EN
Background: Under conditions of digital transformation, the effective decision-making process should involve the usage of different mathematical models and methods, one of which is the transportation problem. The transportation problem, as the problem of resource allocation, is applicable in such domains as manufacturing, information technologies, etc. To get more precise solutions, the multi-index transportation problem can be applied, which allows taking into account several variables. Methods: This paper develops an approach for applying the genetic algorithm for solving four-index transportation problems. Results: The steps of the genetic algorithm for solving four-index transportation problems are outlined. The research has proved the steps of the genetic algorithm to be the same for all four-index transportation problem types, except for the first step (initialization), which is described for every type of transportation problem separately. Based on the theoretical results, the program implementation of the genetic algorithm for solving four-index symmetric transportation problems has been developed with the open-source programming language typescript. Conclusions: The paper promotes the application of the genetic algorithm for solving multi-index transportation problems. The investigated problem requires comprehensive studies, specifically, on the influence of change different parameters of the genetic algorithm (population size, the mutation, and crossover rates, etc.) on the efficiency of the algorithm in solving four-index transportation problems.
PL
Wstęp: W warunkach komputerowej transformacji, efektywny proces podejmowania decyzji powinien obejmować wykorzystania modeli metod matematycznych. Przykładem takiej sytuacji jest problem transportowy, który jest problemem alokacji zasobów, występujący w takich obszarach jak produkcji, technologie informatyczne, itp. W celu uzyskania precyzyjniejszych rozwiązań, można zastosować wieloczynnikowy problem transportowy, który umożliwia uwzględnienie wielu zmiennych. Metody: W pracy zastosowano algorytm genetyczny dla rozwiązania czteroczynnikowych problemów transportowych. Wyniki: Wyszczególniono kroki algorytmu genetycznego dla czteroczynnikowego problem transportowego. Udowodnione, że kroki algorytmu genetycznego są takie same dla wszystkich typów czteroczynnikowych problemów transportowych, z wyjątkiem pierwszego kroku (inicjalizacji), który został opisany osobno dla każdego z typów problemu transportowego. W oparciu o wyniki teoretyczne, utworzono programowanie dla algorytmu genetycznego dla rozwiązywania czteroczynnikowych problemów transportowych przy użyciu opensourcowego języka typescript. Wnioski: W pracy zaproponowano zastosowanie algorytmu genetycznego dla rozwiązywania wieloczynnikowych problemów transportowych. Analizowany problem wymaga dalszych badań, szczególnie w zakresie wpływu zmian poszczególnych parametrów algorytmu genetycznego (wielkości populacji, mutacji, współczynnika podziału, itp.) na efektywność algorytmu w rozwiązywaniu czteroczynnikowych problemów transportowych.