Оптимизация маршрутов топливозаправщиков методом Кларка - Райта при эксплуатации путевых машин

В статье рассматривается задача оптимизации маршрутов доставки топливно-смазочных материалов специальному подвижному составу железных дорог с использованием метода Кларка Райта. Актуальность исследования определяется необходимостью решения проблемы совмещения подвижных средств обслуживания (топливозаправщиков) с местами обслуживания (топливными базами) при минимизации логистических издержек.

На основе реальных данных участка Западно-Сибирской железной дороги построена матрица кратчайших расстояний между пятью станциями по автомобильным дорогам. Применен классический алгоритм Кларка Райта (Clark Wright Savings Algorithm), как один из наиболее эффективных методов для решения задачи маршрутизации транспорта с ограничениями вместимости. Алгоритм реализован на Python с пошаговой визуализацией процесса объединения маршрутов.

Метод Кларка Райта позволил сократить количество топливозаправщиков с пяти (при индивидуальной доставке каждому клиенту) до двух, при общей протяженности маршрутов 86,9 км. Экономия количества транспортных средств составила 60 %, что приводит к значительному сокращению операционных расходов на содержание автопарка, оплату труда водителей и топливо.

Научная новизна работы состоит в применении классического алгоритма Кларка Райта к специфической задаче оптимизации топливоснабжения специального подвижного состава железных дорог с подробной пошаговой реализацией и анализом результатов. Полученные результаты демонстрируют практическую эффективность метода и его применимость для железнодорожного транспорта. Предложенный подход может быть распространен на другие участки сети и модифицирован для учета динамических ограничений (временные окна, переменные объемы спроса).

1. Оленберг А. А., Кочергин В. И. Интегрированное оптимизационное моделирование логистики топливо-заправщиков в транспортных и транспортно-технологических системах // Фундаментальные и прикладные во-просы транспорта. 2025. № 2 (17). С. 59–65. DOI 10.52170/2712-9195_2025_2_59. EDN HBILZZ.

2. Оленберг А. А., Кочергин В. И. Использование ГИС карт для создания имитационной модели // Фунда-ментальные и прикладные вопросы транспорта. 2024. № 3 (14). С. 56–61. DOI 10.52170/2712-9195_2024_3_56. EDN BYVGVU.

3. Clarke G., Wright W. Scheduling of vehicles from a central depot to a number of delivery points // Operations Research. 1964. No. 12 (4). P. 568–581. DOI 10.1287/opre.12.4.568.

4. Laporte G. The vehicle routing problem: An overview of exact and approximate algorithms // European Journal of Operational Research. 1992. No. 59 (3). P. 345–358. DOI 10.1016/0377-2217(92)90192-C.

5. Dantzig G. B., Ramser J. H. The truck dispatching problem // Management Science. 1959. No. 6 (1). P. 80–91. DOI 10.1287/mnsc.6.1.80.

6. Toth P., Vigo D. The vehicle routing problem. SIAM, 2002. 367 p. DOI 10.1137/1.9780898718515.

7. Baldacci R., Mingozzi A., Roberti R. Recent exact algorithms for solving the vehicle routing problem under capacity and time window constraints // European Journal of Operational Research. 2012. No. 218 (1). P. 1–6. DOI 10.1016/j.ejor.2011.07.037.

8. Guerriero F., Saccomanno F. P. A Parallel implementation of the Clarke-Wright algorithm on GPUS // 14th International Conference on Operations Research and Enterprise Systems. 2025. No. 1. P. 100–111. DOI 10.5220/0013138100003893.

9. Garside A. K., Erlinda L., Amallynda I. Solving heterogeneous fleet vehicle routing problem with Clarke Wright saving heuristic and genetic algorithm // Proceedings of the 4th International Conference on Green Civil and Environmental Engineering (GCEE) 2023. 2024. No. 2927. Р. 050002. DOI 10.1063/5.0192216.

10. Fikejz J., Brázdová M., Jánošíková L. Modification of the Clarke and Wright algorithm with a dynamic savings matrix // Journal of Advanced Transportation. 2024. No. 2024 (1). P. 1–15. DOI 10.1155/2024/8753106.

