Научный журнал ВолНЦ РАН (печатное издание)
06.01.202501.2025с 01.01.2025
Просмотры
Посетители
* - в среднем в день за текущий месяц
RuEn

рубрика "Отраслевая экономика"

Методология агентного моделирования развития территориальных систем лесозаготовительного производства

Гулин К.А., Дианов С.В., Алферьев Д.А., Дианов Д.С.

Том 17, №6, 2024

Гулин К.А., Дианов С.В., Алферьев Д.А., Дианов Д.С. (2024). Методология агентного моделирования развития территориальных систем лесозаготовительного производства. Т. 17. № 6. С. 184–203. DOI: 10.15838/esc.2024.6.96.10

DOI: 10.15838/esc.2024.6.96.10

Аннотация   |   Авторы   |   Список литературы
  1. Аксенов К.А., Спицина И.А., Крохин А.Л. (2016). Сравнительный анализ методов разработки информационных систем на основе мультиагентного подхода // Компьютерный анализ изображений: Интеллектуальные решения в промышленных сетях (CAI-2016): сборник научных трудов. Екатеринбург: Учебно-методический центр Уральского политехнического института. С. 205–207.
  2. Алфимцев А.Н., Локтев Д.А., Локтев А.А. (2013). Сравнение методологий разработки систем интеллектуального взаимодействия // Вестник Московского государственного строительного университета. № 5. С. 200–208.
  3. Антонова Т.С. (2011). Рациональное размещение лесовозных автомобильных дорог при разработке проектов освоения лесов для заготовки древесины // Известия Санкт-Петербургской лесотехнической академии. № 197. С. 130–138.
  4. Антонова Т.С., Тюрин Н.А., Громская Л.Я. (2015). Методика размещения лесосек и транспортного освоения лесов лесозаготовительного предприятия на базе геоинформационных систем // Технология колесных и гусеничных машин. № 2 (18). С. 12–18.
  5. Бжеленко П.В., Антонова Т.С., Тюрин Н.А. (2021). Количественная оценка объемов лесного дорожного строительства для полного транспортного освоения лесов в Северо-Западном федеральном округе // Цифровые технологии в лесном секторе: материалы II Всероссийской научно-технической конференции-вебинара. Санкт-Петербург. СПб.: Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова. С. 32–34.
  6. Гончарова М.В. (2018). Разработка схемы лесовозных дорог с использованием теории графов // Молодые ученые в решении актуальных проблем науки: материалы Всероссийской науч.-практ. конф. студентов, аспирантов и молодых ученых. Красноярск. С. 30–32.
  7. Гулин К.А., Дианов С.В., Алферьев Д.А., Дианов Д.С. (2023). Проблемы агент-ориентированного моделирования формирования эффективной территориальной сети лесных дорог // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 16. № 1. С. 68–84. DOI: 10.15838/esc.2023.1.85.4
  8. Зубарева М.Г., Цветков А.А., Хамуш А.Л. [и др.] (2016). Методологии проектирования мультиагентных систем // Технические науки в России и за рубежом. М.: Буки-Веди. С. 3–8.
  9. Ларин С.М., Громская Л.Я., Тюрин Н.А. (2022). Особенности транспортного обеспечения интенсивной модели лесного хозяйства // Сборник статей по материалам научно-технической конференции Института технологических машин и транспорта леса по итогам научно-исследовательских работ 2022 года. СПб.: Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова. С. 51–55.
  10. Мотовилов Г.К., Антонова Т.С., Тюрин Н.А. (2023). Обоснования региональной инфраструктуры пеллетного производства методом гравитационной модели // Сборник статей по материалам научно-технической конференции Института технологических машин и транспорта леса по итогам научно-исследовательских работ 2022 года. СПб.: Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова. С. 12–16.
  11. Николайчук О.А., Павлов А.И., Столбов А.Б. (2019). Методическое и программное обеспечение процесса гибкой разработки агентных имитационных моделей // Девятая всероссийская научно-практическая конференция по имитационному моделированию и его применению в науке и промышленности, Екатеринбург, 16–18 октября 2019 года. Екатеринбург: Издательство Уральского государственного педагогического университета. С. 215–222.
