Опубликовано в журнале "Менеджмент в России и за рубежом" №6 год - 2013
Фараонов А.В.,
заведующий лабораторией кафедры
интермодальных перевозок и логистики,
Федеральное государственное бюджетное
Образовательное учреждение высшего
профессионального образования
«Санкт-Петербургский государственный
Университет гражданской авиации»,
Санкт-Петербург,
Ситуационный подход в принятии решений на основе аппарата нечёткой логики основан на представлении ситуации в виде совокупности нечётких значений фиксированного набора признаков [1–2] Применение ситуационных моделей в определении маршрутов доставки повышает эффективность принимаемых решений, сокращает время принятия решений [1–4]. Имитационное моделирование позволяет анализировать возможные последствия управляющих решений, прогнозировать состояние транспортно-логистической системы, оптимизировать систему до начала её использования. Изучение транспортно-логистической системы с помощью имитационной модели позволяет без вмешательства в работу реальной системы растянуть или сжать время работы логистической системы, понять сложное взаимодействие элементов внутри системы, оценить степень влияния факторов и выявить «узкие места» [5–7].
Принцип имитационного моделирования заключается в том, что поведение логистической системы отображается компьютерной моделью взаимодействия её элементов во времени и пространстве. Модель включает этапы: содержательная постановка задачи; разработка концептуальной модели; разработка и программная реализация имитационной модели; оценка адекватности модели и точности результатов моделирования; планирование экспериментов; принятие решений. Разработка и решение логистических задач маршрутизации, нахождение оптимальных маршрутов возникают в различных областях транспортной логистики: доставка товаров от поставщика к клиенту, доставка сырья, запасных деталей и узлов на производство, курьерская и почтовая доставка, работа грузовых и экспедиторских операторов [8–11].
Вывод на основе нечёткой ситуационной сети. Для логистических задач маршрутизации требуется не просто идентифицировать текущую ситуацию и соответствующее ей множество управляющих решений, но и определить рациональные пути достижения целей планирования и оперативного управления выбором маршрута доставки.
Для этого нужно определить возможные последствия управляющих решений на несколько шагов вперёд. Задачи оперативного управления выбором маршрута доставки требуют привлечения дополнительных методов. Хорошо себя зарекомендовали методы, основанные на представлении совокупности типовых состояний системы в виде узлов графа, переходы которого соответствуют управляющим решениям. Такое представление получило название нечёткой ситуационной сети (НСС) [2]. Ситуационная сеть может быть представлена в виде ориентированного графа
– множество узлов – состояний, а A – множество дуг-переходов между состояниями:
Рассмотренный в [3] метод вывода по нечёткой ситуационной сети основывается на трактовке указанных задач в виде задачи поиска некоторого связного подграфа, содержащего некоторое начальное состояние сети w ', относительно которого ведётся поиск:
Вид подграфа
определяется типом изучаемой ситуационной сети:
– для сетей, в дугах переходов которых отсутствует случайная составляющая, 
обычно принимает вид цепи (выполнение опорного плана);
– для сетей, учитывающих случайные факторы при переходах, S'NET ищется в виде дерева, соответствующего поливариантному сценарию управления (определяются варианты моделей).
Постановка задачи. Разрабатывается имитационная модель принятия оперативных решений при возникновении непредвиденной ситуации на маршруте, по корректировке опорного плана и выборе нового маршрута доставки (рис. 1). Разработка модели выполняется в среде редактора AnyLogic, анализ модели происходит в среде исполнения.
В каждой фазе существуют свои средства управления. Переход из одной фазы в другую производится очень легко. Можно многократно использовать переход между фазами редактирования и исполнения модели при разработке модели.
Обработка событий исполняющего модуля AnyLogic
Моделирование в AnyLogic – это выполнение последовательности событийных и временных шагов [7]. Чтобы связать модель с базой данных, нужно вначале создать объект database и excelFile – элемент модели AnyLogic, который будет соответствовать реальному опорному плану, и обеспечивать взаимодействие с ним. Программируются события исполняющего модуля AnyLogic – это события, происходящие во время работы модели, события (маршруты опорного плана), которые могут быть выполнены в данный момент. События исполняющего модуля AnyLogic хранятся в очереди сообщений.
Временной шаг
Если текущих событий нет, то AnyLogic выполнит временной шаг до ближайшего события (или событий) в очереди, то есть увеличит значение модельного времени. Во время выполнения временного шага может произойти событие, вызванное тем, что выполнилось какое-то заданное условие. Дискретная часть исполняющего модуля AnyLogic не знает о том, когда выполнится условие срабатывания перехода: это зависит от системы уравнений, решаемой непрерывной частью исполняющего модуля. Как только это произойдёт, значение времени будет увеличено до времени, выданного решателем уравнений, и будет выполнен событийный шаг.
Событийный шаг
На один момент времени могут быть запланированы сразу несколько событий (дальнейший маршрут). В этом случае AnyLogic выберет одно из этих событий и выполнит его. Это будет повторяться до тех пор, пока не будут выполнены все текущие события. Поэтому сразу несколько событийных шагов могут быть выполнены последовательно, в то время как после временного шага обязательно должен выполняться событийный шаг. Одновременные события (дальнейший маршрут) могут как зависеть друг от друга, так и быть истинно параллельными.
