Разработка моделей и алгоритмов решения функциональных задач управления транспортными системами и производством тема диссертации и автореферата по ВАК РФ 05.22.01, доктор технических наук Кутыркин, Александр Васильевич

  • Кутыркин, Александр Васильевич
  • доктор технических наукдоктор технических наук
  • 2004, Москва
  • Специальность ВАК РФ05.22.01
  • Количество страниц 684
Кутыркин, Александр Васильевич. Разработка моделей и алгоритмов решения функциональных задач управления транспортными системами и производством: дис. доктор технических наук: 05.22.01 - Транспортные и транспортно-технологические системы страны, ее регионов и городов, организация производства на транспорте. Москва. 2004. 684 с.

Оглавление диссертации доктор технических наук Кутыркин, Александр Васильевич

ВВЕДЕНИЕ

ГЛАВА 1. СИСТЕМОЛОГИЧЕСКИЙ ПОДХОД К РАЗРАБОТКЕ КРУПНОМАСШТАБНЫХ ПРЕДМЕТНЫХ ОБЛАСТЕЙ УПРАВЛЕНИЯ (НА ПРИМЕРЕ Ж.Д. ТРАНСПОРТА)

1.1. Состояние проблемы в условиях информатизации ж.д. транспорта

1.2. Концептуальные требования к системологическому подходу

1.3. Архитектурная концепция системологического подхода 25 1.4: Формирование метамодельного уровня

1.5. Классификация образующих ММ по группам родственных абстракций (комплексам и категориям)

1.6. Формирование категорий методологических решений (моделей и методов)

1.7. Выводы

ГЛАВА 2. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ВЫБОРА ОПТИМАЛЬНОЙ СТРУКТУРЫ УПРАВЛЕНИЯ

2.1. Постановка проблемной задачи

2.2.Разработка математической модели выбора оптимальной структуры управления

2.3.Анализ существующих методов выбора оптимальной структуры управления

2.4. Разработка алгоритма автоматической классификации

2.5.Разработка алгоритма выбора оптимальной структуры управления, основанного на потоковых построениях

2.6. Разработка алгоритмов потоковой оптимизации, основанных на агрегации информации

2.7. Выводы

ГЛАВА 3. КАТЕГОРИЯ РЕГУЛЯРНЫХ МАКРОМОДЕЛЕЙ И МЕТОДОВ УПРАВЛЕНИЯ

3; 1. Постановка проблемной задачи 90 ■

3.2. Разработка регулярных макромоделей управления вагонопотоками

3.3. Потоковые построения и преобразования регулярной модели

3.4. Методы анализа системы организации вагонопотоков, основанные на регулярных макромоделях

3.5. Выводы

ГЛАВА 4: КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ВЫБОРА

МАРШРУТОВ СЛЕДОВАНИЯ ТРАНСПОРТНЫХ ПОТОКОВ

4.1. Постановка проблемной задачи

4.2. Системный анализ задачи выбора маршрутов

4.3. Разработка математических моделей выбора маршрутов следования

4.4. Разработка алгоритмов выбора маршрутов следования

4.5. Выводы

ГЛАВА 5. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ РАСПРЕДЕЛЕНИЯ

РЕСУРСОВ В ИЕРАРХИЧЕСКИХ ТРАНСПОРТНЫХ СИСТЕМАХ

5.1. Постановка проблемной задачи

5.2. Декомпозиционная модель и алгоритм распределения погрузочных ресурсов

5.3. Полиоптимизационная модель и алгоритм распределения погрузочных ресурсов

5.4.Модели и методы перераспределения погрузочных ресурсов в условиях слабоформализованных целей и критериев

5.5. Выводы

ГЛАВА 6. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ВЫБОРА

ОПТИМАЛЬНОГО ПЛАНА ФОРМИРОВАНИЯ

6.1. Постановка проблемной задачи

6.2. Разработка математической модели выбора оптимального плана формирования

6.3. Разработка алгоритма выбора оптимального плана формирования, основанного на методе ветвей и границ

6.4. Модели и методы выбора оптимального плана формирования в условиях нечетких исходных данных

6.5. Выводы

ГЛАВА 7. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ОПТИМИЗАЦИИ СТРУКТУРЫ СОРТИРОВОЧНОЙ РАБОТЫ НА ТРАНСПОРТНОЙ СЕТИ!

7.1. Постановка проблемной задачи

7.2. Разработка математической модели оперативной корректировки

7.3. Разработка алгоритмов оперативной корректировки

7.4. Распознавание ситуаций затруднений, требующих оперативной корректировки

7.5. Выводы:

ГЛАВА 8. КАТЕГОРИЯ ДИНАМИЧЕСКИХ МОДЕЛЕЙ И МЕТОДОВ

УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ ПОТОКАМИ

8.1. Постановка проблемной задачи

8.2. Разработка обобщенной динамической модели управления транспортными потоками

8.3. Разработка методов векторной оптимизации динамических транспортных потоков

8.4. Анализ эффекта от учёта динамики при управлении транспортными потоками

8.5. Выводы

ГЛАВА 9. КАТЕГОРИЯ МОДЕЛЕЙ И МЕТОДОВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ТРАНСПОРТНЫМИ

СИСТЕМАМИ

9.1. Постановка проблемной задачи

9.2. Разработка имитационной модели поддержки принятия решений по управлению транспортными системами

9.3. Разработка алгоритма распознавания ситуаций при управлении транспортными системами 9.4. Функционирование имитационной модели в режиме «совета» 325 V71 9.5. Построение имитационной модели задачи контроля погрузки по дорогам назначения и в затрудненные пункты выгрузки

9.6. Синтез модели и алгоритмов распознавания ситуаций при ортогональной структуре решающих правил

9.7. Выводы

Рекомендованный список диссертаций по специальности «Транспортные и транспортно-технологические системы страны, ее регионов и городов, организация производства на транспорте», 05.22.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Разработка моделей и алгоритмов решения функциональных задач управления транспортными системами и производством»

Актуальность темы: Решающая роль в стратегии развития ж.д. транспорта России в условиях проводимых радикальных экономических реформ; принадлежит процессу информатизации, обеспечивающему необходимой и достоверной информацией все сферы управления транспортными; системами и производством. Для решения принципиальных: научных, технических: и организационных проблем, возникающих в ходе этого процесса, разработаны Концепция и программа информатизации, которые утверждены< решением расширенной коллегии« МПС №5 от 28 февраля: 1996 года. Данными основополагающими документами установлено, что реализация процесса: информатизации в новых условиях должна осуществляться с помощью информационных технологий, центральными и действительно сложными элементами которых являются модели, методы и алгоритмы, на? основе которых принимаются управляющие решения. Поэтому успешную информатизацию, а следовательно и решение проблемы реформирования ж.д. транспорта, невозможно осуществить без создания и совершенствования развитого наукоемкого комплекса формальных моделей; прикладных методов и эффективных алгоритмов управления; транспортными системами, т производством:

В настоящее время в области? моделирования * и: алгоритмизации систем управления на ж.д. транспорте имеются фундаментальные теоретические исследования, выполненные АЛ. Петровым, К.А.Бернгардом,. Б.АЛёвиным, Л.А.Барановым, Е.М.Тишкиным, ЛЛ.Тулуповым, В.А.Шаровым, В.Г.Шубко,

A.Я;Калиниченко, Е.А.Сотниковым, В;А.Буяновым, П.А.Козловым, Т.А.Тибиловым, Ю.В.Дьяковым,. В.В.Виноградовым, А.А.Воробьевым,

B.Ю.Гореликом, Е.В; Архангельским, А.В.Горским, В.И.Гал аховым, А.Ф.Бородиным, Н.Д.Иловайским, В.П.Феоктистовым, В.И.Некрашевичем, М:М.Болотиным,С.В.Дуваляном; И.К.Лакиным, В.К.Буяновой; В.И.Ковалевым, А.Т.Осьмининым, А.А.Аветикяном, В.М.'Акулиничевым,, А.М:Макарочкиным; Ф.П.Кочневым, Ф.С.Гоманковым; В.А.Кудрявцевым и многими другими.

Вместе с тем, анализ современных условий функционирования» ж.д. транспорта показывает, что возникает ряд новых проблем, для которых, разработанный' ранее методологический инструментарий оказался плохо приспособленным, и требуется; создание нового поколения моделей: и методов управления транспортными системами и производством. Очевидно, что реализация управляющих решений; принятых на основе неадекватных моделей и методов, может привести к тяжелым последствиям, а; возникшую проблему управления', нельзя решить, даже за счет большого количества информации, пока не будут разработаны- адекватная- модель и метод. Сегодня на ж.д. транспорте наблюдается! значительный разрыв между громадными: возможностями имеющихся; компьютеров и> применяемыми машинными« алгоритмами решения? прикладных задач управления. Поэтому Концепция информатизация ж.д. транспорта требует не только обеспечения информацией существующих функциональных, задач управления, но и постоянную разработку принципиально новых более адекватных и эффективных моделей, методов и алгоритмов, позволяющих повысить обоснованность, качество ш своевременность принимаемых управляющих решений. При разработке моделей и методов нового поколения возникает ряд проблем, требующих первоочередного решения.

Центральной проблемой являются трудности: построения глобальной модели управления для такой крупномасштабной системы, какой является ж.д. транспорт. Эти трудности вызваны огромным размером такого моделирования, наличием большого числа противоречивых или плохо совместимых целей- и ограничений, отсутствием лаконичных и выразительных моделей и не могут быть разрешены на базе старых: подходов и методов, которые разобщенно рассматривают вопросы моделирования в устоявшихся предметных областях управления с помощью традиционных видов математических моделей. Поэтому в условиях коренных, реформ необходимо создание развитой' методологии» формирования; органически целостного- комплекса взаимосвязанных и взаимодополняющих категорий моделей и методов управления нового поколения, обеспечивающих адаптацию управляющей системы» к изменившимся целям! функционирования ж.д. транспорта. Разнородность, формируемых категорий; требует создания? единого универсального языка описания знаний о различных моделях и методах управления.

Особой проблемой, связанной с адаптацией управляющей системы к изменившимся условиям г ш требующей ? обязательного решения при . разработке нового поколения моделей и методов; управления, являются вопросы совершенствования структуры этой системы. Выбор оптимальных структур управления транспортными системами и производством является сложной научной, задачей, для которой в настоящее время« отсутствуют адекватные модели и методы решения. Эффективным подходом? к ее решению, позволяющим лучше адаптироваться к конъюнктуре перевозок, является разработка многоуровневых иерархических структур управления, путем оптимальной; декомпозиции транспортной сети на полигоны. С проблемой совершенствования структур управления? тесно связана проблема; создания; структурно-ориентированных методов оптимизации управляющих решений.

Принципиально новой проблемой при- формировании более адекватного поколения моделей и методов является отсутствие методологического инструментария компактного и наглядного макроуровневого моделирования, позволяющего давать единое описание и представление интегральных характеристик всей- системы управления потоками? на транспортной или производственной сети: Особую значимость разработка такой макромодели имеет для целей аналитического исследования системы организации вагонопотоков, обладающей слабыми: возможностями по анализу, из-за сложного комбинаторного характера и огромной размерности решаемых задач, которая оценивается « 2300 допустимых вариантов решения.

