論文の概要: The bi-objective multimodal car-sharing problem

• arxiv url: http://arxiv.org/abs/2010.10344v2
• Date: Wed, 28 Sep 2022 12:43:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 04:33:28.767001
• Title: The bi-objective multimodal car-sharing problem
• Title（参考訳）: 複目的マルチモーダルカーシェアリング問題
• Authors: Miriam Enzi, Sophie N. Parragh, Jakob Puchinger
• Abstract要約: BiO-MMCPの目的は、旅行のための輸送の最適モードを決定することである。 ユーザ満足度は共有モビリティシステムにおいて重要な側面であるため、ユーザの好みを第2の目的として考える。 我々は2つの双方向フレームワークに埋め込まれた分岐とカットのアルゴリズムを開発した。
• 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: The aim of the bi-objective multimodal car-sharing problem (BiO-MMCP) is to determine the optimal mode of transport assignment for trips and to schedule the routes of available cars and users whilst minimizing cost and maximizing user satisfaction. We investigate the BiO-MMCP from a user-centred point of view. As user satisfaction is a crucial aspect in shared mobility systems, we consider user preferences in a second objective. Users may choose and rank their preferred modes of transport for different times of the day. In this way we account for, e.g., different traffic conditions throughout the planning horizon. We study different variants of the problem. In the base problem, the sequence of tasks a user has to fulfill is fixed in advance and travel times as well as preferences are constant over the planning horizon. In variant 2, time-dependent travel times and preferences are introduced. In variant 3, we examine the challenges when allowing additional routing decisions. Variant 4 integrates variants 2 and 3. For this last variant, we develop a branch-and-cut algorithm which is embedded in two bi-objective frameworks, namely the $\epsilon$-constraint method and a weighting binary search method. Computational experiments show that the branch-and cut algorithm outperforms the MIP formulation and we discuss changing solutions along the Pareto frontier.
• Abstract（参考訳）: bi-objective multimodal car-sharing problem(bio-mmcp)の目的は、費用を最小化し、ユーザの満足度を最大化しつつ、旅行の最適な輸送モードを決定し、利用可能な車やユーザのルートをスケジュールすることである。 ユーザ中心の観点からBiO-MMCPについて検討する。 ユーザ満足度は共有モビリティシステムにおいて重要な側面であるため、ユーザの好みを第2の目的として考える。 ユーザーは1日ごとに好みの交通手段を選択してランク付けすることができる。 この方法では、例えば、計画の地平線全体にわたる異なる交通状況について説明します。 我々はその問題の様々な変種を研究する。 基本問題では、ユーザが満たさなければならないタスクのシーケンスは事前に固定され、旅行時間や好みは計画の地平線上で一定である。 変種2では、時間依存の旅行時間と嗜好が導入される。 変分3では、追加のルーティング決定を行う際の課題について検討する。 Variant 4 は変種 2 と 3 を統合する。 この最後の変種に対して,2つの双方向フレームワーク,すなわち$\epsilon$-constraint法と重み付け二分探索法に組み込んだ分岐切断アルゴリズムを開発した。 計算実験により, 分岐切断アルゴリズムはMIPの定式化よりも優れており, パレートフロンティアに沿った解の変更について議論する。

関連論文リスト

• Learning Multiple Initial Solutions to Optimization Problems [52.9380464408756]
  厳密なランタイム制約の下で、同様の最適化問題を順次解決することは、多くのアプリケーションにとって不可欠である。 本稿では,問題インスタンスを定義するパラメータが与えられた初期解を多種多様に予測する学習を提案する。 提案手法は,すべての評価設定において有意かつ一貫した改善を実現し,必要な初期解の数に応じて効率よくスケールできることを実証した。
  論文  参考訳（メタデータ） (2024-11-04T15:17:19Z)
• A Bi-Objective Approach to Last-Mile Delivery Routing Considering Driver Preferences [42.16665455951525]
  MOVRP(Multi-Objective Vehicle Routing Problem)は、輸送・物流業界における複雑な最適化問題である。 本稿では,運転者の判断や操作者の嗜好を考慮した経路作成を目的としたMOVRPに対する新しいアプローチを提案する。 この目的に対処するための2つのアプローチとして,視覚的に魅力的な経路計画と,同様の経路を計画するための過去の運転行動のデータマイニングを評価した。
  論文  参考訳（メタデータ） (2024-05-25T04:25:00Z)
• UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
  マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。 重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。 学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-05-01T09:34:42Z)
• A revision on Multi-Criteria Decision Making methods for Multi-UAV Mission Planning Support [4.198865250277024]
  無人航空機(UAV)は多くの商業用途で広く使用されている。 検討されている主な問題のひとつは、複数のUAVのためのミッションプランニングである。 決定支援システム (DSS) は最適解の順序付けと削減を目的として設計されている。
  論文  参考訳（メタデータ） (2024-02-28T22:54:08Z)
• Eliciting User Preferences for Personalized Multi-Objective Decision Making through Comparative Feedback [76.7007545844273]
  目的に対して異なるユーザの好みに対応する多目的意思決定フレームワークを提案する。 我々のモデルは、ベクトル値の報酬関数を持つマルコフ決定プロセスで構成され、各ユーザが未知の選好ベクトルを持つ。 少数の比較クエリを用いて,ユーザに対してほぼ最適なポリシを求めるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-07T23:58:19Z)
• Multi-Objective GFlowNets [59.16787189214784]
  本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。 薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
  論文  参考訳（メタデータ） (2022-10-23T16:15:36Z)
• 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)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)
• Modeling and solving a vehicle-sharing problem considering multiple alternative modes of transport [0.0]
  1つ以上の補給所と定員の定員を持つ企業における自動車シェアリングについて検討する。 車両は、デポからデポへの利用者のフルトリップに使用する必要がある。 我々は,他の交通手段と比較して省エネを最大化するために,利用者旅行に車両を割り当てることを目指している。
  論文  参考訳（メタデータ） (2020-03-17T11:12:20Z)
• Modeling and solving the multimodal car- and ride-sharing problem [0.0]
  マルチモーダルカー・ライドシェアリング問題(MMCRP)を紹介する。 車両のプールは一連の乗車要求をカバーするために使用され、発見されていない要求は他の交通手段に割り当てられる。 カラム生成に基づく2層分解アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-15T09:43:55Z)
• Pareto Multi-Task Learning [53.90732663046125]
  マルチタスク学習は複数の相関タスクを同時に解くための強力な方法である。 異なるタスクが互いに衝突する可能性があるため、すべてのタスクを最適化するひとつのソリューションを見つけることは、しばしば不可能である。 近年,マルチタスク学習を多目的最適化として活用することにより,タスク間のトレードオフが良好である1つのパレート最適解を求める方法が提案されている。
  論文  参考訳（メタデータ） (2019-12-30T08:58:40Z)

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。