ИСПОЛЬЗОВАНИЕ ИНВАРИАНТОВ НЕЧЕТКОГО ГРАФА ДЛЯ АНАЛИЗА УСТОЙЧИВОСТИ СЛОЖНЫХ ТРАНСПОРТНЫХ СИСТЕМ
Аннотация
Рассматриваются вопросы оценки устойчивости транспортно-логистических систем (ТЛС) в условиях неопределенности, которые играют ключевую роль в обеспечении эффективного функционирования цепей поставок. Устойчивость систем анализируется в контексте их способности адаптироваться к внешним и внутренним воздействиям, таким как экономические колебания, изменение спроса, стихийные бедствия и технологические сбои. В данной статье предлагается использовать инварианты нечетких множеств, а именно нечеткое доминирующее множество, для оценки и анализа устойчивости транспортно-логистических систем в условиях неопределенности. Показано, что нечеткое доминирующее множество позволяет решать задачу размещения распределительных узлов в транспортно-логистической системе. Приведены примеры нахождения нечетких доминирующих множеств для нечетких и нечетких темпоральных графов как моделей транспортно-логистической системы. Нечеткие темпоральные графы также позволяют проводить более адекватное моделирование и анализ систем в случаях, когда параметр времени является одним из важных факторов. Практическая значимость исследования заключается в возможности проектирования более надежных и адаптивных ТЛС, способных эффективно функционировать в условиях неопределенности. Результаты могут быть использованы для оптимизации логистических процессов, снижения затрат и повышения устойчивости цепочек поставок. Полученные выводы также открывают перспективы для дальнейших исследований в области интеграции методов искусственного интеллекта и анализа больших данных в управлении транспортными системами. Дальнейшие исследования предлагается направить на интеграцию методов оптимизации потоков с учетом временных факторов и разработку цифровых двойников ТЛС
Список литературы
1. Cai J., Liu X., Xiao Z., Liu J. Improving supply chain performance management: A systematic approach to analyzing iterative KPI accomplishment, Decision Support Systems, 2009, 46 (2), pp. 512-521.
2. Izvarina N., Vorozhbit L., etc. Problems of the economy and economic security in the Russian Federa-tion in the context of digitalization, Essence, role and the place of economic security in the system of the national security, 2019, No. 4, pp. 47-60.
3. Kondratenko Y., Kondratenko G., Sidenko Ie., Taranov M. Fuzzy and Evolutionary Algorithms for Transport Logistics Under Uncertainty, Intelligent and Fuzzy Techniques: Smart and Innovative Solu-tion, 2021, pp.1456-1463. – DOI:10.1007/978-3-030-51156-2_169.
4. Kiselenko A.N., Sundukov E. Yu, Tarabukina N.A. World of Transport and Transportation, Methods to Forecast Transport Systems Development under Modern Conditions, 2022, Vol. 20, Issue 3 (100),
p. 158-167.
5. Scipioni A., Manzardo A., Ren J. Hydrogen Economy. Supply Chain, Life Cycle Analysis and Energy Transition for Sustainability. Academic Press, 2017, 328 p.
6. Cinar D., Gakis K., Pardalos P. Sustainable Logistics and Transportation: Optimization Models and Algorithms. Springer. 2017, 338 p.
7. Xiugang W., Lysochenko A. A. Identification of Factors Influencing the Construction of Supply Chains in China’s Transport and Logistics Systems, Management Sciences, 2024,Vol. 13, pp. 428-439.
8. Osintsev N., Rakhmangulov A. Supply Chain Sustainability Drivers: Identification and Multi-Criteria Assessment, Logistics, 2025, Vol. 9, No. 1, pp. 24.
9. Karim M.R., Dulal M., Sakila F., Aditi P., Smrity S.J., Asha N.N. Analyzing the factors influencing sus-tainable supply chain management in the textile sector, Cleaner Logistics and Supply Chain, 2024, Vol. 13, pp. 101.
10. Kanchana M., Kavitha K. A review on transportation and smart logistics using graph theoretical ap-proach, Advances in Mathematics: Scientific Journal, 2020, 32, pp. 612-635.
11. Yatskin D.V., Kochkarov A.A., Kochkarov R.A. Modeling of transport and logistics systems and the study of the structural stability, Management Sciences in Russia, 2020, pp. 102-111.
12. Chislov O., Lyabakh N., Kolesnikov M., Bakalov M., Bezusov D. Fuzzy modelling of the transportation logistics processes, Journal of Physics: Conference Series, 2021, 14 (2), pp. 77-87.
13. Wang G. TOPSIS Evaluation System of Logistics Transportation Based on an Ordered Representation of the Polygonal Fuzzy Set, International Journal of Fuzzy Systems, 2020, Vol. 22, No. 5, pp. 1565-1581.
14. Dey B. Warehouse location selection by fuzzy multi-criteria decision making methodologies based on subjective and objective criteria, International Journal of Management Science and Engineering Man-agement, 2015, Vol. 11, No. 4, pp. 262-278.
15. Ore O. Theory of graphs. Amer. Math. Soc. Colloq. Publ. Providence, 1962.
16. Mordeson J.N. Nair P.S. Fuzzy Graphs and Fuzzy Hypergraphs, Studies in Fuzziness and Soft Comput-ting, 2000, 46.
17. Kaufmann A. Introduction a la theorie des sous-ensemles flous. Paris: Masson, 1977.
18. Grötschel M., Lovász L., Schrijver A. Stable Sets in Graphs, Algorithms and Combinatorics, 1993, 2, pp. 272-303.
19. Bershteyn L.S., Bozhenyuk A.V. Nechetkie grafy i gipergrafy [Fuzzy graphs and hypergraphs]. Moscow: Nauchnyy mir, 2005, 255 p.
20. Nagoorgani A., Chandrasekaran V.T. Domination in fuzzy graph, Advances in Fuzzy Sets and Systems, 2006, 1 (1), pp. 17-26.
21. Varajão J., Lourenço J.C., Gomes J. Models and methods for information systems project success eval-uation, A review and directions for research, 2022, 8 (12), e11977.
22. Bozhenyuk A., Belyakov S., Knyazeva M., Rozenberg I. Searching Method of Fuzzy Internal Stable Set as Fuzzy Temporal Graph Invariant, Communications in Computer and Information Science, 2018, 583, pp. 501-510.
