論文の概要: Maximum Customers' Satisfaction in One-way Car-sharing: Modeling, Exact and Heuristic Solving

• arxiv url: http://arxiv.org/abs/2008.07372v1
• Date: Thu, 13 Aug 2020 14:27:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 23:39:59.141085
• Title: Maximum Customers' Satisfaction in One-way Car-sharing: Modeling, Exact and Heuristic Solving
• Title（参考訳）: 片道カーシェアリングにおける顧客満足度--モデリング,エクササイズ,ヒューリスティックな解決
• Authors: Welverton R. Silva and Rafael C. S. Schouery
• Abstract要約: 片道カーシェアリングシステムにより、顧客は市内に散在する駅で車をレンタルし、短い旅行で利用し、どの駅でも返却することができる。 最大顧客満足度問題は、当初所定の駅にあった車両を割り当て、満足度の高い顧客の数を最大化するタスクに関するものである。 両駅間に正反対の2つの要求があり、双方の要求が満たされた場合にのみ満足する2つの駅の問題点を考察する。
• 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: One-way car-sharing systems are transportation systems that allow customers to rent cars at stations scattered around the city, use them for a short journey, and return them at any station. The maximum customers' satisfaction problem concerns the task of assigning the cars, initially located at given stations, to maximize the number of satisfied customers. We consider the problem with two stations where each customer has exactly two demands in opposite directions between both stations, and a customer is satisfied only if both their demands are fulfilled. For solving this problem, we propose mixed-integer programming (MIP) models and matheuristics based on local search. We created a benchmark of instances used to test the exact and heuristic approaches. Additionally, we proposed a preprocessing procedure to reduce the size of the instance. Our MIP models can solve to optimality 85% of the proposed instances with 1000 customers in 10 minutes, with an average gap smaller than 0.1% for all these instances. For larger instances (2500 and 5000 customers), except for some particular cases, they presented an average gap smaller than 0.8%. Also, our local-based matheuristics presented small average gaps which are better than the MIP models in some larger instances.
• Abstract（参考訳）: ワンウェイカーシェアリングシステム(one-way car-sharing system)は、市内に散らばる駅でレンタカーをレンタルし、短期間で利用し、どの駅でも返却できる交通システムである。 最大顧客満足度問題は、満足した顧客数を最大化するために、当初所定の駅にあった車両を割り当てる作業に関するものである。 両駅間に正反対の2つの要求があり、双方の要求が満たされた場合にのみ満足する2つの駅の問題点を考察する。 この問題を解決するために,局所探索に基づく混合整数プログラミングモデルと数理学モデルを提案する。 私たちは、正確でヒューリスティックなアプローチをテストするために使用されるインスタンスのベンチマークを作成しました。 さらに、インスタンスのサイズを減らすための前処理手順を提案しました。 私たちのMIPモデルは、10分で1000の顧客を持つ提案されたインスタンスの85%を最適に解決できます。 大規模なインスタンス (2500 と 5000 の顧客) では,特定のケースを除いて,平均的なギャップが 0.8% 未満であった。 また、我々の局所的数理学では、より大きな例では、MIPモデルよりも優れた小さな平均的なギャップが示される。

