Koncepcja usprawnienia wybranych algorytmów rozwiązujących zagadnienie transportowe A concept for the improvement of selected algorithms for solving transportation issues

Pełen tekst

(1)PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 111. Transport. 2016. &! & 1

(2) , Roman Stryjski # " * ! . Janusz Mielniczuk Instytut Pojazdów Szynowych „Tabor” w Poznaniu. Tomasz Wojnarowski Converse Sp. z o.o. Zielona Góra. KONCEPCJA USPRAWNIENIA WYBRANYCH 4=>%`&=3&)<3_"<8>8q ZAGADNIENIE TRANSPORTOWE \

(3) : czerwiec 2016. Streszczenie:

(4)

(5)

(6) G }

(7)

(8) % ' Prezentowany algorytm skraca czas wykonywania $ "

(9) $

(10) "

(11) " !

(12) "' _

(13) % [

(14) wyb" )

(15) ' "- $

(16) "

(17) "' '#

(18) Q

(19) G

(20) G

(21) . 1. )9>6'(==&– ALTERNATYWA 83>*=6)836=2 !

(22) "

(23)

(24)

(25)

(26) "

(27) -

(28) "' statycznym

(29) " ! $ transportowych, do których przygotowywano i podpisywano stosowne umowy, dzisiaj natomiast jest on zdeterminowany czasem !%

(30)

(31) !G ' podejmowania decyzji. _ [

(32) transportowego do kalkulacji:

(33) % [ G } [ [ "

(34) " $

(35) " )' } & -G

(36) [ [ $

(37) "

(38) % .

(39) 600. Waldemar | G Roman Stryjski, Janusz Mielniczuk, Tomasz Wojnarowski. rejon (tak aby % !

(40) -

(41) } [ "

(42) !

(43) " !

(44) " !

(45) '

(46) oferty, a przede wszy % ! %

(47) } ' Y

(48)

(49)

(50) " !

(51) } " %

(52)

(53) "' B % } %[G %

(54) $

(55) "G ! % " & }

(56)

(57) ' X

(58)

(59) & ! &

(60) " G ! % tych, które dopi "

(61) "' @ %

(62) G ! % [

(63) %

(64) [

(65)

(66) . ! % [ , inne

(67) ' ( & " transportowych, % [ & G %

(68)

(69) ' { G %

(70)

(71) [

(72) [

(73) (zyskownej) trasy. W tym przy

(74) G %

(75)

(76) ! & iejsza, a g

(77)

(78)

(79) |

(80) " ! " !

(81) owych. Taka informacja [ dzisiaj &

(82) "' ^

(83) &

(84) }

(85) ' ' [

(86)

(87) " G %

(88) !

(89) "

(90) " bodne G

(91)

(92) & zne

(93)

(94) ' # G % [G % ¢¢ &

(95) " [

(96)

(97) G " & [ %

(98) % do

(99) " & "' Y &

(100) } wane algorytmy do zbierania, przetwarzania, optymalizowania i archiwizowania danych stanowi obecnie

(101) }

(102) ' _ F

(103)

(104)

(105)

(106) transportowych –

(107) |! &

(108)

(109)

(110) " & " [1], [2].. 2. TRANSPORT MANAGEMENT SYSTEM (TMS) 39==6=283'=& ^

(111) )Y#@-

(112) +\_ )+ }

(113) \ _ -G % -transportowej. TMS zyskuje

(114)

(115) [ G %

(116)

(117)

(118) .

(119) ) & . - " " ! $ !.

(120)

(121)

(122) " ! "

(123) . 601.

(124) &

(125)

(126) ' _ Y#@-a jest gene & " !

(127) "

(128)

(129) " !G & ! " } = G

(130)

(131) " "

(132) G

(133)

(134) } c

(135) ' ^ ,

(136) [

(137) !

(138)

(139) ! dokonyw[ !

(140) "

(141)

(142) towych. Systemy TMS jako & ,

(143) ! %

(144) firm t

(145) " )& G [G

(146) G !

