論文の概要: Dise\~no e implementaci\'on de una meta-heur\'istica multi-poblacional
de optimizaci\'on combinatoria enfocada a la resoluci\'on de problemas de
asignaci\'on de rutas a veh\'iculos
- arxiv url: http://arxiv.org/abs/2003.11393v1
- Date: Tue, 24 Mar 2020 14:43:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 09:25:37.106472
- Title: Dise\~no e implementaci\'on de una meta-heur\'istica multi-poblacional
de optimizaci\'on combinatoria enfocada a la resoluci\'on de problemas de
asignaci\'on de rutas a veh\'iculos
- Title（参考訳）: Dise\~no e implementaci\'on de una meta-heur\'istica multi-poblacional de optimizaci\'on combinatoria enfocada a la resoluci\'on de problemas de asignaci\'on de rutas a veh\'iculos
- Authors: Eneko Osaba
- Abstract要約: この論文は、さまざまな種類の車両ルーティング問題を解決するための新しいメタヒューリスティックの開発に注力する。
メタヒューリスティックによって得られた結果は、類似した哲学の他の4つのアルゴリズムによって得られたものと比較された。
- 参考スコア（独自算出の注目度）: 1.223416994447554
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transportation is an essential area in the nowadays society, both for
business sector and citizenry. There are different kinds of transportation
systems, each one with its own characteristics. In the same way, various areas
of knowledge can deal efficiently with the transport planning. The majority of
the problems related with the transport and logistics have common
characteristics, so they can be modeled as optimization problems, being able to
see them as special cases of other generic problems. These problems fit into
the combinatorial optimization field. Much of the problems of this type have an
exceptional complexity. A great amount of meta-heuristics can be found the
literature, each one with its advantages and disadvantages. Due to the high
complexity of combinatorial optimization problems, there is no technique able
to solve all these problems optimally. This fact makes the fields of
combinatorial optimization and vehicle routing problems be a hot topic of
research. This doctoral thesis will focus its efforts on developing a new
meta-heuristic to solve different kind of vehicle routing problems. The
presented technique offers an added value compared to existing methods, either
in relation to the performance, and the contribution of conceptual originality.
With the aim of validating the proposed model, the results obtained by the
developed meta-heuristic have been compared with the ones obtained by other
four algorithms of similar philosophy. Four well-known routing problems have
been used in this experimentation, as well as two classical combinatorial
optimization problems. In addition to the comparisons based on parameters such
as the mean, or the standard deviation, two different statistical tests have
been carried out. Thanks to these tests it can be affirmed that the proposed
meta-heuristic is competitive in terms of performance and conceptual
originality.
- Abstract（参考訳）: 交通は現代社会において、ビジネス部門と市民の双方にとって欠かせない領域である。
交通システムには様々な種類があり、それぞれに独自の特徴がある。
同様に、様々な分野の知識が輸送計画に効率的に対応できる。
輸送と物流に関する問題の大部分は共通の特徴を持っているため、最適化問題としてモデル化することができ、他の一般的な問題の特別な場合と見なせる。
これらの問題は組合せ最適化分野に当てはまる。
このタイプの問題の多くは、非常に複雑である。
膨大な量のメタヒューリスティックスが文献の中にあり、それぞれに長所と短所がある。
組合せ最適化問題の複雑性が高いため、これら全ての問題を最適に解く技術は存在しない。
