ZASTOSOWANIE METODY ANALIZY CZYNNIKOWEJ DO KONSTRUOWANIA FUNKCJI CELU OPTYMALIZACJI W PROBLEMACH TRANSPORTU MULTIMODALNEGO
Serhii Zabolotnii
zabolotniua@gmail.comCherkasy State Business-College (Ukraina)
http://orcid.org/0000-0003-0242-2234
Artem Honcharov
Cherkasy State Technological University (Ukraina)
https://orcid.org/0000-0003-4043-5300
Sergii Mogilei
Rauf Ablyazov East European University (Ukraina)
http://orcid.org/0000-0002-9296-6827
Abstrakt
Artykuł dotyczy szczególnej klasy kryteriów optymalizacyjnych, które posiadają cechy prawdopodobieństwa. W związku z tym, przy konstruowaniu funkcji celu problemu optymalizacyjnego pierwszorzędne znaczenie mają wskaźniki prawdopodobieństwa wystąpienia określonego zdarzenia lub zbioru zdarzeń. Jako główną metodę konstruowania takiej funkcji celu wybrano analizę czynnikową. Algorytm konstrukcji funkcji celu optymalizacji wykonano dla kryterium minimalizacji poziomu ryzyka w przewozach multimodalnych – w tym celu wykorzystano dane demonstracyjne. Wykazano, że zastosowanie analizy czynnikowej w klasycznym sformułowaniu problemu badawczego pozwala nadać mu bardziej wyrazistą interpretację analityczną w jego rozwiązywaniu.
Słowa kluczowe:
analiza czynnikowa, funkcja ryzyka, kryterium optymalizacji, transport multimodalnyBibliografia
Ayed H., Galvez-Fernandez C., Habbas Z., Khadraoui D.: Solving time-dependent multimodal transport problems using a transfer graph model. Computers and Industrial Engineering 61, 2011, 391–401 [http://doi.org/10.1016/j.cie.2010.05.018].
DOI: https://doi.org/10.1016/j.cie.2010.05.018
Google Scholar
Ayed H., Habbas Z., Khadraoui D., Galvez-Fernandez C.: A parallel algorithm for solving time dependent multimodal transport problem. IEEE Conference on Intelligent Transportation Systems, Proceedings, ITSC, 2011, 722–727 [http://doi.org/10.1109/ITSC.2011.6082973].
DOI: https://doi.org/10.1109/ITSC.2011.6082973
Google Scholar
Boyd K. C.: Factor analysis. The Routledge Handbook of Research Methods in the Study of Religion 2013, 204–216 [http://doi.org/10.4324/9780203154281-22].
Google Scholar
Chandrakantha L.: Using excel solver in optimization problems. John Jay College of Criminal Justice of CUNY, 2014, 42–49.
Google Scholar
Elias D., Nadler B., Nadler F., Hauger G.: OPTIHUBS – Multimodal Hub Process Optimization by Means of Micro Simulation. Transportation Research Procedia 14, 2016, 457–466 [http://doi.org/10.1016/j.trpro.2016.05.098].
DOI: https://doi.org/10.1016/j.trpro.2016.05.098
Google Scholar
Ezeokwelume O.: Solving linear programming problems and transportation problems using excel solver. International Journal of Scientific & Engineering Research 7(9), 2016, 134–142.
Google Scholar
Flórez J. E., Torralba A., García J., Linares López C., García-Olaya A., Borrajo D.: TIMIPLAN: An Application to Solve Multimodal Transportation Problems. Scheduling and Planning Applications Workshop 2010.
Google Scholar
García J., Florez J. E., Torralba A., Borrajo D., López C. L., García-Olaya A., Sáenz J.: Combining linear programming and automated planning to solve intermodal transportation problems. European Journal of Operational Research 227, 2013, 216–226.
DOI: https://doi.org/10.1016/j.ejor.2012.12.018
Google Scholar
Honcharov A., Mogilei S.: Solving multimodal transportation problems by different program means. Bulletin of Cherkasy State Technological University 3, 2020, 67–74.
Google Scholar
Jennrich R. I., Bentler P. M.: Exploratory Bi-Factor Analysis. Psychometrika 76(4), 2011, 537–549 [http://doi.org/10.1007/s11336-011-9218-4].