(147) } "

(148) '-' £ [G %

(149) % &

(150) " "

(151) " % ! Y#@G % [ za

(152)

(153) " ' B Y#@

(154)

(155) & G G % F

(156) G %

(157) ' " zas otrzy & G !

(158)

(159)

(160) "

(161) } )

(162)

(163) transportowej). Zlecenia transpor

(164) " ! $' War [

(165) &

(166) "

(167) "F } )

(168) +

(169) G

(170)

(171) $ } " ! -G [ ) %

(172) [ !

(173)

(174) ), termin realizacji )!

(175)

(176) ! y ze strony zleceniodawcy), cena (pr

(177) % [

(178) " " ! "- . )

(179) - " } " $ ) ' "

(180) transportowego) zawier

(181) > ' )

(182)

(183)

(184) }

(185) Y Y - [3], [4]. Ta sytuacja zmusza spedytora, !

(186)

(187) &

(188) } wania decyzji. @, decyzje o pozyskaniu

(189) %

(190) !

(191)

(192) ' "

(193)

(194) "

(195) } sne TMS-G !

(196)

(197) wybranych pa !

(198) h podejmowanie decyzji. Chodzi przede wszystkim o decyzje !

(199) " " ) - " $

(200) " ' {

(201) [ " $ ! %

(202) !G " , !

(203) } " !'

(204) ! % [ ) F )

(205) " "

(206) } gorytmu, którego

(207) . To z kolei prowadzi do sytuacji, ! !

(208) "

(209) " wybór $ }

(210) "

(211) znacznie utrudnione. % czas podpowiedzi (obliczania z wykorzystaniem skomplikowanych algorytmów optymalizacyjnych) wg

(212) %

(213) [G % % ' (

(214)

(215)

(216) ! G

(217)

(218) } % (obliczeniowej) typowy" !

(219) " } "

(220) G stosowanych w nowoczesnych TMS-ach [5]. W niniej-.

(221) 602. Waldemar | G Roman Stryjski, Janusz Mielniczuk, Tomasz Wojnarowski. szym referacie zaprezentowano badania wybranego algorytmu optymalizacyjnego (algo -G

(222) i porównano z zaproponowaG

(223) $

(224) " dla

(225) " ! transportowych w funkcji redukcji czasu przeszukiwania i uzyskiwania informacji zwrotnej.. 3. 39==6=283'=& (OBLICZENIOWA) BADANYCH ALGORYTMÓW – STUDIUM PRZYPADKU 3.1. 39=6))(=4%&83> (

(226) %

(227) ! Y#@

(228) } "

(229) "G ! $

(230) !

(231) ' B

(232)

(233) }

(234)

(235) G !

(236)

(237) } po

(238) &

(239)

(240)

(241) . do

(242) ' %

(243) [G % G ! }

(244) G

(245)

(246) " krótkim czasem zawieszenia (prezentacji-

(247) ' !%. G ! " G %. !

(248)

(249) ' G

(250)

(251) %

(252) F a) _

(253)

(254) :

(255)

(256) .

(257)

(258) : /::

(259) b)

(260) " !%

(261) interwale czasowym; c)

(262) transportowej, a czas ich prezentacji ) - , % ! " % } ! d) Liczba % ! '

(263) "

(264)

(265)

(266) $

(267) "

(268) )

(269) le od 50 do 10:-G ! [ %

(270)

(271)

(272) )

(273) } padku jest to 5: !

(274) "-' ^

(275)

(276) } ! ' M zatem na uwadze krótki czas

(277) "

(278) G % [ optymalizacyjny, !G % krótkim czasie rzeczywistym & , które zlecenia trans

(279) %

(280) [

(281) ' _

(282) % ! ptyma " " $

(283) !

(284) " $

(285) " " &

(286) % ) $- tj. czasu uzyskania informacji..

(287)

(288)

(289) " ! "

(290) . 603. Dla celów analizy i odpowiedzi na & problem, porównano dwa algo

(291) ' _ G

(292)

(293) G wspomniano, !

