Application of the matrix factor analysis method for determining parameters of the objective function for transport risk minimization

• Autorzy: Zabolotnii Serhii , Mogilei Serhii

Identyfikatory

DOI

10.35784/iapgos.2578

Warianty tytułu

PL

Zastosowanie metody analizy współczynnika macierzowego do określenia parametrów funkcji celu dla minimalizacji ryzyka w transporcie

• Języki publikacji: EN

Abstrakty

EN

The paper regards a common transport problem with a non-classic optimization criterion to minimize transportation risks. It demonstrates that the risk parameters of the function could be found through the factor analysis method. Besides, considering that the problem contains several points of sending and delivering loads, the method is dealt with as a matrix. The research also regards the algorithm of matrix factor analysis application for determining parameters of the objective function for the problem to be solved. The survey results in a new method to construct the objective function for the optimization problem with probability parameters. It generally assists in suggesting a formal solution to such problems, foremost due to particular software.

PL

Artykuł dotyczy powszechnego problemu transportowego z nieklasycznym kryterium optymalizacji w celu zminimalizowania ryzyka transportowego. Wykazano, że parametry ryzyka takiej funkcji można wyznaczyć metodą analizy czynnikowej. Dodatkowo, ze względu na występowanie w zgłoszeniu problemu kilku punktów wysyłki i dostawy towarów, metoda ta jest prezentowana w postaci matrycy. W wyniku przepr owadzonych badań uzyskano nową metodę konstruowania funkcji celu dla postawionego problemu optymalizacji, której parametry mają charakter probabilistyczny. Pozwala to na ogólne sformalizowanie procesu rozwiązywania tego typu problemów – przede wszystkim przy pomocy specjalistycznego oprogramowania.

Słowa kluczowe

EN

factor analysis; objective function of optimization; transportation risk

PL

analiza czynnikowa; funkcja optymalizacji celu; ryzyko transportowe

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2021
• Tom: T. 11, nr 1
• Strony: 40--43
• Opis fizyczny: Bibliogr. 10 poz., tab.

Twórcy

autor

Zabolotnii Serhii

• Cherkasy State Business-College, Cherkasy, Ukraine

• https://orcid.org/0000-0003-0242-2234

autor

Mogilei Serhii

• Rauf Ablyazov East European University, Cherkasy, Ukraine

• https://orcid.org/0000-0002-9296-6827

Bibliografia

• [1] Boyd K. C.: Factor analysis. In The Routledge Handbook of Research Methods in the Study of Religion. Taylor and Francis, 2013, 204–216 [http://doi.org/10.4324/9780203154281-22].
• [2] Chalmers J., Armour M.: The Delphi technique. In Handbook of Research Methods in Health Social Sciences. Springer, Singapore 2019, 715–735 [http://doi.org/10.1007/978-981-10-5251-4_99].
• [3] Díaz-Parra O., Ruiz-Vanoye J. A., Bernábe Loranca B., Fuentes-Penna A., Barrera-Cámara R.A.: A survey of transportation problems. Journal of Applied Mathematics. Hindawi Publishing Corporation 2014, 848129 [http://doi.org/10.1155/2014/848129].
• [4] Freund R. J., Wilson W. J., Mohr D. L.: Data and Statistics. In Statistical Methods, 2010, 1–65 [http://doi.org/10.1016/b978-0-12-374970-3.00001-9].
• [5] Honcharov А., Mogilei S.: Solving multimodal transportation problems by different program means. Bulletin of Cherkasy State Technological University 3/2020, 67–74.
• [6] Klami A., Virtanen S., Leppaaho E., Kaski S.: Group Factor Analysis. IEEE Transactions on Neural Networks and Learning Systems 26(9)/2015, 2136–2147 [http://doi.org/10.1109/TNNLS.2014.2376974].
• [7] Privarova R.: Operational analysis tools in solving transport task. Perner’s contacts XI(2)/2016, 82–89.
• [8] Virtanen S., Klami A., Khan S. A., Kaski, S.: Bayesian group factor analysis. Proceedings of the 15th AISTATS, JMLR W&CP 22/2012, 1269–1277.
• [9] Zabolotnii S., Mogilei S.: The methods for determining the parameters of the objective function of multimodal transportation risk. Proceedings of V International Scientific-Practical Conference “ITEST-2020”, Cherkasy 2020, 114–115.
• [10] Zhao S., Gao C., Mukherjee S., Engelhardt B. E.: Bayesian group factor analysis with structured sparsity. Journal of Machine Learning Research 17/2016, 1–47.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).