Исключительно важной проблемой; возникающей в условиях экономических реформ, является резкое повышение роли субъективного фактора в процессе принятия управляющих решений. В этих условиях многие актуальные задачи * управления возникают в сложных контекстах социальных, экономических ш технических явлений, относятся к слабо - формализуемым и-могут быть реализованы только с помощью интеллектуального вмешательства человека. Необходимость учета; человеческого фактора с его уникальными возможностями классифицировать ситуации, вырабатывать цели, стратегии и: методы их достижения в условиях неопределенности, оперировать неполной: и неоднозначной информацией существенно усложняет математическое описание задач управления транспортными: системами; и производством: Поэтому в ситуациях; носящих субъективный! характер иг трудно; поддающихся формализации с помощью традиционных методов исследования операций, на передний план выдвигается разработка моделей и методов поддержки принятия управляющих решений. Такие ситуации; возникают при выборе маршрутов следования в условиях, когда только учет слабоформализуемых факторов! позволяет выбрать маршруты следования; транспортных потоков, удовлетворяющие всем требованиям лица, принимающего решения (ЛПР). Роль» человеческого фактора особенно велика: в системах оперативного диспетчерского управления, задачах распределения: и перераспределения погрузочных ресурсов и многих др. задачах управления. Разработанные в, данной работе модели; и алгоритмы поддержки принятия решений основаны на методах теории полезности, штрафных и барьерных функций, распознавания и прогнозирования ситуаций- и сцен и др. теориях; их отличает большая интеллектуальная составляющая; предполагающая непосредственное участие ЛПР в процессе выработки управляющих решений.

Значительной; проблемой является: разработка адекватных моделей и методов дискретной комбинаторной« оптимизации, поскольку в условиях экономических реформ повышается роль именно дискретных задач управления транспортными системами и производством. Важность данной? проблемы объясняется усилением требований к качеству и оперативности решения тех многочисленных задач управления, которым; в наибольшей степени» соответствует математика дискретных множеств или множеств, изменяющихся: в дискретные моменты времени. Среди дискретных задач управления, рассматриваемых в. данной работе, следует отметить задачи; выбора и оперативной корректировки плана формирования,, концентрации и перераспределения сортировочной работы, динамического управления вагонопотоками, выбора маршрутов следования вагоно-и поездопотоков и др. Сложность решения указанных задач; связана с тем, что многие из них относятся к «универсальным переборным задачам», для которых в настоящее время: отсутствуют эффективные методы и алгоритмы решения. Основная проблема решения; дискретных задач управления усугубляется четырьмя: дополнительными проблемами. Во-первых, многие рассматриваемые задачи являются многокритериальными, что существенно? усложняет поиск оптимального решения, т.к. требуется определить некоторый компромиссный результат, который в общем случае не является оптимальным ни по > одному критерию. Во-вторых, необходимо принимать во внимание существенно нелинейный характер ряда параметров решаемых задач управления, что позволит построить адекватные модели и методы, учитывающие, реальные возможности различных элементов транспортной сети по пропуску ш переработке вагоно- и поездопотоков. В-третьих, переменные условия функционирования ж. д. сети потребовали разработки адекватных динамических моделей; учитывающих нестационарный; характер решаемых дискретных задач управления. В-четвертых, сложность настоящего этапа реформирования ж.д. транспорта, трудность идентификации основных параметров новых задач управления и др. причины приводят к необходимости выработки управляющих решений на основе неточных, приблизительных и так называемых «нечетких» исходных данных,, для которых достаточно лишь указать их возможные значения5 относительно некоторого интервала достоверности.

Большая практическая значимость изложенных выше проблем обусловливает высокую актуальность выбранной темы и позволяет сформировать цель исследования.

Цель исследования: Основной целью настоящего исследования является создание и реализация • методологии и? соответствующего методологического инструментария разработки; нового поколения моделей и методов, которым предназначено обеспечить решение проблем управления, возникающих в условиях коренного реформирования и широкой информатизации ж.д. транспорта: Для достижения основной цели в диссертации также установлены подцели исследования; связанные с определением функциональных требований к управлению, выбором наиболее актуальных и принципиально новых функциональных задач управления, формированием и разработкой сложных и наукоемких категорий моделей и методов решения выбранных задач, а также их алгоритмической и программной реализацией на^ единой интегрированной информационной основе.

Методика исследования:: Общий методический подход к достижению цели исследования заключается в использовании структурного анализа больших систем. В зависимости от конкретных подцелей и задач исследования также использовался следующий методологический инструментарий: моделирование и алгоритмизация транспортных систем и производств; математическое моделирование с помощью графов и* сетей; дискретная комбинаторная оптимизация; методы представления и обработки знаний; теория вероятностей; теория нечетких множеств; методы адаптации, обучения; распознавания и прогнозирования ситуаций; многокритериальная оптимизация; теория ; многоуровневых иерархических систем г управления; методы регуляризации; линейное и нелинейное программирование; автоматическая» классификация; методы распределения ресурсов;: теория баз данных; методы поддержки принятия решений и др.

Научная новизна: В диссертации? исследован теоретический! подход к разработке нового поколения моделей, методов и алгоритмов решения функциональных задач управления 'гранспортными системами и производством, содержащий следующие впервые полученные научные результаты:

I. Двухуровневую архитектуру Концепции информатизации ж.д. транспорта России, которая включает в; рассмотрение обеспечивающий! уровень, состоящий I из информационной среды и инфраструктуры информатизации, и прикладной уровень информационных технологий. Центральными и действительно сложными элементами этих технологий являются модели, методы и алгоритмы решения функциональных задач управления.

П* Системологический подход к разработке функциональных задач управления для крупномасштабных транспортных систем; и производств, базирующийся; на архитектурной концепции, двухмерной параллельной системе классификации используемого методологического инструментария; формировании категорий моделей и методов и универсальной фреймовой структуре для описания и использования знаний о модельных представлениях и; методах работы с ними. Принципиальная новизна данного подхода заключается в том, что в качестве объекта исследования выступают не отдельные конкретные модели, а соответствующие классы — категории, которые могут интегрировать большое количество моделей с противоречивыми; нечеткими или плохо совместимыми требованиями и ограничениями, а также учитывать современные тенденции в развитии; «традиционных моделей».

III. Нижеперечисленные сложные и наукоемкие категории моделей, методов и алгоритмов (с детализацией их научной новизны):

1. Выбора оптимальной структуры управления (модель, основанная на декомпозиции, исходной' транспортной сети на непересекающиеся; подсети меньшей размерности; приближенный алгоритм декомпозиции, требующий для своей реализации построения минимального остовного дерева; теоретически обоснованный! эффективный алгоритм декомпозиции, использующий) понятие окрестности вершины графа и потоковые преобразования; теоремы агрегирования, носящие конструктивный характер и позволяющие существенно понизить размерность исходной задачи выбора; оптимальной- структуры, а также построить эффективный алгоритм поиска максимального потока в сети).

2. Регулярных макромоделей и методов управления (способ компактного и наглядного представления комбинаторных транспортных задач большой размерности с помощью методов; регуляризации решетками исходной транспортной или производственной сети; «алгоритм половинной нумерации», обеспечивающий свойство строгого упорядочения=номеров опорных элементов в определенных направлениях сети; макромодель системы организации вагонопотоков; приближенное выражение целевой функции, задачи выбора оптимального плана формирования, в котором отсутствуют трудности комбинаторного характера, что обеспечивает проведение: ряда аналитических исследований).

3. Выбора маршрутов следования корреспонденции транспортных потоков (необходимое условие локализации различных частей корреспонденции* на одном маршруте; модели и алгоритмы, учитывающие с помощью инструмента штрафных и барьерных функций дополнительные субъективные ограничения ЛПР, а также технологические ограничения на загрузку элементов сети; как при условии обязательного сосредоточения одной корреспонденции на одном маршруте, так и без него).

4. Распределения ресурсов в иерархических транспортных системах (двухуровневая иерархическая модель задачи? распределения погрузочных ресурсов и декомпозиционный? алгоритм ее решения; многокритериальная модель задачи комплексного регулирования погрузочными ресурсами и эффективный алгоритм ее оптимизации, который' представляет собой некоторую 5 комбинацию «метода ограничений» и «метода свертки»; модели и алгоритмы перераспределения погрузочного ресурса в условиях его дефицита и при множестве слабоформализованных целей и критериев).

5. Выбора» оптимального? плана формирования; (модель выбора оптимального плана формирования с учетом ограничений на число путей и перерабатывающие способности: станций, которая представляет собой двойственную к классическим подходам: задачу оптимизации нелинейной целевой функции на дискретном множестве решений комбинаторного типа; общий алгоритм оптимизации, основанный на методе ветвей и границ и построении верхних ш нижних границ целевой функции и* ограничений, который обеспечивает плану «устойчивость в малом»; частные алгоритмы, позволяющие улучшить временную т емкостную сложность вычислений; обобщение разработанных моделей и алгоритмов на случай нечеткой информации).

6. Оптимизации структуры сортировочной< работы, (многокритериальная модель и универсальный алгоритм оперативной корректировки плана формирования, основанные на выделении потокозависимых станций и эквивалентных потоковых преобразованиях; алгоритм распознавания ситуаций, требующих оперативной корректировки; модели и алгоритмы оперативной корректировки специального вида, предназначенные для выделения сверхдальних магистральных назначений и снижения уровня «угловых потоков»; модель концентрации и перераспределения сортировочной работы, представленная как трехэтапная задача оптимизации, и алгоритм ее решения).

7. Динамических моделей:и методов управления транспортными потоками (динамическая модель, управления с лексикографически упорядоченными критериями оптимизации и весами, заданными с помощью вектор-функций; эффективные алгоритмы оптимизации, основанные на топологическом свойстве ацикличности «расширенной во времени» исходной сети; понятие «эффекта от учета динамики», определяемого с помощью двухкомпонентного вектора; и его анализ; частные модели и алгоритмы для перспективных областей применения динамического потока на ж.д. транспорте).

8. Поддержки = принятия решений! при управлении транспортными системами (методологический подход к «интеллектуализации» информационных технологий на ж.д. транспорте; имитационная модель поддержки принятия, решений, основанная на методах адаптации и= обучения, распознавания ситуаций и выборе информативных признаков; анализ влияния и способы компенсации «неидеальности» реального учителя на процесс обучения имитационной модели; алгоритм распознавания ситуаций, основанный на ортогональной структуре решающих правил и понятии «информационной точки»; подход к выбору наиболее информативных признаков для распознавания ситуаций; использующий понятие «ценности информации»).

Практическая ценность исследования состоит в создании научно обоснованного подхода к разработке нового поколения моделей и методов управления транспортными системами в современных условиях реформирования и широкой«информатизации: ж.д. транспорта. Его реализация позволяет построить более адекватные и принципиально новые модели и; высокоэффективные: методы и алгоритмы, являющиеся органической, составной частью перспективных информационных технологий управления. Практическое использование предложенного подхода обеспечивает: создание новых информационных технологий, удовлетворяющих условиям открытости, гибкости и адаптируемости к изменяющимся условиям функционирования транспортных, систем; высокую скорость разработки и развития комплекса моделей и методов; интеграцию существующих и вновь разрабатываемых моделей и методов управления в соответствующих категориях, что позволяет осуществить важнейший принцип проектирования информационных технологий, заключающийся в однократности любой разработки: и многократности и многоаспектности ее использования. Внедрение исследования позволяет: существенно улучшить эффективность использования ресурсов, участвующих в транспортном процессе, путем повышения транзитности вагонопотоков и уменьшения числа нерациональных их переработок, сокращения? порожнего пробега и ускорения доставки грузов, усиления ритмичности, снабжения грузами получателей' и погрузочными! ресурсами грузоотправителей;и, как следствие такого улучшения, высвободить, часть,ресурсов для дополнительных перевозок; повысить качество управления транспортными системами за счет детальности, точности? и оперативности выработки управляющих решений; обеспечить принятие мер упреждающего управления для ликвидации прогнозируемых затруднений в работе транспортных систем. Практическую значимость выполненного исследования: усиливает универсальность ряда разработанных категорий моделей и методов, позволяющая их использовать при создании систем управления производством.