(294) Y#@ , opracowany przez autorów

(295)

(296) _B_\(Â

(297)

(298) !|

(299) } "

(300) "

(301) "' _ G

(302)

(303)

(304)

(305)

(306) _

(307) } >G> XG

(308) ! ,

(309) }

(310)

(311)

(312) " ) ! Y#@-

(313) "

(314)

(315) " $'

(316)

(317) !

(318) " ! " " " /: %" "' % % [ ) - wybranego algorytmu dla zbioru % "

(319) - $

(320) "

(321) : /:0, które

(322) $

(323) "' Zatem z prezentowanym badaniu, wykorzystano dwa algoryt

(324) )} gierski” i POPRAWY),

(325) G skierowane na minimaliza )

(326) ! -G

(327)

(328) ' @ % & $ $

(329) %

(330)

(331) " decyzji biznesowych.. 3.2. 39==6=283'=&&64)3)WYBRANEGO ALGORYTMU TRANSPORTOWEGO Algorytm transportowy jest me

(332) }

(333) !

(334) ' ^} lizm zadania w badanym przypadku polega na: /F

(335) transportowego (w postaci macierzy kwadratowej), które w badanym przypadku polega na przypisaniu

(336) !

(337) " " $

(338) "

(339)

(340) G Krok 2: znalezieniu najlepszego r G ! ) /-

(341)

(342) !" " !

(343) " ' # ywania zadania transportowego ma swój model matematyczny i jest szeroko rozpowszechniona w literaturze naukowej [6]. Dodatkowo jej implementacja znajduje

(344) & " " Y#@G !

(345) } lizacyjne do

(346) $

(347) "

(348)

(349)

(350) } towe. Zgodnie z

(351) %

(352) ' '/G

(353) }

(354) $ % (obliczeniowej)

(355) . !

(356) "' _!

(357)

(358) Y G

(359)

(360)

(361)

(362) } -' /

(363)

(364) ! % '.

(365) 604. Waldemar | G Roman Stryjski, Janusz Mielniczuk, Tomasz Wojnarowski. Tablica 1 P ! # : 7 x±¦+ . ! + . _'N'&',<#'"#Q"h]".*'&#&##%#&='#;='-.!\H

(366) -.%#_Hq[,-'%*^"!-#&'-!'".v%';!-#&'-!'".v"-%#;'%q[%'X[[ -# '\#-'"# seria 1 seria 2 seria 3 seria 4 seria 5 seria 6 seria 7 seria 8 seria 9 seria 10. -.-'!;',;!-#&'-!'".v"-'#%#".\%'!#_$;.,-'%*^"!-#&'-!'".vx%'q['$#%^"{ 50. 55. 60. 65. 70. 75. 16 480 790,00 160 443 544,00. 85. 90. 95. 30 937 185,00 123 104 443,00 530 498 378,00. 100. 24 845 649,00. 13 296 424,00. 21 709 815,00. 22 076 654,00. 32 408 428,00 101 773 302,00. 81 555 343,00. 20 090 539,00. 51 096 965,00. 24 636 497,00. 17 468 659,00 202 871 090,00 265 846 425,00 373 066 602,00. 27 153 193,00. 42 684 195,00 804 428 104,00. 10 749 639,00. 49 115 912,00. 16 147 082,00 107 622 488,00. 16 163 332,00. 16 642 781,00 361 048 405,00. 60 047 144,00. 22 263 687,00. 8 521 331,00. 47 739 192,00. 19 198 900,00 103 837 352,00. 13 507 691,00 201 010 276,00. 28 383 835,00. 30 999 385,00. 12 684 058,00. 76 721 352,00. 53 171 644,00. 10 986 081,00. 26 063 945,00. 88 996 507,00. 10 182 109,00. 11 779 362,00. 16 241 829,00 265 951 944,00. 15 301 808,00. 32 985 954,00. 32 830 384,00. 77 793 491,00. 11 853 432,00. 14 421 567,00. 23 435 330,00. 13 850 542,00. 10 868 565,00. 41 044 105,00 267 749 775,00. 34 293 366,00 492 069 549,00 205 763 268,00. 10 452 644,00. 69 420 925,00. 80. 11 140 394,00. 17 211 969,00 279 501 466,00 44 456 558,00. 36 288 180,00. 27 913 706,00. 17 671 008,00 217 048 897,00 652 916 738,00 811 341 717,00 76 430 012,00. 37 752 685,00. 6 154 363,00. 17 239 323,00. 18 470 762,00. 15 793 603,00. 22 367 294,00 201 844 587,00. 22 157 506,00 361 159 426,00. 34 102 960,00. 37 197 175,00 321 160 621,00. 35 693 539,00. 13 153 790,00. 17 458 887,00. 17 606 978,00. 20 258 892,00 201 723 276,00. 14 425 721,00. 21 561 898,00. 22 636 942,00. 36 027 912,00. 29 534 354,00. 11 236 585,00. 11 334 794,00. 25 938 368,00. 19 622 983,00. 15 648 722,00. 40 171 386,00. 21 272 563,00. 48 654 829,00. 23 715 971,00. 58 259 546,00. 26 626 926,00. ! ) % [ -

