論文の概要: Dynamic Bi-Objective Routing of Multiple Vehicles
- arxiv url: http://arxiv.org/abs/2005.13872v1
- Date: Thu, 28 May 2020 09:35:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 04:24:55.188242
- Title: Dynamic Bi-Objective Routing of Multiple Vehicles
- Title(参考訳): 複数車両の動的双方向ルーティング
- Authors: Jakob Bossek, Christian Grimme, Heike Trautmann
- Abstract要約: Vehicle-Routing-Problemsは動的顧客要求に基づいて意思決定を繰り返します。
本研究では,この二目的動的VRPについて,逐次的意思決定と同時決定の実現を含む検討を行った。
- 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: In practice, e.g. in delivery and service scenarios, Vehicle-Routing-Problems
(VRPs) often imply repeated decision making on dynamic customer requests. As in
classical VRPs, tours have to be planned short while the number of serviced
customers has to be maximized at the same time resulting in a multi-objective
problem. Beyond that, however, dynamic requests lead to the need for
re-planning of not yet realized tour parts, while already realized tour parts
are irreversible. In this paper we study this type of bi-objective dynamic VRP
including sequential decision making and concurrent realization of decisions.
We adopt a recently proposed Dynamic Evolutionary Multi-Objective Algorithm
(DEMOA) for a related VRP problem and extend it to the more realistic (here
considered) scenario of multiple vehicles. We empirically show that our DEMOA
is competitive with a multi-vehicle offline and clairvoyant variant of the
proposed DEMOA as well as with the dynamic single-vehicle approach proposed
earlier.
- Abstract(参考訳): 実際には、例えばデリバリーやサービスのシナリオでは、Vine-Routing-Problems (VRPs) は動的顧客の要求に基づいて意思決定を繰り返している。
従来のvrpと同様に、ツアーは短期間で計画され、サービスの顧客の数は同時に最大化され、結果として多目的問題が発生する。
しかし、動的な要求は、まだ実現されていないツアー部品の再計画の必要性を招き、既に実現されたツアー部品は不可逆である。
本稿では,決定の逐次的決定と同時実現を含む,この2目的動的vrpについて検討する。
我々は,最近提案された動的進化多目的アルゴリズム(demoa)を,関連するvrp問題に適用し,より現実的な複数の車両のシナリオに拡張する。
実験により,提案手法が提案されている複数車両のオフライン型と透視型と,従来提案されていた動的単一車両方式との競合性を示す。
関連論文リスト
- DeepMDV: Learning Global Matching for Multi-depot Vehicle Routing Problems [1.0104586293349587]
近年、企業はより多くの補給所を追加する戦略を採用してきた。
複数の補給所の存在は、既存のVRPソリューションを最適にするために、さらなる複雑さをもたらす。
従来のMDVRPの解法は時間を要することが多く、大規模なインスタンスには適さない。
本稿では,2つの鍵層を持つデコーダを特徴とするアテンション機構を用いたMDVRPの新しい解を提案する。
論文 参考訳(メタデータ) (2024-11-26T03:41:01Z) - DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。
特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。
nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
論文 参考訳(メタデータ) (2024-09-15T15:55:24Z) - A Reinforcement Learning Approach for Dynamic Rebalancing in
Bike-Sharing System [11.237099288412558]
自転車シェアリングシステムはエコフレンドリーな都市移動を提供し、交通渋滞と健康的な生活様式の緩和に貢献している。
駅間で自転車を再分配するための車両を用いた効果的な再バランス戦略の開発は、オペレーターにとって非常に重要である。
本稿では,複数の車両との動的再バランス問題に対する時間的強化学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-02-05T23:46:42Z) - HAZARD Challenge: Embodied Decision Making in Dynamically Changing
Environments [93.94020724735199]
HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。
このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
論文 参考訳(メタデータ) (2024-01-23T18:59:43Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-11-27T18:57:42Z) - MTR++: Multi-Agent Motion Prediction with Symmetric Scene Modeling and
Guided Intention Querying [110.83590008788745]
自律運転システムにとって、複雑な運転シナリオを理解し、情報的な決定を下すためには、動きの予測が不可欠である。
本稿では,これらの課題に対処するためのMotion TRansformer (MTR) フレームワークを提案する。
最初のMTRフレームワークは、学習可能な意図クエリを備えたトランスフォーマーエンコーダ-デコーダ構造を利用する。
複数のエージェントに対するマルチモーダル動作を同時に予測するMTR++フレームワークを導入する。
論文 参考訳(メタデータ) (2023-06-30T16:23:04Z) - An Online Approach to Solve the Dynamic Vehicle Routing Problem with
Stochastic Trip Requests for Paratransit Services [5.649212162857776]
動的車両ルーティング問題(DVRP)を解決するための完全オンライン手法を提案する。
時間的に疎いため、パラトランジットリクエストのバッチ化は困難である。
我々はモンテカルロ木探索を用いて任意の状態に対する行動を評価する。
論文 参考訳(メタデータ) (2022-03-28T22:15:52Z) - Off-line approximate dynamic programming for the vehicle routing problem
with stochastic customers and demands via decentralized decision-making [0.0]
本稿では,顧客の位置と需要が不確実な車両経路問題(VRP)の変種について検討する。
目的は、車両の容量と時間制限を満たしながら、提供された要求を最大化することである。
本稿では,Replay MemoryやDouble Q Networkといった最先端のアクセラレーション技術を用いたQラーニングアルゴリズムを開発した。
論文 参考訳(メタデータ) (2021-09-21T14:28:09Z) - Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。
本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文 参考訳(メタデータ) (2021-01-18T01:43:36Z) - Towards Decision Support in Dynamic Bi-Objective Vehicle Routing [0.0]
我々は、顧客のサブセットが時間の経過とともにサービスを要求する、動的な双方向車両ルーティング問題を考える。
決定は各時代の意思決定者によってなされるので、いかなる決定も先代の不可逆的な決定に依存します。
論文 参考訳(メタデータ) (2020-05-28T09:29:05Z) - Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。
提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
論文 参考訳(メタデータ) (2020-01-03T11:16:41Z)
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。