.); заседаниях кафедры АСУ МИИТа (1974 г. — н. вр.); сетевых научно-технических совещаниях начальников и главных инженеров служб перевозок (Голицино, 1996-1999 г.г.). Интегрированная система «Электронная карта» представлялась на выставках «ЭкспоТранс 99», «ЭкспоЖд», «Корпоративные сети и системы: связи 2000», «Международная транспортная 2000» и была удостоена золотой медали Всероссийского выставочного центра (ВВЦ), а диссертант — присвоения звания «Лауреат ВВЦ».

Работа квалифицируется как теоретическое обобщение и решение крупной научно-технической проблемы создания; нового поколения моделей и алгоритмов функциональных задач управления транспортными системами и* производством, имеющей важное хозяйственное значение для развития ж.д. транспорта страны.

Заключение диссертация на тему "Разработка моделей и алгоритмов решения функциональных задач управления транспортными системами и производством"

9.7. Выводы

1. Только в немногих случаях принятие решений по управлению транспортной или производственной системой удается: описать, простыми математическими моделями, для которых эффективны традиционные аналитические методы исследования операций. Важным направлением; решения этой проблемы является построение моделей и методов поддержки-принятия решений, которые реализуют современный подход к «интеллектуализации» информационных технологий, позволяющий обеспечить решение трудноформализуемых задач в условиях их большой размерности и при неполных, нечетких и динамически меняющихся данных. Особый интерес имеет применение моделей и методов поддержки принятия решений в тех предметных областях, где решения: принимаются на основе эвристик и обработки концептуальной информации.

2.- Работы по проблеме «интеллектуализации» информационных технологий на ж.д.-транспорте России предлагается вести в направлении создания систем поддержки принятия решений (СППР) в областях нормативного и оперативного управления транспортными потоками; При этом предпочтение отдается разработке СППР для проблемных задач системы организации вагонопотоков и диспетчерского управления поездной и грузовой работой, вагонными и локомотивными парками и другими видами ресурсов. В первую очередь разработку СППР необходимо осуществить для многочисленного диспетчерского аппарата разного уровня, и назначения, которому предстоит функционировать в условиях АРМ. СППР в области диспетчерского управления должны уметь прогнозировать и распознавать ситуацию затруднения, определять последствия данной ситуации и локализовать зону ее влияния, а также формировать план ликвидации затруднения. Большинство реальных задач нормативного управления транспортными потоками возникают в сложных контекстах социальных и физических явлений, которые имеют большую размерность, носят ярко выраженный комбинаторный характер и не имеют четких алгоритмических решений. Реализация интеллектуальной составляющей в сфере нормативного управления предлагается осуществить посредством использования знаний при поиске в пространстве возможностей с целью получения искомого плана.

3. Научная новизна при реализации интеллектуальной поддержки нормативного управления транспортными потоками состоит в использовании высокоэффективных эвристических процедур поиска решений комбинаторных задач большой размерности. Принципиальная научная новизна при создании СППР для оперативного управления транспортными потоками заключается в отказе от использования имеющихся оболочек экспертных систем и разработке собственной, более адекватной рассматриваемому процессу принятия решений, имитационной модели принятия решений, основанной на методах адаптации и обучения, распознавания и прогнозирования ситуаций и сцен, а также выборе информативных признаков для распознавания. Современная структура процесса принятия решений по оперативному диспетчерскому управлению транспортными потоками предполагает интерактивный подход к управлению и обусловливает необходимость, разработки модели, имитирующей этот процесс. В данной работе впервые разрабатываются и связываются теоретические вопросы синтеза и оценки эффективности функционирования имитационной модели с практическими оптимальными решениями и рекомендациями по ее проектированию. В ней также рассматриваются различные методы построения частных математических моделей, обеспечивающих возможность синтеза и оценки эффективности имитационных моделей принятия решений.

4. Разработанная: имитационная модель представляет собой «дружественный интерфейс» между пользователем (ЛПР) и динамическими базами данных, в которых отображаются состояния рассматриваемых технологических процессов, и является дальнейшим развитием концепции интегрированных баз данных. Такой подход обеспечивает вхождение предлагаемой имитационной модели полностью совместимым элементом в существующую информационную среду ж.д. транспорта. Установлено взаимодействие разработанной имитационной модели с системами «ДИСКОР» и«ДИСПАРК»и определены основные режимы этой модели.

5. Для создания имитационной модели предлагается ситуационный подход, основанный на синтезе решающих правил (алгоритмов классификации ситуаций) путем обучения модели учителем — ЛПР на обучающей выборке, представленной авторитетными решениями; — прецедентами; После обучения решающие правила подсказывают ЛПР выводы о том, какое из альтернативных решений является предпочтительнее, и придают СППР черты искусственного интеллекта. Разработанная модель имеет существенное отличие от семиотических моделей ситуационного управления; основанных на лингвистических принципах, которые не позволяют в полной мере использовать существующую информационную среду, представленную базами и хранилищами данных.

6. Обучающую выборку, необходимую для построения имитационной модели, удобно представить в виде двухмерных таблиц соответствия: или отношений между ситуациями и принятыми решениями. Таблицы соответствия в неявном виде содержат цели и ограничения управления, а их структура отвечает требованиям реляционной модели данных. Выбранные критерии обучения минимизируют средний риск принятия решений^ и базируются на теории оптимальных статистических решений. Задача синтеза, по выбранным критериям решающих правил ставится; как в смысле полного синтеза, так и частичного, когда выбирается известная структура решающих правил и производится оптимизация - основных ее параметров. Разработанный алгоритм распознавания ситуаций затруднений, основанный на ортогональной структуре решающих правил и понятии «информационной точки», достаточно полно учитывает специфику принятия решений при оперативном управлении транспортными потоками.

7. При построении имитационной модели необходимо, по возможности, ограничить число используемых при: принятии решений признаков. Разработанный; подход к выбору наиболее информативных признаков при распознавании ситуаций основан на понятии «ценности информации»,, которую несут совокупность признаков. Установлено, что практические задачи принятия решений характеризуются неполными объемами: априорной информации и самыми разнообразными способами ее задания. Предлагается преодолеть недостаток априорной информации; с помощью алгоритмов адаптации и обучения, а также путем использрвания игрового подхода, основанного на минимаксном правиле выбора решения.

8. В* процессе своей: деятельности ЛПР нередко принимает некачественные решения; которые в дальнейшем используются в процессе обучения. Эти решения «закладываются» в свойства системы» и ведут к нежелательным последствиям в будущих ситуациях выбора. В связи с «неидеальностью» реального учителя возникает задача исследования, влияния этой неидеальности на процесс обучения путем вероятностного компьютерного моделирования. Выполненные исследования для трех алгоритмов (потенциальных функций, Зигерта-Котельникова и линейного классификатора) позволили дать рекомендации об области применения данных алгоритмов и способах компенсации неидеальности реального учителя, основанных на проведении вторичного цикла обучения и использовании результатов первичного экзамена.

9. После обучения имитационная модель способна функционировать не только в режиме «совета», но и позволяет ЛПР вести упреждающее управление с помощью прогнозирования на модели результатов принятия управляющих решений. Модели и алгоритмы построения и использования имитационной модели реализованы в виде комплексов программных модулей «1МГГАС». Разработанное методическое и программное обеспечение успешно использовалось для задач «Контроль погрузки по дорогам назначения и в затрудненные пункты выгрузки» и «Контроль выполнения плана комплексной регулировки» и показало свою универсальность и высокую эффективность.

10. Реализация имитационных моделей поддержки принятия решений в системах оперативного диспетчерского управления рассмотрено на примере задачи «Выбор оптимальных комплексов регулировочных мероприятий (РМ) при различных затруднениях в поездной работе на полигоне дороги», решаемой дорожным диспетчером (ДГП). Выполненный системный анализ данной задачи позволил провести классификацию РМ, применяющихся для устранения и: «смягчения» затруднений, а также разработать архитектуру системы «Дорожный диспетчер», обеспечивающей поддержку процесса принятия управляющих решений ДГП. Основу разрабатываемой системы составляет имитационная модель выбора оптимального комплекса РМ. Разработка самих планов проведения РМ сводится к решению комплекса специфических задач распределения ресурсов во времени. Результаты реализации; представленные в настоящей работе, подтверждают практическую целесообразность использования разработанных моделей и алгоритмов в СППР оперативного управления транспортными системами и производством.

