Algorytm dla wieloasortymentowego stochastycznego zadania transportowego

• Autorzy: Marcin Anholcer

Warianty tytułu

Algorithm for Stochastic Generalized Multicommodity Transportation Problem

• Języki publikacji: PL

Abstrakty

W wieloasortymentowym zadaniu transportowym celem jest optymalizacja transportu kilku (co najmniej dwóch) dóbr od dostawców do odbiorców. W stochastycznej wersji zadania wielkości popytu poszczególnych odbiorców na poszczególne dobra są zmiennymi losowymi, a celem jest minimalizacja sumy kosztów transportu i wartości oczekiwanej dodatkowych kosztów związanych z realizacją dostaw w wielkości innej niż rzeczywista realizacja popytu. W uogólnionej wersji zagadnienia zakłada się ponadto, że ilości transportowanych dóbr zmieniają się w czasie transportu. W pracy przedstawiony został model zadania i zaproponowana metoda jego rozwiązywania.(abstrakt oryginalny)

EN

In the multicommodity transportation problem the goal is to optimize the transport of several (at least two) goods from suppliers to destination points. In the stochastic version of the problem the demands of customers for individual goods are random variables, and the goal is to minimize the total costs of transportation together with the expected additional costs, depending on the difference between the supply size and the particular realization of the demand. In the generalized version of the problem we assume, moreover, that the amount of transported goods change during the transportation process. The model of the problem and the solution method have been presented in the paper.(original abstract)

Słowa kluczowe

PL

Procesy stochastyczne; Transport

EN

Stochastic processes; Transport

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2015
• Numer: nr 248
• Strony: 7--16

Twórcy

autor

Marcin Anholcer

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Ahuja R.K., Magnanti T.L., Orlin J.B. (1993), Network Flows. Theory, Algorithms and Applications, Prentice Hall, Englewood Cliffs, New Jersey.
• Anholcer M. (2005), Zbieżność Metody wyrównań dla nieliniowych zadań alokacji [w:] K. Piasecki, W. Sikora (red.), Z prac Katedry Badań Operacyjnych, "Zeszyty NaukoweAkademii Ekonomicznej w Poznaniu", nr 64, s. 183-198.
• Anholcer M. (2008a), Analiza porównawcza wybranych algorytmów rozwiązywania nieliniowych zadań alokacji dóbr jednorodnych, Wydawnictwo Akademii Ekonomicznejw Poznaniu, Poznań.
• Anholcer M. (2008b), Porównanie działania wybranych algorytmów rozwiązywania nieliniowych zadań alokacji [w:] R. Kopańska-Bródka (red.), Metody i zastosowania badań operacyjnych \\'2007, "Prace Naukowe Akademii Ekonomicznej w Katowicach", Katowice, s. 9-25.
• Anholcer M. (2012), Algorithm for Stochastic Generalized Transportation Problem, Operations Research and Decisions Vol. 22, Number 4, pp. 9-20.
• Anholcer M. (2013), Stochastic Generalized Transportation Problem with Discrete Distribution of Demand, Operations Research and Decisions Vol. 23 (2013), Number 4,pp. 9-19.
• Anholcer M. (2015), On the Nonlinear Generalized Transportation Problem with Convex Costs, "Croatian Operational Research Review", accepted.
• Anholcer M., Kawa A. (2012), Optimization of Supply Chain via Reduction of Complaints Ratio, "Lecture Notes in Computer Science", Volume 7327, pp. 622-628.
• Balas E. (1966), The Dual Method for the Generalized Transportation Problem, "Management Science", Vol. 12, No. 7, Series A, Sciences, pp. 555-568.
• Balas E., Ivanescu P.L. (1964), On the Generalized Transportation Problem, "Management Science", Vol. 11, No. 1, Series A, Sciences, pp. 188-202.
• Bazaraa M.S., Sherali H.D., Shetty C.M. (1993), Nonlinear Programing. Theory and Algorithms, John Wiley \& Sons Inc., New York - Chichester - Brisbane - Toronto -Singapore.
• Glover F., Klingman D., Napier A. (1972), Basic Dual Feasible Solutions for a Class of Generalized Networks, "Operations Research", Vol. 20, No. 1, pp. 126-136.
• Goldberg A.V., Plotkin S.A., Tardos E. (1988), Combinatorial Algorithms for the Generalized Circulation Problem, SFCS\\'88 Proceedings of the 29th Annual Symposiumon Foundations of Computer Science, pp. 432-443.
• Lourie J.R. (1964), Topology and Computation of the Generalized Transportation Problem, "Management Science", Vol. 11, No. 1, Series A, Sciences, pp. 177-187.
• Nagurney A., Yu M., Masoumi A.H., Nagurney L.S. (2013), Networks Against Time. Supply Chain Analytics for Perishable Products, Springer Briefs in Optimization,Springer.
• Qi L. (1985), Forest Iteration Method for Stochastic Transportation Problem, "Mathematical Programming Study" 25, pp. 142-163.
• Qi L. (1987), The A-Forest Iteration Method for the Stochastic Generalized Transportation Problem, "Mathematics of Operations Research", Vol. 12, No. 1, pp. 1-21.
• Sikora W. (1993a), Problem transportowy z losowym popytem odbiorców, "Przegląd Statystyczny" XXXIX (3-4), ss. 351-364.
• Sikora W. (1993b), Modele i metody optymalnej dystrybucji dóbr, "Zeszyty naukowe - seria II, Prace doktorskie i habilitacyjne", Akademia Ekonomiczna w Poznaniu,Poznań.
• Sikora W., Runka H., Pyrzyński D. (1991), Optymalizacja przepływów w sferze dystrybucji dóbr jednorodnych, Grant no. H 990-2, Akademia Ekonomiczna w Poznaniu, Poznań.
• Wayne K.D. (2002), A Polynomial Combinatorial Algorithm for Generalized Minimum Cost Flow, "Mathematics of Operations Research", Vol. 27, No. 3, pp. 445-459.