論文の概要: A fast and effective MIP-based heuristic for a selective and periodic
inventory routing problem in reverse logistics
- arxiv url: http://arxiv.org/abs/2004.04188v2
- Date: Fri, 20 Nov 2020 14:55:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 09:21:13.058061
- Title: A fast and effective MIP-based heuristic for a selective and periodic
inventory routing problem in reverse logistics
- Title（参考訳）: 逆ロジスティクスにおける選択的かつ周期的な在庫ルーティング問題に対する高速かつ効果的なMIPベースヒューリスティック
- Authors: Leopoldo E. C\'ardenas-Barr\'on and Rafael A. Melo
- Abstract要約: バイオディーゼル会社は、製造工程で原料として使用する油の日量要件を有する。
これらの要件は、利用可能な在庫の使用、廃野菜油の収集、または処女油の購入によって満たされる。
この問題は、石油の収集・購入の期間(周期)を決定することで、総収集・在庫・購入コストを最小化する。
- 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: We consider an NP-hard selective and periodic inventory routing problem
(SPIRP) in a waste vegetable oil collection environment. This SPIRP arises in
the context of reverse logistics where a biodiesel company has daily
requirements of oil to be used as raw material in its production process. These
requirements can be fulfilled by using the available inventory, collecting
waste vegetable oil or purchasing virgin oil. The problem consists in
determining a period (cyclic) planning for the collection and purchasing of oil
such that the total collection, inventory and purchasing costs are minimized,
while meeting the company's oil requirements and all the operational
constraints. We propose a MIP-based heuristic which solves a relaxed model
without routing, constructs routes taking into account the relaxation's
solution and then improves these routes by solving the capacitated vehicle
routing problem associated to each period. Following this approach, an a
posteriori performance guarantee is ensured, as the approach provides both a
lower bound and a feasible solution. The performed computational experiments
show that the MIP-based heuristic is very fast and effective as it is able to
encounter near optimal solutions with low gaps within seconds, improving
several of the best known results using just a fraction of the time spent by a
state-of-the-art heuristic. A remarkable fact is that the proposed MIP-based
heuristic improves over the best known results for all the large instances
available in the literature.
- Abstract（参考訳）: 廃棄物収集環境におけるnp-hard selective and periodic inventory routing problem (spirp) を考える。
このSPIRPは、バイオディーゼル会社が生産過程で原料として使用する油の日次要求を満たす逆ロジスティクスの文脈で発生する。
これらの要件は、利用可能な在庫の使用、廃野菜油の収集、または処女油の購入によって満たされる。
この問題は、会社の石油要求と運用上の制約を満たしながら、総収量、在庫および購入コストを最小化するような、石油の回収及び購入の期間(周期的)計画を決定することにある。
MIPベースのヒューリスティックは、ルーティングなしで緩和されたモデルを解き、緩和ソリューションを考慮した経路を構築し、各周期に関連する静電容量化車両ルーティング問題を解くことでこれらの経路を改善する。
このアプローチに従うと、a事後性能保証が保証され、このアプローチは下限と実現可能な解決策の両方を提供する。
計算実験により, MIPに基づくヒューリスティックは, 低ギャップの最適解に数秒で遭遇し, 最先端のヒューリスティックに費やされる時間のほんの一握りの時間を用いて, 最もよく知られた結果のいくつかを改良し, 極めて高速かつ効果的であることが確認された。
注目すべき事実は、提案されたMIPベースのヒューリスティックが、文献で利用可能なすべての大きな事例に対して最もよく知られた結果よりも改善されていることである。
関連論文リスト
- Machine Learning for Equitable Load Shedding: Real-time Solution via Learning Binding Constraints [1.3345486884341395]
最適化に基づく負荷層問題に対するミリ秒単位の計算を可能にする効率的な機械学習アルゴリズムを提案する。