ЗАКЛЮЧЕНИЕ

Выполненная работа' позволила достигнуть поставленных ранее целей исследования, что подтверждается следующими результатами и выводами:

1. Разработаны основные методические положения и разделы концепции информатизации ж.д. транспорта России; органически связанной с созданной ранее, также с участием автора, государственной концепцией информатизации. Концепция и; программа информатизации одобрены решением расширенной: коллегии МПС РФ 28.02.1996 г. и в настоящее время являются основой для реализации процесса информатизации ж.д. транспорта России; а. годовой экономический эффект от их внедрения оценивается в 1.93 - 2.25 млрд. руб;

2. Предложен системологический подход к разработке функциональных задач управления; для крупномасштабных предметных, областей; (ПО) деятельности, базирующийся на архитектурной^ концепции, формировании: категорий моделей и методов, и теории фреймов. Разработаны следующие артефакты системологического подхода: архитектурная- концепция, включающая в рассмотрение пять уровней (концептуальный, метамодельный,. модельный, алгоритмический ^ программный); концептуальный уровень,, состоящий из основных парадигм системологического подхода и соответствующих классов; методов анализа и синтеза сложных систем; метамодельный уровень, представленный с помощью двух, ортогональных друг к другу, методологических, иерархий;; метамодель функциональной: составляющей системного проекта информатизацииI ж.д. транспорта России;: структурированная; двухмерная параллельная система; классификации; используемого методологического инструментария; автоматическая классификация- образующих элементов метамодели на комплексы; информационных технологий и категории методологических решений (моделей и методов); универсальная структура фрейма для описания; и; использования; знаний о модельных представлениях проблемной» задачи и методах работы с ними. Предложенный подход предоставляет достаточно простой и гибкий формализм разработки системы функциональных задач управления для: крупномасштабных ПО, а также позволяет существенно снизить общую сложность разработки и сделать ее более наглядной и обозримой.

3. Разработана категория моделей и методов выбора оптимальной структуры решения функциональных задач управления сложными транспортными системами и производством, основанная на декомпозиции исходной графовой модели решаемойI задачи на непересекающиеся подграфы* (подмодели) меньшей размерности. Обосновано, что для исследуемых; задач управления критерии их оптимальной структуризации сводятся, к минимизации суммарного числа внешних связей между выделяемыми подграфами или к двойственной задаче минимизации суммы весов их внутренних связей. Представлен приближенный алгоритм выбора структуры, требующий для своей реализации построения минимального остовного дерева. Предложен и теоретически обоснован эффективный алгоритм декомпозиции, использующий понятие окрестности вершины графа и потоковые преобразования. Доказаны теоремы, агрегирования, которые носят конструктивный>характер и позволяют существенно понизить размерность задачи выбора оптимальной структуры, а также построить, эффективный алгоритм поиска максимального потока в транспортной сети. Сформулировано условие целесообразности варианта иерархической структуры управления: транспортной системой; выбранного с помощью алгоритма декомпозиции. Модели и методы данной! категории позволяют сформировать иерархические структуры задач управления транспортными < системами и производством и существенно снизить сложность их решения. Разработанные модели; и алгоритмы получили; реализацию при выборе: комплексов информационных технологий, формировании категорий; моделей; и методов, разбиении ж.д. сети. России, стран; СНГ-Балтии на; полигоны управления, а также в задачах управления вагонопотоками,. распределения погрузочных ресурсов и в др. приложениях.

4. Предложен принципиально новый; подход к исследованию транспортных и производственных систем, основой? которого является построение регулярных макромоделей и методов, дающих удобный инструментарий для единого описания и анализа изучаемых систем. В рамках предложенного подхода разработан способ компактного и наглядного' представления! комбинаторных транспортных задач большой размерности- с помощью' методов регуляризации решетками исходной транспортной или производственной сети. Построен «алгоритм половинной нумерации», обеспечивающий свойство строгого упорядочения номеров опорных элементов; в определенных направлениях транспортной сети: На; базе упорядоченной матрицы вагонопотоков сформирована; и исследована макромодель системы организации вагонопотоков. Получено приближенное выражение целевой! функции задачи? выбора оптимального плана формирования, в котором отсутствуют трудности комбинаторного характера; что обеспечило проведение ряда аналитических исследований: Представленные макромодели и методы положены в основу различных моделей и высокоэффективных алгоритмов анализа и синтеза системы организации вагонопотоков.

5. Разработана категория моделей и методов; выбора маршрутов следования! корреспонденции транспортных потоков как при условии обязательного сосредоточения одной корреспонденции на одном маршруте, так и без; него, и учитывающих технологические ограничения на загрузку элементов сети, (перерабатывающие способности станций, пропускные способности1 линий, размеры движения; по различным участкам; станциям и назначениям плана; формирования и др.), а также дополнительные ограничения; искусственно вводимые ЛПР. Технологические: ограничения учтены как «слабые»,, путем их задания; в неявном виде с помощью соответствующих зависимостей затрат от загрузки рассматриваемых элементов сети. Для учета дополнительных субъективных и плохо формализуемых ограничений ЛПР предложен инструмент штрафных и барьерных функций, позволяющий; изменить целевую функцию так, что нарушение ограничений становится невыгодным. Установлено, что требования нераздробленности корреспонденции имеет важное значение для ж.д. перевозок и?существенно усложняет решаемую задачу. Получено необходимое условие локализации: различных частей корреспонденции на одном маршруте, которое использовано для построения эффективного приближенного алгоритма выбора маршрутов, основанного на; выделении; циклов отрицательного веса. С помощью метода ветвей; и границ построен также и точный алгоритм выбора, маршрутов в: условиях нераздробленности корреспонденций. Исследована линеаризация функций затрат касательными; и секущими, которая позволила существенно повысить эффективность построенных алгоритмов. Разработанные модели, алгоритмы и программы предназначены для решения задачи выбора маршрутов следования как при условии нераздробленности корреспонденций транспортных потоков, так и без него, ориентированы на работу с сетью любой размерности и реализованы при< выборе сетевого плана формирования; учитывающего ограничения на перерабатывающие, способности станций, и оптимизации маршрутов следования вагоно- и поездопотоков на Московской; Белорусской и других дорогах.

6. Предложен структурно-ориентированный подход к оптимизации управленческих решений в; многоуровневых иерархических транспортных системах и разработана категория моделей и методов распределения ресурсов в этих системах. Построены двухуровневая модель задачи распределения погрузочных ресурсов; (порожних вагонов)? и декомпозиционный« алгоритм; выбора решения5- в; предложенной иерархической структуре. Разработана-многокритериальная модель задачи: комплексного регулирования погрузочными:ресурсами и построен;эффективный алгоритм:ее оптимизации, который представляет собой: некоторую комбинацию «метода;ограничений» и «метода свертки». Предложены; модели и; алгоритмы перераспределения погрузочного ресурса по заданиям в условиях его дефицита и при*множестве: слабоформализованных целей и критериев, основанные на построении функций предпочтения ЛПР в; процессе обучения и определении оптимального распределения: «дефицита погрузочного ресурса». Построены математическая; модель * оперативного суточного планирования, сформулированная в виде задачи минимизации «дефицита нарастающим итогом», и алгоритм, позволяющийI определить оптимальный; суточный план в условиях различных стратегий погашения дефицита. Практическое использование разработанной категории моделей и методов позволяет повысить оперативность и качество решения задачи распределения погрузочных ресурсов, а также резко сократить объемы информации, циркулирующей в;системе управления при ее решении. При внесении в модели и алгоритмы несущественных изменений возможно их использование при оперативном управлении производством на транспорте.

7. Разработана и исследована категория моделей; и методов: выбора оптимального плана формирования. Предложена' модель выбора оптимального плана формирования с учетом ограничений на: число путей; и перерабатывающие способности станций, которая представляет собой двойственную к классическим подходам задачу оптимизации^ нелинейной целевой функции на дискретном множестве решений комбинаторного типа. Разработан общий? алгоритм оптимизации, основанный; нa¡ методе; ветвей и границ и построении оценок верхних и нижних границ целевой функции» и ограничений, который обеспечивает плану «устойчивость в малом», учитывает структурную взаимосвязь назначений и может быть непосредственно применен к исходной графовой модели решаемой? задачи. Предложены и исследованы частные алгоритмы, использующие различные точные и приближенные способы усиления оценок и- стратегии ветвления, которые позволяют существенно улучшить временную и емкостную сложность процесса; вычислений. Получено обобщение разработанных моделей и алгоритмов? на; случай, когда информация об основных параметрах целевой функции; и, ограничений является нечеткой. В рамках общего алгоритма выбора оптимального плана формирования; разработаны, эффективные подалгоритмы, представляющие интерес с точки зрения теории построения; и анализа: алгоритмов (оптимального прикрепления вагонопотоков к назначениям, основанного на построении специального вектора обхода дерева; определения з множества перспективных назначений; учета перерабатывающих способностей станций; корректировки матриц кратчайших путей по назначениям; определения мощностей назначений и др.): Разработано программное обеспечение предложенных алгоритмов, которое успешно реализовано для выбора оптимального плана формирования на реальных сетях опорных станций различной структуры и размерности, а также для анализа целевой > функции на * чувствительность к ограничениям.