  12. Орлов А.М., Ковалев А.П., Громыко О.С., Грищенова Ю.А. (2022). О проблемах и перспективах заготовки древесины в лесах Дальнего Востока // Природообустройство. № 2. С. 108–115. DOI: 10.26897/1997-6011-2022-2-108-115
  13. Прядилина Н.К., Петров А.П. (2020). Использование практики разработки схем транспортного освоения лесов в региональных программах развития лесного сектора // Вестник Алтайской академии экономики и права. № 5. С. 152–158.
  14. Русецкая Г.Д. (2022). Реализация концепции устойчивого развития в управлении лесным хозяйством // Известия Байкальского государственного университета. Т. 32. № 3. С. 512–526. DOI: 10.17150/2500-2759.2022.32(3).512- 526
  15. Русецкая Г.Д., Санина Л.В. (2023). Переход к освоению интенсивной модели использования и воспроизводства лесов // Baikal Research Journal. Т. 14. № 1. C. 91–104. DOI: 10.17150/2411-6262.2023.14(1).91-104
  16. Швецов А.Н. (2016). Агентно-ориентированные системы: методологии проектирования. Вологда: Вологодский государственный университет. 192 с.
  17. Швецов А.Н., Дианов С.В. (2019). Методика разработки агент-ориентированных моделей сложных систем // Вестник Череповецкого государственного университета. № 1(88). С. 48–58. DOI: 10.23859/1994-0637-2019-1-88-5
  18. Acuna M. (2017). Timber and biomass transport optimization: A review of planning issues, solution techniques and decision support tools. Croatian Journal of Forest Engineering, 38(2), 279–290.
  19. Akhtari S., Taraneh S., Siller-Benitez D.G., Roeser D. (2019). Impact of inventory management on demand fulfilment, cost and emission of forest-based biomass supply chains using simulation modelling. Biosystems Engineering, 178, 184–199. DOI: https://doi.org/10.1016/j.biosystemseng.2018.11.015
  20. Almeida R.O., Munis R.A., Camargo D.A. et al. (2022). Prediction of road transport of wood in Uruguay: Approach with machine learning. Forests, 13(10), 1737. DOI: 10.3390/f13101737
  21. Asikainen A. (2001). Simulation of logging and barge transport of wood from forests on islands. International Journal of Forest Engineering, 12(2), 43–50. DOI: 10.1080/14942119.2001.10702445
  22. Audy J.-F., Rönnqvist M., D’Amours S., Yahiaoui A.-E. (2022). Planning methods and decision support systems in vehicle routing problems for timber transportation: A review. International Journal of Forest Engineering, 34(5), 1–25. DOI: 10.1080/14942119.2022.2142367
  23. Aydinel M., Sowlati T., Cerda X., Cope E., Gerschman M. (2008). Optimization of production allocation and transportation of customer orders for a leading forest products company. Mathematical and Computer Modelling, 48(7-8), 1158–1169. DOI: 10.1016/j.mcm.2007.12.025
  24. Azar A., Mashayekhi M., Mojataba A., Hossein S. (2021). Modeling steel supply chain and estimating its consumption through ABM methodology. Industrial management Perspective, 11(41), 33–51. DOI: 10.52547/jimp.11.1.33
  25. Balaman S.Y., Matopoulos A., Wright D.G., Scott J. (2018). Integrated optimization of sustainable supply chains and transportation networks for multi technology bio-supplier based production: A decision support system supplier based on fuzzy ε-constraint method. Journal of Cleaner Production, 172, 2594–2617. DOI: 10.1016/j.jclepro.2017.11.150.
  26. Beaudoin D., LeBel L., Soussi M.A. (2013). Discrete Event Simulation to Improve Log Yard Operations. CIRRELT Working Paper. Quebec. Available at: https://www.cirrelt.ca/Doc
  27. Berg S., Bergström D., Nordfjell T. (2014). Simulating conventional and integrated stump- and round-wood harvesting systems: a comparison of productivity and costs. International Journal of Forest Engineering, 25(2), 138–155. DOI: 10.1080/14942119.2014.941640
  28. Bordón M., Montagna J.M., Corsano G. (2018). An exact mathematical formulation for the optimal log transportation. Forest Policy and Economics, 95, 115–122. DOI: 10.1016/j.forpol.2018.07.017
  29. Bordón M., Montagna J.M., Corsano G. (2021). Solution approaches for solving the log transportation problem. Applied Mathematical Modelling, 98(4), 611–627. DOI: 10.1016/j.apm.2021.06.003
  30. Borshchev A, Filippov A. (2004). From system dynamics and discrete event to practical agent-based modelling: Reasons, techniques, tools. In: Kennedy M., Winch G.W., Langer R.S., Rowe J.I., Yanne J.M. (Eds). Proceedings of the 22nd International Conference of the System Dynamics Society; July 25–29; Oxford (UK). Littleton (MA): System Dynamics Society.
