論文の概要: Multi-Objective Optimization for Sustainable Closed-Loop Supply Chain
Network Under Demand Uncertainty: A Genetic Algorithm
- arxiv url: http://arxiv.org/abs/2009.06047v2
- Date: Fri, 9 Oct 2020 16:09:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 08:32:51.307390
- Title: Multi-Objective Optimization for Sustainable Closed-Loop Supply Chain
Network Under Demand Uncertainty: A Genetic Algorithm
- Title（参考訳）: 需要不確実性下におけるサステナブル閉ループ型サプライチェーンネットワークの多目的最適化:遺伝的アルゴリズム
- Authors: Ahmad Sobhan Abir, Ishtiaq Ahmed Bhuiyan, Mohammad Arani, Md Mashum
Billal
- Abstract要約: 新たなサプライチェーン管理手法が提案され,サプライチェーン設計の環境問題とともに経済を維持する。
本稿では, 環境要因に合わせて, 新たな持続的クローズドループサプライチェーンネットワークを最適化し, 経済性を維持することを目的とする。
- 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: Supply chain management has been concentrated on productive ways to manage
flows through a sophisticated vendor, manufacturer, and consumer networks for
decades. Recently, energy and material rates have been greatly consumed to
improve the sector, making sustainable development the core problem for
advanced and developing countries. A new approach of supply chain management is
proposed to maintain the economy along with the environment issue for the
design of supply chain as well as the highest reliability in the planning
horizon to fulfill customers demand as much as possible. This paper aims to
optimize a new sustainable closed-loop supply chain network to maintain the
financial along with the environmental factor to minimize the negative effect
on the environment and maximize the average total number of products dispatched
to customers to enhance reliability. The situation has been considered under
demand uncertainty with warehouse reliability. This approach has been suggested
the multi-objective mathematical model minimizing the total costs and total CO2
emissions and maximize the reliability in handling for establishing the
closed-loop supply chain. Two optimization methods are used namely
Multi-Objective Genetic Algorithm Optimization Method and Weighted Sum Method.
Two results have shown the optimality of this approach. This paper also showed
the optimal point using Pareto front for clear identification of optima. The
results are approved to verify the efficiency of the model and the methods to
maintain the financial, environmental, and reliability issues.
- Abstract（参考訳）: サプライチェーン管理は、何十年もの間、洗練されたベンダー、製造業者、消費者ネットワークを通しての流れを管理する生産的な方法に集中してきた。
近年、エネルギーと物質レートはセクターの改善に大きく消費され、持続可能な開発が先進国や発展途上国の核となる問題となっている。
サプライチェーン・マネジメントの新たなアプローチは、サプライチェーン設計の環境問題とともに、顧客需要を可能な限り満たすための計画における信頼性の高い経済を維持するために提案されている。
本稿では,環境への悪影響を最小限に抑えるため,環境要因とともに金融を維持するために,持続的なサプライチェーンネットワークを最適化し,顧客へ送付する製品の総数を最大化し,信頼性を高めることを目的とする。
この状況は倉庫の信頼性に不確実性があると考えられている。
提案手法は, 総コストとCO2排出量を最小化し, 閉ループサプライチェーンの確立に対する取扱いの信頼性を最大化する多目的数学的モデルである。
2つの最適化手法として、多目的遺伝的アルゴリズム最適化法と重み付きサム法がある。
2つの結果はこのアプローチの最適性を示している。
また,オプティマを明瞭に識別するために,パレートフロントを用いた最適点を示した。
その結果, モデルの有効性と, 財務, 環境, 信頼性問題を維持するための方法の検証が認められた。
関連論文リスト
- Controlling Large Electric Vehicle Charging Stations via User Behavior Modeling and Stochastic Programming [0.0]
本稿では,現実の制約を組み込んだ電気自動車充電ステーションモデルを提案する。
ユーザが提供する情報を活用する2つのマルチステージプログラミング手法を提案する。
日時依存プロセスに基づくユーザの行動モデルは、顧客満足度を維持しながらコスト削減を促進する。
論文 参考訳（メタデータ） (2024-02-20T18:37:11Z) - Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳（メタデータ） (2023-11-13T13:19:34Z) - A Safe Genetic Algorithm Approach for Energy Efficient Federated
Learning in Wireless Communication Networks [53.561797148529664]
フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。
FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。
現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
論文 参考訳（メタデータ） (2023-06-25T13:10:38Z) - Constrained Environment Optimization for Prioritized Multi-Agent
Navigation [11.473177123332281]
本稿では,システムレベルの最適化問題において,環境を決定変数として考えることを目的とする。
本稿では,非優先順位付け・優先度付けされた環境最適化の新たな問題を提案する。
完全性を確保しつつ環境が変化しうる条件を, 形式的証明を通じて示す。
論文 参考訳（メタデータ） (2023-05-18T18:55:06Z) - Balancing the trade-off between cost and reliability for wireless sensor
networks: a multi-objective optimized deployment method [4.031433260365659]
実用無線センサネットワーク(WSN)の最適配置法を提案する。
我々は競合多目的最適化アルゴリズム(CMOMPA)として知られる新しい多目的最適化アルゴリズムを開発した。
その結果、最適化されたデプロイメントは、デプロイメントコスト、感度信頼性、ネットワーク信頼性のトレードオフのバランスをとることができることがわかった。
論文 参考訳（メタデータ） (2022-07-19T05:53:55Z) - Sequential Information Design: Markov Persuasion Process and Its
Efficient Reinforcement Learning [156.5667417159582]
本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。
MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。
我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
論文 参考訳（メタデータ） (2022-02-22T05:41:43Z) - 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) - Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。
このアプローチは多くの実装と最適化の課題をもたらします。
提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
論文 参考訳（メタデータ） (2021-03-18T14:26:26Z) - An Environmentally Sustainable Closed-Loop Supply Chain Network Design
under Uncertainty: Application of Optimization [0.0]
環境要因を考慮したグリーンサプライチェーン設計手法が提案されている。
Epsilon Constraint Method と Genetic Al-gorithm Optimization Method という2つのオプティマイゼーション手法が用いられている。
論文 参考訳（メタデータ） (2020-09-24T23:25:35Z) - 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) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳（メタデータ） (2020-02-21T02:14:38Z)
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。