8. Сформирована: категория оптимизации структуры сортировочной работы, которую образуют модели и методы, связанные с выбором; и размещением объектов; ж.д. сети, осуществляющих процесс сортировки вагонов, и с перераспределением сортировочной работы в условиях этих объектов г и заданной; транспортной ситуации; Осуществлена классификация затруднений в; сортировочной работе на? три ситуации; требующие различных подходов к выработке управляющих решений по оптимизации рассматриваемой структуры. Установлен и исследован; наиболее важный подход к оптимизации структуры сортировочной работы, состоящий в оперативной' корректировке плана формирования, для которой разработана общая математическая модель, представленная: в виде многокритериальной задачи оптимального управления. Разработан универсальный алгоритм оперативной корректировки, включающий следующие построения: декомпозицию задачи путем! выделения потокозависимых станций и локализации: полигона пересчета; формирование локальной модели; оптимизации, с помощью эквивалентных; потоковых преобразований и локальный пересчет плана формирования;при эквивалентной?потоковой схеме. Предложен алгоритм распознавания и прогнозирования ситуаций затруднений, требующих оперативной корректировки плана формирования, основанный на вероятностных расчетах. Доказано, что при этих расчетах, время задержки единицы корреспонденции вагонопотока, из-за накопления назначения; можно г считать постоянной величиной, независящей от размера корреспонденции. Разработаны; модель и алгоритм оперативной корректировки специального вида, использующей выделение дополнительных сверхдальних магистральных назначений и даны рекомендации по совершенствованию структуры целевой функции в задачах управления вагонопотоками. Предложены также частная трехкритериальная модель оперативной корректировки, предназначенная для, снижения; уровня «угловых потоков», и алгоритм ее оптимизации, который? заключается в трансформации исходной нетипичной задачи к универсальной < задаче оперативной корректировки. Построены математическая; модель проблемы концентрации и перераспределения сортировочной работы, представленная как трехэтапная задача оптимизации / (выбор станций —> выбор назначений —» оптимальное прикрепление вагонопотоков), и алгоритм» ее решения с помощью метода ветвей и границ. Разработан; универсальный комплекс программ оперативной корректировки как сетевого, так и внутридорожного плана формирования, который? был реализован по заданию Главного управления движения МПС в; различных: ситуациях затруднений с пропуском вагонопотоков. Выполнены расчеты по выделению дополнительных более дальних назначений, направлению вагонопотоков кружностью> и снижению уровня «угловых потоков», которые показали высокую эффективность, разработанного инструментария, а результаты; расчетов получили внедрение. Осуществлена реализация; на Московской ж.д., методического аппарата концентрации и перераспределения сортировочной работы, которая« показала, что только для;одного локального варианта расчета экономический эффект от проведения; технологических мероприятий; составляет несколько сотен тысяч рублей в год, а: с: учетом« организационно-экономических будет на порядок выше.

9. Впервые предложена и исследована категория динамических моделей* и методов; управления транспортными системами; научная? новизна; которой заключается в; многокритериальном обобщении проблемы определения; динамического потока, а.также в выявлении и разработке новых перспективных областей приложения: этой проблемы на ж.д. транспорте. Построена обобщенная динамическая модель управления; транспортными потоками, отличительной особенностью которой является наличие совокупности лексикографически упорядоченных критериев оптимизации; и задание на элементах исходной транспортной сети весов с помощью вектор-функций: Разработаны эффективные алгоритмы оптимизации? обобщенного динамического потока в условиях различных векторных критериев, основанные на топологическом свойстве ацикличности «расширенной; во времени» исходной сети. Выявлен дополнительный; критерий, минимизирующий интегральную характеристику неравномерности. динамического плана, который обеспечивает его устойчивость к случайным колебаниям нормативов и за счет резервов создает условия для компенсации; сбойных ситуаций. Дано понятие «эффекта от учета динамики», который определяется; с помощью двухкомпонентного вектора, и осуществлен: его анализ. Сформирована реляционная информационная среда; обобщенной динамической: модели И; установлена ее тесная связь, с базами данных о перевозочном1 процессе. На основе обобщенной задачи разработаны также и частные модели и алгоритмы; для следующих перспективных областей применения динамического потока на ж.д. транспорте: управления; вагонопотоками с учетом назначений плана формирований* и нелинейных функций затрат (в условиях, когда учитываются не только зависимости затрат от размера перерабатываемого вагонопотока, но и от размера вагонного парка в рассматриваемом элементе сети); сокращения; влияния «окон» на продвижение поездопотоков; динамического перераспределения! порожних маршрутов при оперативном регулировании вагонных: парков; построения: календарного плана-графика работы кольцевых маршрутов в условиях трех лексикографически упорядоченных критериев; разработки оптимального динамического плана снятия (смягчения) затруднения или недопущения его возникновения и др. Практическое использование разработанных динамических моделей и алгоритмов их векторной оптимизации? позволяет определить оптимальную стратегию организации» перевозок во времени, на качественно новом уровне решить многие нестационарные задачи г управления; вагоно- и поездопотоками и является эффективным инструментом управления транспортными системами и производством.

10. Разработана; категория моделей и методов; поддержки принятия решений при управлении транспортными; системами, которая реализует современный подход к «интеллектуализации» информационных, технологий и позволяет обеспечить решение трудноформализуемых задач в условиях их большой; размерности?и при неполных, нечетких и динамически меняющихся данных. Определены; основные сферы; «интеллектуализации» информационных технологий на ж.д. транспорте (нормативного и оперативного диспетчерского управления транспортными;потоками). В?сфере нормативного управления предложено использовать знания и высокоэффективные эвристические процедуры поиска решений комбинаторных задач; большой размерности. Для сферы; оперативного диспетчерского управления обоснован; отказ от оболочек экспертных систем и разработана принципиально новая;имитационная модель поддержки принятия решений, основанная на методах адаптации и обучения, распознавания; и прогнозирования ситуаций»и сцен, а также выборе информативных признаков. Обеспечено вхождение разработанной> имитационной модели органически совместимым элементом в существующую информационную среду ж.д. транспорта. Построен алгоритм распознавания; ситуаций, основанный на ортогональной структуре решающих правил и понятии «информационной точки», который^ достаточно полно учитывает специфику принятия решений при оперативном управлении транспортными системами. Предложен подход к выбору наиболее информативных признаков для; распознавания ситуаций, использующий понятие «ценности информации», которую ? несут совокупность. признаков. Исследовано влияние неидеальности реального учителя на процесс обучения имитационной модели' и определены способы компенсации! этой неидеальности. Разработанная категория^ моделей и методов поддержки принятия; решений успешно; использована при решении следующих задач: контроль погрузки! по дорогам назначения и * в затрудненные пункты выгрузки; контроль выполнения! плана комплексной; регулировки; выбор* оптимальных комплексов регулировочных мероприятий при различных затруднениях в поездной работе на полигоне дороги и др. Результаты реализации показали универсальность и высокую эффективность построенных моделей и алгоритмов, а также подтвердили практическую целесообразность использования разработанной категории в системах поддержки принятия решений по? оперативному управлению транспортными системами и производством.