Реализация работы: Результаты исследования использовались при разработке ряда документов государственного и отраслевого значения, важнейшими из которых являются следующие: «Общегосударственная Концепция и программа: информатизации общества (раздел ж.д. транспорт)»; «Программа создания новых интеллектуальных информационных технологий на: ж.д. транспорте», выполненная; по заданию ГКВТИ (№ ЦША-2/176 от 20.08.90 г.); «Концепция и программа информатизации ж.д. транспорта России», утвержденные решением расширенной Коллегии МПС 28.02.96 г. Указанные документы явились основой для реализации: процесса информатизации на ж.д. транспорте, а годовой экономический эффект от их внедрения оценивается в 1.93-2.25 млрд. руб. Разработанные в диссертации методические положения и; архитектурные решения вошли также в утвержденные МПС методики, ТЗ и ТП, в числе которых следует отметить: «Системный проект информационной системы ж.д. транспорта» (10.00.76/95.00.00. № 29 от 29.01.96 г.); ТЗ и ТП «Автоматизированная система^ для управления? грузовыми перевозками с распределенным банком данных о поездах, вагонах и грузах»; ТЗ и ТП «Информационная среда для обеспечения функционирования новых информационных технологий» (04704353.19300.001 ТЗ и П6); «Технические требования к ГИС ж.д. транспорта» и др.

Диссертационное исследование также реализовано в многочисленных прикладных разработках и приложениях, из которых перечислим только наиболее значимые. Во-первых,, модели и методы поддержки принятия решений, выбора структуры: управления и распределения ресурсов получили применение при создании управляющего режима диалоговой системы контроля и управления работой сети ж.д. (ДИСКОР), внедренной в промышленную эксплуатацию (приказ МПС № А-20528, годовой экономический: эффект от внедрения составляет около 13.9 млн. руб.). Во-вторых, результаты исследования, связанные с выбором маршрутов следования, оптимизацией структуры сортировочной работы и выбором плана формирования использовались при: реализации комплексной программы перспективного развития и размещения сети сортировочных станций (целевая программа № П-23302); проведении по заданию МПС и ряда дорог расчетов, связанных с оперативной корректировкой плана формирования и маршрутов следования вагонопотоков; выборе сверхдальних магистральных назначений; снижению уровня «угловых потоков», концентрации и перераспределению сортировочной работы в условиях сильного спада объема перевозок (годовой экономический эффект от реализации только одного локального варианта концентрации и перераспределения составляет несколько i сотен тысяч рублей). В-третьих, разработанные модели и алгоритмы; интегрированы bs рамках геоинформационной системы «Электронная карта», которая отражает состояние сети ж.д. России, стран СНГ и Балтии (свыше 9 тыс. раздельных пунктов), и в настоящее время используется в нескольких департаментах и диспетчерском; центре МПС, установлена у руководства МПС (всего 37 рабочих мест), эксплуатируется в рамках КИВС МПС и ПКБ ГПУ МПС, а в сфере производства нашла применение в ERP-проекте МПС для управления материальными, финансовыми, трудовыми и, др. видами ресурсов- (годовой экономический эффект оценивается в 27 млн. руб.).

Апробация; работы: Материалы исследования и результаты работы докладывались, рассматривались и; получили одобрение на следующих конференциях, заседаниях и совещаниях: Всесоюзной научно-технической конференции «Опыт создания и внедрения i О АСУ,. АСУП и АСУТП на видах транспорта и перспективы развития АСУ для обеспечения ; координированной работы транспорта» (Ленинград, 1976 г.); Всесоюзном научно-техническом семинаре «Пути повышения надежности АСУ» (МДНТП, 1980 г.); V-om совместном; цикле расширенных заседаний научно-исследовательских семинаров по дискретной математике (ЮНЦ АН УССР) и по графам и гиперграфам (АН МССР КГУ) под преде. проф.А.А. Зыкова (Одесса, 1981 г.); Всесоюзной научно-технической < конференции «Проблемы автоматизации управления перевозочным процессом» (Харьков, 1982 г.); Всесоюзной научно-технической конференции «Пути совершенствования перевозочного процесса и управления транспортом» (Гомель, 1985г.); П-ой международной научно-технической конференции «Актуальные проблемы развития ж.д. транспорта» (Москва, 1996 г.); заседаниях Коллегии МПС РФ (№6 от 22.03.95 г. и расширенном заседании 28.02.1996 г., посвященном проблеме информатизации ж.д. транспорта); совместном заседании комиссий по вычислительной технике и автоматизации и эксплуатации НТС МПС под преде, проф. К.А. Бернгарда (протокол от 20.10.81г.); совместном заседании секций «Управление перевозочным процессом» и «Автоматика, связь и вычислительная техника» НТС МПС (протокол от 29.04.86 г.); сетевом совещании по организации вагонопотоков (Москва, 1983 г.); научно-технических советах отделений «Вычислительной техники», «Управления перевозочным процессом», «Общесетевых вопросов» (ВНИИЖТ, 1980-1987 г.г.) и «Автоматизированных систем управления» (ВНИИЖА, 1988-1995 г.г.); заседаниях кафедры АСУ МИИТа (1974 г. — н. вр.); сетевых научно-технических совещаниях начальников и главных инженеров служб перевозок (Голицино, 1996-1999 г.г.). Интегрированная система «Электронная карта» представлялась на выставках «ЭкспоТранс 99», «ЭкспоЖд», «Корпоративные сети и системы: связи 2000», «Международная транспортная 2000» и была удостоена золотой медали Всероссийского выставочного центра (ВВЦ), а диссертант — присвоения звания «Лауреат ВВЦ».

Работа квалифицируется как теоретическое обобщение и решение крупной научно-технической проблемы создания; нового поколения моделей и алгоритмов функциональных задач управления транспортными системами и* производством, имеющей важное хозяйственное значение для развития ж.д. транспорта страны.

Похожие диссертационные работы по специальности «Транспортные и транспортно-технологические системы страны, ее регионов и городов, организация производства на транспорте», 05.22.01 шифр ВАК

Заключение диссертации по теме «Транспортные и транспортно-технологические системы страны, ее регионов и городов, организация производства на транспорте», Кутыркин, Александр Васильевич

9.7. Выводы

1. Только в немногих случаях принятие решений по управлению транспортной или производственной системой удается: описать, простыми математическими моделями, для которых эффективны традиционные аналитические методы исследования операций. Важным направлением; решения этой проблемы является построение моделей и методов поддержки-принятия решений, которые реализуют современный подход к «интеллектуализации» информационных технологий, позволяющий обеспечить решение трудноформализуемых задач в условиях их большой размерности и при неполных, нечетких и динамически меняющихся данных. Особый интерес имеет применение моделей и методов поддержки принятия решений в тех предметных областях, где решения: принимаются на основе эвристик и обработки концептуальной информации.

2.- Работы по проблеме «интеллектуализации» информационных технологий на ж.д.-транспорте России предлагается вести в направлении создания систем поддержки принятия решений (СППР) в областях нормативного и оперативного управления транспортными потоками; При этом предпочтение отдается разработке СППР для проблемных задач системы организации вагонопотоков и диспетчерского управления поездной и грузовой работой, вагонными и локомотивными парками и другими видами ресурсов. В первую очередь разработку СППР необходимо осуществить для многочисленного диспетчерского аппарата разного уровня, и назначения, которому предстоит функционировать в условиях АРМ. СППР в области диспетчерского управления должны уметь прогнозировать и распознавать ситуацию затруднения, определять последствия данной ситуации и локализовать зону ее влияния, а также формировать план ликвидации затруднения. Большинство реальных задач нормативного управления транспортными потоками возникают в сложных контекстах социальных и физических явлений, которые имеют большую размерность, носят ярко выраженный комбинаторный характер и не имеют четких алгоритмических решений. Реализация интеллектуальной составляющей в сфере нормативного управления предлагается осуществить посредством использования знаний при поиске в пространстве возможностей с целью получения искомого плана.

3. Научная новизна при реализации интеллектуальной поддержки нормативного управления транспортными потоками состоит в использовании высокоэффективных эвристических процедур поиска решений комбинаторных задач большой размерности. Принципиальная научная новизна при создании СППР для оперативного управления транспортными потоками заключается в отказе от использования имеющихся оболочек экспертных систем и разработке собственной, более адекватной рассматриваемому процессу принятия решений, имитационной модели принятия решений, основанной на методах адаптации и обучения, распознавания и прогнозирования ситуаций и сцен, а также выборе информативных признаков для распознавания. Современная структура процесса принятия решений по оперативному диспетчерскому управлению транспортными потоками предполагает интерактивный подход к управлению и обусловливает необходимость, разработки модели, имитирующей этот процесс. В данной работе впервые разрабатываются и связываются теоретические вопросы синтеза и оценки эффективности функционирования имитационной модели с практическими оптимальными решениями и рекомендациями по ее проектированию. В ней также рассматриваются различные методы построения частных математических моделей, обеспечивающих возможность синтеза и оценки эффективности имитационных моделей принятия решений.

4. Разработанная: имитационная модель представляет собой «дружественный интерфейс» между пользователем (ЛПР) и динамическими базами данных, в которых отображаются состояния рассматриваемых технологических процессов, и является дальнейшим развитием концепции интегрированных баз данных. Такой подход обеспечивает вхождение предлагаемой имитационной модели полностью совместимым элементом в существующую информационную среду ж.д. транспорта. Установлено взаимодействие разработанной имитационной модели с системами «ДИСКОР» и«ДИСПАРК»и определены основные режимы этой модели.

5. Для создания имитационной модели предлагается ситуационный подход, основанный на синтезе решающих правил (алгоритмов классификации ситуаций) путем обучения модели учителем — ЛПР на обучающей выборке, представленной авторитетными решениями; — прецедентами; После обучения решающие правила подсказывают ЛПР выводы о том, какое из альтернативных решений является предпочтительнее, и придают СППР черты искусственного интеллекта. Разработанная модель имеет существенное отличие от семиотических моделей ситуационного управления; основанных на лингвистических принципах, которые не позволяют в полной мере использовать существующую информационную среду, представленную базами и хранилищами данных.

6. Обучающую выборку, необходимую для построения имитационной модели, удобно представить в виде двухмерных таблиц соответствия: или отношений между ситуациями и принятыми решениями. Таблицы соответствия в неявном виде содержат цели и ограничения управления, а их структура отвечает требованиям реляционной модели данных. Выбранные критерии обучения минимизируют средний риск принятия решений^ и базируются на теории оптимальных статистических решений. Задача синтеза, по выбранным критериям решающих правил ставится; как в смысле полного синтеза, так и частичного, когда выбирается известная структура решающих правил и производится оптимизация - основных ее параметров. Разработанный алгоритм распознавания ситуаций затруднений, основанный на ортогональной структуре решающих правил и понятии «информационной точки», достаточно полно учитывает специфику принятия решений при оперативном управлении транспортными потоками.

7. При построении имитационной модели необходимо, по возможности, ограничить число используемых при: принятии решений признаков. Разработанный; подход к выбору наиболее информативных признаков при распознавании ситуаций основан на понятии «ценности информации»,, которую несут совокупность признаков. Установлено, что практические задачи принятия решений характеризуются неполными объемами: априорной информации и самыми разнообразными способами ее задания. Предлагается преодолеть недостаток априорной информации; с помощью алгоритмов адаптации и обучения, а также путем использрвания игрового подхода, основанного на минимаксном правиле выбора решения.

8. В* процессе своей: деятельности ЛПР нередко принимает некачественные решения; которые в дальнейшем используются в процессе обучения. Эти решения «закладываются» в свойства системы» и ведут к нежелательным последствиям в будущих ситуациях выбора. В связи с «неидеальностью» реального учителя возникает задача исследования, влияния этой неидеальности на процесс обучения путем вероятностного компьютерного моделирования. Выполненные исследования для трех алгоритмов (потенциальных функций, Зигерта-Котельникова и линейного классификатора) позволили дать рекомендации об области применения данных алгоритмов и способах компенсации неидеальности реального учителя, основанных на проведении вторичного цикла обучения и использовании результатов первичного экзамена.

