РЕШЕНИЕ ЗАДАЧИ НАХОЖДЕНИЯ МАКСИМАЛЬНОГО ПОТОКА В ЗАДАЧАХ ЭВАКУАЦИИ НА ОСНОВЕ НЕЧЕТКИХ КОЛЕБЛЮЩИХСЯ ОПЕРАТОРОВ АГРЕГИРОВАНИЯ

  • Е. М. Герасименко Южный федеральный университет
  • Е. В. Нужнов Южный федеральный университет
Ключевые слова: Максимальный поток с учетом промежуточного хранения, колеблющееся нечеткое число, задачи нечёткой эвакуации

Аннотация

Моделирование эвакуации – актуальная проблема, которая вызывает все больший
интерес в последние годы. Сегодня подходы к макроскопической эвакуации, основанные на
теории потока, позволяют исследователям находить решение проблем оптимизации, рас-
сматривая пострадавших как однородную массу. Основная трудность при построении
сценариев эвакуации заключается в необходимости учитывать внутреннюю неопределен-
ность сети. В дополнение к присущей неопределенности узлы сети имеют ограниченную
пропускную способность и могут хранить поток, а также направлять дополнительный
поток в сток в заданном порядке. Таким образом, эксперт – это ключевая фигура в нечет-
ком моделировании, который должен оценить порядок промежуточных узлов для получе-
ния потока. Если лицо, принимающее решение, сомневается в выборе функции принадлеж-
ности альтернативы по отношению к атрибуту из-за возможных податрибутов, он / она
может изложить все возможные оценки альтернативы. Поэтому в данной статье рас-
сматривается задача максимальной эвакуации с промежуточным хранением в узлах и со-
ставление списка-порядка укрытий. Колеблющийся нечеткий гибридный оператор агрега-
ции с усреднением используется для определения приоритета промежуточных узлов. Этот
сценарий эвакуации является наиболее безопасным, поскольку максимальное количество
потерпевших может быть отправлено в наиболее безопасные убежища, используя воз-
можности промежуточных узлов, таким образом, что величина входящего потока в про-
межуточном узле может превышать исходящий поток. После нахождения приоритетно-
го списка вершин выполняется построение транспортной сети, советующей остаточной
сети, поиск потока с учетом хранения потока в убежищах. Для иллюстрации предложен-
ного алгоритма приведен численный пример

Литература

1. Torra V. Hesitant fuzzy sets, International Journal of Intelligent Systems, 2010, 25, pp. 529-539
2. Xia M., Xu Z. Hesitant fuzzy information aggregation in decision making, International Journal
of Approximate Reasoning, 2011, 52 (3), pp. 395-407.
3. Liao H.C., Xu Z.S., Xia M.M. Multiplicative consistency on hesitant fuzzy preference relation
and the application on group decision making, International Journal of Information Technology
and Decision Making, 2014, 13, pp. 47-76.
4. Chen N., Xu Z.S., Xia M.M. Correlation coefficients of hesitant fuzzy sets and their applications
to clustering analysis, Applied Mathematical Modelling, 2013, 37, pp. 2197-2211.
5. Hu Z. Hesitant Fuzzy Sets Theory. Studies in Fuzziness and Soft Computing, 2014.
6. Bozhenyuk A., Gerasimenko E., Rozenberg I. The task of minimum cost flow finding in transportation
networks in fuzzy conditions, Proceedings of the 10th International FLINS Conf.,
2012, Vol. 7, pp. 354-359.
7. Gerasimenko E., Kureichik V. The Maximum Lexicographic Contraflow Finding in a Fuzzy
Dynamic Network Advances in Intelligent Systems and Computing, 2021, Vol. 1197 AISC,
pp. 981-989.
8. Gerasimenko E., Rozenberg I. Earliest arrival dynamic flow model for emergency evacuation
in fuzzy conditions, IOP Conference Series: Materials Science and Engineering, 2020,
Vol. 734 (1), pp. 1-6.
9. Gerasimenko E., Kureichik V. The Maximum Lexicographic Contraflow Finding in a Fuzzy Dynamic
Network, Advances in Intelligent Systems and Computing, 2021, Vol. 1197, pp. 981-989.
10. Pyakurel U., Dempe S. Network Flow with Intermediate Storage: Models and Algorithms, SN
Operations Research Forum. Springer, 2020, 1 (4), pp. 1-23.
11. Xia M., Xu Z. Hesitant fuzzy information aggregation in decision making, International Journal
of Approximate Reasoning, 2011, 52 (3), pp. 395-407.
12. Liao H.C., Xu Z.S., Xia M.M. Multiplicative consistency on hesitant fuzzy preference relation
and the application on group decision making, International Journal of Information Technology
and Decision Making, 2014, 13, pp. 47-76.
13. Liao H.C., Xu Z.S. Some new hybrid weighted aggregation operators under hesitant fuzzy
multi-criteria decision making environment, Journal of Intelligent and Fuzzy Systems, 2014,
26, pp. 1601-1617.
14. Xia M., Xu Z., Chen N. Some Hesitant Fuzzy Aggregation Operators with Their Application in
Group Decision Making, Group Decision and Negotiation, 2013, 22, pp. 259-279.
15. Pyakurel U. Dhamala T.N. Dempe S. Efficient continuous contraflow algorithms for evacuation
planning problems, Ann. Oper. Res., 2017, Vol. 254, pp. 335-364.
16. Evacuation Planning Problems with Partial Lane Reversal, Mathematics, 2019, Vol. 7 (10), pp. 1-29.
17. Chen T.Y. Multi-criteria decision-making methods with optimism and pessimism based on
Atanassov’s intuitionistic fuzzy sets, International Journal of Systems Science, 2012, 43,
pp. 920-938.
18. Chen T.Y., Li C.H. Determining objective weights with intuitionistic fuzzy entropy measures:
A comparative analysis, Information Sciences, 2010, 180, pp. 4207-4222.
19. Chiclana F., Herrera F., Herrera-Viedma E. Integrating multiplicative preference relations in
a multipurpose decision-making model based on fuzzy preference relations, Fuzzy Sets and
Systems, 2001, 122, pp. 277-291.
20. Fan Z.P., Liu Y. An approach to solve group decision making problems with ordinal interval numbers,
IEEE Transactions on Systems, Man and Cybernetics-Part B, 2010, 40, pp. 1413-1423.
Опубликован
2021-11-14
Выпуск
Раздел
РАЗДЕЛ III. СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