論文の概要: The two-echelon routing problem with truck and drones
- arxiv url: http://arxiv.org/abs/2004.02275v1
- Date: Sun, 5 Apr 2020 18:33:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 12:53:03.149883
- Title: The two-echelon routing problem with truck and drones
- Title（参考訳）: トラックとドローンによる二車線のルーティング問題
- Authors: Minh Ho\`ang H\`a and Lam Vu and Duy Manh Vu
- Abstract要約: 我々は、トラックが最初のエケロンでパーセルとドローンの群を中間補給所へ輸送する、よく知られた2エケロン車両ルーティング問題の新しい変種について研究する。
目的は、古典的な2エケロン車両の経路問題のように、輸送コストの代わりに完成時間を最小化することである。
- 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: In this paper, we study novel variants of the well-known two-echelon vehicle
routing problem in which a truck works on the first echelon to transport
parcels and a fleet of drones to intermediate depots while in the second
echelon, the drones are used to deliver parcels from intermediate depots to
customers. The objective is to minimize the completion time instead of the
transportation cost as in classical 2-echelon vehicle routing problems.
Depending on the context, a drone can be launched from the truck at an
intermediate depot once (single trip drone) or several times (multiple trip
drone). Mixed Integer Linear Programming (MILP) models are first proposed to
formulate mathematically the problems and solve to optimality small-size
instances. To handle larger instances, a metaheuristic based on the idea of
Greedy Randomized Adaptive Search Procedure (GRASP) is introduced. Experimental
results obtained on instances of different contexts are reported and analyzed.
- Abstract（参考訳）: 本稿では,トラックが1台の車体と1台のドローン群を中間車庫に輸送するために1台目の車体で作業し,2台目の車体が中間車庫から顧客へ荷物を配送する,有名な2台の車体経路問題の新しい変種について検討する。
目的は、古典的な2車線の経路問題のように、輸送コストの代わりに完成時間を最小化することである。
状況によっては、中間補給所のトラックから一度(シングルトリップドローン)または複数回(複数回のトリップドローン)でドローンを発射することができる。
混合整数線形計画法(MILP)モデルが最初に提案され、数学的に問題を定式化し、最小サイズのインスタンスに最適化する。
より大きなインスタンスを扱うために、Greedy Randomized Adaptive Search procedure (GRASP)というアイデアに基づくメタヒューリスティックを導入する。
異なる状況の事例で得られた実験結果を報告し分析した。
関連論文リスト
- Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。
そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。
Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
論文 参考訳（メタデータ） (2024-08-29T20:22:22Z) - Optimization of Multi-Agent Flying Sidekick Traveling Salesman Problem over Road Networks [10.18252143035175]
道路ネットワーク上でのマルチエージェント飛行サイドキック走行セールスマン問題(MA-FSTSP)について紹介する。
このNPハード問題に対して,混合整数線形計画モデルと効率的な3相アルゴリズムを提案する。
当社のアプローチは5分間の時間制限内で300以上の顧客にスケールし、大規模な実世界のロジスティクスアプリケーションの可能性を示している。
論文 参考訳（メタデータ） (2024-08-20T20:44:18Z) - VRPD-DT: Vehicle Routing Problem with Drones Under Dynamically Changing Traffic Conditions [12.323383132739195]
動的に変化する交通条件(VRPD-DT)下でのドローンによる車両ルーティング問題という新しい問題を提案する。
我々は,機械学習による走行時間予測アルゴリズムを用いて,実際の走行距離と予測走行時間を決定する新しいコストモデルを構築した。
可変近傍降下(VND)アルゴリズムは,交通条件の動的条件下で最適なトラック走行経路を求めるために開発された。
論文 参考訳（メタデータ） (2024-04-13T19:28:24Z) - Solving the Team Orienteering Problem with Transformers [46.93254771681026]
車両群のためのルートプランニングは、荷物の配送、監視、輸送といった応用において重要な課題である。
本稿では,チームオリエンテーリング問題を高速かつ高精度に解決できる多エージェント経路計画システムを提案する。
論文 参考訳（メタデータ） (2023-11-30T16:10:35Z) - Fair collaborative vehicle routing: A deep multi-agent reinforcement
learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。
従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。
我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文 参考訳（メタデータ） (2023-10-26T15:42:29Z) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳（メタデータ） (2023-07-16T19:44:27Z) - Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset [103.35624417260541]
分散車両調整は、未整備の道路環境において有用である。
我々はバークレーのDeepDrive Droneデータセットを収集し、近くのドライバーが観察する暗黙の「社会的エチケット」を研究する。
このデータセットは、人間のドライバーが採用する分散マルチエージェント計画と、リモートセンシング設定におけるコンピュータビジョンの研究に主に関心がある。
論文 参考訳（メタデータ） (2022-09-19T05:06:57Z) - Coordinated Multi-Agent Pathfinding for Drones and Trucks over Road
Networks [31.52357826598224]
我々は、大規模な都市道路ネットワーク上でドローンとトラックのチームをルーティングする問題に対処する。
ドローンは、目的地に向かう途中の一時的な移動モードとしてトラックを使用することができる。
しかし、どのトラックとドローンを連携させるべきかを判断する計算コストは、潜在的に禁じられている。
論文 参考訳（メタデータ） (2021-10-17T12:00:30Z) - Exact and Heuristic Approaches to Drone Delivery Problems [0.0]
FSTSP(Flying Sidekick Traveling Salesman Problem)は、トラックとドローンによる配送システムである。
それぞれのドローンはトラックに戻り、バッテリーを充電し、別の荷物を拾い、また新しい顧客場所に打ち上げなければならない。
この研究は、新しい混合プログラミング(MIP)の定式化と、この問題に対処するためのアプローチを提案する。
論文 参考訳（メタデータ） (2021-07-29T21:31:50Z) - Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
本稿では,他の飛行ドローンからドローンを検知する問題に対処する。
ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。
これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
論文 参考訳（メタデータ） (2021-03-31T17:43:31Z) - Three Dimensional Route Planning for Multiple Unmanned Aerial Vehicles
using Salp Swarm Algorithm [0.0]
ルートプランニングは、あるスタート地点から目的地のゴール地点までの一連の翻訳と回転のステップである。
提案手法は,それぞれ平均コストと全体の時間を1.25%と6.035%改善する。
論文 参考訳（メタデータ） (2019-11-24T12:36:18Z)
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。