論文の概要: On Initializing Airline Crew Pairing Optimization for Large-scale
Complex Flight Networks
- arxiv url: http://arxiv.org/abs/2003.06423v1
- Date: Sun, 15 Mar 2020 08:21:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 09:14:10.738985
- Title: On Initializing Airline Crew Pairing Optimization for Large-scale
Complex Flight Networks
- Title（参考訳）: 大規模複合飛行ネットワークにおける航空クルーペアリング初期化最適化について
- Authors: Divyam Aggarwal, Dhish Kumar Saxena, Thomas B\"ack, Michael Emmerich
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Crew pairing optimization (CPO) is critically important for any airline,
since its crew operating costs are second-largest, next to the fuel-cost. CPO
aims at generating a set of flight sequences (crew pairings) covering a
flight-schedule, at minimum-cost, while satisfying several legality
constraints. For large-scale complex flight networks, billion-plus legal
pairings (variables) are possible, rendering their offline enumeration
intractable and an exhaustive search for their minimum-cost full
flight-coverage subset impractical. Even generating an initial feasible
solution (IFS: a manageable set of legal pairings covering all flights), which
could be subsequently optimized is a difficult (NP-complete) problem. Though,
as part of a larger project the authors have developed a crew pairing optimizer
(AirCROP), this paper dedicatedly focuses on IFS-generation through a novel
heuristic based on divide-and-cover strategy and Integer Programming. For
real-world large and complex flight network datasets (including over 3200
flights and 15 crew bases) provided by GE Aviation, the proposed heuristic
shows upto a ten-fold speed improvement over another state-of-the-art approach.
Unprecedentedly, this paper presents an empirical investigation of the impact
of IFS-cost on the final (optimized) solution-cost, revealing that too low an
IFS-cost does not necessarily imply faster convergence for AirCROP or even
lower cost for the optimized solution.
- Abstract（参考訳）: 乗員のペアリング最適化(cpo)は、乗員の運用コストが燃料コストに次ぐ第2位であるため、どの航空会社にとっても極めて重要である。
CPOは、いくつかの法的制約を満たしつつ、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(大きなペアリング)を最小限のコストで作成することを目的としている。
大規模な複雑な飛行ネットワークでは、数十億を超える法的なペアリング(変数)が可能であり、オフラインの列挙を難なくし、最小コストのフルカバーサブセットを徹底的に検索する。
初期実現可能なソリューション(IFS: 管理可能なすべての飛行をカバーする法的なペアリング)を生成さえも、その後の最適化は難しい(NP完全)問題である。
より大きなプロジェクトの一環として、著者らはクルーペアリングオプティマイザ(aircrop)を開発したが、本論文は分割と被覆戦略と整数プログラミングに基づく新しいヒューリスティックによるifs生成に焦点を当てている。
GE Aviationが提供する実世界の大規模かつ複雑な飛行ネットワークデータセット(3200件以上の飛行と15の乗員基地を含む)では、提案されたヒューリスティックは、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。
そこで本研究では, IFSコストが最終(最適化された)ソリューションコストに与える影響を実証的に検討し, IFSコストが低すぎることがAirCROPの収束を必ずしも速くすること,あるいは最適化されたソリューションのコストが低くなることを明らかにした。
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) - Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。
このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
論文 参考訳（メタデータ） (2024-05-28T07:38:39Z) - CANOS: A Fast and Scalable Neural AC-OPF Solver Robust To N-1 Perturbations [0.7545833157486899]
最も単純な設定では、OPF (Optimal Power Flow) はコストを最小限に抑えるためにどれだけの電力を生成するかを決定する。
電力グリッド演算子はAC-OPF問題の近似を用いる。
本研究では,計算速度を損なうことなく,準最適解(真のAC-OPFコストの1%)を予測するためのディープラーニングシステム(CANOS)を訓練する。
論文 参考訳（メタデータ） (2024-03-26T12:47:04Z) - Joint User Association, Interference Cancellation and Power Control for
Multi-IRS Assisted UAV Communications [80.35959154762381]
インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。
既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。
我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
論文 参考訳（メタデータ） (2023-12-08T01:57:10Z) - Client Orchestration and Cost-Efficient Joint Optimization for
NOMA-Enabled Hierarchical Federated Learning [55.49099125128281]
半同期クラウドモデルアグリゲーションの下で非直交多重アクセス(NOMA)を実現するHFLシステムを提案する。
提案手法は,HFLの性能改善と総コスト削減に関するベンチマークよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-03T13:34:44Z) - Movement Penalized Bayesian Optimization with Application to Wind Energy
Systems [84.7485307269572]
文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。
この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。
標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
論文 参考訳（メタデータ） (2022-10-14T20:19:32Z) - Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。
最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。
提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文 参考訳（メタデータ） (2022-06-14T08:14:14Z) - 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) - 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) - Real-World Airline Crew Pairing Optimization: Customized Genetic
Algorithm versus Column Generation Method [0.0]
航空機乗組員ペアリング最適化問題(CPOP)は、航空会社の高度に制約された飛行スケジュールにおいて、最小限のコストで全フライトをカバーする一連のフライトシーケンスを見つけることを目的としている。
CPOPはNPハードであり、それに取り組むのは非常に難しい。
本稿ではドメイン知識駆動型カスタマイズGAを提案する。
論文 参考訳（メタデータ） (2020-03-08T15:04:57Z)
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。