  31. Borshchev A. (2014). The Big Book of Simulation Modeling: Multimethod Modeling with AnyLogic. Chicago, IL.
  32. Boukherroub T., LeBel L., Lemieux S. (2017). An integrated wood pellet supply chain development: Selecting among feedstock sources and a range of operating scales. Applied Energy, 198, 385–400. DOI: 10.1016/j.apenergy.2016.12.013
  33. Chung W., Contreras M. (2011). Forest transportation planning under multiple goals using ant colony optimization. In: Ant Colony Optimization Methods and Applications. DOI: 10.5772/13805
  34. Danilović M., Stojnić D., Novković N., Dragan G.P. (2013). The state of forest roads and determining an optimum density of a forest road network using GIS. Forest Review, 44, 6–10.
  35. Dean D.J. (2011). Finding optimal routes for networks of harvest access roads using GIS-based techniques. Canadian Journal of Forest Research, 27(1), 11–22. DOI: 10.1139/cjfr-27-1-11
  36. Devlin G., Talbot B. (2014). Deriving cooperative biomass resource transport supply strategies in meeting co-firing energy regulations: A case for peat and wood fibre in Ireland. Applied Energy, 113, 1700–1709. DOI: 10.1016/j.apenergy.2013.09.019
  37. Divényi D., Dán A. (2013). Agent-based modeling of distributed generation in power system control. IEE Transactions in Sustainable Energy, 4(4), 886–893. DOI: 10.1109/TSTE.2013.2253811/
  38. Đuka A., Bomber Z., Poršinsky T, Papa I., Pentek T. (2020). The influence of increased salvage felling on forwarding distance and the removal – a case study from Croatia. Forests, 12(1), 7. DOI: 10.3390/f12010007
  39. Flisberg P., Frisk M., Rönnqvist M., Guajardo M. (2015). Potential savings and cost allocations for forest fuel transportation in Sweden: A country-wide study. Energy, 85, 353–365. DOI: 10.1016/j.energy.2015.03.105
  40. Forsberg M., Frisk M., Rönnqvisty M. (2005). FlowOpt – a decision support tool for strategic and tactical transportation planning in forestry. International Journal of Forest Engineering, 16(2), 101–114. DOI: 10.1080/14942119.2005.10702519
  41. Frisk M., Göthe-Lundgren M., Jörnsten K., Rönnqvist M. (2010). Cost allocation in collaborative forest transportation. European Journal of Operational Research, 205(2), 448–458. DOI: 10.1016/j.ejor.2010.01.015
  42. Grimm V., Railsback S.F., Vincenot C.E. et al. (2020). The ODD protocol for describing agent-based and other simulation models: A second update to improve clarity, replication, and structural realism. Journal of Artificial Societies and Social Simulation, 23(2), 7. DOI: 10.18564/jasss.4259
  43. Gronalt M., Rauch P. (2018). Analyzing railroad terminal performance in the timber industry supply chain – a simulation study. International Journal of Forest Engineering, 29(1), 162–170. DOI: 10.1080/14942119.2018.1488913
  44. Han S.K., Murphy G.E. (2012). Solving a woody biomass truck scheduling problem for a transport company in Western Oregon, USA. Biomass and bioenergy, 44, 47–55. DOI: 10.1016/j.biombioe.2012.04.015
  45. Helo P., Rouzafzoon J. (2023). An agent-based simulation and logistics optimization model for managing uncertain demand in forest supply chains. Supply Chain Analytics, 4, 100042. DOI: 10.1016/j.sca.2023.100042
  46. Holzfeind T., Kanzian C., Gronalt M. (2021). Challenging agent-based simulation for forest operations to optimize the European cable yarding and transport supply chain. International Journal of Forest Engineering, 32(1), 77–90. DOI: 10.1080/14942119.2021.1850074
  47. Jamaluddin J., Kamarudin N., Mohd Hasmadi I., Ahmad S.A. (2023). Optimizing timber transportation planning for timber harvesting using bees algorithm in Malaysia. Journal of Environmental Management, 340, 117977. DOI: 10.1016/j.jenvman.2023.117977