(367) )! " $

(368) } towy"-G %! %

(369) ' {

(370) " % [ )

(371)

(372)

(373) ! -' Q G $G % [

(374) ! } ) /-' % [

(375) G %

(376)

(377)

(378) < do 100 $ transportowych dla 5:

(379) !G % [

(380) % 5 minut na dzisiejszych jednostkach obliczeniowych (komputerach). {

(381) G %

(382) "

(383) [ G % [

(384)

(385)

(386) |

(387) } dzi informatycznych, w których zaimplementowano algorytm transportowy.. Czas pracy (oblicznia) algorytmu w μs. H JL

(388) @

(389)

(390) 9,00E+08 8,00E+08 7,00E+08 6,00E+08 5,00E+08 4,00E+08 3,00E+08 2,00E+08 1,00E+08 0,00E+00 50. 55. 60. 65. 70. 75. 80. 85. 90. 95. 100. P @` @ & J Seria 1. Seria 2. Seria 3. Seria 4. Seria 5. Seria 6. Seria 7. Seria 8. Seria 9. Seria 10. Rys. /' " % /:

(391) ! algorytmu transportowego.

(392)

(393)

(394) " ! "

(395) . 605. { %

(396) [G % % [

(397) G nawet przy bardzo prostych macierzach w niezbilansowanym modelu transportowym. Wów

(398)

(399) [ "G $ $G zostaje on przerwany,

(400) % '. 3.3. 39==6=283'=&(=(=6=&6=4=>%_ POPRAWY _

(401)

(402)

(403) % $ } finiowanych w pkt. 3'/

(404)

(405) _B_\(Â' & "

(406) !G ' !

(407) $

(408) " !

(409) "G

(410)

(411)

(412) ' ^

(413)

(414) } %

(415) ' ( $ " G }

(416)

(417) ' Q algorytm POPRAWYG % % [ ) % [ - G !" ' ( "

(418) G

(419)

(420) } towy (w przypadku niezbilansowanego zagadnienia transportowego).

(421)

(422)

(423) oprogramowania, w kt!

(424)

(425)

(426) ! }

(427) " "G

(428)

(429) ) }

(430) "- %

(431) "

(432) !F Krok 1: _

(433) G acierz "

(434) % !

(435) "G na trasie. Numer kolumny pozostaje numerem zlecenia, a numer wiersza

(436) )

(437) ' " -' [ komórki

(438)

(439) G ' {

(440) % wiersz macierzy zostaje posortowany, czyl

(441)

(442) najlepsze

(443) . Wówczas macierz przyjmuje

(444) [ ! '

(445)

(446) !