11. Разработанные категории моделей и алгоритмов интегрированы в рамках системы «Электронная карта сети ж.д.», реализованной с помощью геоинформационных технологий; которая достаточно? полно отражает состояние сети ж.д. России, стран СНГ-Балтии и имеет размерность свыше 9 ООО раздельных пунктов. В настоящее время «Электронная карта .» используется в нескольких департаментах и диспетчерском центре МПС, установлена у руководства МПС (всего 37 рабочих мест), а также эксплуатируется в рамках КИВС МП С и ПКБ ГПУ МП С. В сфере производства на ж.д. транспорте разработанную систему предполагается использовать в ERP — проекте МПС для управления материальными, финансовыми, трудовыми и другими: видами ресурсов. Годовой экономический эффект от. внедрения интегрированной системы «Электронная карта .» оценивается в 27млн. руб. и достигается следующим путем: за счет дружественного интерфейса с информационной средой улучшается эффективность использования информации и условия труда всех пользователей; за счет интеграции данных: и задач: управления снижаются расходы на создание, сопровождение и развитие баз данных и задач5 управления; за счет реализации задача управления повышается эффективность использования технических средств транспорта и снижаются транспортные расходы. Разработанная система удостоена золотой медали ВВЦ, а диссертант — присвоения звания «Лауреат ВВЦ».

Библиография Кутыркин, Александр Васильевич, диссертация по теме Транспортные и транспортно-технологические системы страны, ее регионов и городов, организация производства на транспорте

1. Кутыркин A.B., Лист Ф.Д., Шамцян Л.С., Информатизация; железнодорожного транспорта: состояние, проблемы, перспективы. В кн. «Проблемы информатизации на железнодорожном! транспорте». Подредакцией Кутыркина А.В.-М1 «Транспорт», 1992., с.3-19.

2. Brookes В. С. The Foundations of Information Science 1-4// J. of Information Science.-1980.-V.2. N3-4, p. 125-133.-V.2., N5.-p.209-221;V.2, N6.-p.269-275; 1981-V.3., Nl.-p.3-12.

3. Кутыркин A.B., Лист Ф.Д., Малявко B.E., Концепция информатизации железнодорожного транспорта России.// С. «Вычислительная техника и автоматизированные системы управления», ЦНИИТЭИ, М., 1996, 75с.

4. Кутыркин А.В., Поддавашкин Э.С., Шевцов Б.В., Приоритеты: развития, отрасли: Концепция информатизации железнодорожного транспорта, «Железнодорожный транспорт», N6,1996, с.20-27

5. Кутыркиш A.B., Лист Ф.Д., Современная концепция1 информатизации железнодорожного транспорта, Тезисы докладов 2-ой международной научно-технической конференции! «Актуальные проблемы» развития железнодорожного транспорта», М:, 1996, с.ЗО.

6. Глушков В .Ml, Основы безбумажной информатики, главная редакция физико-математической литературы, М., «Наука», 1982, 552с.

7. Кутыркин* А.В., Крепкая З.А., Горьков С.Н., Проектирование: л*. автоматизированной информационной системы с помощью DESIGN/IDEF,

8. Ml, «Типография МИИТа», 1999, 43с.

9. Девид А. Марка, Клемент Мак Гоуэн, SADT: Методология структурного анализа и проектирования, пер с англ. Ml, 1993, 240с.

10. Гейн К., Сарсон Т., Системный структурный»анализ: средства и методы,. М;, «Эйтекс», 1992, 342с.10: Буч Г., Объектно-ориентированное проектирование, М;, «Конкорд», 1992, 519с:

11. Клир Дж., Системология, М., «Мир», 1990, 539с.

12. Мышкис А.Д., Элементы теории? математических моделей,. М1, «Наука»,. 1994,191с.

13. Краснощекое П.О., Петров А.А.,,Принципы построения моделей, М., изд-во МГУ, 1983,284с.

14. Dym C.L., Ivey Е.С., Principles of Mathematical Modeling, N.Y, John Wiley & Sons,1987, 317p.

15. Meyer W.Ji, Concepts of Mathematical Modeling, N.Y., Graw-Hill, 1984, 377p. ^ 16. Бусленко Н.П., Моделирование сложных систем, M:1978, 377с.

16. Первозванский А. А., Математические модели в управлении производством, М., «Наука», 1975, 615с.

17. Моисеев Н.Н., Математические задачи системного анализа, M., 1981, 417с.

18. Цикридзис; Д., Лоховский Ф., Модели данных, Ml,»Финансы и статистики», 1985, 344с.

19. Кнут Д., Искусство программирования для ЭВМ: Основные алгоритмы, т.1, М1, «Мир», 1976, 735с.

20. Кнут Д., Искусство программирования для ЭВМ: Получисленные алгоритмы, т.2, М., «Мир», 1977, 724с.

21. Кнут Д., Искусство программирования для ЭВМ: Сортировка и поиск, т.З, у. М:, «Мир», 1978, 844с.

22. Успенский;В.А., Семенов?АЛ., Теория алгоритмов::основные открытия;и« приложения; М., «Наука», 1987, 288с.

23. Колмогоров: А.Н., Теория информации и теория алгоритмов, М;, "Наука", 1987,214с.

24. Ахо А., Хопкрофт Дж., Ульман Дж., Построение и анализ вычислительных алгоритмов; М., "Мир", 1979, 536с.

25. Кормен Т., Лейзерсон Ч., Ривест Р.,. Алгоритмы: построение и;анализ, М., МЦНМО, 1999,960с.

26. Вирт Н., Алгоритмы + структуры=программы, М:, «Мир», 1985, 406с.

27. Мейер Б., Бодуэн К., Методы.программирования, в 2-х т., М^, «Мир», 1982, т.Г-356с.,т.2-368с.

28. Лингер Р., Миллс X, Уитт Б;, Теория и практика структурного программирования, М., «Мир», 1982, 406с.30: Боэм Б.У., Инженерное проектирование программного обеспечения, М., «Радио и связь», 1985, 511с.

29. Зиглер К., Методы программного проектирования; М., «Мир», 1985, 328с. ¿ч 32. Кинг Д., Создание эффективного программного обеспечения, М., «Мир», 1991,287с.

30. Касти Дж., Большие системы, М^, «Мир»,1982, 216с.

31. Хакен Г., Информация и самоорганизация: макроскопический; подход к сложным системам, М:, «Мир», 1991, 240с.

32. Блауберг И.В.,.Юдин Э.Г., Становление и сущность, системного подхода, М;, «Наука», 1973, 277с.

33. Негойцэ К., Применение; теории систем к проблемам управления, М., «Мир», 1981,489с.

34. Акофф/ Р.Л., О природе систем, «Изв. АН СССР. Техническая кибернетика», 1971, №3, с.3-21.

35. Исследования по общей теории систем, Сб. статей, М., «Прогресс», 1969; 518с.

36. Акофф Р1, Эмери Ф., О целеустремленных системах, М:,. «Советское радио», 1974,489с:

37. Поспелов; Г.С., Ириков В.А., Программно-целевое, планирование ш ^ управление, М., «Сов. радио», 1976; 440с.

38. Беленький А.С., Исследование операций в транспортных системах, М1, «Мир», 1972, 582с.

39. Вагнер Г, Основы исследования операций, в 3-х томах, М., «Мир», 19721973.

40. Современное состояние теории исследования операций, под ред Моисеева Н.Н., М., «Наука», 1979, 464с.

41. Кофман А., Анри-Лабордер А., Методы и модели исследования операций Mi, «Мир», 1977,432с.

42. Черчмен Р., Акоф Р., Арноф Л.,. Введение в исследование операций, М., «Наука», 1968,486с.

43. Simon Н., The arhitecture of Complexity, Proc. Am. Soc, 106, 1962, 467-482.

44. Morin E., Complexity, Int. Soc. Sci, J.,26,1974,583-597.

45. Weaver W., Science and Complexity, Am Sci. 36, 1968, p.536-544.

46. Baldwin M., Portraits of Complexity, Battele Institute, Columbus, 1975, 318 p.

47. Трауб Дж., Васильковский Г., Вожьняковский X., Информация, неопределенность, сложность, М., «Мир», 1988, 183с.

48. Цвиркун А.Д., Структура сложных систем, М., «Сов. радио», 1975, 199с.52'. Месарович MJ,. Мако Д., Такахара И., Теория иерархических многоуровневых систем, М., «Мир», 1973, 344с.

49. Pattee Н., ed:, Hierarhy Theory, New York, 1973; 347p.

50. Axo A.B., Хопкрофт Д.Э., Ульман Д.Д., Структуры данных и алгоритмы, М., С.П., Киев, «Вильяме», 2000, 384с.

51. Гэри Ml, Джонсон Д., Вычислительные машины и труднорешаемые задачи, М., «Мир», 1982,416с.

52. Сэвидж Дж. Э., Сложность вычислений, М., "Факториал", 1998, 368с.

