Ильичева В. В., Мамаев Э. А., Гуда А. Н.

АНАЛИЗ СТОХАСТИЧЕСКОЙ МОДЕЛИ УПРАВЛЕНИЯ ТРАНСПОРТНО-ЛОГИСТИЧЕСКИМИ СИСТЕМАМИ В УСЛОВИЯХ ИСПОЛЬЗОВАНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ПРИНЯТИЯ РЕШЕНИЙ

Резюме: В работе исследуется модель управления сложной логистической системой, основной задачей которого является осуществление с применением интеллектуальных технологий направленного перехода между состояниями моделируемого объекта. Предложен подход к моделированию перевозочного процесса на основе цепей Маркова, где ключевыми элементами выступают основные единицы инфраструктуры железнодорожной сети. Описана методика построения взвешенного ориентированного графа состояний, формирования матрицы переходов и анализа эргодических свойств системы. Проведён расчёт стационарного распределения вероятностей для трёх уровней ошибки (низкой, средней, высокой) и определены средние времена возвращения в каждое состояние. Представлен алгоритм программной реализации модели на языке Python, включающий проверку связности и апериодичности графа, вычисление вектора стационарных вероятностей и интерпретацию результатов. Экспериментально подтверждена пригодность линейной модели обучения системы; обозначены перспективы дальнейшего развития моделей с учётом условий подкрепления. Результаты позволяют прогнозировать долгосрочные тенденции развития транспортно логистической системы и оптимизировать управленческие решения.

Ключевые слова: транспортно‑логистическая система, стохастическое моделирование, цепь Маркова, эргодичность, стационарное распределение, интеллектуальные технологии, управление перевозочным процессом.

V.V. Ilicheva, E.A. Mamaev, A.N. Guda

ANAL YSIS OF A STOCHASTIC MODEL MANAGING OF TRANSPORT AND LOGISTICS SYSTEMS IN THE CONDITIONS OF USING INTELLIGENT DECISION-MAKING TECHNOLOGIES

Summary: The paper examines a management model for a complex logistics system, the main task of which is to implement a directional transition between the states of the modeled object using intelligent technologies. An approach to modeling the transportation process based on Markov chains is proposed, where the key elements are the main infrastructure units of the railway network. A technique for constructing a weighted oriented graph of states, forming a transition matrix, and analyzing the ergodic properties of the system is described. A stationary probability distribution has been calculated for three error levels (low, medium, and high) and the average return times to each state have been determined. An algorithm for the software implementation of the model in Python is presented, which includes checking the connectivity and aperiodicity of the graph, calculating the vector of stationary probabilities and interpreting the results. The suitability of the linear learning model of the system has been experimentally confirmed; prospects for further development of models taking into account reinforcement conditions are outlined. The results make it possible to predict long-term trends in the development of the transport and logistics system and optimize management decisions.

Keywords: transport and logistics system, stochastic modeling, Markov chain, ergodicity, stationary distribution, intelligent technologies, transportation process management.

DOI: 10.34219/2078-8320-2025-16-4-31-37