論文の概要: Optimizing Planning Service Territories by Dividing Into Compact Several
Sub-areas Using Binary K-means Clustering According Vehicle Constraints
- arxiv url: http://arxiv.org/abs/2010.10934v1
- Date: Wed, 21 Oct 2020 12:19:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 00:54:36.713504
- Title: Optimizing Planning Service Territories by Dividing Into Compact Several
Sub-areas Using Binary K-means Clustering According Vehicle Constraints
- Title（参考訳）: 両立K平均クラスタリングによる小型サブエリアへの分割によるプランニングサービス領域の最適化
- Authors: Muhammad Wildan Abdul Hakim, Syarifah Rosita Dewi, Yurio Windiatmoko,
Umar Abdul Aziz
- Abstract要約: VRP(Vehicle Routing Problem)はNPの問題であり、多くの研究の関心を集めている。
本稿では,車両の最大容量を超えないクラスタ/グループを新たに生成するアルゴリズムを提案する。
- 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: VRP (Vehicle Routing Problem) is an NP hard problem, and it has attracted a
lot of research interest. In contexts where vehicles have limited carrying
capacity, such as volume and weight but needed to deliver items at various
locations. Initially before creating a route, each vehicle needs a group of
delivery points that are not exceeding their maximum capacity. Drivers tend to
deliver only to certain areas. Cluster-based is one of the approaches to give a
basis for generating tighter routes. In this paper we propose new algorithms
for producing such clusters/groups that do not exceed vehicles maximum
capacity. Our basic assumptions are each vehicle originates from a depot,
delivers the items to the customers and returns to the depot, also the vehicles
are homogeneous. This methods are able to compact sub-areas in each cluster.
Computational results demonstrate the effectiveness of our new procedures,
which are able to assist users to plan service territories and vehicle routes
more efficiently.
- Abstract（参考訳）: VRP(Vehicle Routing Problem)はNPの問題であり、多くの研究の関心を集めている。
容積や重量などの輸送能力に制限がある状況では、様々な場所で商品を配達する必要がある。
最初はルートを作る前に、各車両は最大容量を超えない配送ポイントのグループを必要とします。
ドライバーは特定のエリアにのみ配送する傾向がある。
クラスタベースは、より厳格なルートを生成するための基盤を提供するアプローチの1つである。
本稿では,車両の最大容量を超えないクラスタ/グループを新たに生成するアルゴリズムを提案する。
当社の基本的な前提は、各車両はデポから発生し、商品を顧客に届けてデポに返却するというものです。
この方法は、各クラスタ内のサブエリアをコンパクトにすることができる。
計算結果から,利用者がサービス領域や車両経路をより効率的に計画できるように支援できる新しい手順の有効性が示された。
関連論文リスト
- 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) - Double-Bounded Optimal Transport for Advanced Clustering and
Classification [58.237576976486544]
本稿では,2つの境界内での目標分布の制限を前提としたDB-OT(Douubly bounded Optimal Transport)を提案する。
提案手法は,テスト段階における改良された推論方式により,良好な結果が得られることを示す。
論文 参考訳（メタデータ） (2024-01-21T07:43:01Z) - Multi-Agent Learning of Efficient Fulfilment and Routing Strategies in
E-Commerce [11.421159751635667]
電子商取引における製品配送コストを最小化するための統合的アルゴリズムフレームワークを提案する。
電子商取引における大きな課題の1つは、複数の顧客からの時間的に多様な注文が大量にあることだ。
本稿では,グラフニューラルネットワークと強化学習を組み合わせたノード選択と車両エージェントの学習手法を提案する。
論文 参考訳（メタデータ） (2023-11-20T10:32:28Z) - Fair collaborative vehicle routing: A deep multi-agent reinforcement
learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。
従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。
我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文 参考訳（メタデータ） (2023-10-26T15:42:29Z) - Keypoint-Guided Optimal Transport [85.396726225935]
最適マッチングを探索するリレーション保存(KPG-RL)によるキーポイント誘導モデルを提案する。
提案した KPG-RL モデルはシンクホーンのアルゴリズムで解くことができ、異なる空間で分布がサポートされている場合でも適用可能である。
二重KPG-RLからの学習された輸送計画に基づき、ターゲット領域にソースデータを転送する新しい多様体バリ中心射影を提案する。
論文 参考訳（メタデータ） (2023-03-23T08:35:56Z) - A Metaheuristic Algorithm for Large Maximum Weight Independent Set
Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。
このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。
我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-03-28T21:34:16Z) - Supervised Permutation Invariant Networks for Solving the CVRP with
Bounded Fleet Size [3.5235974685889397]
車両ルーティング問題などの最適化問題を解くための学習は、大きな計算上の利点をもたらす。
本研究では,アプリオリ固定数の車両を尊重しながら,スクラッチから完全なツアー計画を構築する強力な教師付きディープラーニングフレームワークを提案する。
効率的な後処理方式と組み合わせることで,教師付きアプローチはより高速かつ容易にトレーニングできるだけでなく,競争力のある結果が得られる。
論文 参考訳（メタデータ） (2022-01-05T10:32:18Z) - Deep Reinforcement Learning for Solving the Heterogeneous Capacitated
Vehicle Routing Problem [13.389057146418056]
現実のシナリオにおける車両は、その能力(または走行速度)に影響を与える異なる特徴を持つ異種である可能性が高い
異種艦隊制約を考慮した車両選択デコーダと経路構成を考慮したノード選択デコーダとを併用した注意機構に基づくDRL手法を提案し,各ステップで車両とノードの両方を自動的に選択して解を構築することを学習する。
論文 参考訳（メタデータ） (2021-10-06T10:05:19Z) - A Hybrid Multi-Objective Carpool Route Optimization Technique using
Genetic Algorithm and A* Algorithm [0.0]
本研究では,カープール問題に対する最適経路を求めるためのGA-A*ハイブリッドアルゴリズムを提案する。
得られた経路は、ピックアップ/ドロップコストだけでなく、旅行・出先距離を最小化し、サービス提供者の利益を最大化する。
提案アルゴリズムはコルカタのソルトレイク地域に実装されている。
論文 参考訳（メタデータ） (2020-07-11T14:13:20Z) - Key Points Estimation and Point Instance Segmentation Approach for Lane
Detection [65.37887088194022]
本稿では,PINet (Point Instance Network) と呼ばれるトラヒックライン検出手法を提案する。
PINetには、同時にトレーニングされる複数のスタックされた時間ガラスネットワークが含まれている。
PINetはTuSimpleとCulaneのデータセットで競合精度と偽陽性を達成する。
論文 参考訳（メタデータ） (2020-02-16T15:51:30Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳（メタデータ） (2020-01-22T08:51:05Z)
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。