9. После обучения имитационная модель способна функционировать не только в режиме «совета», но и позволяет ЛПР вести упреждающее управление с помощью прогнозирования на модели результатов принятия управляющих решений. Модели и алгоритмы построения и использования имитационной модели реализованы в виде комплексов программных модулей «1МГГАС». Разработанное методическое и программное обеспечение успешно использовалось для задач «Контроль погрузки по дорогам назначения и в затрудненные пункты выгрузки» и «Контроль выполнения плана комплексной регулировки» и показало свою универсальность и высокую эффективность.

10. Реализация имитационных моделей поддержки принятия решений в системах оперативного диспетчерского управления рассмотрено на примере задачи «Выбор оптимальных комплексов регулировочных мероприятий (РМ) при различных затруднениях в поездной работе на полигоне дороги», решаемой дорожным диспетчером (ДГП). Выполненный системный анализ данной задачи позволил провести классификацию РМ, применяющихся для устранения и: «смягчения» затруднений, а также разработать архитектуру системы «Дорожный диспетчер», обеспечивающей поддержку процесса принятия управляющих решений ДГП. Основу разрабатываемой системы составляет имитационная модель выбора оптимального комплекса РМ. Разработка самих планов проведения РМ сводится к решению комплекса специфических задач распределения ресурсов во времени. Результаты реализации; представленные в настоящей работе, подтверждают практическую целесообразность использования разработанных моделей и алгоритмов в СППР оперативного управления транспортными системами и производством.

ЗАКЛЮЧЕНИЕ

Выполненная работа' позволила достигнуть поставленных ранее целей исследования, что подтверждается следующими результатами и выводами:

1. Разработаны основные методические положения и разделы концепции информатизации ж.д. транспорта России; органически связанной с созданной ранее, также с участием автора, государственной концепцией информатизации. Концепция и; программа информатизации одобрены решением расширенной: коллегии МПС РФ 28.02.1996 г. и в настоящее время являются основой для реализации процесса информатизации ж.д. транспорта России; а. годовой экономический эффект от их внедрения оценивается в 1.93 - 2.25 млрд. руб;

2. Предложен системологический подход к разработке функциональных задач управления; для крупномасштабных предметных, областей; (ПО) деятельности, базирующийся на архитектурной^ концепции, формировании: категорий моделей и методов, и теории фреймов. Разработаны следующие артефакты системологического подхода: архитектурная- концепция, включающая в рассмотрение пять уровней (концептуальный, метамодельный,. модельный, алгоритмический ^ программный); концептуальный уровень,, состоящий из основных парадигм системологического подхода и соответствующих классов; методов анализа и синтеза сложных систем; метамодельный уровень, представленный с помощью двух, ортогональных друг к другу, методологических, иерархий;; метамодель функциональной: составляющей системного проекта информатизацииI ж.д. транспорта России;: структурированная; двухмерная параллельная система; классификации; используемого методологического инструментария; автоматическая классификация- образующих элементов метамодели на комплексы; информационных технологий и категории методологических решений (моделей и методов); универсальная структура фрейма для описания; и; использования; знаний о модельных представлениях проблемной» задачи и методах работы с ними. Предложенный подход предоставляет достаточно простой и гибкий формализм разработки системы функциональных задач управления для: крупномасштабных ПО, а также позволяет существенно снизить общую сложность разработки и сделать ее более наглядной и обозримой.

3. Разработана категория моделей и методов выбора оптимальной структуры решения функциональных задач управления сложными транспортными системами и производством, основанная на декомпозиции исходной графовой модели решаемойI задачи на непересекающиеся подграфы* (подмодели) меньшей размерности. Обосновано, что для исследуемых; задач управления критерии их оптимальной структуризации сводятся, к минимизации суммарного числа внешних связей между выделяемыми подграфами или к двойственной задаче минимизации суммы весов их внутренних связей. Представлен приближенный алгоритм выбора структуры, требующий для своей реализации построения минимального остовного дерева. Предложен и теоретически обоснован эффективный алгоритм декомпозиции, использующий понятие окрестности вершины графа и потоковые преобразования. Доказаны теоремы, агрегирования, которые носят конструктивный>характер и позволяют существенно понизить размерность задачи выбора оптимальной структуры, а также построить, эффективный алгоритм поиска максимального потока в транспортной сети. Сформулировано условие целесообразности варианта иерархической структуры управления: транспортной системой; выбранного с помощью алгоритма декомпозиции. Модели и методы данной! категории позволяют сформировать иерархические структуры задач управления транспортными < системами и производством и существенно снизить сложность их решения. Разработанные модели; и алгоритмы получили; реализацию при выборе: комплексов информационных технологий, формировании категорий; моделей; и методов, разбиении ж.д. сети. России, стран; СНГ-Балтии на; полигоны управления, а также в задачах управления вагонопотоками,. распределения погрузочных ресурсов и в др. приложениях.

4. Предложен принципиально новый; подход к исследованию транспортных и производственных систем, основой? которого является построение регулярных макромоделей и методов, дающих удобный инструментарий для единого описания и анализа изучаемых систем. В рамках предложенного подхода разработан способ компактного и наглядного' представления! комбинаторных транспортных задач большой размерности- с помощью' методов регуляризации решетками исходной транспортной или производственной сети. Построен «алгоритм половинной нумерации», обеспечивающий свойство строгого упорядочения номеров опорных элементов; в определенных направлениях транспортной сети: На; базе упорядоченной матрицы вагонопотоков сформирована; и исследована макромодель системы организации вагонопотоков. Получено приближенное выражение целевой! функции задачи? выбора оптимального плана формирования, в котором отсутствуют трудности комбинаторного характера; что обеспечило проведение ряда аналитических исследований: Представленные макромодели и методы положены в основу различных моделей и высокоэффективных алгоритмов анализа и синтеза системы организации вагонопотоков.

5. Разработана категория моделей и методов; выбора маршрутов следования! корреспонденции транспортных потоков как при условии обязательного сосредоточения одной корреспонденции на одном маршруте, так и без; него, и учитывающих технологические ограничения на загрузку элементов сети, (перерабатывающие способности станций, пропускные способности1 линий, размеры движения; по различным участкам; станциям и назначениям плана; формирования и др.), а также дополнительные ограничения; искусственно вводимые ЛПР. Технологические: ограничения учтены как «слабые»,, путем их задания; в неявном виде с помощью соответствующих зависимостей затрат от загрузки рассматриваемых элементов сети. Для учета дополнительных субъективных и плохо формализуемых ограничений ЛПР предложен инструмент штрафных и барьерных функций, позволяющий; изменить целевую функцию так, что нарушение ограничений становится невыгодным. Установлено, что требования нераздробленности корреспонденции имеет важное значение для ж.д. перевозок и?существенно усложняет решаемую задачу. Получено необходимое условие локализации: различных частей корреспонденции на одном маршруте, которое использовано для построения эффективного приближенного алгоритма выбора маршрутов, основанного на; выделении; циклов отрицательного веса. С помощью метода ветвей; и границ построен также и точный алгоритм выбора, маршрутов в: условиях нераздробленности корреспонденций. Исследована линеаризация функций затрат касательными; и секущими, которая позволила существенно повысить эффективность построенных алгоритмов. Разработанные модели, алгоритмы и программы предназначены для решения задачи выбора маршрутов следования как при условии нераздробленности корреспонденций транспортных потоков, так и без него, ориентированы на работу с сетью любой размерности и реализованы при< выборе сетевого плана формирования; учитывающего ограничения на перерабатывающие, способности станций, и оптимизации маршрутов следования вагоно- и поездопотоков на Московской; Белорусской и других дорогах.

6. Предложен структурно-ориентированный подход к оптимизации управленческих решений в; многоуровневых иерархических транспортных системах и разработана категория моделей и методов распределения ресурсов в этих системах. Построены двухуровневая модель задачи распределения погрузочных ресурсов; (порожних вагонов)? и декомпозиционный« алгоритм; выбора решения5- в; предложенной иерархической структуре. Разработана-многокритериальная модель задачи: комплексного регулирования погрузочными:ресурсами и построен;эффективный алгоритм:ее оптимизации, который представляет собой: некоторую комбинацию «метода;ограничений» и «метода свертки». Предложены; модели и; алгоритмы перераспределения погрузочного ресурса по заданиям в условиях его дефицита и при*множестве: слабоформализованных целей и критериев, основанные на построении функций предпочтения ЛПР в; процессе обучения и определении оптимального распределения: «дефицита погрузочного ресурса». Построены математическая; модель * оперативного суточного планирования, сформулированная в виде задачи минимизации «дефицита нарастающим итогом», и алгоритм, позволяющийI определить оптимальный; суточный план в условиях различных стратегий погашения дефицита. Практическое использование разработанной категории моделей и методов позволяет повысить оперативность и качество решения задачи распределения погрузочных ресурсов, а также резко сократить объемы информации, циркулирующей в;системе управления при ее решении. При внесении в модели и алгоритмы несущественных изменений возможно их использование при оперативном управлении производством на транспорте.

7. Разработана и исследована категория моделей; и методов: выбора оптимального плана формирования. Предложена' модель выбора оптимального плана формирования с учетом ограничений на: число путей; и перерабатывающие способности станций, которая представляет собой двойственную к классическим подходам задачу оптимизации^ нелинейной целевой функции на дискретном множестве решений комбинаторного типа. Разработан общий? алгоритм оптимизации, основанный; нa¡ методе; ветвей и границ и построении оценок верхних и нижних границ целевой функции» и ограничений, который обеспечивает плану «устойчивость в малом», учитывает структурную взаимосвязь назначений и может быть непосредственно применен к исходной графовой модели решаемой? задачи. Предложены и исследованы частные алгоритмы, использующие различные точные и приближенные способы усиления оценок и- стратегии ветвления, которые позволяют существенно улучшить временную и емкостную сложность процесса; вычислений. Получено обобщение разработанных моделей и алгоритмов? на; случай, когда информация об основных параметрах целевой функции; и, ограничений является нечеткой. В рамках общего алгоритма выбора оптимального плана формирования; разработаны, эффективные подалгоритмы, представляющие интерес с точки зрения теории построения; и анализа: алгоритмов (оптимального прикрепления вагонопотоков к назначениям, основанного на построении специального вектора обхода дерева; определения з множества перспективных назначений; учета перерабатывающих способностей станций; корректировки матриц кратчайших путей по назначениям; определения мощностей назначений и др.): Разработано программное обеспечение предложенных алгоритмов, которое успешно реализовано для выбора оптимального плана формирования на реальных сетях опорных станций различной структуры и размерности, а также для анализа целевой > функции на * чувствительность к ограничениям.

8. Сформирована: категория оптимизации структуры сортировочной работы, которую образуют модели и методы, связанные с выбором; и размещением объектов; ж.д. сети, осуществляющих процесс сортировки вагонов, и с перераспределением сортировочной работы в условиях этих объектов г и заданной; транспортной ситуации; Осуществлена классификация затруднений в; сортировочной работе на? три ситуации; требующие различных подходов к выработке управляющих решений по оптимизации рассматриваемой структуры. Установлен и исследован; наиболее важный подход к оптимизации структуры сортировочной работы, состоящий в оперативной' корректировке плана формирования, для которой разработана общая математическая модель, представленная: в виде многокритериальной задачи оптимального управления. Разработан универсальный алгоритм оперативной корректировки, включающий следующие построения: декомпозицию задачи путем! выделения потокозависимых станций и локализации: полигона пересчета; формирование локальной модели; оптимизации, с помощью эквивалентных; потоковых преобразований и локальный пересчет плана формирования;при эквивалентной?потоковой схеме. Предложен алгоритм распознавания и прогнозирования ситуаций затруднений, требующих оперативной корректировки плана формирования, основанный на вероятностных расчетах. Доказано, что при этих расчетах, время задержки единицы корреспонденции вагонопотока, из-за накопления назначения; можно г считать постоянной величиной, независящей от размера корреспонденции. Разработаны; модель и алгоритм оперативной корректировки специального вида, использующей выделение дополнительных сверхдальних магистральных назначений и даны рекомендации по совершенствованию структуры целевой функции в задачах управления вагонопотоками. Предложены также частная трехкритериальная модель оперативной корректировки, предназначенная для, снижения; уровня «угловых потоков», и алгоритм ее оптимизации, который? заключается в трансформации исходной нетипичной задачи к универсальной < задаче оперативной корректировки. Построены математическая; модель проблемы концентрации и перераспределения сортировочной работы, представленная как трехэтапная задача оптимизации / (выбор станций —> выбор назначений —» оптимальное прикрепление вагонопотоков), и алгоритм» ее решения с помощью метода ветвей и границ. Разработан; универсальный комплекс программ оперативной корректировки как сетевого, так и внутридорожного плана формирования, который? был реализован по заданию Главного управления движения МПС в; различных: ситуациях затруднений с пропуском вагонопотоков. Выполнены расчеты по выделению дополнительных более дальних назначений, направлению вагонопотоков кружностью> и снижению уровня «угловых потоков», которые показали высокую эффективность, разработанного инструментария, а результаты; расчетов получили внедрение. Осуществлена реализация; на Московской ж.д., методического аппарата концентрации и перераспределения сортировочной работы, которая« показала, что только для;одного локального варианта расчета экономический эффект от проведения; технологических мероприятий; составляет несколько сотен тысяч рублей в год, а: с: учетом« организационно-экономических будет на порядок выше.

