Fugu-MT 論文翻訳(概要): A New Arc-Routing Algorithm Applied to Winter Road Maintenance

論文の概要: A New Arc-Routing Algorithm Applied to Winter Road Maintenance

arxiv url: http://arxiv.org/abs/2001.10828v1
Date: Thu, 23 Jan 2020 08:44:42 GMT
ステータス: 処理完了
システム内更新日: 2023-01-07 13:05:21.131308
Title: A New Arc-Routing Algorithm Applied to Winter Road Maintenance
Title（参考訳）: 冬期道路整備に応用した新しいアークルーティングアルゴリズム
Authors: Ji\v{r}\'i Fink, Martin Loebl, Petra Pelik\'anov\'a
Abstract要約: 本稿では, 比較的一般的なアークルーティング問題の大規模インスタンスについて検討し, 実用的制約を取り入れた。そこで我々は,数千の交差点や道路セグメント上の道路網を数分で解き,良好なスケーリングが可能なビンパッキングに基づく新しいアルゴリズムを開発した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper studies large scale instances of a fairly general arc-routing problem as well as incorporate practical constraints in particular coming from the scheduling problem of the winter road maintenance (e.g. different priorities for and methods of road maintenance). We develop a new algorithm based on a bin-packing heuristic which is well-scalable and able to solve road networks on thousands of crossroads and road segments in few minutes. Since it is impossible to find an optimal solution for such a large instances to compare it with a result of our algorithm, we also develop techniques to compute lower bounds which are based on Integer Linear Programming and Lazy Constraints.
Abstract（参考訳）: 本稿では,冬期道路整備のスケジューリング問題(道路整備の優先度や方法の相違など)から発生する実用上の制約を取り入れた,比較的一般的なアークルーティング問題の大規模事例について考察する。本手法では,道路網を数千の道路と道路セグメントで数分で解くことが可能な,ビンパック型ヒューリスティックに基づく新しいアルゴリズムを提案する。このような大規模インスタンスとアルゴリズムの結果を比較するのに最適な解を見つけることは不可能であるため,Integer Linear Programming と Lazy Constraints に基づく下界の計算手法も開発している。

関連論文リスト

A Neural Column Generation Approach to the Vehicle Routing Problem with Two-Dimensional Loading and Last-In-First-Out Constraints [3.9594431485015096]
2次元負荷制約 (2L-CVRP) を持つ車両ルーティング問題は, 実用的, アルゴリズム的に重要な課題である。本稿では,高度な機械学習技術,特に注意と再発機構の新たな組み合わせを統合した,正確なアルゴリズムを提案する。提案アルゴリズムは、標準テストベッドにおけるオープンインスタンスの解決に成功し、機械学習モデルの導入による大幅な改善を実証する。
論文参考訳（メタデータ） (2024-06-18T09:58:29Z)
Optimizing Tensor Contraction Paths: A Greedy Algorithm Approach With Improved Cost Functions [1.3812010983144802]
より少ない時間で効率的な収縮経路を計算できる opt_einsum による欲求アルゴリズムに基づく新しい手法を提案する。我々のアプローチでは、現代のアルゴリズムが失敗する大きな問題に対するパスを計算できる。
論文参考訳（メタデータ） (2024-05-08T09:25:39Z)
Minimalistic Predictions to Schedule Jobs with Online Precedence Constraints [117.8317521974783]
オンライン優先制約による非サーボ的スケジューリングについて検討する。アルゴリズムは、任意のジョブ依存に偏りがなく、前任者がすべて完了した場合に限り、ジョブについて学習する。
論文参考訳（メタデータ） (2023-01-30T13:17:15Z)
Capacitated Vehicle Routing Problem Using Conventional and Approximation Method [0.0]
本稿では, 静電容量化車両, 単線, 距離などの制約を考慮し, 有名な車両経路問題の解決を試みる。ノードのクラスタリングにはDBSCANアルゴリズムを採用し,近似アルゴリズムであるChristofideのアルゴリズムを用いてルーティングを行う。生成されたソリューションは、さまざまな需要ノードで構成されるデリバリシステムのような、現実の状況の解決に使用することができる。
論文参考訳（メタデータ） (2022-07-29T19:25:39Z)
GraphWalks: Efficient Shape Agnostic Geodesic Shortest Path Estimation [93.60478281489243]
3次元曲面上の測地線経路を近似する学習可能なネットワークを提案する。提案手法は,最短経路の効率的な近似と測地距離推定を提供する。
論文参考訳（メタデータ） (2022-05-30T16:22:53Z)
A Metaheuristic Algorithm for Large Maximum Weight Independent Set Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文参考訳（メタデータ） (2022-03-28T21:34:16Z)
A Case Study of Vehicle Route Optimization [2.2101681534594237]
本研究では,主に関連する実世界の制約と要件を取り入れる。時間ウィンドウと停止時間のための2段階戦略とタイムラインアルゴリズムを提案する。 4つの最先端アルゴリズムに対する8つの異なる問題インスタンスの評価は、我々のアプローチが与えられた制約を妥当な時間で処理することを示している。
論文参考訳（メタデータ） (2021-11-17T13:10:55Z)
Deep Policy Dynamic Programming for Vehicle Routing Problems [89.96386273895985]
本稿では,学習ニューラルの強みと動的プログラミングアルゴリズムの強みを組み合わせた深層ポリシー動的プログラミング(d pdp)を提案する。 D PDPは、例の解からエッジを予測するために訓練されたディープニューラルネットワークから派生したポリシーを使用して、DP状態空間を優先し、制限する。本研究では,旅行セールスマン問題 (TSP) と車両ルーティング問題 (VRP) の枠組みを評価し,ニューラルネットワークが(制限された)DPアルゴリズムの性能を向上させることを示す。
論文参考訳（メタデータ） (2021-02-23T15:33:57Z)
An Asymptotically Optimal Primal-Dual Incremental Algorithm for Contextual Linear Bandits [129.1029690825929]
複数の次元に沿った最先端技術を改善する新しいアルゴリズムを提案する。非文脈線形帯域の特別な場合において、学習地平線に対して最小限の最適性を確立する。
論文参考訳（メタデータ） (2020-10-23T09:12:47Z)
Lagrangian Decomposition for Neural Network Verification [148.0448557991349]
ニューラルネットワーク検証の基本的なコンポーネントは、出力が取ることのできる値のバウンダリの計算である。ラグランジアン分解に基づく新しい手法を提案する。ランニングタイムのごく一部で、既成の解法に匹敵するバウンダリが得られることを示す。
論文参考訳（メタデータ） (2020-02-24T17:55:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。