(447) "G

(448) $

(449) )

(450) ' ! % - [

(451) ' Krok 2:

(452) ' _

(453) transportowego

(454)

(455)

(456)

(457) G ! % ' Krok 3:

(458)

(459) G czy transportowe

(460)

(461)

(462) . zlecenie w danym wier

(463) ' % nie, to sprawdz , który transportowy

(464) G

(465) $

(466) G % "' W przypadku poprawy, zlecenie jest akceptowane. G.

(467) 606. Waldemar | G Roman Stryjski, Janusz Mielniczuk, Tomasz Wojnarowski. wykon sprawdzenie kolejnego zlecenia, które przed danym zleceniem w macierzy. Dalej weryfik kolejny

(468) '

(469) uje " % zamiana, „Krok 3” wykonywany jest ponownie. Krok 4: _ $

(470)

(471)

(472) $ ! transportowych $ ' W efekcie zarejestrowano dane zaprezentowane w tabeli nr 2. Podobnie jak w pkt. 3.2 kolorami: %!tym i zielonym oznaczono odpowiednio najmniej % [ ) -

(473) $' B [G % !% } $ typowego algorytmu transportowego. Tablica 2 ( ! # : 7 x±¦+ #. . !(=(&> _'N'&',<#'"#Q"h]".*'&#&##;='-.!\H

(474) -.%#_Hq[,-'%*^"!-#&'-!'".v%';!-#&'-!'".v"-%#;'%q[%'X[[ -# '\#-'"# seria 1 seria 2 seria 3 seria 4 seria 5 seria 6 seria 7 seria 8 seria 9 seria 10. -.-'!;',;!-#&'-!'".v"-'#%#".\%'!#_$;.,-'%*^"!-#&'-!'".vx%'q['$#%^"{ 50. 55. 60. 65. 75. 70. 80. 85. 90. 95. 100. 39 470 078,00. 44 625 841,00. 44 788 314,00. 52 652 931,00. 59 769 651,00. 65 577 684,00. 68 186 577,00. 84 315 517,00 100 655 337,00. 88 782 026,00. 99 907 291,00. 36 374 956,00. 38 057 114,00. 42 209 680,00. 51 486 186,00. 46 434 765,00. 47 477 817,00. 72 655 077,00. 74 359 405,00. 88 510 730,00. 87 030 532,00. 96 041 372,00. 27 973 861,00. 34 613 850,00. 39 292 456,00. 46 025 483,00. 58 333 476,00. 59 622 717,00. 67 444 606,00. 74 359 890,00. 79 175 123,00. 92 680 207,00 100 937 802,00. 26 641 350,00. 40 135 002,00. 39 255 528,00. 46 038 650,00. 53 318 369,00. 61 714 163,00. 69 145 002,00. 72 622 009,00. 78 742 004,00. 81 821 048,00. 26 200 224,00. 44 671 167,00. 35 800 804,00. 47 857 656,00. 53 408 104,00. 62 810 736,00. 68 537 812,00. 96 662 178,00. 90 207 264,00 110 488 730,00 119 838 776,00. 29 512 428,00. 36 952 544,00. 35 684 747,00. 43 419 742,00. 66 005 346,00. 64 715 785,00. 72 373 929,00. 75 651 834,00. 91 462 704,00. 27 475 418,00. 37 585 170,00. 55 847 135,00. 47 719 664,00. 66 726 697,00. 65 296 177,00. 66 989 615,00. 79 207 931,00. 83 049 423,00 101 502 438,00 114 649 956,00. 36 418 017,00. 36 301 774,00. 45 760 757,00. 51 029 370,00. 60 728 393,00. 64 025 173,00. 72 334 058,00. 83 863 684,00. 86 188 135,00. 92 888 631,00 104 394 734,00. 28 603 568,00. 36 386 171,00. 45 999 451,00. 52 154 233,00. 59 543 054,00. 62 333 773,00. 73 147 168,00. 85 019 153,00. 86 165 211,00. 98 255 434,00 101 843 861,00. 29 832 682,00. 38 288 701,00. 47 092 581,00. 48 866 363,00. 60 498 110,00. 65 408 362,00. 72 867 661,00. 73 931 825,00. 87 070 206,00. 93 247 828,00 104 480 274,00. 99 352 158,00. 95 440 335,00 101 817 808,00. H JL @ @

