論文の概要: Real-World Airline Crew Pairing Optimization: Customized Genetic
Algorithm versus Column Generation Method
- arxiv url: http://arxiv.org/abs/2003.03792v1
- Date: Sun, 8 Mar 2020 15:04:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 14:14:49.322650
- Title: Real-World Airline Crew Pairing Optimization: Customized Genetic
Algorithm versus Column Generation Method
- Title（参考訳）: 実世界の航空機乗組員ペアリング最適化:コラム生成法に対する遺伝的アルゴリズムのカスタマイズ
- Authors: Divyam Aggarwal, Dhish Kumar Saxena, Thomas Back, Michael Emmerich
- Abstract要約: 飛行船乗組員のペアリング最適化問題(CPOP)は、時間表からすべての飛行を最小限のコストでカバーし、連邦等が定める複数の法的制約を満たすことを目的としている。
CPOPの規模によっては、いくつかの遺伝的アルゴリズムとカラム生成に基づくアプローチが文献で提案されている。
大型航空会社のネットワークにスケールすると、検索効率が大幅に低下する。
GE航空が提供する実世界テストケース(839便)の実用性を実証する。
- 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: Airline crew cost is the second-largest operating cost component and its
marginal improvement may translate to millions of dollars annually. Further,
it's highly constrained-combinatorial nature brings-in high impact research and
commercial value. The airline crew pairing optimization problem (CPOP) is aimed
at generating a set of crew pairings, covering all flights from its timetable,
with minimum cost, while satisfying multiple legality constraints laid by
federations, etc. Depending upon CPOP's scale, several Genetic Algorithm and
Column Generation based approaches have been proposed in the literature.
However, these approaches have been validated either on small-scale flight
datasets (a handful of pairings) or for smaller airlines (operating-in
low-demand regions) such as Turkish Airlines, etc. Their search-efficiency gets
impaired drastically when scaled to the networks of bigger airlines. The
contributions of this paper relate to the proposition of a customized genetic
algorithm, with improved initialization and genetic operators, developed by
exploiting the domain-knowledge; and its comparison with a column generation
based large-scale optimizer (developed by authors). To demonstrate the utility
of the above-cited contributions, a real-world test-case (839 flights),
provided by GE Aviation, is used which has been extracted from the networks of
larger airlines (operating up to 33000 monthly flights in the US).
- Abstract（参考訳）: 航空機乗組員のコストは2番目に大きな運用コストであり、その限界改善は年間数百万ドルにも達する可能性がある。
さらに、非常に制約された結合性は、高い影響の研究と商業的価値をもたらします。
航空会社のクルーペア最適化問題(CPOP)は、タイムテーブルからすべてのフライトを最小限のコストでカバーし、フェデレーション等によって規定される複数の法的制約を満たすことを目的としている。
CPOPのスケールに応じて、いくつかの遺伝的アルゴリズムとカラム生成に基づくアプローチが文献で提案されている。
しかし、これらのアプローチは、小規模の飛行データセット(一握りのペアリング)や、トルコ航空などの小規模航空会社(低需要地域で運用)で検証されている。
大型航空会社のネットワークにスケールすると、検索効率が大幅に低下する。
本論文の貢献は,ドメイン知識を利用した初期化と遺伝的演算子の改善,コラム生成に基づく大規模オプティマイザ(著者らが開発した)との比較による遺伝的アルゴリズムの提案に関係している。
上記の貢献の実用性を示すために、geアビエーションが提供する実世界のテストケース(839便)が、より大きな航空会社のネットワークから抽出された(米国では33,000便まで運行されている)。
関連論文リスト
- Communication-Efficient Federated Group Distributionally Robust Optimization [49.14751984342068]
フェデレーション学習は、異なるクライアントにおけるデータボリュームと分散の不均一性のために、課題に直面します。
グループ分散ロバスト最適化(GDRO)に基づいてこの問題に対処するための既存のアプローチは、しばしば高い通信とサンプルの複雑さをもたらす。