53. Traub J., ed., Analytic Computational Complexity, Academic, NY, 1976, 318p.

54. Karp R;, ed., Complexity of Computation, SIAM-AMS. Proceedings, Vol 7, American Mathematical Society, Providence, Rhode Island,1974, p.l 13-201.59: Дюран Б., Оделл П., Кластерный анализ, М., «Статистика», 1977, 128с.

55. Жамбю М., Иерархический кластер-анализ и соответствия, М., «Финансы и статистика», 1988, 342с.

56. Классификация и кластер, под редакцией Дж. Вэна, М;, «Мир», 1980, 389с.

57. Колмогоров А.Н., Три подхода к определению понятия «количество информации», Проблемы передачи информации, 1965, 1, 3-11с.

58. Стратонович Р.Л., О ценности информации, Техническая кибернетика, №5, 1965, с.14-23.

59. Sahal D., Elements of an Emerging Theory of Complexity Per Se, Cybernetica, 19,1976, 5-38c.

60. Кутыркин A.B., Регулярные модели и методы, в системе организации вагонопотоков, в кн. «Проблемы информатизации: на железнодорожном транспорте» под ред. Кутыркина А.В;, Ml, «Транспорт», 1992, с.20-33.

61. Кутыркин А.В., Павловский А.А.,. Методы анализа системы организации вагонопотоков,. основанные на построении регулярных моделей, «Математические модели и управление в технических и экономических системах», М., 1998; с.63-69.

62. Лэсдон Л.С., Оптимизация больших систем, М., «Наука», 1975, 431с.

63. Верина Л.Ф., Танаев B.C., Декомпозиционные подходы к решению задач математического программирования, ЭММ, т. 11, №6, 1975, с. 18-41.

64. Краснощекое П.С., Морозов В.В., Федоров В.В., Декомпозиция в задачах проектирования , Изв. АН СССР, Техническая кибернетика, №2, 1979, с.27-35.

65. Кутыркин А.В., Кадушин; А.И., Декомпозиционный алгоритм регулирования порожних вагонопотоков в АСУЖТ, Mi, «Транспорт»,. «Вестник ВНИИЖТ», №6, 1978.

66. Кутыркин А.В., Лист Ф.Д., Формирование информационной; среды железнодорожного транспорта, Mi, «Автоматика,, телемеханика и связь»,1.№7, 1996, с. 11-14.

67. Браверман; Э.М., Математические модели планирования? и; управления в; экономических системах, Mi, «Наука», 1976, 407с.

68. Шеннон К., Работы по теории информации и кибернетике, М;, ИЛ, 1967, 618с.74: Kulback S., Information .iheory and Statistics, Wiley, New York, 1951, 408p.

69. Кутыркин A.B., Голубева Т.Б., Самсонова А.Б., Сравнительный анализ алгоритмов сжатия информации, М., изд-во МГУ ПС, 1996, 19с.

70. Гноенский Л.С.,Каменский Г.А., Л.Э. Эльгольц,.Математические основы теории управляемых систем, Mi, «Наука», 1969, 512с.

71. Чаки Ф., Современная теория управления, Mi, «Мир»,. 1975, 518с.

72. Современная; теория системы управления, под ред. К. Т. Леондеса,. М., «Наука», 1970,487с.

73. Болтянский В.Г., Математические методы оптимального управления, М., «Наука», 1969, 408с.

74. Моисеев Н.Н., Элементы теории оптимальных систем, М., «Наука», 1975; 526с.

75. Ли Э.Б., Маркус Л:, Основы теории оптимального управления, М., «Наука», 1972, 574с.

76. Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф., Математическая теория оптимальных процессов,. М., «Наука», 1969,481с.

77. Карлин С., Математические методы в теории игр, программировании и экономике, М., «Мир», 1964, 838с.

78. Карманов В.Г.,. Математическое программирование; , М;, «Наука», 1980, 256с.

79. Зингвилл У.И., Нелинейное; программирование, М:, «Сов.радио», 1973, 312с.86.*. Хедли Дж:, Нелинейное и динамическое программирование, Mi, «Мир», 1967,506с.

80. Данциг Дж., Линейное программирование: его применения; и обобщения, М., »Прогресс», 1966,600с.

81. Беллман Р., Дрейус С., Прикладные задачи динамического программирования, Mi, "Наука'', 1965, 457с.

82. Бокс Дж., Прогноз и управление, выпуск1., Mi, "Мир", 1974; 406с.

83. Четыркин Е.М., Статистические методы прогнозирования; М;, «Статистика», 1975, 183с.

84. Минаев Ю.Н., Стабильность, экономико-математических моделей оптимизации, Mi, «Статистика», 1980; 103с.

85. Воронов А.А., Устойчивость, управляемость, наблюдаемость, М., «Наука», 1979,313с.

86. Дейт К., Введение в системы, баз данных, Киев-Москва, «Диалектика», 1998,781с.94: Мейер Д., Теория реляционных баз данных, М., «Мир», 1987, 608с.

87. Кутыркин А.В., Синтез оптимальных устройств• распознавания аварийных ситуаций при неполной априорной информации, М., «Энергия», «Электричество», 1973, №3;

88. Моррис У., Наука об управлении: байесовский подход, Mi, «Мир», 1971, 304с.

89. Гордеев Э.Н., Леонтьев В.К., Задача выбора в условиях неопределенности, в сб. Компьютер и задачи выбора, М., "Наука", 1989, с.120-143.

90. Райфа Г., Шлейфер Р, Прикладная теория статистических решений, М., «Статистика», 1977, 359 с.

91. Box G.E. and Tiao G.C., Bayesian Inference in Statistical Analysis, Addison Wesley, 1973,348р.

92. Harrison P.J., Stewens C.F., Bayesian Forecasting, Journal of Royal Statistical Society, u. 38, p.205-239.

93. Lindley D.V., Introduction to Probality and Statistics from Bayesian Viewpoint, Part 2, Inference, Cambridge University Press, 1965, 37 lp.

94. Руа Б., Проблемы, и методы принятия решений в задачах с многими: целевыми функциями, в сб., Вопросы анализа и процедуры, принятия, решений, М., «Мир», 1976, с. 20-58.

95. Фандель Г., И. Вильгейм, О теории принятия решений: при? многих критериях, в сб. Статистические методы и многокритериальные задачи принятия решений, Ml, «Статистика», 1979, с. 96-122.

96. Подиновский В.В., Ногин В.Д., Парето-оптимальные решения многокритериальных задач, М.', «Наука», 1982, 256с.

97. Benson Н.Р., Morin T.L., The vector maximization problem: proper efficiency and stability, SIAM Ji Appl. Math, 1977, v.32, №1, p.64-72.

98. Подиновский B.B., Гаврилов B.M., Оптимизация; по последовательно применяемым критериям, М., «Советское радио», 1975, 192с.

99. Озерной В.М:, Принятие решений; Автоматика и телемеханика, №11, 1971, с.13-34.

100. Оуэн Г., Теория игр, М;, «Мир», 1971, 230с.

101. Льюс Р.Д:, Райфа X., Игры и решения, М., ИЛ, 1961, 642с.

102. Демьянов В.Ф., Малоземов B.Hi, Введение в минимакс, М., «Наука», 1972, 368с.

103. ИЗ: Lindley D.V., Making Decisions, Wiley,. 1971, 431 p.

104. Raiffa H., Decision Analysis: Introductory Lectures on Choices Under Uncertainty, Addison-Wesley, 1968,318p.

105. Фишберн П., Теория полезности для принятия решений, М., «Наука», 1978, 352с.

106. Саати Т., Принятие решений: метод анализа иерархии, М., «Советское радио», 1993, 315с.

107. Кофман А., Введение в теорию нечетких множеств, М., «Радио и связь», 1982,432с.118: Орловский С.А.,. Проблемы принятия решений при нечеткой? исходной информации; M!, «Наука», 1981, 206с.

108. Заде Л.А., Понятие лингвистической переменной и> его применение к принятию приближенных решений, М., «Мир», 1976, 165с.

109. Negoita С., Ralescu D,A., Application of Fuzzy Sets to Systems Analysis,1975, 318p.

110. Дюбуа Д.Д., Прад А., Теория возможностей: приложения*к представлению знаний в информатике, М., «Радио и связь», 1990, 287с.

111. Цыпкин Я.З., Основы теории обучающихся систем, М., «Наука», 1970, 251с.

