Введение 5
Введение в предметную область 6
Постановка цели и задач 8
Обзор литературы 9
1. Выбор библиотеки для построение диаграммы Вороного .... 15
1.1. Функциональные требования и нефункциональные требова
ния к библиотеке для построения диаграммы Вороного ... 15
1.1.1 Функциональные требования 15
1.1.2 Нефункциональные требования 15
1.2. Неподходящие библиотеки 16
1.3. Сравнение библиотек проходящих по отсекающим требованиям 17
2. Проверка гипотезы о близости событий в ГСДВ 19
2.1. Gehring & Homberger benchmark 19
2.2. Sartori and Buriol benchmark 22
3. Сравнение конструктивных алгоритмов 24
3.1. Сравнение прототипов конструктивных алгоритмов 24
3.1.1 Базовый конструктивный алгоритм 24
3.1.2 Модификация базового алгоритма с использованием
информации из ДВ 24
3.1.3 Замеры производительности 25
3.2. Сравнение конструктивных алгоритмов 25
3.2.1 Функциональные и нефункциональные требования к ПО 25
3.2.2 Постановка задачи 26
3.2.3 Базовый конструктивный алгоритм 26
3.2.4 Модификация базового алгоритма с использованием
информации из ДВ 27
3.3. Датасеты и сравнение производительности 27
Заключение 31
Список литературы 32
Стремительное развитие рынка онлайн-магазинов и онлайн-платформ и рост конкуренции в этой сфере привели к увеличению затрат на важную составляющую - логистику.
Цена на товары в значительной степени определяется затратами на продвижение и логистику - доставку товаров до заказчика. Основными критериями при выборе логистического провайдера являются издержки и качество обслуживания: срок доставки, количество выполненных заказов, длительность цикла обслуживания и т. п.[1]
Логистическая задача маршрутизации транспортных средств (VRP) - задача о построение маршрутов для транспортных средств с учетом различных ограничений и условий. Решение VRP позволяет более эффективно использовать автопарк компании, что приводит к снижению эксплуатационных расходов, увеличению рентабельности и улучшению качества обслуживания.
VRP является NP-трудной, и для её решения на практике применяют различные эвристические подходы [2] [3] [4]. В рамках этой работы исследуются эвристики, использующие пространственно-временную диаграмму Вороного.
В рамках этой работы была повышена производительность конструктивных алгоритмов для решения задач маршрутизации транспортных средств за счёт использования пространственно-временной диаграммы Вороного.
Были выполнены следующие задачи:
1. Была подтверждена гипотеза о близости расположения в ГСДВ двух последовательных событий в маршрутах текущих лучших известных решений бенчмарков Gehring & Homberger и Sartori and Buriol.
2. Были реализованны два конструктивных алгоритма, решающих задачу маршрутизации ТС: алгоритм с использованием ДВ и без. Произведено сравнение на бенчмарках Gehring & Homberger. В результате суммарная производительность на всех датасетах из сравнения повысилась на 40.1%.
3. Были модифицированы конструктивные алгоритмы для решения задач маршрутизации ТС компании ООО «ВИИРОУТЕ РНД» за счёт использования пространственно-временной диаграммы Вороного.
4. Были произведены замеры качества и производительности конструктивных алгоритмов на академических датасетах и датасетах на основе клиентских данных компании ООО «ВИИРОУТЕ РНД». Медианная производительность модификации с использованием пространственновременной диаграммы Вороного выше на 37.42%, суммарно на всех датасетах из сравнения на 41.35%
[1] Торгунаков Е. А., Торгунакова Е. В. Развитие логистики электронной коммерции //Экономика и управление. - 2019. - №. 11 (169). - С. 95-100.
[2] Laporte G., Semet F. Classical heuristics for the vehicle routing problem //Groupe d’etudes et de recherche en analyse des decisions. - 1999. - С. 19.
[3] Liu F. et al. Heuristics for vehicle routing problem: A survey and recent advances //arXiv preprint arXiv:2303.04147. - 2023. - С. 67.
[4] Mikhailovitch A. S. Constructive heuristics for Capacitated Vehicle Routing Problem: a comparative study //Труды Института системного программирования РАН. - 2019. - Т. 31. - №. 3. - С. 145-156.
[5] Toth P., Vigo D. (ed.). The vehicle routing problem //Society for Industrial and Applied Mathematics. - 2002. - С. 19.
[6] Tu W. et al. A novel spatial-temporal Voronoi diagram-based heuristic approach for large-scale vehicle routing optimization with time constraints //ISPRS international journal of geo-information. -2015. -Т. 4. -№. 4. -С. 2019-2044.
[7] Solomon M. M. Algorithms for the vehicle routing and scheduling problems with time window constraints //Operations research. - 1987. - Т. 35. - №. 2. - С. 254-265.
[8] Gehring & Homberger benchmark. - 2008. URL: https: //www.sintef.no/ projectweb/top/vrptw/homberger-benchmark/ (дата обращения 21.05.2024).
[9] Бенчмарки VRPTW и MDVRPTW для Шанхая, Китай. URL: https: //githnb.com/spatialsmart/VRPTW/tree/master/Shanghai/Problem (дата обращения 21.05.2024).
[10] Kwon Y. J. et al. A tabu search algorithm using the Voronoi diagram for the capacitated vehicle routing problem //2007 International Conference on Computational Science and its Applications (ICCSA 2007). - IEEE, 2007. - С. 480-488.
[11] Christofides N. The vehicle routing problem //Combinatorial optimization. - 1979.
[12] Golden B. L. et al. The impact of metaheuristics on solving the vehicle routing problem: algorithms, problem sets, and computational results //Fleet management and logistics. - Boston, MA : Springer US, 1998. - С. 33-56.
[13] Milthers N. P. M. Solving VRP using Voronoi diagrams and adaptive large neighborhood search//Department of Computer Science, University of Copenhagen. - 2009.
[14] Fang Z. et al. A Voronoi neighborhood-based search heuristic for distance/capacity constrained very large vehicle routing problems //International Journal of Geographical Information Science. - 2013. - Т. 27.-№. 4.-С. 741-764.
[15] Zachariadis E. E., Kiranoudis C. T. A strategy for reducing the computational complexity of local search-based methods for the vehicle routing problem //Computers operations research. - 2010. - Т. 37. - №. 12. - С. 2089-2105.
[16] Li F., Golden B., Wasil E. Very large-scale vehicle routing: new test problems, algorithms, and results //Computers Operations Research. - 2005. - Т. 32. - №. 5.-С. 1165-1179.
[17] Chen J., Zhao R., Li Z. Voronoi-based k-order neighbour relations for spatial analysis //ISPRS Journal of Photogrammetry and Remote Sensing. - 2004. - Т. 59.-№. 1-2.-С. 60-72.
[18] Xu X. Path Inference based on Voronoi Graph for Unmanned Maritime Vehicles //Robotics and Autonomous Systems. - 2024. - Т. 173. - С. 104616.
... Всего источников – 31.