Search academic texts

Information × Registration Number 0825U002532, PhD dissertation Status Доктор філософії Date popup.evolution o Title Models and Algorithms of Adaptive Routing for C2C Logistics Using Deep Learning Author Danylo S. Kovalenko, popup.head Iryna V. Zamrii popup.opponent Pavlo M. Skladannyi popup.opponent Oleh Y. Ilarionov popup.review Olha Zinchenko popup.review Natalia O. Lashchevska Description Робота присвячена дослідженню та розробці моделей, алгоритмів та методів адаптивного управління маршрутами доставки на основі підкріплювального навчання. У сучасних умовах стрімкого розвитку електронної комерції та децентралізованих економічних систем логістика типу "клієнт-до-клієнта" (C2C) набуває ключового значення, однак стикається з низкою проблем. Традиційні підходи, які базуються на статистичних даних, вже не можуть задовольнити зростаючі потреби індустрії в динамічній оптимізації побудованого маршруту згідно реальної логістичної ситуації у місті , динамічних світах значного масштабу. Метою дослідження є підвищення ефективності процесів маршрутизації в C2C логістиці шляхом розробки моделі та алгоритму адаптивного управління маршрутами доставки на основі прогнозування попиту та технологій глибокого навчання з можливістю врахування динамічних змін логістичної ситуації в реальному часі. У результаті дослідження вперше розроблено модель прогнозування попиту та розподілу логістичних завдань, яка за рахунок використання за методу функціональної регресії для прогнозування локалізованих піків попиту та теорії стохастичної апроксимації для динамічного вибору оптимальних рішень, забезпечує адаптивний механізм розподілу задач між виконавцями на основі прогнозованих параметрів. Вперше розроблено метод адаптивної маршрутизації для систем доставки типу C2C, що ґрунтується на розробленій моделі прогнозування попиту та механізмі стохастичного прийняття рішень у динамічному середовищі, та дозволяє приймати оптимальні рішення щодо виконання доставок, адаптуючись до змін у середовищі, конкуренції між агентами та з урахуванням обмежених ресурсів. Вперше розроблено алгоритм адаптивної корекції маршруту, що ґрунтується на розробленому методі адаптивної маршрутизації та за рахунок використання розширеної функції винагороди та жадібної евристики з підкріплювальним навчанням для Марковського процесу прийняття рішень, забезпечує динамічне оновлення оптимального маршруту доставки згідно актуальної логістичної ситуації, що знизить критичні показники часу та вартості доставки. Практичне значення наукових результатів полягає у наступному: 1. Застосування розробленої моделі прогнозування попиту обмеженого часу дає можливість виконувати розподіл логістичних завдань між великою кількістю виконавців. Модель дозволяє швидко розподілити виконавців в межах однієї або декількох логістичних зон згідно прогнозованого попиту. При чому кількість логістичних завдань, що одночасно аналізуються, може масштабуватися відповідно до продуктивності обчислювального середовища та не є фактором обмеження для практичного застосування. 2. Практично корисною властивістю програмно-апаратного комплексу на основі розробленого методу адаптивної маршрутизації є його висока адаптивність до змінних параметрів операційного середовища та логістичного стану системи, що забезпечує ефективне та оперативне управління процесами маршрутизації. Додатково, комплекс характеризується горизонтальною масштабованістю, яка дозволяє його застосування в межах логістичних систем різного рівня складності та просторового охоплення. 3. Програмне забезпечення, що реалізує алгоритм адаптивної корекції маршрутів, має потенціал до універсального застосування, зокрема в задачах, які вимагають динамічного оновлення маршрутної інформації в режимі реального часу, поза межами логістичних сценаріїв. 4. Результати дисертаційної роботи реалізовані у вигляді моделі прогнозування попиту та розподілу логістичних завдань, алгоритму адаптивної корекції маршруту на розробленого методу адаптивної маршрутизації та використані на кафедрі Комп’ютерної інженерії Державного університету інформаційно- комунікаційних технологій при проведені лекцій, лабораторних робіт, в курсовому та дипломному проектуванні. Результати роботи, а саме програмні засоби на основі розроблених моделі, алгоритму та методу, впроваджено в Інституті програмних систем НАН України та у виробничих процесах ТОВ «УКР-ОН». 5. В результаті експериментальних досліджень в реальних умовах зафіксовано зниження середніх витрат на доставку на рівні 15–25% та скорочення часу виконання замовлень на 20–22% у порівнянні з традиційними алгоритмами маршрутизації. Найбільш помітні переваги спостерігалися в сценаріях із піковими навантаженнями та обмеженими транспортними ресурсами. Registration Date 2025-06-26 popup.nrat_date 2025-06-26 Close