3バス玩具の例と現実的なRTS-GMLCシステムの両方に関する数値的研究により,提案アルゴリズムの有効性と有効性を示した。
論文 参考訳（メタデータ） (2024-07-25T08:47:11Z) - Knowledge-Assisted Dual-Stage Evolutionary Optimization of Large-Scale
Crude Oil Scheduling [29.944927273147954]
大規模原油スケジューリング問題(LSCOSP)は、数千のバイナリ変数と非線形制約とともに出現する。
規則によって駆動される二段階進化アルゴリズム(DSEA/HRによる記述)を提案する。
グローバル検索の段階では、経験的操作知識に基づいていくつかのルールを考案し、優れた初期人口を生み出す。
地域改良の段階では、実現不可能な解決策を実現不可能な地域へ移動させるための修復戦略が提案されている。
論文 参考訳（メタデータ） (2024-01-09T15:26:44Z) - Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [55.08287089554127]
基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。
本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。
提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
論文 参考訳（メタデータ） (2023-09-04T17:30:21Z) - A Feasibility-Preserved Quantum Approximate Solver for the Capacitated Vehicle Routing Problem [3.0567007573383678]
CVRP(Capacitated Vehicle Routing Problem)は、輸送や物流など様々な分野で発生するNP最適化問題である。
本稿では,CVRPの車両容量制約を回避できる最短経路を最小化する目的機能を備えた,CVRP用の新しいバイナリエンコーディングを提案する。
本稿では,量子交換演算子Ansatzの変種に基づく符号化の有効性について論じる。
論文 参考訳（メタデータ） (2023-08-17T05:14:43Z) - Roulette-Wheel Selection-Based PSO Algorithm for Solving the Vehicle
Routing Problem with Time Windows [58.891409372784516]
本稿では,Roulette Wheel Method (RWPSO) を用いた新しいPSO手法を提案する。
RWPSOのSolomon VRPTWベンチマークデータセットを用いた実験は、RWPSOが文学の他の最先端アルゴリズムと競合していることを示している。
論文 参考訳（メタデータ） (2023-06-04T09:18:02Z) - Maximize to Explore: One Objective Function Fusing Estimation, Planning,
and Exploration [87.53543137162488]
我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。
textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。
様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
論文 参考訳（メタデータ） (2023-05-29T17:25:26Z) - Learning Optimization Proxies for Large-Scale Security-Constrained
Economic Dispatch [11.475805963049808]
SCED(Security-Constrained Economic Dispatch)は、送信システムオペレーター(TSO)の基本最適化モデルである
本稿では,SCEDの最適解をミリ秒で予測できる機械学習(ML)モデルとして,SCEDの最適化プロキシを学習することを提案する。
数値実験は、フランスの送信システム上で報告され、リアルタイム操作と互換性のある時間枠内で、その手法が生成できることを実証する。
論文 参考訳（メタデータ） (2021-12-27T00:44:06Z) - A deep reinforcement learning model for predictive maintenance planning
of road assets: Integrating LCA and LCCA [0.0]
本研究では,M&R実践のタイプとタイミングを決定するために,強化学習(RL)を用いたフレームワークを提案する。
その結果,道路条件が良好な条件域に留まる20年間のM&R計画が提案された。
意思決定者や交通機関は、このスキームを利用して、予算の無駄を防ぎ、環境への影響を最小限に抑える、より良いメンテナンスの実践を行うことができる。
論文 参考訳（メタデータ） (2021-12-20T13:46:39Z) - Solving Multistage Stochastic Linear Programming via Regularized Linear
Decision Rules: An Application to Hydrothermal Dispatch Planning [77.34726150561087]
AdaSO(Adaptive least absolute shrinkage and selection operator)に基づく線形決定規則(LDR)の新しい正規化手法を提案する。
実験により、MSLPを解くために古典的な非正規化LDRを使用する場合、過度に適合する脅威は無視できないことが示された。
LHDP問題に対しては、非正規化ベンチマークと比較して、提案したフレームワークの次の利点を強調した。
論文 参考訳（メタデータ） (2021-10-07T02:36:14Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Hierarchical Adaptive Contextual Bandits for Resource Constraint based
Recommendation [49.69139684065241]
コンテキスト多重武装バンディット(MAB)は、様々な問題において最先端のパフォーマンスを達成する。
本稿では,階層型適応型文脈帯域幅法(HATCH)を提案する。
論文 参考訳（メタデータ） (2020-04-02T17:04:52Z)
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。