(475) >Y>!F Czas pracy (oblicznia) algorytmu w μs. 1,40E+08 1,20E+08 1,00E+08 8,00E+07 6,00E+07 4,00E+07 2,00E+07 0,00E+00 50. 55. 60. 65. 70. 75. 80. 85. 90. 95. 100. P @` @ & J Seria 1. Seria 2. Seria 3. Seria 4. Seria 5. Seria 6. Seria 7. Seria 8. Seria 9. Seria 10. Rys. >' " % /:

(476) ! POPRAWY.

(477)

(478)

(479) " ! "

(480) . 607. % [ (obliczeniowa) _B_\(Â % }

(481) '

(482)

(483) G } $

(484) ' ( "

(485) G

(486)

(487)

(488) ! G % } % [ !

(489) "

(490) _B_\(Â .

(491) %

(492)

(493)

(494) ' G % } $G % [

(495) ) >- i jest przewidywalna. #

(496)

(497)

(498) % [ je od badanych parametrów.. 4. PORÓWNANIE BADANYCH ALGORYTMÓW W ASPEKCIE PODEJMOWANIA DECYZJI W ZAKRESIE ==_3486'(==&>8q _ !

(499) _B_\(Â

(500) !

(501) $

(502) } dów dla wybranych serii pomiarowych. Wszystkie serie pomia )

(503) -

(504) % " " "

(505) } gólnych algorytmów. W tabeli 3 zestawiono wszystkie minimalne i maksymalne czasy uzyskania odpowiedzi

(506) !

(507) " $

(508) } towych w aspekcie pracy dwóch algorytmów

(509) " ) i PO_\(Â-'

(510)

(511) % $

(512) "

(513) " !

(514) "G

(515) ) % [ - w bada" "

(516) ' Tablica 3 ( 0 # : 7 . ! + . . !!#! POPRAWY 3# : 7

(517)

(518) 5. ! 5 ptymalizacyjnych. ) 7 patrywanych dla ¤7

(519) 0 transportowych. Jednostka pomiaru. 50. Algorytm transportowy. Algorytm POPRAWY. Czas minimalny. Czas maksymalny. Czas minimalny. Czas maksymalny. μs. 6 154 363,00. 35 693 539,00. 26 200 224,00. 39 470 078,00. 50. minuty. 0,1. 0,59. 0,43. 0,65. 55. μs. 11 334 794,00. 51 096 965,00. 34 613 850,00. 44 671 167,00. 55. minuty. 0,18. 0,85. 0,57. 0,74. 60. μs. 13 296 424,00. 88 996 507,00. 35 684 747,00. 47 092 581,00. 60. minuty. 0,22. 1,48. 0,59. 0,78.

(520) 608. Waldemar | G Roman Stryjski, Janusz Mielniczuk, Tomasz Wojnarowski. Cd. Tab. 3 65. μs. 65. minuty. 0,16. 1,73. 0,72. 0,87. 70. μs. 10 868 565,00. 160 443 544,00. 46 434 765,00. 66 726 697,00. 70. minuty. 0,18. 2,67. 0,77. 1,11. 75. μs. 16 241 829,00. 202 871 090,00. 47 477 817,00. 65 577 684,00. 75. minuty. 0,27. 3,38. 0,79. 1,09. 80. μs. 14 425 721,00. 279 501 466,00. 66 989 615,00. 73 147 168,00. 80. minuty. 0,24. 4,65. 1,11. 1,21. 85. μs. 15 301 808,00. 373 066 602,00. 72 622 009,00. 96 662 178,00. 85. minuty. 0,25. 6,21. 1,21. 1,61. 90. μs. 12 684 058,00. 530 498 378,00. 78 742 004,00. 100 655 337,00. 90. minuty. 0,21. 8,84. 1,31. 95. μs. 95. minuty. 100. μs. 100. minuty. 10 182 109,00. 22 263 687,00 0,37 27 913 706,00 0,46. 103 837 352,00. 652 916 738,00 10,88 811 341 717,00 13,52. 43 419 742,00. 81 821 048,00 1,36 96 041 372,00 1,6. 52 652 931,00. 1,67 110 488 730,00 1,84 119 838 776,00 1,99. B G % %

(521) skania odpowiedzi czyli do 5 )

(522)

(523)

(524) !

