Нечёткая оптимизация управления парком воздушных судов с учётом трансферных пассажиропотоков
- Авторы: Романенко В.А.1
-
Учреждения:
- Самарский национальный исследовательский университет имени академика С.П. Королёва
- Выпуск: № 117 (2025)
- Страницы: 74-102
- Раздел: Системный анализ
- URL: https://bakhtiniada.ru/1819-2440/article/view/360558
- DOI: https://doi.org/10.25728/ubs.2025.117.4
- ID: 360558
Цитировать
Полный текст
Аннотация
Решён вариант задачи совместной оптимизации структуры и численности парка воздушных судов (ВС) и распределения ВС по авиалиниям для авиакомпании, планирующей выполнение массовых трансферных перевозок пассажиров на базе узлового аэропорта. Предполагается, что задача решается авиакомпанией на этапе, предшествующем выполнению перевозок, когда спрос на перевозки может быть известен лишь приближённо. В этом случае прогнозные уровни спроса определяются путём экспертных оценок и должны рассматриваться в качестве нечётких чисел. Совместная оптимизация по критерию экономической эффективности сформулирована как целочисленная задача математического программирования с нечётким критерием и чёткими ограничениями. С использованием приёма дефаззификации нечёткая задача сведена к обычной задаче математического программирования, решаемой за приемлемое время с помощью доступного программного обеспечения. На базе программного пакета IBM ILOG OPL получено решение серии модельных примеров задачи с уровнями спроса, заданными в нечёткой и «чёткой» форме. Выполненное сравнение выявило существенные различия наиболее значимых результатов решения оптимизационной задачи при нечётких и «чётких» исходных данных. Попытка заменить решение, полученное с учётом нечёткости прогноза пассажиропотока, «чётким» решением приводит к существенному ухудшение целевой функции. Всё это свидетельствует о целесообразности учёта нечёткой неопределённости исходных данных. Предложенная нечёткая модель может быть использована для повышения эффективности принимаемых решений на этапе проектирования таких перспективных авиатранспортных систем, как системы трансферных авиаперевозок на базе узловых аэропортов.
Об авторах
Владимир Алексеевич Романенко
Самарский национальный исследовательский университет имени академика С.П. Королёва
Email: vla_rom@mail.ru
Самара
Список литературы
1. АНДРОНОВ А.М., ХИЖНЯК А.Н. Математические методы планирования и управления производственно-хозяйственной деятельностью предприятий гражданской авиации. – М.: Транспорт, 1977. – 215 с.2. «Аэрофлот» продолжает развитие авиатранспортных узлов за пределами столицы. [Электронный ресурс]. – URL: http://www.ato.ru/content/aeroflot-prodolzhaet-razvitie-aviatransportnyh-uzlov-za-predelami-stolicy (дата обращения: 26.05.2025).3. ДАНЦИГ Д.Б. Линейное программирование, его применения и обобщения. – М.: Прогресс, 1966. – 600 с.4. ОРЛОВСКИЙ С.А. Проблемы принятия решений при нечёт-кой исходной информации. – М.: Наука, 1981. – 208 с.5. ПЕГАТ А. Нечёткое моделирование и управление. – М.: БИ-НОМ. Лаборатория знаний, 2013. – 798 с.6. Приказ Министерства транспорта РФ от 12 декабря 2011 г. N 310 «Об утверждении Порядка формирования, утвержде-ния и опубликования расписания регулярных воздушных пере-возок пассажиров и (или) грузов, выполняемых перевозчика-ми, имеющими соответствующие лицензии». – URL: https://mintrans.gov.ru/documents/2/2207 (дата обращения: 10.12.2024).7. РОМАНЕНКО В.А. Оптимизация параметров системы трансферных авиаперевозок с учётом нечёткой и стохасти-ческой неопределённостей // Управление большими система-ми. – 2013. – Вып. 41. – С. 285–313.8. РОМАНЕНКО В.А. Оптимизация распределения воздушных судов по авиалиниям при нечётких исходных данных // Управ-ление большими системами. – 2025. – Вып. 115. – С. 156–182.9. САКАЧ Р.