112. Зейлигер А.Н., Макаров A.A., Санеев Б.Г., Принципы и эвристические методы адаптации экономических систем в условиях неопределенности, Экономика и математические методы, 1974, 10, вып.З, с.18-27.

113. Цыпкин Я:3., Адаптация, обучение и самообучение в автоматических системах, Автоматика и телемеханика, 1966, №1, с.3-21.

114. Zadeh L.A., Ön the definition of adaptivity, Proceedings of the IRE, 1963, v.51,№3, p. 57-93.

115. Айзерман M.A., Браверман Э.М., Розоноэр Л.И1, Метод потенциальных функций в теории обучения машин, М., «Наука», 1970; 383с.

116. Трапезников В.А.,. Человеческий фактор при внедрении АСУ, Вопросы кибернетики, 1977, вып.2, с.135-141.

117. Александров Е.А., Основы теории эвристических решений, М., «Сов. радио», 1975, 254с.129;.Уотермен Д., Руководство по экспертным системам, М., «Мир», 1989; 388с.

118. Экспертные системы: состояние и перспективы, под ред. Поспелова Д.А., М:, «Наука», 1989, 152с.

119. Gevarter W., An Overview of Expert System, Washington- D.C., National' Bureau of Standards, 1982, 314p.

120. Carroll; J.M;, Мс Kendree, Interface design; issues for advice-giving expert systems, «Commun. ACM », 1987,30, №1, 14-3 lp.

121. Кутыркин A.B., Лист Ф.Д., Вопросы интеллектуализации систем управления на ж.д. транспорте, в кн. «Компьютерные технологии^ управления на железнодорожном транспорте», М., «Транспорт», 1995,. с. 40-46.

122. Поспелов Г.С., Искусственный интеллект-основа.новой« информационной технологии, М., «Наука», 1988, 279с.

123. Лорьер ЖJL, Системы искусственного интеллекта, М., «Мир», 1991, 568с.

124. Бенержи Р., Теория решения задач, М., «Мир», 1972, 224с.

125. Клещев A.C., Представление знаний. Методология, формализм, организация вычислений; и программная поддержка, Прикладная информатика, 1983, вып.1, с. 93-99.

126. Минский М., Фреймы для представления; знаний, Mi, «Энергия», 1979,' 200с.

127. Цаленко М.Ш., Моделирование семантики в базах данных, Mi, «Наука», 1989,' 287с.

128. Приобретение знаний, под ред. Осуги С., Саэки Ю., М:, «Мир», 1990; 303с.

129. Уэно X., и др., Представление и использование знаний, М., «Мир», 1989, 220с.

130. Поспелов Г.С., Поспелов Д.А., Проблемы диалога в человеко-машинных системах, Вопросы кибернетики, вып. 8, 1977, с.4-21.

131. Левченков A.C., Борисов А.Н., К проблеме моделирования поведения лица, принимающей решения, в кн. Управление; сложными? системами, Рига, РПИ, 1976, с.74-77.

132. Евланов Л.Г., Кутузов В.А., Экспертные оценки в управлении; М:, «Экономика», 1978, 132с.

133. Бешелев С.Д., Гурвич Ф.Г., Математико-статистические методы экспертных оценок, М., «Статистика», 1980; 218с.

134. Ту Дж., Гонсалес Р., Принципы распознавания образов, М., «Мир», 1978, 411с.

135. Горелик AJL, Гуревич И.Б., Скрипкин B.A., Современное состояние проблемы распознавания, М:, «Радио и связь», 1985, 161с.

136. Себестиан; Г.С., Процессы: принятия решений^ при распознавании образов, Киев «Техника», 1965, 149с.

137. Дуда Р., Харт П., Распознавание образов и анализ сцен, М., «Мир», 1976, 511с.

138. Роберте Ф.С., Дискретные математические модели; с приложениями; к социальным, биологическим и экологическим; задачам, М., «Наука», 1986, 495с.

139. Вентцель E.G., Теория вероятностей; Mi, «Наука», 1964; 576с.

140. Майника Э;, Алгоритмы оптимизации на сетях и графах, М:, «Мир», 1981, 323с.

141. Ху Т., Целочисленное программирование и: потоки в сетях, М., «Мир», 1974,519с.

142. Кристофидес Н.,. Теория графов: алгоритмический подход, М;, «Мир»,. 1978,432с.

143. Зыков A.A., Основы теории графов. М., «Наука», 1987, 384с.

144. Адельсон-Вельский F.M., Диниц Е.А., Карзанов A.B., Потоковые алгоритмы, М., «Наука», 1975, 119с.

145. Форд Л., Фалкерсон Д., Потоки в сетях, М., «Мир», 1966, 276с.

146. Стенбринк П.А., Оптимизация транспортных сетей, Mi, «Транспорт» 1981, 320с.

147. Медельсон Э.у Введение в математическую логику, М., «Наука», 1976, 320с.

148. Лезер Н., Архитектура открытых распределенных систем, Открытые системы, №3, 1993, с.10-16.

149. Системный проект информационной системы железнодорожного транспорта, в 15 т., М., 1997.1641 Making Everything come up Roses-Object Magazine, October 1994, p.17.

150. A Metrics Suite for Object-Oriented- Analysis and: Design Using the: Booch; Method. A Jechical Paper.- Материалы фирмы Rational Software Corp., 1994.

151. Дубова H., Устройство и назначение хранилищ данных, Открытые системы, No 4-5, 1998, с. 59-65.

152. Цветков В:Я;, Геоинформационные системы и технологии; М., «Финансы и статистика», 1998, 287с.

153. Тихонов A.H., О методах регуляции задач оптимального управления; ДАН СССР, 1965, т. 162, №4, с.83-101.169; Тихонов А.Н. и др., Регуляризирующие алгоритмы и априорная-информация, М., «Наука», 1983, 198с.

154. Петров А.П:, План формирования поездов: Опыт, теория, методика расчетов, Mi, «Транжелдориздат», 1950, 483с.

155. Бернгард K.Á., и др., Расчет плана формирования одногруппных технических маршрутов, труды ВНИИЖТ, вып. 17, М., «Трансжелдориздат», 1949, 117с.

156. Акулиничев В.М. и др., Организация вагонопотоков и маршрутизация перевозок, М., «Транспорт», 1970, 320с.

157. Дувалян С.В., Методы и алгоритмы решения задач планирования и учета на железнодорожном транспорте, труды ЦНИИ МПС, выпуск 401, М:,. 1969,255с.

158. Попов А.И., Расчет плана формирования одногруппных поездов методом направленного перебора вариантов, труды МИИТа, вып. 229; М., 1966, с.18-37.

159. Черенин; В:П.,. Составление оптимального плана формирования одногруппных поездов на ЭВМ, «Вестник ВНИИЖТ»,М., 1961, с.21-24.

160. Кутыркин A.B., Васильев В.И., Расчет оптимального плана формирования одногруппных поездов; методом ветвей; и границ, М., «Транспорт», «Вестник ВНИИЖТ», 1980, №7, с.49-54.

161. Корбут A.A., Финкельштейн Ю.Ю., Дискретное программирование, М., «Наука», 1969, 368с.

162. Инструктивные указания по организации вагонопотоков; на железных дорогах СССР, под ред. В.К. Буяновой, М., изд-во «Транспорт», 1984, 256с.

163. Препарата Ф., Шеймос М., Вычислительная; геометрия: введение, М:, «Мир», 1989, 478с.

164. Hoare C.A.R., Quicksort, Computer Journal 5, 10-15(1962), р.27-38.

165. Кутыркин А.В., Алгоритмы оперативной корректировки плана формирования поездов, М., «Транспорт», «Вестник ВНИИЖТ», 1983, №8, с.1-6.

166. Кутыркин А.В., Сотников Е.А., Левин; Д!.Ю., Васильев В.И., Методика: организации вагонопотоков, М., «Транспорт», «Железнодорожный транспорт», 1982, №4, с.13-17.

167. Васильев И.И., Графики и расчеты > по организации^ железнодорожных перевозок, М., «Трансжелдориздат», 1941, 575с.

168. Сотников Е.А., Интенсификация работы сортировочных станций; Ml, «Транспорт», 1979, 239с.

169. Исследования по дискретной оптимизации, под ред. Фридмана А.А., Mi, «Наука», 1976, 445с.