(525) }

(526)

(527) " $

(528) " . transportowej). Natomiast

(529)

(530) $

(531) " do ana G ) ;: $

(532) " !

(533) "

(534) - $ eprzewidywalne. W przypadku algorytmu transportowego, czas uzyskania odpowiedzi diametralnie wzrasta

(535) / " [ kilku do kilkunastu minut tj. od 6,21 min. dla 85 $ ansportowych do 13,52 min dla 100 $

(536) "G

(537) G

(538) !

(539) "' } lei dla proponowanego przez autorów algorytmu POPRAWYG

(540) $

(541) "G

(542)

(543)

(544) G cza

(545) ) % [ -

(546) 1 minuty. Liniowa charakte !

(547)

(548) " $

(549)

(550)

(551)

(552) } [

(553) | % [ } wanyc" $' @

(554) [ ! %

(555)

(556)

(557) $ '.

(558)

(559)

(560) " ! "

(561) . 609. 5. PODSUMOWANIE @

(562) &

(563)

(564)

(565)

(566) !}

(567) "

(568) } ' @

(569) [ %

(570) . [ [ " !

(571) | G ' (

(572) [ G

(573)

(574) % }

(575) !%"

(576) "G Y#@ } nicznymi komunikatorami. Mimo wszystko, %

(577) G %

(578) "G !

(579) & % [' @ %,

(580)

(581) " G

(582) & "G !

(583)

(584)

(585) G

(586)

(587)

(588) } '

(589)

(590) !,

(591) [ & "

(592) & G

(593)

(594)

(595) " "' ^ % implementowanych algorytmów w systemach TMS, szczególnie gdy praca spedytora kon

(596) $

(597) "

(598) "' B

(599) przez autorów niniejszej publik G

(600) " $

(601) "

(602) ) ! -

(603) ' !}

(604) G "

(605) " & ) -

(606) ) } -

(607) G

(608) [

(609) " ! }

(610) "G

(611) &

(612) " $' ( } cja pracy w oparciu o opra _B_\(Â % [

(613) } " !

(614) $

(615) " [

(616) } '. Bibliografia 1. http://poradniktransportowy.pl/12/gieldy-transportowe-ktora-wybrac-opinia/ 2. http://poradniktransportowy.pl/03/porownanie-gield-transportowych/ 3. https://www.timocom.pl/ 4. http://teleroute.pl/pl_pl 5. | 'G Y'F ( # " & "

(617) @ &

(618) & Y

(619) B&& " ". Freight Exchange Market, 25th IBIMA Conference, Amsterdam 2015, p. 2073 – 2085; 6. ! & 'F #

(620) " & " G

(621) _ } " _ $ G _ $ >:/:=>://. A CONCEPT FOR THE IMPROVEMENT OF SELECTED ALGORITHMS FOR SOLVING TRANSPORTATION ISSUES The paper presents the results of the optimisation algorithms, used in the solving of transport issues. In the present case, one such representative algorithm was the so-called "Hungarian Method". The algorithms were then compared with one’s own, proposed solution in the optimisation of transport orders, that is, compared.

(622) 610. Waldemar | G Roman Stryjski, Janusz Mielniczuk, Tomasz Wojnarowski. with the "Improvement" algorithm, for the available means of transport as a function of search time reduction and the obtainment of feedback. Keywords: Freight Exchange, transport issues, optimisation algorithms.

(623)