本研究では, 通信効率の高いFederated Group Distributionally Robust Optimizationに適したアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-08T21:07:53Z) - Controllable Prompt Tuning For Balancing Group Distributional Robustness [53.336515056479705]
グループ間で優れたパフォーマンスを実現するための最適化スキームを導入し、それらの性能を著しく犠牲にすることなく、全員に良い解決策を見出す。
本稿では,制御可能なプロンプトチューニング(CPT)を提案する。
突発的相関ベンチマークでは, 変換器と非変換器の両アーキテクチャ, および非モーダルおよびマルチモーダルデータにまたがって, 最先端の結果が得られた。
論文 参考訳（メタデータ） (2024-03-05T06:23:55Z) - AffineGlue: Joint Matching and Robust Estimation [74.04609046690913]
AffineGlue, 連立2視点特徴マッチングとロバストな推定法を提案する。
AffineGlueは、最小限のモデルを推定するために、1対多の対応から潜在的なマッチを選択する。
ガイドマッチングはモデルと一致した一致を見つけるために使用され、1対1の一致の曖昧さに悩まされる。
論文 参考訳（メタデータ） (2023-07-28T08:05:36Z) - MultiZenoTravel: a Tunable Benchmark for Multi-Objective Planning with
Known Pareto Front [71.19090689055054]
多目的AI計画では、既知のPareto Frontsを示すベンチマークが不足している。
提案するベンチマーク生成器と専用ソルバは、結果のインスタンスの真のParetoを確実に計算する。
本稿では,制約された問題に対して最適な計画を示すとともに,制約された問題に対する一般的な問題を減らす方法を示す。
論文 参考訳（メタデータ） (2023-04-28T07:09:23Z) - Learning to Solve Combinatorial Graph Partitioning Problems via
Efficient Exploration [72.15369769265398]
実験により、ECORDは最大カット問題に対するRLアルゴリズムのための新しいSOTAを実現する。
最も近い競合と比較して、ECORDは最適性ギャップを最大73%削減する。
論文 参考訳（メタデータ） (2022-05-27T17:13:10Z) - GAIA: A Transfer Learning System of Object Detection that Fits Your
Needs [136.60609274344893]
大規模データセットの事前学習によるトランスファーラーニングは,コンピュータビジョンや自然言語処理において,ますます重要な役割を担っている。
本稿では,物体検出の領域に着目し,GAIAと呼ばれる移動学習システムを提案する。
GAIAは、レイテンシ制約や指定されたデータドメインなどの下流要求に適合するモデルを選択する、強力な事前訓練されたウェイトを提供することができる。
論文 参考訳（メタデータ） (2021-06-21T18:24:20Z) - Machine Learning in Airline Crew Pairing to Construct Initial Clusters
for Dynamic Constraint Aggregation [23.980050729253612]
クルーペアリング問題(Crew pairing problem, CPP)は、一般的に、飛行をペアリングで分割する必要があるセット問題としてモデル化される。
機械学習(ML)を用いて、同じ乗組員によって連続的に実行される確率の高い飛行群を生成する。
最大50万回のフライトを持つ月毎のCPPにおいて、MLベースのクラスタが生成するCommercial-GENCOL-DCAは、初期クラスタが供給するBaselineを上回っていることを示す。
論文 参考訳（メタデータ） (2020-09-30T22:38:47Z) - Flight-connection Prediction for Airline Crew Scheduling to Construct
Initial Clusters for OR Optimizer [23.980050729253612]
本稿では、機械学習の分類アルゴリズムを用いて大規模商用解法(GENCOL)を初期化するケーススタディを提案する。
1%未満の少額の貯蓄は、大型航空会社の年間収入を数十万ドル増額することを意味している。
論文 参考訳（メタデータ） (2020-09-26T01:32:07Z) - A Novel Column Generation Heuristic for Airline Crew Pairing
Optimization with Large-scale Complex Flight Networks [0.0]
本稿では,Airline Crew Pairing(AirCROP)の社内開発を可能にする新しいCGを提案する。
CPO/AirCROPの有効性は4,200機以上の飛行、15の乗員基地、複数のハブ・アンド・スポーク・サブネットワークでテストされている。
論文 参考訳（メタデータ） (2020-05-18T12:19:02Z) - On Learning Combinatorial Patterns to Assist Large-Scale Airline Crew
Pairing Optimization [0.0]
本稿では,飛行接続データ中の可視パターンを学習するための変分グラフオートエンコーダの新たな適応法を提案する。
結果として生じる飛行接続予測は、新しいペアリングを生成するために小説を使ってオンザフライで組み合わせられる。
提案手法の実用性は、複数のハブ・アンド・スポーク・ワークスと複数のクルー・ベースを特徴とする、大規模(4200以上のフライト)、実世界、アメリカの航空会社の複雑なフライト・ネットワーク上で実証されている。
論文 参考訳（メタデータ） (2020-04-28T20:16:22Z) - On Initializing Airline Crew Pairing Optimization for Large-scale
Complex Flight Networks [0.0]
本論文は,飛行スケジュールをカバーする一連のフライトシーケンス(重対)を,いくつかの法的制約を満たしつつ,最小限のコストで生成することを目的とする。
GE Aviationが提供する現実の大規模かつ複雑な飛行ネットワーク(3200以上の飛行と15の乗員基地を含む)では、提案されたデータセットは、別の最先端アプローチよりも10倍のスピード向上を示している。
論文 参考訳（メタデータ） (2020-03-15T08:21:38Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。