11. Selecting fast algorithms for the capacitated vehicle routing problem with machine learning techniques / R. Asín-Achá, A. Espinoza, O. Goldschmidt [et al.] // Networks. 2024. No. 84 (4). P. 465–480. DOI 10.1002/net.22244.

12. Segerstedt A. A simple heuristic for vehicle routing – A variant of Clarke and Wright's saving method // International Journal of Production Economics. 2014. No. 157. P. 74–79. DOI 10.1016/j.ijpe.2013.09.017.

13. Heuristics for vehicle routing problem: A survey and recent advances / F. Liu, C. Lu, L. Gui [et al.] // Artificial Intelligence. 2023. DOI 10.48550/arXiv.2303.04147.

14. CAMP: Collaborative attention model with profiles for vehicle routing problems / C. Hua, F. Berto, J. Son [et al.] // Multiagent Systems. 2025. DOI 10.48550/arXiv.2501.02977.

15. Nurcahyo R., Irawan D. A., Kristanti F. The Effectiveness of the Clarke & Wright savings algorithm in determining logistics distribution routes (case study PT.XYZ) // E3S Web of Conferences. 2023. No. 426 (01107). DOI 10.1051/e3sconf/202342601107.

16. Nugroho J. A. Penentuan Rute Pengambilan Sampah Dengan Menggunakan Metode Clarke & Wright Algorithm Saving Heuristic Di Perusahaan Daerah Kebersihan Untuk Wilayah Bandung Timur // Journal Pendidikan Sains Dan Teknologi. 2024. No. 3 (3). P. 569–573. DOI 10.47233/jpst.v3i3.1984.

17. Vehicle routing problems with multiple commodities: A survey / W. Gu, C. Archetti, D. Cattaruzza [et al.] // European Journal of Operational Research. 2024. No. 317 (1). P. 1–15. DOI 10.1016/j.ejor.2023.11.032.

18. A machine learning optimization approach for last-mile delivery and third-party logistics / M. E. Bruni, E. Fadda, S. Fedorov, G. Perboli // Computers & Operations Research. 2023. No. 157 (20). DOI 10.1016/j.cor.2023.106262.

19. Analysis and optimization of transportation logistics for supply chain management of perishable goods using Monte Carlo Simulation / S. M. Pol, A. Rayte, B. T. Patil, K. N. Joshi // E3S Web of Conferences. 2024. No. 559 (04004). DOI 10.1051/e3sconf/202455904004.

20. Vehicle routing problem approach for improving fuel delivery scheduling to austere test sites / S. Allen, J. Heller, G. Lamb [et al.] // A Regional Conference of the Society for Industrial and Systems Engineering. 2024. No. 12 (2). P. 109–114. DOI 10.37266/ISER.2025v12i2.pp109-114.

21. Kaczor G., Szkoda M. The application of a simulation method in the evaluation of the reliability of transport systems // Czasopismo Techniczne. 2018. No. 6 (115). P. 167–178. DOI 10.4467/2353737XCT.18.096.8701.

22. Qu P. Design of supply chain logistics intelligent management information system based on GIS optimization model // Procedia Computer Science. 2024. No. 243. P. 396–405. DOI 10.1016/j.procs.2024.09.049.

23. Яндекс Карты : [поисково-информационная картографическая служба]. URL: https://yandex.ru/maps (дата обращения: 01.02.2026).

24. MATLAB : платформа для программирования и численных вычислений. URL: https://www.math-works.com/products/matlab.html (дата обращения: 01.02.2026).

25. Wang R. Research on cold chain logistics distribution path optimization based on improved ant colony algorithm // 2023 IEEE 3rd International Conference on Power, Electronics and Computer Applications (ICPECA). 2023. DOI 10.1109/ICPECA56706.2023.10075989.

26. Li Y., Zhang Z. Research on the site selection of fresh agricultural products distribution center based on logistics cost and its MATLAB implementation // AICI 25: Proceedings of the 2025 International Conference on Artificial Intelligence and Computational Intelligence. 2025. P. 293–297. DOI doi.org/10.1145/3730436.3730485.

27. Zhang W., Xu M., Wang S. Joint location and pricing optimization of self-service in urban logistics considering customers’ choice behavior // Transportation Research. Part E. Logistics and Transportation Review. 2023. No. 174. DOI 10.1016/j.tre.2023.103128.