Journal of Economics, Entrepreneurship and Law Journal of Economics, Entrepreneurship and Law Экономика, предпринимательство и право 2222-534X BIBLIO-GLOBUS Publishing House 120730 10.18334/epp.14.4.120730 TCYJIB Articles Статьи Research Article Dynamic and stochastic linear programming tasks in logistics and supply chain management Динамические и стохастические задачи линейного программирования в логистике и управлении цепями поставок Bochkarev Andrey Aleksandrovich Бочкарев Андрей Александрович

профессор кафедры логистики и управления цепями поставок, доктор экономических наук, доцент

 andreibochkarev4@gmail.com Nos Viktor Anatolevich Нос Виктор Анатольевич

профессор кафедры логистики и управления цепями поставок, доктор экономических наук, профессор

 hocvik@yandex.ru Goncharenko Elena Alekseevna Гончаренко Елена Алексеевна

студент группы М-2112

 lenagoncharenko2004@gmail.com Saint Petersburg State University of Economics Санкт-Петербургский государственный экономический университет 30 04 2024 14 4 VOL 14, NO4 (2024) ТОМ 14, №4 (2024) 1123 1148 01 03 2024 11 03 2024 Copyright ©; 2024, Bochkarev A.A., Nos V.A., Goncharenko E.A. Copyright ©; 2024, Бочкарев А.А., Нос В.А., Гончаренко Е.А. 2024 Bochkarev A.A., Nos V.A., Goncharenko E.A. Бочкарев А.А., Нос В.А., Гончаренко Е.А. https://1economic.ru/lib/120730

Applications of mathematical programming methods to logistics and supply chain management are continuously expanding. New practical problems require co-improvement of approaches to the mathematical formulation of problems and methods for solving them. The article discusses dynamic and stochastic tasks of linear programming, which have found wide application in logistics, as well as methods of their recreation. The vast class of these tasks is represented by various types of mathematical models, commonly used in logistics. Thus, the following tasks can be considered as models of dynamic and stochastic linear programming: the task of the strategy of purchasing and selling goods in conditions of changing demand, the task of calculating the size of a batch and the choice of suppliers taking into account the area of warehouse facilities and budget constraints, etc. This article presents the stochastic task of optimization of container cargo shipment of MMK-METIZ OJSC to the container point of the railway station of the city of Magnitogorsk and considers an example of its numerical solution.

В статье рассматривается ряд динамических и стохастических задач линейного программирования и методы их решения. Обширный класс данных задач представлен различными видами математических моделей, нередко применяемых в логистике. Так, в качестве моделей динамического и стохастического линейного программирования могут быть рассмотрены задача о стратегии приобретения и продажи товаров в условиях изменяющегося спроса, задача расчета размера партии поставки и выбора поставщиков с учетом площади складских помещений и бюджетных ограничений, а также множество других задач, представленных в обзоре научной литературы. В данной статье представлена стохастическая задача оптимизации отправки контейнерных грузов ОАО «ММК-МЕТИЗ» на контейнерный пункт железнодорожной товарной станции города Магнитогорска и рассмотрен пример ее численного решения