この事実は、組合せ最適化と車両経路問題の分野を研究のホットトピックにしている。
この博士論文は、様々な種類の車両経路問題を解決するための新しいメタヒューリスティックの開発に注力する。
提案手法は, 既存の手法と比較して, 性能や概念的独創性との関連において付加価値を提供する。
提案モデルを検証する目的で, 開発したメタヒューリスティックによる結果と類似哲学の他の4つのアルゴリズムによる結果を比較した。
この実験でよく知られた4つの経路問題と2つの古典的組合せ最適化問題に使われている。
平均値や標準偏差などのパラメータに基づく比較に加えて、2つの異なる統計試験が実施されている。
これらのテストのおかげで、提案されたメタヒューリスティックは、パフォーマンスと概念の独創性という点で競争的であることが確認できる。
関連論文リスト
- A Computational Framework for Solving Wasserstein Lagrangian Flows [51.32751290160936]
本稿では,これらすべての問題に統一的な視点からアプローチする,新しいディープラーニングベースのフレームワークを提案する。
本手法では, 学習力学の軌跡をシミュレーション・バックプロパゲートする必要はない。
提案手法は, 単セル軌道推定における従来の手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-10-16T17:59:54Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Preference-Aware Delivery Planning for Last-Mile Logistics [3.04585143845864]
最適化手法と機械学習手法の両方の長所を組み合わせた,学習可能なパラメータを持つ新しい階層的経路を提案する。
Amazon Last Mile Research Challengeが提供する実際のデリバリデータセットを使用することで、最適化と機械学習コンポーネントの両方を持つことの重要性を実証する。
論文 参考訳（メタデータ） (2023-03-08T02:10:59Z) - Socio-cognitive Optimization of Time-delay Control Problems using
Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。
本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文 参考訳（メタデータ） (2022-10-23T22:21:10Z) - Solving the capacitated vehicle routing problem with timing windows
using rollouts and MAX-SAT [4.873362301533824]
車両ルーティングはNPハード最適化問題のよく知られたクラスである。
最近の強化学習の取り組みは有望な代替手段である。
本稿では,強化学習,政策展開,満足度を組み合わせたハイブリッドアプローチを提案する。
論文 参考訳（メタデータ） (2022-06-14T06:27:09Z) - The Machine Learning for Combinatorial Optimization Competition (ML4CO):
Results and Insights [59.93939636422896]
ML4COは、キーコンポーネントを置き換えることで最先端の最適化問題を解決することを目的としている。
このコンペティションでは、最高の実現可能なソリューションを見つけること、最も厳密な最適性証明書を生成すること、適切なルーティング設定を提供すること、という3つの課題があった。
論文 参考訳（メタデータ） (2022-03-04T17:06:00Z) - An Overview and Experimental Study of Learning-based Optimization
Algorithms for Vehicle Routing Problem [49.04543375851723]
車両ルーティング問題(VRP)は典型的な離散最適化問題である。
多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。
本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
論文 参考訳（メタデータ） (2021-07-15T02:13:03Z) - Population-Based Methods: PARTICLE SWARM OPTIMIZATION -- Development of
a General-Purpose Optimizer and Applications [0.0]
この論文は、不等式制約を受ける連続、静的、単目的の最適化問題に関係している。
粒子群最適化のパラダイムは、社会で観察された協調行動の以前のシミュレーションから着想を得たものである。
論文 参考訳（メタデータ） (2021-01-25T09:36:25Z) - Learning Vehicle Routing Problems using Policy Optimisation [4.093722933440819]
最先端のアプローチは強化学習を使ってポリシーを学習し、学習ポリシーは擬似解法として機能する。
これらのアプローチは、あるケースでは優れた性能を示しているが、ルーティング問題に典型的な大きな検索空間を考えると、ポリシーの貧弱さに早すぎる可能性がある。
より多くのポリシーを提供することで探索を支援するエントロピー正規化強化学習(ERRL)を提案する。
論文 参考訳（メタデータ） (2020-12-24T14:18:56Z) - Combining Reinforcement Learning and Constraint Programming for
Combinatorial Optimization [5.669790037378094]
目標は、有限個の可能性の集合の中で最適解を見つけることである。
深部強化学習(DRL)はNP-ハード最適化問題を解くことを約束している。
制約プログラミング(CP)は最適化問題を解決する汎用ツールである。
本研究では,最適化問題の解法としてDRLとCPを用いた汎用ハイブリッド手法を提案する。
論文 参考訳（メタデータ） (2020-06-02T13:54:27Z) - MineReduce: an approach based on data mining for problem size reduction [58.720142291102135]
本稿では,マイニングパターンを用いて問題サイズの削減を行うMineReduceという手法を提案する。
異種車両ルーティング問題に対するMineReduceの適用について述べる。
論文 参考訳（メタデータ） (2020-05-15T08:49:50Z)
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。