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
- Equilibria in Two-Stage Facility Location with Atomic Clients [48.83208975886834]
2種類のクライアントを持つ2段階のマルチエージェントシステムとして,競争力のある施設配置を検討する。
すべてのクライアント重みが同一であれば、純粋なサブゲーム完全平衡が常に存在することを示す。
論文 参考訳(メタデータ) (2024-03-05T16:56:09Z) - 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) - 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) - Optimizing Server-side Aggregation For Robust Federated Learning via
Subspace Training [80.03567604524268]
クライアント間の非IIDデータ分散と中毒攻撃は、現実世界のフェデレーション学習システムにおける2つの大きな課題である。
サーバ側集約プロセスを最適化する汎用的なアプローチであるSmartFLを提案する。
本稿では,SmartFLの収束と一般化能力に関する理論的解析を行う。
論文 参考訳(メタデータ) (2022-11-10T13:20:56Z) - 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) - Federated Multi-Target Domain Adaptation [99.93375364579484]
フェデレートされた学習手法により、プライバシを保護しながら、分散ユーザデータ上で機械学習モデルをトレーニングすることが可能になります。
分散クライアントデータがラベル付けされず、集中型ラベル付きデータセットがサーバ上で利用可能となる、より実用的なシナリオを考えます。
本稿では,新しい課題に対処する効果的なDualAdapt法を提案する。
論文 参考訳(メタデータ) (2021-08-17T17:53:05Z) - 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) - Breaking the Sample Size Barrier in Model-Based Reinforcement Learning
with a Generative Model [50.38446482252857]
本稿では、生成モデル(シミュレータ)へのアクセスを想定して、強化学習のサンプル効率について検討する。
最初に$gamma$-discounted infinite-horizon Markov decision process (MDPs) with state space $mathcalS$ and action space $mathcalA$を考える。
対象の精度を考慮すれば,モデルに基づく計画アルゴリズムが最小限のサンプルの複雑さを実現するのに十分であることを示す。
論文 参考訳(メタデータ) (2020-05-26T17:53:18Z) - 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。