В., ПИНАЕВ Е.Г., ГЛАДЫШЕВСКАЯ Г.Н. и др. Моделирование в планировании гражданской авиации. – М.: Транспорт, 1983. – 173 с.10. ABARA J. Applying integer linear programming to the fleet as-signment problem // Interfaces. – 1989. – Vol. 19, No. 4. – P. 20–28. – doi: 10.1287/inte.19.4.20.11. BAZARGAN M., HARTMAN J. Aircraft replacement strategy: Model and analysis // J. Air Transp. Manag. – 2012. – Vol. 25. – P. 26–29. – doi: 10.1016/j.jairtraman.2012.05.001.12. BELOBABA P., ODONI A., BARNHART C. The Global Airline Industry. – John Wiley & Sons, Ltd, 2009. – 509 p.13. DANTZIG G.B., FULKERSON D.R. Minimizing the number of tankers to meet a fixed schedule // Nav. Res. Logist. Q. – 1954. – Vol. 1, No. 3. – P. 217–222. – doi: 10.1002/nav.3800010309.14. FERGUSON A.R., DANTZIG G.B. The problem of routing air-craft – a mathematical solution // Aeronaut. Engng. Rev. – 1955. – Vol. 14, No. 4. – P. 51–55.15. FERGUSON A.R., DANTZIG G.B. The allocation of aircraft to routes – an example of linear programming under uncertain de-mand // Manag. Sci. – 1956. – Vol. 3, No. 1. – P. 45–73. – doi: 10.1515/9781400884179-029.16. GEURSEN I.L., SANTOS B.F., YORKE-SMITH N. Fleet plan-ning under demand and fuel price uncertainty using actor–critic re-inforcement learning // Journal of Air Transport Management. – 2023. – Vol. 109. – DOI: https://doi.org/10.1016/j.jairtraman.2023. 102397.17. HANE C.A., BARNHART C., JOHNSON E.L. et al. The fleet assignment problem: Solving a large-scale integer program // Mathematical Programming. – 1995. – Vol. 70. – P. 211–232.18. HOFF A., ANDERSSON H., CHRISTIANSEN M. et al. Industrial aspects and literature survey: Fleet composition and routing // Computers & Operations Research. – 2010. – Vol. 37, Iss. 12. – P. 2041–2061. – DOI: https://doi.org/10.1016/j.cor. 2010.03.015.19. KIZILOGLU K., SAKALLI U.S. Integrating Flight Scheduling, Fleet Assignment, and Aircraft Routing Problems with Codeshar-ing Agreements under Stochastic Environment // Aerospace. – 2023. – Vol. 10, No. 12. – doi: 10.3390/aerospace10121031.20. LISTES O., DEKKER R. A scenario aggregation-based approach for determining a robust airline fleet composition for dynamic ca-pacity allocation // Transp. Sci. – 2005. – Vol. 39, No. 3. – P. 367–382. – doi: 10.1287/trsc.1040.0097.21. NAUMANN M., SUHL L., FRIEDEMANN M. A stochastic pro-gramming model for integrated planning of re-fleeting and finan-cial hedging under fuel price and demand uncertainty // Procedia – Soc. Behav. Sci. – 2012. – Vol. 54. – P. 47–55. – doi: 10.1016/j.sbspro.2012.09.724.22. PILLA V.L., ROSENBERGER J.M., CHEN V.C. et al. A statisti-cal computer experiments approach to airline fleet assignment // IIE Trans. – 2008. – Vol. 40, No. 5. – P. 524–537. – doi: 10.1080/07408170701759734.23. RUSHMEIER R.A., KONTOGIORGIS S.A. Advances in the op-timization of airline fleet assignment // Transportation Science. – 1997. – Vol. 31, No. 2. – P. 159–169.24. SA C.A.A., SANTOS B.F., CLARKE J.P.B. Portfolio-based air-line fleet planning under stochastic demand // Omega. Elsevier. – 2019. – Vol. 97(C). – doi: 10.1016/j.omega.2019.08. 008.25. SAFAK O., CAVUS O., AKTURK M.S. Multi-stage airline scheduling problem with stochastic passenger demand and non-cruise times // Transp. Res. Part B Methodol. – 2018. – Vol. 114. – P. 39–67. – doi: 10.1016/j.trb.2018.05.012.26. SCHICK G.J., STROUP J.W. Experience with a multi-year fleet planning model // J. Manage. Sci. – 1981. – Vol. 9, No. 4. – P. 389–396. – doi: 10.1016/0305-0483(81)90083-9.27. WYATT J.K. Optimal fleet size // Oper. Res. Q. – 1961. – Vol. 12, No. 3. – P. 186. – doi: 10.2307/3006775.
Дополнительные файлы