Выполнение события, по сути, является выполнением кода, заданного в действии этого события. Выполнение события перехода является выполнением действия, связанного с этим переходом. В результате выполнения события может измениться дискретное состояние модели: могут начать ожидание другие переходы, планироваться другие события, измениться текущие состояния диаграмм состояний. Поэтому некоторые события могут быть удалены из очереди событий, а другие события могут быть добавлены в неё.
Шаг 1. Определение опорного плана (рис. 2). Решается задача оперативного управления рациональной доставкой грузов в логистической компании «Нева-Лайн» от контейнерной площадки морского порта (1) и грузового терминала Пулково (2) до склада (3), центрального офиса (4) и четырёх магазинов (5–8) в среде «Business Map Деловая карта)» [6]. Транспортная сеть доставки представлена в виде графа (рис. 3), где 1 – контейнерная площадка морского порта; 2 – грузовой терминал Пулково; 3 – склад (ул. Политехническая, 9); 4 – офис (ул. Красуцкого, 5); 5 – магазин-склад (ул. Литовская, 4); 6 – магазин (Ленинский пр-т, 163); 7 – магазин (Гончарная ул., 14); 8 – магазин (ул. Ильюшина, 1, корп. 1). Определяется множество маршрутов доставки
например, с помощью пакета ingit.ru [6].
Шаг 2. Выполнение маршрутов по опорному плану.
Шаг 3. При возникновении непредвиденной ситуации дальнейший маршрут определяется нижеследующим образом (порядок завершения С1).
Определено множество альтернативных (возможных) маршрутов доставки μ (j) =
метрами (критериями) 
Шаг 3а. Выбор модели (рис. 4) доставки грузов
отражает соответствие i-го маршрута доставки требованиям по j-му параметру
1. Модель максиминной свёртки (ММС). Наилучшим считается маршрут при минимальных недостатках по всем параметрам.
2. Модель абсолютного решения (МАР). Задаётся минимально допустимое значение μij min для каждого параметра Y. Выбирается маршрут с параметрами не хуже заданных.
3. Модель основного параметра (МОП). Решение производится по шагам. На каждом шаге выбирается основной параметр, и поиск наилучшего решения ведётся только по нему.
4. Модель компромиссного параметра (МКП). Логист выбирает параметры по их важности и определяет влияние каждого параметра на выбор маршрута.
5. Модель эталонного сравнения (МЭС). Имеется оптимальное решение на основе компромиссной модели, при этом учитываются ограничения на значения параметров.
Определяется эталонный вариант маршрута доставки груза
Параметры этого варианта принимаются как минимально допустимые значения параметров
Каждый вариант маршрута множества Х сравнивается с эталонным
Шаг 3б. Определение значений функции принадлежности и принятие решений по выбору модели доставки грузов на основе нечётких множеств в среде FuzzyTECH (рис. 5). Наиболее перспективные методы принятия решений в слабоструктурированных проблемных областях [8].
Заключение
1. Методы принятия решений на нечётких моделях позволяют удобно и достаточно объективно производить оценку альтернатив по отдельным критериям. Добавление новых альтернатив не изменяет порядок ранее ранжированных наборов.
2. Методы, базирующиеся на разных подходах, дают различные результаты.
У каждого подхода есть ограничения и особенности. Пользователь должен получить о них представление, прежде чем применять тот или иной метод принятия решений.
3. Большинство нечётких методов принятия решений показывает зависимость результатов от исходных данных (рис. 6–8).
Преимуществами подхода к моделированию и исследованию транспортных сетей в пакете AnyLogic является простота и наглядность построения сети, возможность расширения и усовершенствования модели пользователем. Время создания модели транспортной сети зависит от её объема. Построение транспортных сетей и проведение несложных экспериментов с ними могут быть выполнены даже не имеющим специальной подготовки пользователем.
Литература
1. Поспелов Д.А. Ситуационное управление. Теория и практика. – М.: Наука, 1986.
2. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. – М.: Наука, 1990.
3. Борисов В.В., Зернов М.М. Реализация ситуационного подхода на основе нечёткой иерархической ситуационно-событийной сети // Искусственный интеллект и принятие решений, Институт системного анализа РАН, ISSN 2071-8594,1/2009. – С. 17–30.
4. Войнов В.В. Нечёткое ситуационное управление внутрисосудистым микророботом. V Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (28–30 мая 2009 г., Коломна).
5. anylogic.ru. Экс Джей Текнолоджис, xjtek.ru
6. ingit.ru. Официальный сайт разработчика ООО «Фирма «ИНТИТ», «Деловая карта».
7. БорщёвА. Simulation Modeling with AnyLogic: Agent Based, Discrete Event and
System Dynamics Methods/ anylogic.ru/the-big-book-of-anylogic
8. Фараонов А.В. Ситуационная модель выбора маршрута доставки // Прикладная информатика. – 2013. – №2 (44). – С. 113–126.
9. Фараонов А.В. Разработка ситуационной модели выбора маршрута доставки при необходимости изменения опорного плана на основе нечётких множеств. «Логистика: современные тенденции развития». 12-я Международная научно-практическая конференция. – Санкт-Петербург, 19 апреля 2013 г. – С. 399–401.
10. Фараонов А.В. Ситуационная модель выбора маршрута доставки при необходимости изменения опорного плана на основе нечётких множеств // ВИНИТИ. Журнал ТРАНСПОРТ: наука, техника, управление. – 2012. – № 12. – С. 25–30.
11. Фараонов А.В. Разработка алгоритма принятия оперативных решений при выборе нового маршрута доставки // Менеджмент в России и за рубежом. – 2012. – № 3. – С. 84–90.