9. Впервые предложена и исследована категория динамических моделей* и методов; управления транспортными системами; научная? новизна; которой заключается в; многокритериальном обобщении проблемы определения; динамического потока, а.также в выявлении и разработке новых перспективных областей приложения: этой проблемы на ж.д. транспорте. Построена обобщенная динамическая модель управления; транспортными потоками, отличительной особенностью которой является наличие совокупности лексикографически упорядоченных критериев оптимизации; и задание на элементах исходной транспортной сети весов с помощью вектор-функций: Разработаны эффективные алгоритмы оптимизации? обобщенного динамического потока в условиях различных векторных критериев, основанные на топологическом свойстве ацикличности «расширенной; во времени» исходной сети. Выявлен дополнительный; критерий, минимизирующий интегральную характеристику неравномерности. динамического плана, который обеспечивает его устойчивость к случайным колебаниям нормативов и за счет резервов создает условия для компенсации; сбойных ситуаций. Дано понятие «эффекта от учета динамики», который определяется; с помощью двухкомпонентного вектора, и осуществлен: его анализ. Сформирована реляционная информационная среда; обобщенной динамической: модели И; установлена ее тесная связь, с базами данных о перевозочном1 процессе. На основе обобщенной задачи разработаны также и частные модели и алгоритмы; для следующих перспективных областей применения динамического потока на ж.д. транспорте: управления; вагонопотоками с учетом назначений плана формирований* и нелинейных функций затрат (в условиях, когда учитываются не только зависимости затрат от размера перерабатываемого вагонопотока, но и от размера вагонного парка в рассматриваемом элементе сети); сокращения; влияния «окон» на продвижение поездопотоков; динамического перераспределения! порожних маршрутов при оперативном регулировании вагонных: парков; построения: календарного плана-графика работы кольцевых маршрутов в условиях трех лексикографически упорядоченных критериев; разработки оптимального динамического плана снятия (смягчения) затруднения или недопущения его возникновения и др. Практическое использование разработанных динамических моделей и алгоритмов их векторной оптимизации? позволяет определить оптимальную стратегию организации» перевозок во времени, на качественно новом уровне решить многие нестационарные задачи г управления; вагоно- и поездопотоками и является эффективным инструментом управления транспортными системами и производством.

10. Разработана; категория моделей и методов; поддержки принятия решений при управлении транспортными; системами, которая реализует современный подход к «интеллектуализации» информационных, технологий и позволяет обеспечить решение трудноформализуемых задач в условиях их большой; размерности?и при неполных, нечетких и динамически меняющихся данных. Определены; основные сферы; «интеллектуализации» информационных технологий на ж.д. транспорте (нормативного и оперативного диспетчерского управления транспортными;потоками). В?сфере нормативного управления предложено использовать знания и высокоэффективные эвристические процедуры поиска решений комбинаторных задач; большой размерности. Для сферы; оперативного диспетчерского управления обоснован; отказ от оболочек экспертных систем и разработана принципиально новая;имитационная модель поддержки принятия решений, основанная на методах адаптации и обучения, распознавания; и прогнозирования ситуаций»и сцен, а также выборе информативных признаков. Обеспечено вхождение разработанной> имитационной модели органически совместимым элементом в существующую информационную среду ж.д. транспорта. Построен алгоритм распознавания; ситуаций, основанный на ортогональной структуре решающих правил и понятии «информационной точки», который^ достаточно полно учитывает специфику принятия решений при оперативном управлении транспортными системами. Предложен подход к выбору наиболее информативных признаков для; распознавания ситуаций, использующий понятие «ценности информации», которую ? несут совокупность. признаков. Исследовано влияние неидеальности реального учителя на процесс обучения имитационной модели' и определены способы компенсации! этой неидеальности. Разработанная категория^ моделей и методов поддержки принятия; решений успешно; использована при решении следующих задач: контроль погрузки! по дорогам назначения и * в затрудненные пункты выгрузки; контроль выполнения! плана комплексной; регулировки; выбор* оптимальных комплексов регулировочных мероприятий при различных затруднениях в поездной работе на полигоне дороги и др. Результаты реализации показали универсальность и высокую эффективность построенных моделей и алгоритмов, а также подтвердили практическую целесообразность использования разработанной категории в системах поддержки принятия решений по? оперативному управлению транспортными системами и производством.

11. Разработанные категории моделей и алгоритмов интегрированы в рамках системы «Электронная карта сети ж.д.», реализованной с помощью геоинформационных технологий; которая достаточно? полно отражает состояние сети ж.д. России, стран СНГ-Балтии и имеет размерность свыше 9 ООО раздельных пунктов. В настоящее время «Электронная карта .» используется в нескольких департаментах и диспетчерском центре МПС, установлена у руководства МПС (всего 37 рабочих мест), а также эксплуатируется в рамках КИВС МП С и ПКБ ГПУ МП С. В сфере производства на ж.д. транспорте разработанную систему предполагается использовать в ERP — проекте МПС для управления материальными, финансовыми, трудовыми и другими: видами ресурсов. Годовой экономический эффект от. внедрения интегрированной системы «Электронная карта .» оценивается в 27млн. руб. и достигается следующим путем: за счет дружественного интерфейса с информационной средой улучшается эффективность использования информации и условия труда всех пользователей; за счет интеграции данных: и задач: управления снижаются расходы на создание, сопровождение и развитие баз данных и задач5 управления; за счет реализации задача управления повышается эффективность использования технических средств транспорта и снижаются транспортные расходы. Разработанная система удостоена золотой медали ВВЦ, а диссертант — присвоения звания «Лауреат ВВЦ».

Список литературы диссертационного исследования доктор технических наук Кутыркин, Александр Васильевич, 2004 год

1. Кутыркин A.B., Лист Ф.Д., Шамцян Л.С., Информатизация; железнодорожного транспорта: состояние, проблемы, перспективы. В кн. «Проблемы информатизации на железнодорожном! транспорте». Подредакцией Кутыркина А.В.-М1 «Транспорт», 1992., с.3-19.

2. Brookes В. С. The Foundations of Information Science 1-4// J. of Information Science.-1980.-V.2. N3-4, p. 125-133.-V.2., N5.-p.209-221;V.2, N6.-p.269-275; 1981-V.3., Nl.-p.3-12.

3. Кутыркин A.B., Лист Ф.Д., Малявко B.E., Концепция информатизации железнодорожного транспорта России.// С. «Вычислительная техника и автоматизированные системы управления», ЦНИИТЭИ, М., 1996, 75с.

4. Кутыркин А.В., Поддавашкин Э.С., Шевцов Б.В., Приоритеты: развития, отрасли: Концепция информатизации железнодорожного транспорта, «Железнодорожный транспорт», N6,1996, с.20-27

5. Кутыркиш A.B., Лист Ф.Д., Современная концепция1 информатизации железнодорожного транспорта, Тезисы докладов 2-ой международной научно-технической конференции! «Актуальные проблемы» развития железнодорожного транспорта», М:, 1996, с.ЗО.

6. Глушков В .Ml, Основы безбумажной информатики, главная редакция физико-математической литературы, М., «Наука», 1982, 552с.

7. Кутыркин* А.В., Крепкая З.А., Горьков С.Н., Проектирование: л*. автоматизированной информационной системы с помощью DESIGN/IDEF,

8. Ml, «Типография МИИТа», 1999, 43с.

9. Девид А. Марка, Клемент Мак Гоуэн, SADT: Методология структурного анализа и проектирования, пер с англ. Ml, 1993, 240с.

10. Гейн К., Сарсон Т., Системный структурный»анализ: средства и методы,. М;, «Эйтекс», 1992, 342с.10: Буч Г., Объектно-ориентированное проектирование, М;, «Конкорд», 1992, 519с:

11. Клир Дж., Системология, М., «Мир», 1990, 539с.

12. Мышкис А.Д., Элементы теории? математических моделей,. М1, «Наука»,. 1994,191с.

13. Краснощекое П.О., Петров А.А.,,Принципы построения моделей, М., изд-во МГУ, 1983,284с.

14. Dym C.L., Ivey Е.С., Principles of Mathematical Modeling, N.Y, John Wiley & Sons,1987, 317p.

15. Meyer W.Ji, Concepts of Mathematical Modeling, N.Y., Graw-Hill, 1984, 377p. ^ 16. Бусленко Н.П., Моделирование сложных систем, M:1978, 377с.

16. Первозванский А. А., Математические модели в управлении производством, М., «Наука», 1975, 615с.

17. Моисеев Н.Н., Математические задачи системного анализа, M., 1981, 417с.

18. Цикридзис; Д., Лоховский Ф., Модели данных, Ml,»Финансы и статистики», 1985, 344с.

19. Кнут Д., Искусство программирования для ЭВМ: Основные алгоритмы, т.1, М1, «Мир», 1976, 735с.

20. Кнут Д., Искусство программирования для ЭВМ: Получисленные алгоритмы, т.2, М., «Мир», 1977, 724с.

21. Кнут Д., Искусство программирования для ЭВМ: Сортировка и поиск, т.З, у. М:, «Мир», 1978, 844с.

22. Успенский;В.А., Семенов?АЛ., Теория алгоритмов::основные открытия;и« приложения; М., «Наука», 1987, 288с.

23. Колмогоров: А.Н., Теория информации и теория алгоритмов, М;, "Наука", 1987,214с.

24. Ахо А., Хопкрофт Дж., Ульман Дж., Построение и анализ вычислительных алгоритмов; М., "Мир", 1979, 536с.

25. Кормен Т., Лейзерсон Ч., Ривест Р.,. Алгоритмы: построение и;анализ, М., МЦНМО, 1999,960с.

26. Вирт Н., Алгоритмы + структуры=программы, М:, «Мир», 1985, 406с.

27. Мейер Б., Бодуэн К., Методы.программирования, в 2-х т., М^, «Мир», 1982, т.Г-356с.,т.2-368с.

28. Лингер Р., Миллс X, Уитт Б;, Теория и практика структурного программирования, М., «Мир», 1982, 406с.30: Боэм Б.У., Инженерное проектирование программного обеспечения, М., «Радио и связь», 1985, 511с.

29. Зиглер К., Методы программного проектирования; М., «Мир», 1985, 328с. ¿ч 32. Кинг Д., Создание эффективного программного обеспечения, М., «Мир», 1991,287с.

30. Касти Дж., Большие системы, М^, «Мир»,1982, 216с.

31. Хакен Г., Информация и самоорганизация: макроскопический; подход к сложным системам, М:, «Мир», 1991, 240с.

32. Блауберг И.В.,.Юдин Э.Г., Становление и сущность, системного подхода, М;, «Наука», 1973, 277с.

