Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://srd.pgasa.dp.ua:8080/xmlui/handle/123456789/10333
Повний запис метаданих
Поле DC | Значення | Мова |
---|---|---|
dc.contributor.author | Verbytskyi, Yaroslav | - |
dc.contributor.author | Вербицький, Я. С. | - |
dc.date.accessioned | 2023-04-11T07:58:53Z | - |
dc.date.available | 2023-04-11T07:58:53Z | - |
dc.date.issued | 2023-03 | - |
dc.identifier | http://www.easterneurope-ebm.in.ua/journal/38_2023/16.pdf | - |
dc.identifier | DOI: https://doi.org/10.32782/easterneurope.38-14 | - |
dc.identifier.citation | Verbytskyi Ya. Delivery routes optimization using machine learning algorithms / Ya. Verbytskyi // Східна Європа: економіка, бізнес та управління. – 2023. – № 38. – С. 85-89. | en_US |
dc.identifier.uri | http://srd.pgasa.dp.ua:8080/xmlui/handle/123456789/10333 | - |
dc.description.abstract | EN: Delivery route optimization is a crucial concern in the logistics industry, affecting delivery times, costs, and customer satisfaction. The conventional methods for optimizing delivery routes are time-consuming and require substantial manual efforts. To address these limitations, they have increasingly used machine learning algorithms for more efficient and effective optimization. This paper reviews modern techniques for delivery route optimization using machine learning algorithms, including the key challenges faced by delivery companies. Metaheuristic methods, reinforcement learning, and machine learning are discussed, along with their advantages and limitations. In developing a delivery route optimization system, factors such as the number of vehicles, their capacity, delivery time windows, road networks, and customer demand are considered. Different optimization objectives, such as minimizing delivery time, reducing transportation costs, and maximizing customer satisfaction, are presented. Finally, the paper highlights future research directions, including multi-agent systems, swarm intelligence, and hybrid algorithms. This paper provides a comprehensive review of delivery route optimization using machine learning algorithms and can be useful for practitioners and researchers in the logistics industry. | en_US |
dc.description.abstract | UK: Оптимізація маршрутів доставки є критично важливим питанням у логістичній галузі, оскільки вона впливає на час доставки, витрати та задоволеність клієнтів. Традиційні методи, що використовувалися в минулому для оптимізації маршрутів доставки, займають багато часу і вимагають значних зусиль. Для подолання цих обмежень все частіше застосовуються алгоритми стохастичної оптимізації і машинного навчання, які дозволяють вирішувати проблему оптимізації більш ефективно. У цій статті представлено огляд класичних методів, таких як моніторинг трафіку в режимі реального часу, використання часових вікон та методи групових доставок. Також приділено увагу сучасним методів оптимізації маршрутів доставки за допомогою алгоритмів машинного навчання. У статті розглядається концепція оптимізації маршрутів доставки та її важливість в логістичній галузі. Представлені ключові виклики, з якими стикаються компанії, що здійснюють доставку при оптимізації своїх маршрутів доставки. Розглядаються різні типи алгоритмів машинного навчання, які зазвичай використовуються для оптимізації маршрутів доставки, включаючи алгоритми метаевристики, навчання з підкріпленням і глибокого навчання. Увагу приділено різниці між алгоритмами Обговорюються переваги та обмеження кожного типу алгоритмів. В статті обговорюються різні цілі оптимізації, які можна розглянути, такі як мінімізація часу доставки, мінімізація транспортних витрат і максимізація задоволеності клієнтів. Стаття завершується обговоренням майбутніх напрямків досліджень в області оптимізації маршрутів доставки з використанням алгоритмів машинного навчання. Це включає використання передових методів, таких як ройовий інтелект та гібридні алгоритми. Таким чином, дана робота містить комплексний огляд останніх розробок в області оптимізації маршрутів доставки з використанням стохастичних методів. Висновки цієї статті можуть бути корисними для дослідників та практиків у логістичній галузі, щоб краще зрозуміти виклики та можливості використання алгоритмів машинного навчання для оптимізації маршрутів доставки. | - |
dc.language.iso | en | en_US |
dc.publisher | Придніпровська державна академія будівництва та архітектури | en_US |
dc.subject | Metaheuristics | en_US |
dc.subject | Traffic patterns | en_US |
dc.subject | Logistics | en_US |
dc.subject | Real-time monitoring | en_US |
dc.subject | Machine learning | en_US |
dc.subject | логістика | en_US |
dc.subject | моніторинг в реальному часі | en_US |
dc.subject | патерни трафіку | en_US |
dc.subject | машинне навчання | en_US |
dc.subject | метаевристика | en_US |
dc.title | Delivery routes optimization using machine learning algorithms | en_US |
dc.title.alternative | Оптимізація маршрутів доставки за допомогою алгоритмів машинного навчання | en_US |
dc.type | Article | en_US |
Розташовується у зібраннях: | № 1 (38) |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
Verbytskyi.pdf | 173,15 kB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.