  48. Jamhuri J., Norizah K., Mohd Hasmadi I., Azfanizam A.S. (2021). Bees algorithm for forest transportation planning optimization in Malaysia. Forest Science and Technology, 17(2), 88–99. DOI: 10.1080/21580103.2021.1925597
  49. Jamhuri J., Norizah K., Mohd Hasmadi I., Siti A.A. (2020). Timber transportation planning using bees algorithm. IOP Conference Series: Earth and Environmental Science, 463, 012171. DOI: 10.1088/1755-1315/463/1/012171
  50. Karttunen K., Lättilä L., Korpinen O.-J., Ranta T. (2013). Cost-efficiency of intermodal container supply chain for forest chips. Silva Fennica, 47, 1–24. DOI: 10.14214/sf.1047
  51. Kogler C., Rauch P. (2018). Discrete event simulation of multimodal and unimodal transportation in the wood supply chain: A literature review. Silva Fennica, 52(4), 1–29. DOI: 10.14214/sf.9984
  52. Kogler C., Rauch P. (2019). A discrete event simulation model to test multimodal strategies for a greener and more resilient wood supply. Canadian Journal of Forest Research, 49, 1298–1310. DOI: 10.1139/cjfr-2018-0542
  53. Kons K., La Hera P., Bergström D. (2020). Modelling dynamics of a log-yard through discrete-event mathematics. Forests, 11(2), 155. DOI: 10.3390/f11020155
  54. Lin P., Contreras M.A., Dai R., Zhang J.A. (2016). A multilevel ACO approach for solving forest transportation planning problems with environmental constraints. Swarm and Evolutionary Computation, 28, 78–87. DOI: 10.1016/j.swevo.2016.01.003
  55. Lin P., Dai R., Contreras M.A., Zhang J. (2017). Combining ant colony optimization with 1-opt local search method for solving constrained forest transportation planning problems. Artificial Intelligence Research, 6(2), 27. DOI: 10.5430/air.v6n2p27/
  56. Lin P., Zhang J., Contreras M.A. (2014). Applying pareto ant colony optimization to solve bi-objective forest transportation planning problems. In: Proceedings of the 2014 IEEE 15th International Conference on Information Reuse and Integration. DOI: 10.1109/IRI.2014.7051970
  57. Lotfalian M., Peyrov S., Adeli K., Pentek T. (2022). Determination of optimal distribution and transportation network (wood transportation in Iran). Croatian Journal of Forest Engineering, 43(2), 313–323. DOI: 10.5552/crojfe.2022.1779
  58. Lundbäck M., Häggström C., Fjeld D., Lindroos O., Nordfjell T. (2022). The economic potential of semi-automated tele-extraction of roundwood in Sweden. International Journal of Forest Engineering, 33(3), 271–288. DOI: 10.1080/14942119.2022.2103784
  59. Marques A.F., de Sousa J.P., Rönnqvist M., Jafe R. (2014). Combining optimization and simulation tools for short-term planning of forest operations. Scandinavian Journal of Forest Research, 29(sup1), 166–177. DOI: 10.1080/02827581.2013.856937
  60. Moad K., François J., Bourrières J.P., Lebel L., Vuillermoz M. (2016). A bi-level decision model for timber transport planning. In: 6th International Conference on Information Systems, Logistics and Supply Chain ILS Conference. June 1–4, Bordeaux, France.
  61. Mobini M., Sowlati T., Sokhansanj S. (2011). Forest biomass supply logistics for a power plant using the discrete-event simulation approach. Applied Energy, 88(4), 1241–1250. DOI: 10.1016/j.apenergy.2010.10.016
  62. Mohd Hasmadi I., Kamaruzaman J. (2009). Planning of access road using satellite technology and best path modeling. Modern Applied Science, 3(3), 83. DOI: 10.5539/mas.v3n3p83
  63. Naghavi S., Karbasi A., Kakhki M.D. (2020). Agent based modelling of milk and its productions supply chain and bullwhip effect phenomena (Case study: Kerman). International Journal of Supply and Operations Management, 7(3), 279–294. DOI: 10.22034/IJSOM.2020.3.6
  64. Najafi A., Richards E.W. (2013). Designing a forest road network using mixed integer programming. Croatian Journal of Forest Engineering, 34(1), 17–30.