 supply chains linear programming stochastic programming container cargo shipment optimization mathematical setting optimality Цепи поставок линейное программирование стохастическое программирование оптимизации отправок контейнерных грузов математическая постановка оптимальность 1. Бочкарев А. А Оптимизация перевозок контейнерных грузов // Логистика и управление цепями поставок. – 2012. – № 1. – c. 43-55. 2. Бочкарев А. А., Бочкарев П. А., Франюк Р. А. Динамическое программирование и планирование сценариев в задаче оптимизации перевозок контейнерных грузов // Аудит и финансовый анализ. – 2018. – № 5. – c. 61-73. 3. Шапиро Дж. Моделирование цепи поставок. / пер. с англ. под ред. В.С. Лукинского. - СПб.: Питер, 2006. – 720 c. 4. Юдин Д. Б., Гольштейн Е. Г. Задачи и методы линейного программирования: математические основы и практические задачи. / 3-е изд. - М. : ЛИБРОКОМ, 2010. – 320 c. 5. Aghazadeh D., Ertogral K. An Improved Approximate Dynamic Programming Method for The Integrated Fleet Sizing and Replenishment Planning Problem with Predetermined Delivery Frequencies // IFAC-PapersOnLine. – 2022. – № 10. – p. 3034–3039. 6. Beraldi P., Violi A., Carrozzino G. The optimal management of the prosumer’s resources via stochastic programming // Energy Reports. – 2020. – № 6. – p. 274–280. 7. Blomvall J., Hagenbjork J. Reducing transaction costs for interest rate risk hedging with stochastic programming // Europe Journalof Operational Research. – 2022. – № 302. – p. 1282-1293. 8. Carkovs J., Matvejevs A., Matvejevs A., Kubzdela A. Stochastic modeling for transport logistics // Procedia Computer Science. – 2019. – № 149. – p. 457–462. 9. Czerniachowska K., Lutosławski K. Dynamic Programming approach for solving the retail shelf-space allocation problem // Procedia Computer Science. – 2021. – № 192. – p. 4320–4329. 10. Eslamipoor R. A two-stage stochastic planning model for locating product collection centers in green logistics networks // Cleaner Logistics and Supply Chain. – 2023. – № 6. – p. 1-8. 11. Galatsidas S., Petridis K., Arabatzis G., Kondos K. Forest production management and harvesting scheduling using dynamic Linear Programming (LP) models // Procedia Technology. – 2013. – № 8. – p. 349 – 354. 12. Hsu P., Aurisicchio M., Angeloudis P. Optimal logistics planning for modular construction using multistage stochastic programming // Transportation Research Procedia. – 2019. – № 46. – p. 245–252. 13. Huang D., Wang S. A two-stage stochastic programming model of coordinated electric bus charging scheduling for a hybrid charging scheme // Multimodal Transportation. – 2022. – № 1. – p. 1-11. 14. Innis C., Chen P. Dynamic Programming-based Macroscopic Speed Planner for Electric Vehicle Platooning // IFAC-PapersOnLine. – 2022. – № 37. – p. 31–36. 15. Maggioni F., Perboli G., Todei R. The Multi-Path Traveling Salesman Problem with Stochastic Travel Costs: Building Realistic Instances for City Logistics Applications // Transportation Research Procedia. – 2014. – № 3. – p. 528 – 536. 16. Mirhassani S.A., Khaleghi A., Hooshmand F. Two-stage stochastic programming model to locate capacitated EV-charging stations in urban areas under demand uncertainty // EURO Journal on Transportation and Logistics. – 2020. – № 9. – p. 1-12. 17. Moon Y., Nozarijouybari Z., Handler C. Optimal Spin-Up Motion of Wind Turbine using Deterministic Dynamic Programming // IFAC-PapersOnLine. – 2022. – № 55. – p. 770–775. 18. Nayeem M.K., Alam S.T. A scenario-based stochastic programming model for multi-commodity distribution considering disruption in distribution network // Results in Control and Optimization. – 2022. – № 8. – p. 1-13. 19. Nievas N., Pagès-Bernaus A., Bonada F., Echeverria L. A Dynamic Programming approach for bath cycle time optimization in hot meal forming // IFAC-PapersOnLine. – 2022. – № 55. – p. 2671–2676. 20. Rimele A., Dimitrakopoulos R., Gamache M. A dynamic stochastic programming approach for open-pit mine planning with geological and commodity price uncertainty // Resources Policy. – 2020. – № 65. – p. 1-8. 21. Schaffer L.E., Helseth A., Korpas M. A stochastic dynamic programming model for hydropower scheduling with state-dependent maximum discharge constraints // Renewable Energy. – 2021. – № 194. – p. 571-581. 22. Schledorn A., Guericke D., Andersen A.N., Madsen H. Optimising block bids of district heating operators to the day-ahead electricity market using stochastic programming // Smart Energy. – 2021. – № 1. – p. 1-11. 23. Sun J., Ozawa M., Zhang W.,Takahashi K. Electricity supply chain management considering environmental evaluation: A multi-period optimization stochastic programming model // Cleaner and Responsible Consumption. – 2022. – № 7. – p. 1-11. 24. Wang J., Yang H., Zhu J. A Two-stage Stochastic Programming Model for Emergency Resources Storage Region Division // Systems Engineering Procedia. – 2012. – № 5. – p. 125 – 130.