МОДЕЛЬ ТРАНСПОРТНОЇ ЗАДАЧІ З ПРІОРИТЕТАМИ ДЛЯ ПОСТАЧАЛЬНИКІВ ВАНТАЖУ

https://doi.org/10.33815/2313-4763.2026.1.32.131-140

  • М. О. Афонін Національний університет «Львівська політехніка», Львів https://orcid.org/0000-0001-5850-7478
  • В. П. Славич Херсонський національний технічний університет, Херсон https://orcid.org/0000-0001-7882-4198
  • К. О. Бабійчук Херсонський національний технічний університет, Херсон
Ключові слова: транспортна задача, метод потенціалів, вантажні перевезення, оптимальний план доставки, пріоритети постачальників, лексикографічна оптимізація, транспортна логістика

Анотація

У статті запропоновано математичну модель транспортної задачі з урахуванням пріоритетів постачальників вантажу, яка орієнтована на підвищення ефективності управління транспортними потоками в умовах неоднорідності учасників перевезень та різного рівня їхньої значущості. У сучасних транспортно-логістичних системах дедалі частіше виникають ситуації, коли мінімізація витрат не є єдиним і достатнім критерієм ефективності перевезень. У практиці функціонування транспортних систем існує необхідність першочергового обслуговування окремих постачальників, що зумовлено стратегічною важливістю вантажів, обмеженістю часу доставки, соціальною значущістю або умовами контрактних зобов’язань. До таких випадків належать перевезення гуманітарної допомоги, енергоресурсів, швидкопсувних продуктів, медичних препаратів, а також забезпечення безперервності критичних виробничих ланцюгів. Модель базується на лексикографічному підході, який забезпечує першочергове врахування пріоритетів постачальників із подальшою мінімізацією транспортних витрат без використання вагових коефіцієнтів. Така постановка задачі підвищує об’єктивність прийняття рішень, усуває суб’єктивність при виборі параметрів моделі та дозволяє формалізувати ієрархічні вимоги в транспортному плануванні. Розроблено алгоритм побудови опорного плану, що враховує ієрархію постачальників і поєднує її з локальною мінімізацією вартості перевезень. Удосконалено метод потенціалів для знаходження оптимального плану шляхом введення обмежень на допустимі цикли перерахунку, що дозволяє зберігати пріоритетну структуру задачі на етапі ітераційної оптимізації. Запропонована модель може бути застосована в практиці вантажних перевезень з ієрархічною структурою учасників.

Посилання

1. Slavych, V. P. et al. (2025). Mathematical and information model of a special type of transport task as a tool for increasing economic efficiency of freight transportation. Artificial intelligence as a tool to protect the economy from disinformation: innovative solutions and international practices. Riga, Latvia: Baltija Publishing. 258 p. http://doi.org/10.30525/978-9934-26-586-0.
2. Slavych, V. P., Dobrova, K. D. (2020). Modelʹ ta metod znakhodzhennya opornoho ta optimalʹnykh planiv modifikovanoyi transportnoyi zadachi u vypadku hrupuvannya postachalʹnykiv vantazhu. Prykladni pytannya matematychnogo modelyuvannya. No 1. P. 187–193. http://doi.org/10.32782/2618-0340/2020.1-3.19.
3. Ghosh, S., Roy, S. K., Fügenschuh, A. (2022). The multi-objective solid transportation problem with preservation technology using Pythagorean fuzzy sets. International Journal of Fuzzy Systems. Vol. 24. P. 2687–2704. http://doi.org/10.1007/s40815-021-01224-5.
4. Slavych, V. P., Yelʹnyk, V. V. (2023). Optymizatsiya protsesu dostavky vantazhu hazopostachalʹnoho pidpryyemstva. Visnyk KhNTU. No 2 (85). P. 84–89. http://doi.org/10.35546 /kntu2078-4481.2023.2.11.
5. Babaee Tirkolaee, E., Aydin, N. S. (2022). Integrated design of sustainable supply chain and transportation network using a fuzzy bi-level decision support system for perishable products. Expert Systems with Applications. Vol. 195. 116628. http://doi.org/10.1016/j.eswa.2022.116628.
6. Slavych, V. P., Biloushchenko, D. Yu. (2025). Model of the transport problem in the case of cargo delivery by two different types of vehicles. Naukovyi visnyk KhDMA. No 31. P. 178–186. http://doi.org/10.33815/2313-4763.2025.2.31.178-186.
7. Babaei, A. et al. (2023). Sustainable transportation planning considering traffic congestion and uncertain conditions. Expert Systems with Applications. Vol. 227. 119792. http://doi.org/10.1016/j.eswa.2023.119792.
8. Danchuk, V. et al. (2023). The optimization of cargo delivery processes with dynamic route updates in smart logistics. Eastern-European Journal of Enterprise Technologies. Vol. 2 (3). P. 64–73. http://doi.org/10.15587/1729-4061.2023.277583.
9. Hatzenbühler, J. et al. (2023). Modular vehicle routing for combined passenger and freight transport. Transportation Research Part A: Policy and Practice. Vol. 173. 103688. http://doi.org/10.1016/j.tra.2023.103688.
10. Chen, W. et al. (2024). Artificial intelligence in logistics optimization with sustainable criteria: a review. Sustainability. Vol. 16 (21). 9145. http://doi.org/10.3390/su16219145.
11. Song, R. et al. (2023). Optimizing freight vehicle routing in dynamic time-varying networks with carbon emission analysis. Sustainability. Vol. 15 (21). 15504. http://doi.org/10.3390/su152115504.
12. Liang, X. et al. (2023). Bi-objective multi-period vehicle routing for perishable goods delivery considering customer satisfaction. Expert Systems with Applications. Vol. 220. 119712. http://doi.org/10.1016/j.eswa.2023.119712.
13. Ait Mamoun, K. et al. (2024). Vehicle routing optimization algorithms for pharmaceutical supply chain: a systematic comparison. Transport and Telecommunication. Vol. 25 (2). P. 161–173. http://doi.org/10.2478/ttj-2024-0012.
14. Daneshvar, H. et al. (2023). Hybrid intelligent transportation system for routing optimization. Decision Making: Applications in Management and Engineering. Vol. 6 (2). P. 907–932. https://doi.org/10.31181/dma622023899.
15. Konstantakopoulos, G. D. et al. (2022). Vehicle routing problem and related algorithms for logistics distribution: a literature review and classification. Operations Research International Journal. Vol. 22. P. 2033–2062. http://doi.org/10.1007/s12351-020-00600-7.
Опубліковано
2026-06-28