Single hub location-allocation problem under robustness clustering concept

В работе представлен подход к оценке робастности сети терминалов и хабов в задаче о размещении узлов консолидации в сети с количеством хабов, равным $p$. Предлагаемый алгоритм основан на многочисленных симуляциях ситуаций спроса на услуги в терминалах. В ходе каждой симуляции в сети генерируется ситуация, отражающая возможный спрос услуг в каждом терминале. Спрос услуг в каждом терминале — это случайная величина из вероятностного распределения. Вероятностное распределение для каждого терминала выбирается таким образом, чтобы отразить вероятные изменения спроса в будущем. Таким образом, каждая симуляция является предсказанием грузопотока, на основе которого осуществляется выбор хабов в сети. В каждой симуляции решается задача целочисленного программирования, которая описывает задачу размещения хабов в сети терминалов и задачу распределения терминал-хаб. В результате использования модели определяются оптимальные места расположения $p$-хабов из фиксированного множества возможных расположений хабов. Предполагается, что возможные расположения хабов известны и их число превышает $p$. Алгоритм проводит заданное количество симуляций для заданного множества значений $p$. Результат решения задачи целочисленного программирования сравнивается с изначальным решением, полученным без возмущения спроса. Количество изменений сети объединяется в параметр — частоту сменяемости сети, который описывает изменчивость сети в ряде симуляций. В каждой симуляции решается своя задача целочисленного программирования, где спрос или количество хабов $p$ в сети отличаeтся от других. Результат работы алгоритма — это множество значений $p$ с соответствующими значениями частот сменяемости. Наименьшее значение частоты сменяемости для $p$ означает, что в результате многочисленных симуляций число решений с возмущенным спросом для $p$-хабов совпадало с изначальным решением наибольшее количество раз. Алгоритм реализован с использованием языка программирования Python 3.5, задачи целочисленного программирования были решены в Gurobi Optimizer 7.0.1. Проведен численный эксперимент на реальных данных и приведены его результаты. Библиогр. 18 назв. Ил. 1. Табл. 3.