関連論文リスト

• SureMap: Simultaneous Mean Estimation for Single-Task and Multi-Task Disaggregated Evaluation [75.56845750400116]
  分散評価(disaggregated evaluation) -- 異なるサブポピュレーション上での機械学習モデルのパフォーマンスの推定 - は、AIシステムのパフォーマンスとグループフェアネスを評価する上で、中核的なタスクである。 ブラックボックスモデルの評価において,マルチタスクとシングルタスクの双方に対して高い推定精度を持つSureMapを開発した。 提案手法は, ウェル・チョーゼンを用いた最大後部推定と, スタインの非バイアスリスク推定(SURE)によるクロスバリデーションフリーチューニングを併用する。
  論文  参考訳（メタデータ） (2024-11-14T17:53:35Z)
• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。 また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)
• Exact algorithms and heuristics for capacitated covering salesman problems [0.0]
  本稿では,CCSP(Capacitated Covering Salesman Problem)を紹介する。 目的は、車両が横断する距離を最小化しながら、車両群を補給することである。 ILP(Integer Linear Programming)とBRKGA(Biased Random-Key Genetic Routing)のメタヒューリスティックに基づくCCSPの最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-03-03T07:50:29Z)
• Using metaheuristics for the location of bicycle stations [4.2847927405489195]
  我々は、p中間問題として問題をモデル化し、最適化における既存の主要な局所化問題である。 p中間問題は、一組の顧客(市民)と最寄りの施設(自転車駅)との距離を最小化する形で、一組の施設(自転車駅)を配置することを目指している。
  論文  参考訳（メタデータ） (2024-02-06T12:19:46Z)
• Scalable Mechanism Design for Multi-Agent Path Finding [87.40027406028425]
  MAPF (Multi-Agent Path Finding) は、複数のエージェントが同時に移動し、与えられた目標地点に向かって共有領域を通って衝突しない経路を決定する。 最適解を見つけることは、しばしば計算不可能であり、近似的な準最適アルゴリズムを用いることが不可欠である。 本稿では、MAPFのスケーラブルな機構設計の問題を紹介し、MAPFアルゴリズムを近似した3つの戦略防御機構を提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:26:04Z)
• AutoMix: Automatically Mixing Language Models [62.51238143437967]
  大規模言語モデル(LLM)は、さまざまなサイズと構成のクラウドAPIプロバイダから利用可能になった。 より小さなLMからの出力の近似精度に基づいて,クエリを大規模LMに戦略的にルーティングする手法であるAutomixを提案する。
  論文  参考訳（メタデータ） (2023-10-19T17:57:39Z)
• Modeling routing problems in QUBO with application to ride-hailing [0.0]
  このようなルーティング問題のひとつ,RPP(Ride Pooling Problem)に注力しています。 このタスクは、小規模な柔軟なバスルートに似た、限られた車両セットを使用して顧客の要求を最適にプールすることである。
  論文  参考訳（メタデータ） (2022-12-09T14:55:34Z)
• No One Left Behind: Inclusive Federated Learning over Heterogeneous Devices [79.16481453598266]
  この問題に対処するクライアント包摂的フェデレーション学習手法であるInclusiveFLを提案する。 InclusiveFLの中核となる考え方は、異なるサイズのモデルを異なる計算能力を持つクライアントに割り当てることである。 また,異なる大きさの複数の局所モデル間で知識を共有する効果的な手法を提案する。
  論文  参考訳（メタデータ） (2022-02-16T13:03:27Z)
• H-TD2: Hybrid Temporal Difference Learning for Adaptive Urban Taxi Dispatch [9.35511513240868]
  H-TD2はモデルフリーで適応的な意思決定アルゴリズムであり、動的な都市環境下で多数の自動タクシーを協調する。 計算複雑性と個別のタクシー政策の限定された部分最適化とのトレードオフを明示的に制御するために、2つの行動の間のトリガ条件を記述・規定する。 最近の強化学習ディスパッチ法とは異なり、このポリシ推定はトレーニング外ドメインイベントに適応し、堅牢である。
  論文  参考訳（メタデータ） (2021-05-05T15:42:31Z)
• A Bayesian Federated Learning Framework with Online Laplace Approximation [144.7345013348257]
  フェデレートラーニングは、複数のクライアントが協力してグローバルに共有されたモデルを学ぶことを可能にする。 クライアント側とサーバ側の両方の後方部を近似するために,オンラインラプラス近似を用いた新しいFLフレームワークを提案する。 提案手法の利点を実証し,いくつかのベンチマークで最新の結果を得た。
  論文  参考訳（メタデータ） (2021-02-03T08:36:58Z)
• Real-Time Dispatching of Large-Scale Ride-Sharing Systems: Integrating Optimization, Machine Learning, and Model Predictive Control [22.894789405660816]
  本稿では,多くの都市が直面している渋滞問題に対処するため,大規模リアルタイム配車システムの導入を検討する。 目標は、乗車時間制限の下で待ち時間を最小化しながら、少数の車両で全顧客にサービスを提供することだ。 ニューヨーク市での歴史的なタクシー旅行による実験は、この統合が全てのテストケースに対して平均待ち時間を約30%減少させることを示している。
  論文  参考訳（メタデータ） (2020-03-24T16:05:25Z)

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。