Исследование моделей организации грузовых перевозок с применением мультиагентной системы адаптивного планирования грузовиков в реальном времени

О.Граничин, А.Лада, И.Майоров, П.Скобелев, А.Царев

НПК «Разумные решения»

Институт проблем управления сложными системами РАН

Санкт-Петербургский Государственный Университет

Аннотация

Рассматривается применение мультиагентной системы для адаптивного планирования междугородных перевозок в реальном времени, в которой план представляется «неустойчивым равновесием» интересов агентов заказов и ресурсов и не пересматривается всякий раз полностью заново при поступлении новых событий, а лишь корректируется по мере необходимости.

На основе моделирования статистически значимых потоков заказов исследуются различные модели организации перевозок, от наиболее жестких, связанных с возвращением грузовиков на базу после каждой поездки, к более гибким, связанным с ожиданием заказов в городах разгрузки, разрешением грузовикам опаздывать с введением штрафов за опоздание, и, наконец, адаптивным перепланированием заказов «на лету», в реальном времени, когда план любого грузовика может индивидуально меняться в ходе исполнения.

Получены графики изменения прибыли грузовиков во времени для каждой модели, позволяющие на практике показать и оценить преимущества от перехода к принятию решений в реальном времени.

Построены и исследованы зависимости прибыли компании от числа грузовиков, показывающие, что при адаптивном планировании тот же объем заказов можно перевести меньшим числом грузовиков.

Ключевые слова: мультиагентные системы, адаптивное планирование, грузоперевозки, моделирование, реальное время

1. Введение

Задачи распределения, планирования и оптимизации ресурсов, как правило, решаются при хорошо определенных условиях, когда все заказы и ресурсы известны заранее [1-2].

Для решения сложных задач распределения, планировании и оптимизации ресурсов в реальном времени, плохо поддающихся строгой математической формулировке, в последнее время все чаще применяется мультиагентный подход [3-4].

Разрабатываемый нами подход [5] основан на сопоставлении заказам и ресурсам программных агентов, имеющих противоположные интересы, способных реагировать на события, принимать решения и взаимодействовать между собой для разрешения конфликтов и поиска компромиссов путем переговоров (взаимных уступок), что позволяет находить согласованные решения и поддерживать баланс их интересов в интересах компании в целом.

В результате взаимодействия (переговоров) агентов и изменения состояний соответствующих заказов и ресурсов достигается локально оптимальное решение, которое далее в реальном времени при поступлении событий (новый заказ, отзыв уже запланированного, поломка грузовика, задержка в пути и другие) вновь локально корректируется и т.д.

Несмотря на достаточно простую логику каждого отдельного агента, мультиагентная система (МАС) позволяет решать сложные оптимизационные задачи в реальном времени, отличающиеся большим разнообразием элементов и числом связей между ними, причем в условиях существенной неопределенности, когда ни число заказов, ни число ресурсов заранее не известно, и высокой динамики происходящих событий.

Одной из таких задач является задача оптимального планирования грузоперевозок в реальном времени, когда от момента времени принятия решений о планах грузовиков зависит качество и эффективность предоставлений транспортных услуг.

В настоящей работе исследуется решение рассматриваемой задачи на базе мультиагентной системы для управления мобильными ресурсами [6], позволившей путем моделирования оценить преимущества от перехода к принятию решений в реальном времени.

Результаты проведенных исследований будут важны для развития систем управления грузовиками и любыми другими мобильными ресурсами, оснащаемыми средствами GPS/ГЛОНАСС навигации, в реальном времени.

2. Постановка задачи

Пусть имеется флот грузовиков из M машин, базирующихся в определенном городе в некоторой транспортной сети. Стоимость эксплуатации каждого грузовика известна и заранее задана. В систему поступают заказы, характеризующиеся пунктом отправления, пунктом доставки, временем поступления, моментом начала (погрузки), моментом окончания (разгрузки), стоимостью и величиной штрафа за опоздание. Расстояния между всеми пунктами также известны и заданы матрицей расстояний.

Требуется составить план грузоперевозок в реальном времени и найти прибыль транспортной компании в зависимости от стратегий планирования и числа грузовиков. Планирование в реальном времени означает, что в каждый момент времени известны только те заказы, время поступления которых раньше данного момента.

Критерием оптимизации является максимизация суммарной прибыли грузовиков.

Исследование предлагается провести для 4-х различных моделей организации процесса грузоперевозок.