  65. Niazi M.A. (2011). Towards a Novel Unified Framework for Developing Formal, Network and validated Agent-Based Simulation Models of Complex Adaptive Systems. Ph.D. Thesis. University of Stirling.
  66. Olsson B.A., Hannrup B., Jonnsön M. et al. (2107). A decision support model for individual tree stump harvesting options based on criteria for economic return and environmental protection. Scandinavian Journal of Forest Research, 32(3), 246–259. DOI: 10.1080/02827581.2016.1236983
  67. Palmgren M., Rönnqvist M., Värbrand P. (2003). A solution approach for log truck scheduling based on composite pricing and branch and bound. International Transactions in Operational Research, 10(5), 433–447. DOI: 10.1111/1475-3995.00420
  68. Palmgren M., Rönnqvist M., Värbrand P. (2004). A near-exact method for solving the log-truck scheduling problem. International Transactions in Operational Research, 11(4), 447–464. DOI: 10.1111/j.1475-3995.2004.00469.x
  69. Parsakhoo A., Mostafa M., Shataee S., Lotfalian M. (2017). Decision support system to find a skid trail network for extracting marked trees. Journal of Forest Science, 63(2), 62–69. DOI: 10.17221/36/2016-JFS
  70. Peyrov S., Lotfalian M., Adeli K., Pentek T. (2021). Optimization of wood distribution and transportation network with emphasis on rail transport. Journal of Forest Research and Development, 7(3), 427–441. DOI: DOI: 10.30466/jfrd.2021.121097
  71. Puodžiunas M., Field D. Roundwood handling at a Lithuanian sawmill – discrete-event simulation of sourcing and delivery scheduling. Baltic Forestry, 14(2), 163–175+223.
  72. Rey P.A., Muñoz J.A., Weintraub A. (2009). A column generation model for truck routing in the Chilean forest industry. INFOR: Information Systems and Operational Research, 47(3), 215–221. DOI: 10.3138/infor.47.3.215
  73. Rix G., Rousseau L.M., Pesant G. (2015). A column generation algorithm for tactical timber transportation planning. Journal of the Operational Research Society, 66(2), 278–287. DOI: 10.1057/jors.2013.170
  74. Saranen J., Hilmola O.-P. (2007). Evaluating the competitiveness of railways in timber transports with discrete-event simulation. World Review of Intermodal Transportation Research, 1(4), 445–458. DOI: 10.1504/WRITR.2007.017097
  75. Shabani N., Sowlati T. (2013). A mixed integer non-linear programming model for tactical value chain optimization of a wood biomass power plant. Applied Energy, 104, 353–361. DOI: 10.1016/j.apenergy.2012.11.013
  76. She J., Chung W., Kim D. (2018). Discrete-event simulation of ground-based timber harvesting operations. Forests, 9(11), 683. DOI: 10.3390/f9110683
  77. Sinha A.K., Aditya H.K., Tiwary M.K., Chan F.T.S. (2011). Agent-oriented petroleum supply chain coordination. Expert Systems with Applications: An International Journal, 38(5), 6132–6145. DOI: 10.1016/j.eswa.2010.11.004
  78. Skobelev P. (2015). Multi-agent systems for real time adaptive resource management. In: Leitão P., Karnouskos S. (Eds). Industrial Agents: Emerging Applications of Software Agents in Industry. Elsevier.
  79. Van Dyken S., Bakken B.H., Skjelbred I. (2010). Linear mixed-integer models for biomass supply chains with transport, storage and processing. Energy, 35(3), 1338–1350. DOI: 10.1016/j.energy.2009.11.017
  80. Wolfsmayr U.J., Merenda R., Rauch P., Longo F., Gronalt M. (2016). Evaluating primary forest fuel rail terminals with discrete event simulation: A case study from Austria. Annals of Forest Research, 59(1), 145–164. DOI:10.15287/afr.2015.428

Полная версия статьи