DOI: https://doi.org/10.1007/s11336-011-9218-4
Google Scholar
Journal I., Factor I.: Computational and Mathematical Methods in Medicine. Bio Med Research International 1, 2015, 2–4.
DOI: https://doi.org/10.1155/2015/685036
Google Scholar
Klami A., Virtanen S., Leppaaho E., Kaski S.: Group Factor Analysis. IEEE Transactions on Neural Networks and Learning Systems 26(9), 2015, 2136–2147 [http://doi.org/10.1109/TNNLS.2014.2376974].
DOI: https://doi.org/10.1109/TNNLS.2014.2376974
Google Scholar
Lin C. C., Lin S. W.: Two-stage approach to the intermodal terminal location problem. Computers and Operations Research 67, 2016, 113–119 [http://doi.org/10.1016/j.cor.2015.09.009].
DOI: https://doi.org/10.1016/j.cor.2015.09.009
Google Scholar
Ovcharuk V., Vovkodav N., Kryvets T., Ovcharuk I.: Linear programming in Mathcad on the example of solving the transportation problem. Scientific Works of NUFT 21(4), 2015, 110–117.
Google Scholar
Sengamalaselvi J.: Solving transportation problem by using Matlab. International Journal of Engineering Sciences & Research Technology 6(1), 2017, 374–381 [http://doi.org/10.5281/zenodo.259588].
Google Scholar
Slavova-Nocheva M.: Competitiveness of the transport market in Bulgaria. Economic Studies 21(3), 2012, 15–24.
Google Scholar
Vats B., Kumar Singh A.: Solving transportation problem using excel solver for an optimal solution. MIT International Journal of Mechanical Engineering 6(1), 2016, 18–20.
Google Scholar
Verga J., Silva R. C., Yamakami A.: Multimodal transport network problem: Classical and innovative approaches. Studies in Fuzziness and Soft Computing, Springer Verlag 358, 2018, 299–332 [http://doi.org/doi:10.1007/978-3-319-62359-7_14].
DOI: https://doi.org/10.1007/978-3-319-62359-7_14
Google Scholar
Virtanen S., Klami A., Khan S.A., Kaski S.: Bayesian group factor analysis. The Journal of Machine Learning Research 22, 2012, 1269–1277.
Google Scholar
Zabolotnii S., Mogilei S., The methods for determining the parameters of the objective function of multimodal transportation risk. Proceedings of V International Scientific-Practical Conference “ITEST-2020”, 2020, 114–115.
Google Scholar
Zabolotnii S., Mogilei S.: Optimization of the method of constructing reference plans of multimodal transport problem. Technological audit and production reserves 2(45), 2019, 15–20 [http://doi.org/10.15587/2312-8372.2019.154561].
DOI: https://doi.org/10.15587/2312-8372.2019.154561
Google Scholar
Zelenika R., Sever D., Zebec S., Pirš B.: Logistic operator: Fundamental factor in rational production of services in multimodal transport. Promet - Traffic&Transportation 17(1), 2005, 43–53.
Google Scholar
Zhao S., Gao C., Mukherjee S., Engelhardt B. E.: Bayesian group factor analysis with structured sparsity. Journal of Machine Learning Research 17, 2016, 1–47.
Google Scholar
Autorzy
Serhii Zabolotniizabolotniua@gmail.com
Cherkasy State Business-College Ukraina
http://orcid.org/0000-0003-0242-2234
Autorzy
Artem HoncharovCherkasy State Technological University Ukraina
https://orcid.org/0000-0003-4043-5300
Autorzy
Sergii MogileiRauf Ablyazov East European University Ukraina
http://orcid.org/0000-0002-9296-6827
Statystyki
Abstract views: 269PDF downloads: 162
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Serhii Zabolotnii, Sergii Mogilei, ZASTOSOWANIE METODY ANALIZY WSPÓŁCZYNNIKA MACIERZOWEGO DO OKREŚLENIA PARAMETRÓW FUNKCJI CELU DLA MINIMALIZACJI RYZYKA W TRANSPORCIE , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 11 Nr 1 (2021)
- Serhii Zabolotnii, Sergii Mogilei, MODYFIKACJE MODELU RÓWNOWAGI CENOWEJ EVANSA , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 1 (2023)