170. Floyd; R.W., Algorithm 97: Shortest Path, Communication of ACM, 5(6), 345(1962).

171. Moore E.F., The Shortest Path Through a Maze,. Bell Telephone Laboratories Report, 1959.

172. Ford L.R. Jr., Network flow theory, RAND Corporation Paper P-923, July 14, 1956.

173. Minty G.J., A comment on the shortest route problem; Op. Res., 5(1957), 724.

174. Dijkstra E.W., A not on two problems in connection; with graph, Numerische Mathematics, 1959, 1, p:269-301.1941 Hu T.C., Decomposition Algorithm for Shortest Paths in a Network, J.ORSA, 16(l),(Jan.-1968) p.91-102.

175. Архангельский E.Bl, Уровни загрузки и потребная мощность устройств сортировочных станций, Труды ЦНИИ МПС, 1975, вып. 544, 128с.

176. Кутыркин А.В., Оперативная корректировка плана формирования поездов, «Пути совершенствования перевозочного процесса, и управления транспортом», Всес. научн.-техн. конф., 1985; тез. докл., Гомель, 1985, с.462-465.

177. Вара И.А., Эффективность внутрисуточной корректировки, плана формирования одногрупных поездов, «Вестник ВНИИЖД», 1971, №4, с.42-46:

178. Павловский A.A., Использование геоинформационных технологий, «Железнодорожный транспорт», 1999; №3, с.31-35.

179. Павловский; A.A., Электронная карта сети железных дорог: функциональные требования и механизмы их реализации, «Автоматика, связь и информатика», 1999, №11, с.20-23;

180. Кутыркин A.B., Комплексная модель планирования- и оперативного управления вагонопотоками,в кн. «Совершенствование эксплуатационной работы железных дорог», М., «Транспорт», 1985, с.68-77.

181. Кутыркин A.B., Павловский A.A., Проблема концентрации и перераспределения объемов сортировочной работы, «Вестник МИИТа», выпуск 1, М., 1998, с.27-34.

182. Кутыркин A.B., Информационные технологии: концентрация сортировочной работы в новых условиях, Железнодорожный транспорт, 1997, №2,с. 14-18.

183. Кутыркин A.B., Построение имитационных моделей процессов принятия решений в АСУЖТ, «Вестник ВНИИЖТ» 1978, №3, с.59-63.

184. Балч В.И., Казовский И.Г., Кудрявцев В.А., Гречанюк В.Ф., Регулирование грузовых перевозок на железных дорогах, М., Транспорт, 1984, 248с.

185. Нестеров Е.П., Транспортные задачи линейного программирования, М1, Транспорт, .1971, 216с.

186. Триус Е.Б., Задачи математического программирования транспортного типа, М., «Советское радио», 1967,208с.

187. Левит Б.Ю., Лившиц В.Н., Нелинейные сетевые транспортные задачи, М., Транспорт, 1972,144с.

188. Васильева Е.М., Левит Б.Ю., Лившиц В.Н., Нелинейные транспортные задачи на сетях, М., Финансы и статистика, 1981,103с.

189. Лебедев Т.П., Ломакина H.H., Садиков П.П., Сотников Е.А., Расчет времени нахождения вагонов на сортировочных и участковых станциях, Труды ЦНИИ МПС, вып.481, М., Транспорт, 1973, 181с.

190. Баранов А.М1, Козлов В.Е., Чернюгов А.Д., Рациональная^ загрузка железнодорожных линий, Труды ЦНИИ МПС, вып.З 61, М., Транспорт, 1968,207с.

191. Дыканюк М.Л., Лахтуров С.С., Автоматизация расчета месячного плана передачи порожних вагонов по междорожным стыковым пунктам на сетевом уровне управления, Вестник ВНИИЖТ, 1986, №7, с.4-7.

192. Кутыркин А.В:, Выбор маршрутов, следования; корреспонденций транспортных потоков, в кн. «Проблемы информатизации на железнодорожном транспорте», под ред. Кутыркина A.B., М., «Транспорт», 1992, с.33-53.

193. Сотников Е.А., Мильман P.C.,. Здоровец М.И., Влияние насыщенности, поездами участков на показатели их работы, в кн. «Совершенствование эксплутационной работы железных дорог», М., Транспорт, 1985, с. 91-96.

194. Левин Д.Ю;, Оптимизация; условий движения поездов^. В; кн. «Совершенствование эксплутационной работы железных дорог»,. М., Транспорт, 1985, с. 15-37.

195. Сотников Е. А.,. Суржи на В .И., О техническом нормировании качественных показателей работы железных работ, «Вестник ВНИИЖТ», 1980; №3; с.4-7.

196. Никифоров Б.Д., Тишкин Е.М., Макаров В.М., Климанов B.C., Управление поездной работой на направлении, «Железнодорожный транспорт», 1982,. №2, с.17-24.

197. Иловайский Н.Д., Повышение качества оперативных планов перевозок грузов, «Вестник ВНИИЖТ», 1984, №4, с.9-12.

198. Мину MI, Математическое программирование, Ml, «Наука», 1990,486 с.

199. Зангвилл, Нелинейное программирование, М., «Советское радио», 1973, 311с.

200. Базара М., Шетти К., Нелинейное программирование: теория и алгоритмы, М., Мир, 1982,583с.

201. Васильев В.И., Перераспределение потоков на сети с переменными;весами ее элементов, ВНИИЖТ, Ml, 1984, (Рукопись деп. В ЦНИИТЭИ МПС №2806,) РЖ ВИНИТИ, Ж.д. транспорт, №11, реф.11 А80-84, 9с.

202. Ловецкий С.Е., Меламед И.И.,. Статические потоки в сетях (обзор), «Автоматика и телемеханика», 1987, №10, с.3-29.

203. Ford L.R.,Jr., Network flow theory, RAND' Corporation, Paper P-923, July 14, 1956,243р.

204. Ловецкий C.E., Меламед И.И., Динамические потоки в сетях (Обзор), «Автоматика и телемеханика», 1987, №11, с.7-29.

205. Болтянский В.Г., Оптимальное управление дискретными системами, Mi, «Наука», 1974, 379с.

206. Bellmore M.,Vemuganti R.R:, On multi-commodity maximal; dynamic flows, Oper. Res., 1973, V.21, №16 p. 10-21.

207. Gale D:,Transient flows in networks, Michgan Math. J, 1959, № 6, p.59-63.

208. Кутыркин A.B., Алгоритмы динамического управления перевозочным процессом, «Вестник ВНИИЖТ», 1981, №1, с. 15-19.

209. Кутыркин A.B., Динамическая модель организации вагонопотоков, «Проблемы автоматизации управления перевозочным процессом на железнодорожном транспорте», Харьков,, 1982, с.65-68.

210. Танаев B.C., Шкурба В.В., Введение в теорию расписаний, М., «Наука», 1975,256с.

211. Конвей Р.В., Максвел В:Л., Миллер Л.В., Теория расписаний, М;, «Наука», 1975,359с.

212. Диниц Е.А., Алгоритм решения задач о максимальном потоке в сети со степенной оценкой, «Доклады АН СССР», 1970,194, №4, с. 154-7571

213. Карзанов^ A.B., Нахождение максимального потока в сети методом предпотоков, «Доклады АН СССР», 1974, 215, №1, с.49-53.

214. Васильева В.И., Оперативное распределение порожних вагоно- и поездопотоков при регулировании вагонных потоков в АСУЖТ, канд. дисс., н. рук. Кутыркин A.B., М., 1988, 192с.

215. Чернюгов А.Д., Мерцанов Е.Г., Организация продвижения порожних полувагонов на регулировочном направлении, Вестник ВНИИЖТ, 1981, №8, с.4-6.

216. Оперативное планирование эксплутационной работы (первая очередь АСУЖТ), под ред. Л.П. Тулупова, Труды ВНИИЖТ, вып.571,' Ml, Транспорт, 1977, 207с.

217. Калиниченко Л.А., Методы и средства интеграций неоднородных баз данных, М., «Наука», 1983; 423с.

218. Шумская' O.A.,. Календарное планирование маршрутных перевозок в АСУЖТ, канд. дисс., н. рук. Кутыркин A.B., М., 1988, 198с.

219. Волков В1 А., Левин Д.Ю., Лерман В.Д., Совершенствование эксплуатации железных дорог, М., Транспорт, 1984, 208с.

220. Бурков В:П.,. Ловецкий С.Е., Методы, решения экстремальных задач комбинаторного типа, Атоматика и телемеханика, 1968, №1, с. 23-30.

