論文の概要: Bayesian Hierarchical Multi-Objective Optimization for Vehicle Parking Route Discovery

• arxiv url: http://arxiv.org/abs/2003.12508v1
• Date: Fri, 27 Mar 2020 16:15:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 04:27:15.484285
• Title: Bayesian Hierarchical Multi-Objective Optimization for Vehicle Parking Route Discovery
• Title（参考訳）: 駐車経路発見のためのベイズ階層型多目的最適化
• Authors: Romit S Beed, Sunita Sarkar and Arindam Roy
• Abstract要約: 本稿では,駐車場への最も最適な経路を得るためのベイズ階層手法を提案する。 確率的データ駆動法は、一般的な重み付け和法において、ウェイトセレクションの固有の問題を克服するために用いられる。 遺伝的アルゴリズムは最適な解を得るために使われてきた。
• 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: Discovering an optimal route to the most feasible parking lot has been a matter of concern for any driver which aggravates further during peak hours of the day and at congested places leading to considerable wastage of time and fuel. This paper proposes a Bayesian hierarchical technique for obtaining the most optimal route to a parking lot. The route selection is based on conflicting objectives and hence the problem belongs to the domain of multi-objective optimization. A probabilistic data driven method has been used to overcome the inherent problem of weight selection in the popular weighted sum technique. The weights of these conflicting objectives have been refined using a Bayesian hierarchical model based on Multinomial and Dirichlet prior. Genetic algorithm has been used to obtain optimal solutions. Simulated data has been used to obtain routes which are in close agreement with real life situations.
• Abstract（参考訳）: 最も実現可能な駐車場への最適なルートを見つけることは、一日のピーク時と混雑した場所でさらに悪化し、かなりの時間と燃料の浪費につながるドライバーにとって関心事であった。 本稿では,駐車場への最も最適な経路を得るためのベイズ階層手法を提案する。 経路選択は矛盾する目的に基づいており、そのため問題は多目的最適化の領域に属する。 確率的データ駆動法は,人気のある重み付き和法における重み付け選択の固有の問題を克服するために用いられてきた。 これらの対立する目的の重みは、Multinomial と Dirichlet に基づくベイズ階層モデルを用いて洗練されている。 遺伝的アルゴリズムは最適な解を得るために使われてきた。 実生活状況と密接に一致した経路を得るために,シミュレーションデータを用いた。

関連論文リスト

• Learning Multiple Initial Solutions to Optimization Problems [52.9380464408756]
  厳密なランタイム制約の下で、同様の最適化問題を順次解決することは、多くのアプリケーションにとって不可欠である。 本稿では,問題インスタンスを定義するパラメータが与えられた初期解を多種多様に予測する学習を提案する。 提案手法は,すべての評価設定において有意かつ一貫した改善を実現し,必要な初期解の数に応じて効率よくスケールできることを実証した。
  論文  参考訳（メタデータ） (2024-11-04T15:17:19Z)
• Rethinking Optimal Transport in Offline Reinforcement Learning [64.56896902186126]
  オフラインの強化学習では、データはさまざまな専門家によって提供され、一部は準最適である。 効率的なポリシを抽出するには、データセットから最高の振る舞いを強調する必要がある。 本稿では,各状態に対する最善の専門家行動の公平な分布に状態をマッピングするポリシーを見つけることを目的としたアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T22:36:43Z)
• Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
  本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。 赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2024-06-21T05:57:08Z)
• Non-iterative Optimization of Trajectory and Radio Resource for Aerial Network [7.824710236769593]
  我々は,空中IoTネットワークにおける共同軌道計画,ユーザアソシエーション,資源配分,電力制御の問題に対処する。 我々のフレームワークは、遺伝的、木探索、強化学習といった様々な軌道計画アルゴリズムを組み込むことができる。
  論文  参考訳（メタデータ） (2024-05-02T14:21:29Z)
• 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)
• Designing Biological Sequences via Meta-Reinforcement Learning and Bayesian Optimization [68.28697120944116]
  メタ強化学習を用いて自己回帰生成モデルを訓練し、選択のための有望なシーケンスを提案する。 我々は,データのサブセットのサンプリングによって誘導されるMDPの分布に対する最適ポリシーを求める問題として,この問題を提起する。 このようなアンサンブルに対するメタラーニングは,報酬の過小評価に対して頑健であり,競争的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-13T18:37:27Z)
• A Hybrid Multi-Objective Carpool Route Optimization Technique using Genetic Algorithm and A* Algorithm [0.0]
  本研究では,カープール問題に対する最適経路を求めるためのGA-A*ハイブリッドアルゴリズムを提案する。 得られた経路は、ピックアップ/ドロップコストだけでなく、旅行・出先距離を最小化し、サービス提供者の利益を最大化する。 提案アルゴリズムはコルカタのソルトレイク地域に実装されている。
  論文  参考訳（メタデータ） (2020-07-11T14:13:20Z)
• Ensuring smoothly navigable approximation sets by Bezier curve parameterizations in evolutionary bi-objective optimization -- applied to brachytherapy treatment planning for prostate cancer [0.0]
  決定空間における滑らかなベジエ曲線として近似集合をパラメータ化する場合について検討する。 高品質な近似集合をBezEAで得ることができ、時には支配とUHVに基づくアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-11T13:57:33Z)
• Feature Robust Optimal Transport for High-dimensional Data [125.04654605998618]
  本研究では,高次元データに対する特徴量ロバスト最適輸送(FROT)を提案する。 実世界の意味対応データセットにおいて,FROTアルゴリズムが最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-05-25T14:07:16Z)
• Hierarchical Bayesian Approach for Improving Weights for Solving Multi-Objective Route Optimization Problem [0.0]
  本稿では,多目的経路最適化問題の解法として,多項分布に基づく階層型ベイズモデルとディリクレを提案する。 本手法は,Intelligent Transport Systems分野における既存の重量決定法の改善を目的としている。
  論文  参考訳（メタデータ） (2020-05-03T06:13:52Z)

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。