33. Негойцэ К., Применение; теории систем к проблемам управления, М., «Мир», 1981,489с.

34. Акофф/ Р.Л., О природе систем, «Изв. АН СССР. Техническая кибернетика», 1971, №3, с.3-21.

35. Исследования по общей теории систем, Сб. статей, М., «Прогресс», 1969; 518с.

36. Акофф Р1, Эмери Ф., О целеустремленных системах, М:,. «Советское радио», 1974,489с:

37. Поспелов; Г.С., Ириков В.А., Программно-целевое, планирование ш ^ управление, М., «Сов. радио», 1976; 440с.

38. Беленький А.С., Исследование операций в транспортных системах, М1, «Мир», 1972, 582с.

39. Вагнер Г, Основы исследования операций, в 3-х томах, М., «Мир», 19721973.

40. Современное состояние теории исследования операций, под ред Моисеева Н.Н., М., «Наука», 1979, 464с.

41. Кофман А., Анри-Лабордер А., Методы и модели исследования операций Mi, «Мир», 1977,432с.

42. Черчмен Р., Акоф Р., Арноф Л.,. Введение в исследование операций, М., «Наука», 1968,486с.

43. Simon Н., The arhitecture of Complexity, Proc. Am. Soc, 106, 1962, 467-482.

44. Morin E., Complexity, Int. Soc. Sci, J.,26,1974,583-597.

45. Weaver W., Science and Complexity, Am Sci. 36, 1968, p.536-544.

46. Baldwin M., Portraits of Complexity, Battele Institute, Columbus, 1975, 318 p.

47. Трауб Дж., Васильковский Г., Вожьняковский X., Информация, неопределенность, сложность, М., «Мир», 1988, 183с.

48. Цвиркун А.Д., Структура сложных систем, М., «Сов. радио», 1975, 199с.52'. Месарович MJ,. Мако Д., Такахара И., Теория иерархических многоуровневых систем, М., «Мир», 1973, 344с.

49. Pattee Н., ed:, Hierarhy Theory, New York, 1973; 347p.

50. Axo A.B., Хопкрофт Д.Э., Ульман Д.Д., Структуры данных и алгоритмы, М., С.П., Киев, «Вильяме», 2000, 384с.

51. Гэри Ml, Джонсон Д., Вычислительные машины и труднорешаемые задачи, М., «Мир», 1982,416с.

52. Сэвидж Дж. Э., Сложность вычислений, М., "Факториал", 1998, 368с.

53. Traub J., ed., Analytic Computational Complexity, Academic, NY, 1976, 318p.

54. Karp R;, ed., Complexity of Computation, SIAM-AMS. Proceedings, Vol 7, American Mathematical Society, Providence, Rhode Island,1974, p.l 13-201.59: Дюран Б., Оделл П., Кластерный анализ, М., «Статистика», 1977, 128с.

55. Жамбю М., Иерархический кластер-анализ и соответствия, М., «Финансы и статистика», 1988, 342с.

56. Классификация и кластер, под редакцией Дж. Вэна, М;, «Мир», 1980, 389с.

57. Колмогоров А.Н., Три подхода к определению понятия «количество информации», Проблемы передачи информации, 1965, 1, 3-11с.

58. Стратонович Р.Л., О ценности информации, Техническая кибернетика, №5, 1965, с.14-23.

59. Sahal D., Elements of an Emerging Theory of Complexity Per Se, Cybernetica, 19,1976, 5-38c.

60. Кутыркин A.B., Регулярные модели и методы, в системе организации вагонопотоков, в кн. «Проблемы информатизации: на железнодорожном транспорте» под ред. Кутыркина А.В;, Ml, «Транспорт», 1992, с.20-33.

61. Кутыркин А.В., Павловский А.А.,. Методы анализа системы организации вагонопотоков,. основанные на построении регулярных моделей, «Математические модели и управление в технических и экономических системах», М., 1998; с.63-69.

62. Лэсдон Л.С., Оптимизация больших систем, М., «Наука», 1975, 431с.

63. Верина Л.Ф., Танаев B.C., Декомпозиционные подходы к решению задач математического программирования, ЭММ, т. 11, №6, 1975, с. 18-41.

64. Краснощекое П.С., Морозов В.В., Федоров В.В., Декомпозиция в задачах проектирования , Изв. АН СССР, Техническая кибернетика, №2, 1979, с.27-35.

65. Кутыркин А.В., Кадушин; А.И., Декомпозиционный алгоритм регулирования порожних вагонопотоков в АСУЖТ, Mi, «Транспорт»,. «Вестник ВНИИЖТ», №6, 1978.

66. Кутыркин А.В., Лист Ф.Д., Формирование информационной; среды железнодорожного транспорта, Mi, «Автоматика,, телемеханика и связь»,1.№7, 1996, с. 11-14.

67. Браверман; Э.М., Математические модели планирования? и; управления в; экономических системах, Mi, «Наука», 1976, 407с.

68. Шеннон К., Работы по теории информации и кибернетике, М;, ИЛ, 1967, 618с.74: Kulback S., Information .iheory and Statistics, Wiley, New York, 1951, 408p.

69. Кутыркин A.B., Голубева Т.Б., Самсонова А.Б., Сравнительный анализ алгоритмов сжатия информации, М., изд-во МГУ ПС, 1996, 19с.

70. Гноенский Л.С.,Каменский Г.А., Л.Э. Эльгольц,.Математические основы теории управляемых систем, Mi, «Наука», 1969, 512с.

71. Чаки Ф., Современная теория управления, Mi, «Мир»,. 1975, 518с.

72. Современная; теория системы управления, под ред. К. Т. Леондеса,. М., «Наука», 1970,487с.

73. Болтянский В.Г., Математические методы оптимального управления, М., «Наука», 1969, 408с.

74. Моисеев Н.Н., Элементы теории оптимальных систем, М., «Наука», 1975; 526с.

75. Ли Э.Б., Маркус Л:, Основы теории оптимального управления, М., «Наука», 1972, 574с.

76. Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф., Математическая теория оптимальных процессов,. М., «Наука», 1969,481с.

77. Карлин С., Математические методы в теории игр, программировании и экономике, М., «Мир», 1964, 838с.

78. Карманов В.Г.,. Математическое программирование; , М;, «Наука», 1980, 256с.

79. Зингвилл У.И., Нелинейное; программирование, М:, «Сов.радио», 1973, 312с.86.*. Хедли Дж:, Нелинейное и динамическое программирование, Mi, «Мир», 1967,506с.

80. Данциг Дж., Линейное программирование: его применения; и обобщения, М., »Прогресс», 1966,600с.

81. Беллман Р., Дрейус С., Прикладные задачи динамического программирования, Mi, "Наука'', 1965, 457с.

82. Бокс Дж., Прогноз и управление, выпуск1., Mi, "Мир", 1974; 406с.

83. Четыркин Е.М., Статистические методы прогнозирования; М;, «Статистика», 1975, 183с.

84. Минаев Ю.Н., Стабильность, экономико-математических моделей оптимизации, Mi, «Статистика», 1980; 103с.

85. Воронов А.А., Устойчивость, управляемость, наблюдаемость, М., «Наука», 1979,313с.

86. Дейт К., Введение в системы, баз данных, Киев-Москва, «Диалектика», 1998,781с.94: Мейер Д., Теория реляционных баз данных, М., «Мир», 1987, 608с.

87. Кутыркин А.В., Синтез оптимальных устройств• распознавания аварийных ситуаций при неполной априорной информации, М., «Энергия», «Электричество», 1973, №3;

88. Моррис У., Наука об управлении: байесовский подход, Mi, «Мир», 1971, 304с.

89. Гордеев Э.Н., Леонтьев В.К., Задача выбора в условиях неопределенности, в сб. Компьютер и задачи выбора, М., "Наука", 1989, с.120-143.

90. Райфа Г., Шлейфер Р, Прикладная теория статистических решений, М., «Статистика», 1977, 359 с.

91. Box G.E. and Tiao G.C., Bayesian Inference in Statistical Analysis, Addison Wesley, 1973,348р.

92. Harrison P.J., Stewens C.F., Bayesian Forecasting, Journal of Royal Statistical Society, u. 38, p.205-239.

93. Lindley D.V., Introduction to Probality and Statistics from Bayesian Viewpoint, Part 2, Inference, Cambridge University Press, 1965, 37 lp.

94. Руа Б., Проблемы, и методы принятия решений в задачах с многими: целевыми функциями, в сб., Вопросы анализа и процедуры, принятия, решений, М., «Мир», 1976, с. 20-58.

95. Фандель Г., И. Вильгейм, О теории принятия решений: при? многих критериях, в сб. Статистические методы и многокритериальные задачи принятия решений, Ml, «Статистика», 1979, с. 96-122.

96. Подиновский В.В., Ногин В.Д., Парето-оптимальные решения многокритериальных задач, М.', «Наука», 1982, 256с.

97. Benson Н.Р., Morin T.L., The vector maximization problem: proper efficiency and stability, SIAM Ji Appl. Math, 1977, v.32, №1, p.64-72.

98. Подиновский B.B., Гаврилов B.M., Оптимизация; по последовательно применяемым критериям, М., «Советское радио», 1975, 192с.

99. Озерной В.М:, Принятие решений; Автоматика и телемеханика, №11, 1971, с.13-34.

100. Оуэн Г., Теория игр, М;, «Мир», 1971, 230с.

101. Льюс Р.Д:, Райфа X., Игры и решения, М., ИЛ, 1961, 642с.

102. Демьянов В.Ф., Малоземов B.Hi, Введение в минимакс, М., «Наука», 1972, 368с.

103. ИЗ: Lindley D.V., Making Decisions, Wiley,. 1971, 431 p.

104. Raiffa H., Decision Analysis: Introductory Lectures on Choices Under Uncertainty, Addison-Wesley, 1968,318p.

105. Фишберн П., Теория полезности для принятия решений, М., «Наука», 1978, 352с.

106. Саати Т., Принятие решений: метод анализа иерархии, М., «Советское радио», 1993, 315с.

107. Кофман А., Введение в теорию нечетких множеств, М., «Радио и связь», 1982,432с.118: Орловский С.А.,. Проблемы принятия решений при нечеткой? исходной информации; M!, «Наука», 1981, 206с.

108. Заде Л.А., Понятие лингвистической переменной и> его применение к принятию приближенных решений, М., «Мир», 1976, 165с.

109. Negoita С., Ralescu D,A., Application of Fuzzy Sets to Systems Analysis,1975, 318p.

110. Дюбуа Д.Д., Прад А., Теория возможностей: приложения*к представлению знаний в информатике, М., «Радио и связь», 1990, 287с.

111. Цыпкин Я.З., Основы теории обучающихся систем, М., «Наука», 1970, 251с.

112. Зейлигер А.Н., Макаров A.A., Санеев Б.Г., Принципы и эвристические методы адаптации экономических систем в условиях неопределенности, Экономика и математические методы, 1974, 10, вып.З, с.18-27.

113. Цыпкин Я:3., Адаптация, обучение и самообучение в автоматических системах, Автоматика и телемеханика, 1966, №1, с.3-21.

114. Zadeh L.A., Ön the definition of adaptivity, Proceedings of the IRE, 1963, v.51,№3, p. 57-93.

115. Айзерман M.A., Браверман Э.М., Розоноэр Л.И1, Метод потенциальных функций в теории обучения машин, М., «Наука», 1970; 383с.

116. Трапезников В.А.,. Человеческий фактор при внедрении АСУ, Вопросы кибернетики, 1977, вып.2, с.135-141.

117. Александров Е.А., Основы теории эвристических решений, М., «Сов. радио», 1975, 254с.129;.Уотермен Д., Руководство по экспертным системам, М., «Мир», 1989; 388с.

118. Экспертные системы: состояние и перспективы, под ред. Поспелова Д.А., М:, «Наука», 1989, 152с.

