Search academic texts

Information × Registration Number 2125U005022, Article popup.category Стаття, Опубліковано Title Clustering targets in the last mile supply chain (AI translated) popup.author Лещенко Юлія ЯрославівнаЮхимчук Марія СергіївнаДубовой Володимир МихайловичLeshchenko Yuliya YaroslavivnaYukhymchuk Mariya SerhiivnaDubovoi Volodymyr Mykhailovych popup.publication 30-09-2025 popup.source_user "Наукові праці Вінницького національного технічного університету" (Вінницький національний технічний університет) popup.source https://praci.vntu.edu.ua/index.php/praci/article/view/849 popup.publisher Вінницький національний технічний університет Description Сучасні логістичні системи, особливо в контексті доставки останньої милі, стикаються з низкою викликів, пов’язаних із зростанням обсягів електронної комерції, підвищеними вимогами до швидкості обслуговування та необхідністю оптимального використання ресурсів. З огляду на високу щільність міських мереж, обмеженість транспортної інфраструктури та зростання екологічних вимог, традиційні методи побудови маршрутів втрачають ефективність. У цій роботі розглянуто багатокритеріальну задачу маршрутизації доставки, що передбачає розбиття заданої множини пунктів доставки на N неперетинних підмножин із фіксованими розмірами та побудову оптимальних гамільтонових циклів усередині кожної підмножини. Основною метою є мінімізація векторного функціонала, який поєднує два ключові критерії: сумарну вагу всіх маршрутів та рівномірність балансування навантаження між ними. Для розв’язання задачі запропоновано евристичний підхід, що ґрунтується на поєднанні методу найближчого сусіда для побудови початкових маршрутів та локального удосконалення за допомогою оператора 2-OPT. Процес формування підмножин здійснюється шляхом випадкового розподілу з подальшою оцінкою якості розбиття за комбінованою функцією, яка враховує вагові співвідношення між критеріями оптимізації. Ефективність запропонованого алгоритму підтверджено результатами чисельних експериментів. Зокрема, показано, що підхід забезпечує прийнятний баланс між часом виконання та якістю отриманих рішень, наближаючи їх до Парето-оптимальних. Отримані результати мають практичне значення для побудови гнучких і масштабованих систем доставки, зокрема у сфері логістики останньої милі, децентралізованих платформ на основі IoT та систем штучного інтелекту. Перспективними напрямами подальших досліджень є розширення моделі з урахуванням часових вікон, ресурсних обмежень та динамічної природи міських логістичних систем. popup.nrat_date 2026-04-22 Close