Modeling and Information System in Economics
ISSN 2708-9746
Оптимізація транспортних задач за допомогою нейронних мереж
Optimisation of transportation problems using neural networks
DOI:
10.33111/mise.103.5
Анотація: В сфері логістичних систем дуже мінливий характер навколишнього середовища вносить невизначеність щодо його стану. Як наслідок, виникає необхідність вдосконалення традиційних математичних інструментів. Стаття присвячена застосуванню нейронних мереж у вирішенні логістичних задач та підбору поправкових коефіцієнтів у класичних транспортних задачах. Розглянуто вплив зовнішніх факторів на логістичні процеси. Описано використання багатошарової нейронної мережі з використанням бібліотеки Keras мови програмування Python для автоматизованого підбору необхідних параметрів на основі історичних даних та стандартних розрахунків. У статті представлено структуру та параметри нейронної мережі, досліджено її ефективність. Описується процес тренування та використання мережі для прогнозування поправкових коефіцієнтів.
Abstract: In the field of logistics systems, the very minimal nature of the excessive middle ground will introduce insignificance to the point where I will become. As a result, there is a need to thoroughly modernize traditional mathematical tools. The article is devoted to the establishment of neural measures in major logistics problems and the selection of correction coefficients in classical transport problems. The influx of external factors on logistics processes is examined. We describe the use of a multi-ball neural network using the Keras library and Python programming for the automated selection of necessary parameters based on historical data and standard layouts. The article presents the structure and parameters of the neural network and monitors its effectiveness. The process of training and calculating measures for predicting correction coefficients is described
Ключові слова: нейронна мережа, логістична задача, транспортна задача, аналіз, логістичні виклики, ефективність методів оптимізації, багатошарова нейронна мережа, тренування нейронної мережі, поправкові коефіцієнти
Key words: neural network, logistics problem, transport task, analysis, logistics calls, effectiveness of optimization methods, rich-ball neural network, neural network training, correction coefficients
УДК: 004.89
UDC: 004.89
To cite paper
In APA style
Hladka, Y., Ostapenko, V., & Chuhaieva, O. (2023). Optimisation of transportation problems using neural networks. Modeling and Information System in Economics, 103, 58-70. http://doi.org/10.33111/mise.103.5
In MON style
Гладка Ю.А., Остапенко В., Чугаєва О.В. Оптимізація транспортних задач за допомогою нейронних мереж. Моделювання та інформаційні системи в економіці. 2023. № 103. С. 58-70. http://doi.org/10.33111/mise.103.5 (дата звернення: 11.04.2025).
With transliteration
Hladka, Y., Ostapenko, V., Chuhaieva, O. (2023) Optymizatsiia transportnykh zadach za dopomohoiu neironnykh merezh [Optimisation of transportation problems using neural networks]. Modeling and Information System in Economics, no. 103. pp. 58-70. http://doi.org/10.33111/mise.103.5 [in Ukrainian] (accessed 11 Apr 2025).
# 103 / 2023
Download Paper
119
Views
40
Downloads
0
Cited by
- Transportation Problem Explained and how to solve it? [Elektronnyi resurs] — Rezhym dostupu do resursu: https://www.mygreatlearning.com/blog/transportation-problem-explained/.
- Stokolias V.S. Efektyvnist transportnoi lohistyky yak skladovoi lohistychnoi systemy [Elektronnyi resurs] — 2014. — Rezhym dostupu do resursu: http://www.economy.nayka.com.ua/?op=1&z=3216.
- Problemy ta perspektyvy rozvytku transportnoi lohistyky pidpryiemstv v suchasnykh umovakh [Elektronnyi resurs] — 2023. — Rezhym dostupu do resursu: http://confmanagement.kpi.ua/proc/article/view/279798.
- What is a neural network? [Elektronnyi resurs] — Rezhym dostupu do resursu: https://www.ibm.com/topics/neural-networks.
- What are multilayer perceptrons? [Elektronnyi resurs] — Rezhym dostupu do resursu: https://deepai.org/machine-learning-glossary-and-terms/multilayer-perceptron.
- Shcho take bahatosharovyi perseptron (Multilayer Perceptron, MLP) u mashynnomu navchanni? [Elektronnyi resurs] — Rezhym dostupu do resursu: https://thetransmitted.com/adlucem/shho-take-mlp-u-mashynnomunavchanni/.
- Deep Learning Basics — Feed Forward Neural Networks (FFNN) [Elektronnyi resurs] — Rezhym dostupu do resursu: https://medium.com/@sasirekharameshkumar/deep-learning-basics-part-10- feed-forward-neural-networks-ffnn-93a708f84a31.
- Shenhao Wang, Baichuan Mo, Jinhua Zhao Predicting Travel Mode Choice with 86 Machine Learning Classifiers: An Empirical Benchmark Study [Elektronnyi resurs] — 2020. — Rezhym dostupu do resursu: https://www.mit.edu/~baichuan/Baichuan/publication/Predicting%20Travel %20Mode%20Choice%20with%2086%20Machine%20Learning%20Classifi ers%20An%20Empirical%20Benchmark%20Study.pdf.
- Holovina O.V. Suchasni tekhnolohii v upravlinni transportnoiu lohistykoiu [Elektronnyi resurs] — 2023. — Rezhym dostupu do resursu: https://www.researchgate.net/publication/371219510_Sucasni_tehnologii_v_ upravlinni_transportnou_logistikou/fulltext/6478f6a42cad460a1be942d7/Suc asni-tehnologii-v-upravlinni-transportnou-logistikou.pdf.