119. Gevarter W., An Overview of Expert System, Washington- D.C., National' Bureau of Standards, 1982, 314p.

120. Carroll; J.M;, Мс Kendree, Interface design; issues for advice-giving expert systems, «Commun. ACM », 1987,30, №1, 14-3 lp.

121. Кутыркин A.B., Лист Ф.Д., Вопросы интеллектуализации систем управления на ж.д. транспорте, в кн. «Компьютерные технологии^ управления на железнодорожном транспорте», М., «Транспорт», 1995,. с. 40-46.

122. Поспелов Г.С., Искусственный интеллект-основа.новой« информационной технологии, М., «Наука», 1988, 279с.

123. Лорьер ЖJL, Системы искусственного интеллекта, М., «Мир», 1991, 568с.

124. Бенержи Р., Теория решения задач, М., «Мир», 1972, 224с.

125. Клещев A.C., Представление знаний. Методология, формализм, организация вычислений; и программная поддержка, Прикладная информатика, 1983, вып.1, с. 93-99.

126. Минский М., Фреймы для представления; знаний, Mi, «Энергия», 1979,' 200с.

127. Цаленко М.Ш., Моделирование семантики в базах данных, Mi, «Наука», 1989,' 287с.

128. Приобретение знаний, под ред. Осуги С., Саэки Ю., М:, «Мир», 1990; 303с.

129. Уэно X., и др., Представление и использование знаний, М., «Мир», 1989, 220с.

130. Поспелов Г.С., Поспелов Д.А., Проблемы диалога в человеко-машинных системах, Вопросы кибернетики, вып. 8, 1977, с.4-21.

131. Левченков A.C., Борисов А.Н., К проблеме моделирования поведения лица, принимающей решения, в кн. Управление; сложными? системами, Рига, РПИ, 1976, с.74-77.

132. Евланов Л.Г., Кутузов В.А., Экспертные оценки в управлении; М:, «Экономика», 1978, 132с.

133. Бешелев С.Д., Гурвич Ф.Г., Математико-статистические методы экспертных оценок, М., «Статистика», 1980; 218с.

134. Ту Дж., Гонсалес Р., Принципы распознавания образов, М., «Мир», 1978, 411с.

135. Горелик AJL, Гуревич И.Б., Скрипкин B.A., Современное состояние проблемы распознавания, М:, «Радио и связь», 1985, 161с.

136. Себестиан; Г.С., Процессы: принятия решений^ при распознавании образов, Киев «Техника», 1965, 149с.

137. Дуда Р., Харт П., Распознавание образов и анализ сцен, М., «Мир», 1976, 511с.

138. Роберте Ф.С., Дискретные математические модели; с приложениями; к социальным, биологическим и экологическим; задачам, М., «Наука», 1986, 495с.

139. Вентцель E.G., Теория вероятностей; Mi, «Наука», 1964; 576с.

140. Майника Э;, Алгоритмы оптимизации на сетях и графах, М:, «Мир», 1981, 323с.

141. Ху Т., Целочисленное программирование и: потоки в сетях, М., «Мир», 1974,519с.

142. Кристофидес Н.,. Теория графов: алгоритмический подход, М;, «Мир»,. 1978,432с.

143. Зыков A.A., Основы теории графов. М., «Наука», 1987, 384с.

144. Адельсон-Вельский F.M., Диниц Е.А., Карзанов A.B., Потоковые алгоритмы, М., «Наука», 1975, 119с.

145. Форд Л., Фалкерсон Д., Потоки в сетях, М., «Мир», 1966, 276с.

146. Стенбринк П.А., Оптимизация транспортных сетей, Mi, «Транспорт» 1981, 320с.

147. Медельсон Э.у Введение в математическую логику, М., «Наука», 1976, 320с.

148. Лезер Н., Архитектура открытых распределенных систем, Открытые системы, №3, 1993, с.10-16.

149. Системный проект информационной системы железнодорожного транспорта, в 15 т., М., 1997.1641 Making Everything come up Roses-Object Magazine, October 1994, p.17.

150. A Metrics Suite for Object-Oriented- Analysis and: Design Using the: Booch; Method. A Jechical Paper.- Материалы фирмы Rational Software Corp., 1994.

151. Дубова H., Устройство и назначение хранилищ данных, Открытые системы, No 4-5, 1998, с. 59-65.

152. Цветков В:Я;, Геоинформационные системы и технологии; М., «Финансы и статистика», 1998, 287с.

153. Тихонов A.H., О методах регуляции задач оптимального управления; ДАН СССР, 1965, т. 162, №4, с.83-101.169; Тихонов А.Н. и др., Регуляризирующие алгоритмы и априорная-информация, М., «Наука», 1983, 198с.

154. Петров А.П:, План формирования поездов: Опыт, теория, методика расчетов, Mi, «Транжелдориздат», 1950, 483с.

155. Бернгард K.Á., и др., Расчет плана формирования одногруппных технических маршрутов, труды ВНИИЖТ, вып. 17, М., «Трансжелдориздат», 1949, 117с.

156. Акулиничев В.М. и др., Организация вагонопотоков и маршрутизация перевозок, М., «Транспорт», 1970, 320с.

157. Дувалян С.В., Методы и алгоритмы решения задач планирования и учета на железнодорожном транспорте, труды ЦНИИ МПС, выпуск 401, М:,. 1969,255с.

158. Попов А.И., Расчет плана формирования одногруппных поездов методом направленного перебора вариантов, труды МИИТа, вып. 229; М., 1966, с.18-37.

159. Черенин; В:П.,. Составление оптимального плана формирования одногруппных поездов на ЭВМ, «Вестник ВНИИЖТ»,М., 1961, с.21-24.

160. Кутыркин A.B., Васильев В.И., Расчет оптимального плана формирования одногруппных поездов; методом ветвей; и границ, М., «Транспорт», «Вестник ВНИИЖТ», 1980, №7, с.49-54.

161. Корбут A.A., Финкельштейн Ю.Ю., Дискретное программирование, М., «Наука», 1969, 368с.

162. Инструктивные указания по организации вагонопотоков; на железных дорогах СССР, под ред. В.К. Буяновой, М., изд-во «Транспорт», 1984, 256с.

163. Препарата Ф., Шеймос М., Вычислительная; геометрия: введение, М:, «Мир», 1989, 478с.

164. Hoare C.A.R., Quicksort, Computer Journal 5, 10-15(1962), р.27-38.

165. Кутыркин А.В., Алгоритмы оперативной корректировки плана формирования поездов, М., «Транспорт», «Вестник ВНИИЖТ», 1983, №8, с.1-6.

166. Кутыркин А.В., Сотников Е.А., Левин; Д!.Ю., Васильев В.И., Методика: организации вагонопотоков, М., «Транспорт», «Железнодорожный транспорт», 1982, №4, с.13-17.

167. Васильев И.И., Графики и расчеты > по организации^ железнодорожных перевозок, М., «Трансжелдориздат», 1941, 575с.

168. Сотников Е.А., Интенсификация работы сортировочных станций; Ml, «Транспорт», 1979, 239с.

169. Исследования по дискретной оптимизации, под ред. Фридмана А.А., Mi, «Наука», 1976, 445с.

170. Floyd; R.W., Algorithm 97: Shortest Path, Communication of ACM, 5(6), 345(1962).

171. Moore E.F., The Shortest Path Through a Maze,. Bell Telephone Laboratories Report, 1959.

172. Ford L.R. Jr., Network flow theory, RAND Corporation Paper P-923, July 14, 1956.

173. Minty G.J., A comment on the shortest route problem; Op. Res., 5(1957), 724.

174. Dijkstra E.W., A not on two problems in connection; with graph, Numerische Mathematics, 1959, 1, p:269-301.1941 Hu T.C., Decomposition Algorithm for Shortest Paths in a Network, J.ORSA, 16(l),(Jan.-1968) p.91-102.

175. Архангельский E.Bl, Уровни загрузки и потребная мощность устройств сортировочных станций, Труды ЦНИИ МПС, 1975, вып. 544, 128с.

176. Кутыркин А.В., Оперативная корректировка плана формирования поездов, «Пути совершенствования перевозочного процесса, и управления транспортом», Всес. научн.-техн. конф., 1985; тез. докл., Гомель, 1985, с.462-465.

177. Вара И.А., Эффективность внутрисуточной корректировки, плана формирования одногрупных поездов, «Вестник ВНИИЖД», 1971, №4, с.42-46:

178. Павловский A.A., Использование геоинформационных технологий, «Железнодорожный транспорт», 1999; №3, с.31-35.

179. Павловский; A.A., Электронная карта сети железных дорог: функциональные требования и механизмы их реализации, «Автоматика, связь и информатика», 1999, №11, с.20-23;

180. Кутыркин A.B., Комплексная модель планирования- и оперативного управления вагонопотоками,в кн. «Совершенствование эксплуатационной работы железных дорог», М., «Транспорт», 1985, с.68-77.

181. Кутыркин A.B., Павловский A.A., Проблема концентрации и перераспределения объемов сортировочной работы, «Вестник МИИТа», выпуск 1, М., 1998, с.27-34.

182. Кутыркин A.B., Информационные технологии: концентрация сортировочной работы в новых условиях, Железнодорожный транспорт, 1997, №2,с. 14-18.

183. Кутыркин A.B., Построение имитационных моделей процессов принятия решений в АСУЖТ, «Вестник ВНИИЖТ» 1978, №3, с.59-63.

184. Балч В.И., Казовский И.Г., Кудрявцев В.А., Гречанюк В.Ф., Регулирование грузовых перевозок на железных дорогах, М., Транспорт, 1984, 248с.

185. Нестеров Е.П., Транспортные задачи линейного программирования, М1, Транспорт, .1971, 216с.

186. Триус Е.Б., Задачи математического программирования транспортного типа, М., «Советское радио», 1967,208с.

187. Левит Б.Ю., Лившиц В.Н., Нелинейные сетевые транспортные задачи, М., Транспорт, 1972,144с.

188. Васильева Е.М., Левит Б.Ю., Лившиц В.Н., Нелинейные транспортные задачи на сетях, М., Финансы и статистика, 1981,103с.

189. Лебедев Т.П., Ломакина H.H., Садиков П.П., Сотников Е.А., Расчет времени нахождения вагонов на сортировочных и участковых станциях, Труды ЦНИИ МПС, вып.481, М., Транспорт, 1973, 181с.

190. Баранов А.М1, Козлов В.Е., Чернюгов А.Д., Рациональная^ загрузка железнодорожных линий, Труды ЦНИИ МПС, вып.З 61, М., Транспорт, 1968,207с.

191. Дыканюк М.Л., Лахтуров С.С., Автоматизация расчета месячного плана передачи порожних вагонов по междорожным стыковым пунктам на сетевом уровне управления, Вестник ВНИИЖТ, 1986, №7, с.4-7.

192. Кутыркин А.В:, Выбор маршрутов, следования; корреспонденций транспортных потоков, в кн. «Проблемы информатизации на железнодорожном транспорте», под ред. Кутыркина A.B., М., «Транспорт», 1992, с.33-53.

193. Сотников Е.А., Мильман P.C.,. Здоровец М.И., Влияние насыщенности, поездами участков на показатели их работы, в кн. «Совершенствование эксплутационной работы железных дорог», М., Транспорт, 1985, с. 91-96.

194. Левин Д.Ю;, Оптимизация; условий движения поездов^. В; кн. «Совершенствование эксплутационной работы железных дорог»,. М., Транспорт, 1985, с. 15-37.

195. Сотников Е. А.,. Суржи на В .И., О техническом нормировании качественных показателей работы железных работ, «Вестник ВНИИЖТ», 1980; №3; с.4-7.

196. Никифоров Б.Д., Тишкин Е.М., Макаров В.М., Климанов B.C., Управление поездной работой на направлении, «Железнодорожный транспорт», 1982,. №2, с.17-24.