221. Букан Дж., Кенигсберг Э., Научное управление запасами; М., Наука, 1967, 423с.

222. Хедли Дж., Уайтин Т., Анализ систем управления; запасами; Ml, Наука, 1969,511с.2541 Кутыркин A.B., Задача управления запасами в подсистеме материально-технического снабжения, Ml, Типография МИИТа, 1979, 19с.

223. Кутыркин A.B., Задача регулирования порожних вагонопотоков в АСУЖТ, М., Типография МИИТа, 1981, 28с.256; Убайдуллаев И.Х., Оптимальное планирование перевозочного процесса на железной дороге, изд-во «ФАН», Ташкент, 1970, 288с.

224. Марков A.B., Павлов И.Н., Методы регулирования парком порожних вагонов, М., Трансжелдориздат, 1948,.116с.

225. Тулупов Л.П., Митасов П.В:, Пеккер Л.Д., Регулирование парка порожних вагонов с учетом их годности под погрузку, Вестник ВНИИЖТ, 1981, № 3, с.5-7.

226. Кутыркин A.B., Кадушин А.И., Полиоптимизационная модель регулирования порожних вагонопотоков в АСУЖТ, Межвузовский сб. «Применение математических методов и моделирования в АСУЖТ», Труды МИИТа, выпуск 637, Mi, 1979, с. 33-40.

227. Кутыркин A.B., Кадушин А.И., Распределение погрузочного ресурса при слабоформализованных целях и критериях, Межвузовский сб. «Вопросы проектирования и эксплуатации АСУ на транспорте», Труды МИИТа, выпуск 601, М., 1978, с. 77-82.

228. Руа Б., Проблемы и методы принятия решений в задачах с многими целевыми функциями; в кн. «Вопросы анализа и процедуры принятия решений», М., «Мир», 1976, с.20-58.

229. Пфанцагль И., Теория измерений, М., «Мир», 1976,248с.

230. Кутыркин A.B., Организация производства: выбор решений, «Новые книги за рубежом», №8, М., «Мир», 1980, с.131-134.

231. Растригин Л.А., Статистические методы поиска, М., «Наука», 1968, 273с.

232. Поляк Ю.Г., Вероятностное моделирование на электронных вычислительных машинах, Mi, «Советское радио», 1971, 400с.

233. Nieminen J., On minimum point cutsets of a point weightet communication graph, Control and Cybernetics, vool. 3(1974) No.3/4, p. 90-92.

234. Орлова Г.И., Дорфман Я.Г., Оптимальное деление графа на несколько подграфов, Техническая кибернетика, 1972, №1, с.118-121.

235. Рыжков А.П., Алгоритм разбиения графа на минимально связанные подграфы, Техническая кибернетика, 1975, №6; 122-128.

236. Моисенко Г.Е., Оптимальное разбиение системы на подсистемы, Автоматика и телемеханика, 1979, №7, с. 103-112.

237. Айзерман. М.А., Браверман Э.М., Розоноэр Л.И., Метод потенциальных функций в теории обучения машин, М., «Наука», 344с.

238. Кутыркин A.B., Красиков И.З., Разработка алгоритма выбора рациональной структуры полигонов сети ж.д. В отчете по теме № 73/77 Разработка предложений по расширению комплекса задач второй очереди «ДИСКОР», н. рук. Кутыркин A.B., М., МИИТ, 161с.

239. Разработка предложений по реализации диалогового режима в системе ДИСКОР для принятия решений по управлению перевозочным процессом в МПС, н. рук. Кутыркин A.B., тема №83/76, М., МИИТ, 121с.

240. Pearson J.D., Decomposition, coordination and multilevel systems, «IEEE Trans. Syst. Sei. And Cybernet», 1966, v 2.

241. Клыков Ю.И., Ситуационное управление большими системами, М., «Энергия», 1974, 157с.

242. Гинзбург С., Математическая теория контекстно-свободных языков,, Ml, «Мир», 1970,437с.

243. Codd E.F., A relational model of date for large shared data banks, Comm. ACM 13,6 (June 1970), p.377-387.

244. Codd E.F., Understanding relations (Unstalment №7) FDT (Bulletin of ACM SIGMOD)*7, 3-4 (Dec. 1975), p.23-28.

245. Кутыркин A.Et., Михайлов B.B., Шишкин B.M., Алгоритм распознавания аварийных ситуаций, «Энергия», «Электричество», №4, 1971, с. 29-341

246. Харкевич A.A., Избранные труды, т.З, М., «Наука», 1973; 371с.

247. Кочнев Ф.П., Акулиничев В.М;, Макарочкин А.М!, Организация движения; на железнодорожном транспорте, М., 1973, 567с.

248. Кутыркин A.B., Васильев В.И., Синтез алгоритма распознавания ситуаций при оперативном управлении перевозочным процессом, Межвузовский сб: «Применение математических методов и моделирования! в АСУЖТ», Труды МИИТа, выпуск 637, Ml, 1979, с.25-33.

249. Кутыркин A.B., Васильев В.И.,. Алгоритм принятия решений по оперативному управлению перевозочным процессом при ортогональной структуре решающих правил, «Вестник ВНИИЖТ», 1979, №4, с. 59-62.

250. Кутыркин A.B., Синтез и оценка потенциальной эффективности оптимальных алгоритмов распознавания аварийных ситуаций, дисс. на соискание ученой степени к.т.н. М., 1973г.

251. Мищенко B.Ä., Метод селектирующих функций в нелинейных задачах контроля и управления, Ml, «Советское радио», 1973, 275с.

252. Кутыркин A.B., Целяпин В.Н., Построение алгоритмов обучения системы управления с учетом «неидеальности» учителя, Межвузовский сб. «Вопросы, проектирования и эксплуатации АСУ на транспорте», Труды МИИТа, выпуск 601, М., 1978, с.62-76.

253. Кутыркин A.B., Целяпин В.Н., Управление перевозочным процессом в системе «Дорожный диспетчер», «Железнодорожный транспорт», 1979, №11, с.20-24.

254. Кутыркин A.B., Павловский A.A.,, Оптимальное управление вагонопотоками в условиях нечетких исходных данных, «Наука и техника транспорта», 2003, №3., с. 40-53.

255. Составлен следующей комиссией:

256. Шуйский В.А. заместитель начальника ГВЦ МПС РФ (председатель

257. Рослова.Т.П: заместитель главного технолога ГВЦ МПС РФ

258. Ионих Т.Н. начальник отдела ГВЦ МПС РФ

259. Брискина Т.С. начальник отдела ГВЦ МПС РФ

260. Кутыркин A.B. докторант МГУ ПС (МИИТ)

261. С целью выбора управляющих решений разработанная система предоставляет пользователю возможности анализа данных по определеннымкритериям. Выбираемые данные выделяются на тематических картах с помощью изменения цвета или формы отображаемых объектов.

262. Для обеспечения возможности работы с нечеткой информацией; в системе разработан специальный класс С++ Fuzzy, включивший в себя необходимые переменные и методы, а также механизм перегруженных операторов.

263. В сфере производства на ж.д. транспорте разработанную систему предполагается использовать в ERP-проекте МПС РФ для управления материальными, финансовыми, трудовыми и другими видами ресурсов.

264. Разработанный комплекс удостоен золотой медали ВВЦ, а Кутыркин A.B. присвоения звания «Лауреат ВВЦ».

265. ВСЕРОССИИСКИИ ВЫСТАВОЧНЫЙ ЦЕНТР

266. Совет ВВЦ награждает медалью1. ЛАУРЕАТ ВВЦ"п^Пасщювление от1. Москвапролоарум йен СТРАН. с0сгиин.(!сы

267. РОССИЙСКАЯ ФЕДЕРАЦИЯ МИНИСТЕРСТВО ПУТЕЙ СООБЩЕНИЯ

268. МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ1. ПУТЕЙ СООБЩЕНИЯ

269. РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ РЕШЕНИЯ

270. ФУНКЦИОНАЛЬНЫХ ЗАДАЧ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ СИСТЕМАМИ И ПРОИЗВОДСТВОМ

271. Специальность 05.22.01 Транспортные и транспортно-технологическиесистемы страны, ее регионов и городов, организация производства на транспортек диссертации на соискание ученой степени доктора технических наук1. На правах рукописи

272. КУТЫРКИН Александр Васильевич

Похожие работы

Транспорт
05.22.00