197. Иловайский Н.Д., Повышение качества оперативных планов перевозок грузов, «Вестник ВНИИЖТ», 1984, №4, с.9-12.

198. Мину MI, Математическое программирование, Ml, «Наука», 1990,486 с.

199. Зангвилл, Нелинейное программирование, М., «Советское радио», 1973, 311с.

200. Базара М., Шетти К., Нелинейное программирование: теория и алгоритмы, М., Мир, 1982,583с.

201. Васильев В.И., Перераспределение потоков на сети с переменными;весами ее элементов, ВНИИЖТ, Ml, 1984, (Рукопись деп. В ЦНИИТЭИ МПС №2806,) РЖ ВИНИТИ, Ж.д. транспорт, №11, реф.11 А80-84, 9с.

202. Ловецкий С.Е., Меламед И.И.,. Статические потоки в сетях (обзор), «Автоматика и телемеханика», 1987, №10, с.3-29.

203. Ford L.R.,Jr., Network flow theory, RAND' Corporation, Paper P-923, July 14, 1956,243р.

204. Ловецкий C.E., Меламед И.И., Динамические потоки в сетях (Обзор), «Автоматика и телемеханика», 1987, №11, с.7-29.

205. Болтянский В.Г., Оптимальное управление дискретными системами, Mi, «Наука», 1974, 379с.

206. Bellmore M.,Vemuganti R.R:, On multi-commodity maximal; dynamic flows, Oper. Res., 1973, V.21, №16 p. 10-21.

207. Gale D:,Transient flows in networks, Michgan Math. J, 1959, № 6, p.59-63.

208. Кутыркин A.B., Алгоритмы динамического управления перевозочным процессом, «Вестник ВНИИЖТ», 1981, №1, с. 15-19.

209. Кутыркин A.B., Динамическая модель организации вагонопотоков, «Проблемы автоматизации управления перевозочным процессом на железнодорожном транспорте», Харьков,, 1982, с.65-68.

210. Танаев B.C., Шкурба В.В., Введение в теорию расписаний, М., «Наука», 1975,256с.

211. Конвей Р.В., Максвел В:Л., Миллер Л.В., Теория расписаний, М;, «Наука», 1975,359с.

212. Диниц Е.А., Алгоритм решения задач о максимальном потоке в сети со степенной оценкой, «Доклады АН СССР», 1970,194, №4, с. 154-7571

213. Карзанов^ A.B., Нахождение максимального потока в сети методом предпотоков, «Доклады АН СССР», 1974, 215, №1, с.49-53.

214. Васильева В.И., Оперативное распределение порожних вагоно- и поездопотоков при регулировании вагонных потоков в АСУЖТ, канд. дисс., н. рук. Кутыркин A.B., М., 1988, 192с.

215. Чернюгов А.Д., Мерцанов Е.Г., Организация продвижения порожних полувагонов на регулировочном направлении, Вестник ВНИИЖТ, 1981, №8, с.4-6.

216. Оперативное планирование эксплутационной работы (первая очередь АСУЖТ), под ред. Л.П. Тулупова, Труды ВНИИЖТ, вып.571,' Ml, Транспорт, 1977, 207с.

217. Калиниченко Л.А., Методы и средства интеграций неоднородных баз данных, М., «Наука», 1983; 423с.

218. Шумская' O.A.,. Календарное планирование маршрутных перевозок в АСУЖТ, канд. дисс., н. рук. Кутыркин A.B., М., 1988, 198с.

219. Волков В1 А., Левин Д.Ю., Лерман В.Д., Совершенствование эксплуатации железных дорог, М., Транспорт, 1984, 208с.

220. Бурков В:П.,. Ловецкий С.Е., Методы, решения экстремальных задач комбинаторного типа, Атоматика и телемеханика, 1968, №1, с. 23-30.

221. Букан Дж., Кенигсберг Э., Научное управление запасами; М., Наука, 1967, 423с.

222. Хедли Дж., Уайтин Т., Анализ систем управления; запасами; Ml, Наука, 1969,511с.2541 Кутыркин A.B., Задача управления запасами в подсистеме материально-технического снабжения, Ml, Типография МИИТа, 1979, 19с.

223. Кутыркин A.B., Задача регулирования порожних вагонопотоков в АСУЖТ, М., Типография МИИТа, 1981, 28с.256; Убайдуллаев И.Х., Оптимальное планирование перевозочного процесса на железной дороге, изд-во «ФАН», Ташкент, 1970, 288с.

224. Марков A.B., Павлов И.Н., Методы регулирования парком порожних вагонов, М., Трансжелдориздат, 1948,.116с.

225. Тулупов Л.П., Митасов П.В:, Пеккер Л.Д., Регулирование парка порожних вагонов с учетом их годности под погрузку, Вестник ВНИИЖТ, 1981, № 3, с.5-7.

226. Кутыркин A.B., Кадушин А.И., Полиоптимизационная модель регулирования порожних вагонопотоков в АСУЖТ, Межвузовский сб. «Применение математических методов и моделирования в АСУЖТ», Труды МИИТа, выпуск 637, Mi, 1979, с. 33-40.

227. Кутыркин A.B., Кадушин А.И., Распределение погрузочного ресурса при слабоформализованных целях и критериях, Межвузовский сб. «Вопросы проектирования и эксплуатации АСУ на транспорте», Труды МИИТа, выпуск 601, М., 1978, с. 77-82.

228. Руа Б., Проблемы и методы принятия решений в задачах с многими целевыми функциями; в кн. «Вопросы анализа и процедуры принятия решений», М., «Мир», 1976, с.20-58.

229. Пфанцагль И., Теория измерений, М., «Мир», 1976,248с.

230. Кутыркин A.B., Организация производства: выбор решений, «Новые книги за рубежом», №8, М., «Мир», 1980, с.131-134.

231. Растригин Л.А., Статистические методы поиска, М., «Наука», 1968, 273с.

232. Поляк Ю.Г., Вероятностное моделирование на электронных вычислительных машинах, Mi, «Советское радио», 1971, 400с.

233. Nieminen J., On minimum point cutsets of a point weightet communication graph, Control and Cybernetics, vool. 3(1974) No.3/4, p. 90-92.

234. Орлова Г.И., Дорфман Я.Г., Оптимальное деление графа на несколько подграфов, Техническая кибернетика, 1972, №1, с.118-121.

235. Рыжков А.П., Алгоритм разбиения графа на минимально связанные подграфы, Техническая кибернетика, 1975, №6; 122-128.

236. Моисенко Г.Е., Оптимальное разбиение системы на подсистемы, Автоматика и телемеханика, 1979, №7, с. 103-112.

237. Айзерман. М.А., Браверман Э.М., Розоноэр Л.И., Метод потенциальных функций в теории обучения машин, М., «Наука», 344с.

238. Кутыркин A.B., Красиков И.З., Разработка алгоритма выбора рациональной структуры полигонов сети ж.д. В отчете по теме № 73/77 Разработка предложений по расширению комплекса задач второй очереди «ДИСКОР», н. рук. Кутыркин A.B., М., МИИТ, 161с.

239. Разработка предложений по реализации диалогового режима в системе ДИСКОР для принятия решений по управлению перевозочным процессом в МПС, н. рук. Кутыркин A.B., тема №83/76, М., МИИТ, 121с.

240. Pearson J.D., Decomposition, coordination and multilevel systems, «IEEE Trans. Syst. Sei. And Cybernet», 1966, v 2.

241. Клыков Ю.И., Ситуационное управление большими системами, М., «Энергия», 1974, 157с.

242. Гинзбург С., Математическая теория контекстно-свободных языков,, Ml, «Мир», 1970,437с.

243. Codd E.F., A relational model of date for large shared data banks, Comm. ACM 13,6 (June 1970), p.377-387.

244. Codd E.F., Understanding relations (Unstalment №7) FDT (Bulletin of ACM SIGMOD)*7, 3-4 (Dec. 1975), p.23-28.

245. Кутыркин A.Et., Михайлов B.B., Шишкин B.M., Алгоритм распознавания аварийных ситуаций, «Энергия», «Электричество», №4, 1971, с. 29-341

246. Харкевич A.A., Избранные труды, т.З, М., «Наука», 1973; 371с.

247. Кочнев Ф.П., Акулиничев В.М;, Макарочкин А.М!, Организация движения; на железнодорожном транспорте, М., 1973, 567с.

248. Кутыркин A.B., Васильев В.И., Синтез алгоритма распознавания ситуаций при оперативном управлении перевозочным процессом, Межвузовский сб: «Применение математических методов и моделирования! в АСУЖТ», Труды МИИТа, выпуск 637, Ml, 1979, с.25-33.

249. Кутыркин A.B., Васильев В.И.,. Алгоритм принятия решений по оперативному управлению перевозочным процессом при ортогональной структуре решающих правил, «Вестник ВНИИЖТ», 1979, №4, с. 59-62.

250. Кутыркин A.B., Синтез и оценка потенциальной эффективности оптимальных алгоритмов распознавания аварийных ситуаций, дисс. на соискание ученой степени к.т.н. М., 1973г.

251. Мищенко B.Ä., Метод селектирующих функций в нелинейных задачах контроля и управления, Ml, «Советское радио», 1973, 275с.

252. Кутыркин A.B., Целяпин В.Н., Построение алгоритмов обучения системы управления с учетом «неидеальности» учителя, Межвузовский сб. «Вопросы, проектирования и эксплуатации АСУ на транспорте», Труды МИИТа, выпуск 601, М., 1978, с.62-76.

253. Кутыркин A.B., Целяпин В.Н., Управление перевозочным процессом в системе «Дорожный диспетчер», «Железнодорожный транспорт», 1979, №11, с.20-24.

254. Кутыркин A.B., Павловский A.A.,, Оптимальное управление вагонопотоками в условиях нечетких исходных данных, «Наука и техника транспорта», 2003, №3., с. 40-53.

255. Составлен следующей комиссией:

256. Шуйский В.А. заместитель начальника ГВЦ МПС РФ (председатель

257. Рослова.Т.П: заместитель главного технолога ГВЦ МПС РФ

258. Ионих Т.Н. начальник отдела ГВЦ МПС РФ

259. Брискина Т.С. начальник отдела ГВЦ МПС РФ

260. Кутыркин A.B. докторант МГУ ПС (МИИТ)

261. С целью выбора управляющих решений разработанная система предоставляет пользователю возможности анализа данных по определеннымкритериям. Выбираемые данные выделяются на тематических картах с помощью изменения цвета или формы отображаемых объектов.

262. Для обеспечения возможности работы с нечеткой информацией; в системе разработан специальный класс С++ Fuzzy, включивший в себя необходимые переменные и методы, а также механизм перегруженных операторов.

263. В сфере производства на ж.д. транспорте разработанную систему предполагается использовать в ERP-проекте МПС РФ для управления материальными, финансовыми, трудовыми и другими видами ресурсов.

264. Разработанный комплекс удостоен золотой медали ВВЦ, а Кутыркин A.B. присвоения звания «Лауреат ВВЦ».

265. ВСЕРОССИИСКИИ ВЫСТАВОЧНЫЙ ЦЕНТР

266. Совет ВВЦ награждает медалью1. ЛАУРЕАТ ВВЦ"п^Пасщювление от1. Москвапролоарум йен СТРАН. с0сгиин.(!сы

267. РОССИЙСКАЯ ФЕДЕРАЦИЯ МИНИСТЕРСТВО ПУТЕЙ СООБЩЕНИЯ

268. МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ1. ПУТЕЙ СООБЩЕНИЯ

269. РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ РЕШЕНИЯ

270. ФУНКЦИОНАЛЬНЫХ ЗАДАЧ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ СИСТЕМАМИ И ПРОИЗВОДСТВОМ

271. Специальность 05.22.01 Транспортные и транспортно-технологическиесистемы страны, ее регионов и городов, организация производства на транспортек диссертации на соискание ученой степени доктора технических наук1. На правах рукописи

272. КУТЫРКИН Александр Васильевич

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.