論文の概要: A Hybrid Pricing and Cutting Approach for the Multi-Shift Full Truckload
Vehicle Routing Problem
- arxiv url: http://arxiv.org/abs/2012.06538v1
- Date: Thu, 3 Dec 2020 02:55:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-24 03:24:15.922358
- Title: A Hybrid Pricing and Cutting Approach for the Multi-Shift Full Truckload
Vehicle Routing Problem
- Title(参考訳): マルチシフト全荷車経路問題に対するハイブリッド価格とカット手法
- Authors: Ning Xue, Ruibin Bai, Rong Qu, Uwe Aickelin
- Abstract要約: 貨物コンテナの形でのフルトラック積載輸送(FTL)は、国際貿易において最も重要な輸送手段の1つである。
本稿では、メタヒューリスティックス(可変近傍探索と遺伝的アルゴリズム)を用いた価格とカット戦略のハイブリッド化による、より効率的なアプローチを提案する。
実時間および人工ベンチマークFTL問題に対する計算実験は,計算時間と解品質の両方において優れた性能を示した。
- 参考スコア(独自算出の注目度): 0.7646713951724012
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Full truckload transportation (FTL) in the form of freight containers
represents one of the most important transportation modes in international
trade. Due to large volume and scale, in FTL, delivery time is often less
critical but cost and service quality are crucial. Therefore, efficiently
solving large scale multiple shift FTL problems is becoming more and more
important and requires further research. In one of our earlier studies, a set
covering model and a three-stage solution method were developed for a
multi-shift FTL problem. This paper extends the previous work and presents a
significantly more efficient approach by hybridising pricing and cutting
strategies with metaheuristics (a variable neighbourhood search and a genetic
algorithm). The metaheuristics were adopted to find promising columns (vehicle
routes) guided by pricing and cuts are dynamically generated to eliminate
infeasible flow assignments caused by incompatible commodities. Computational
experiments on real-life and artificial benchmark FTL problems showed superior
performance both in terms of computational time and solution quality, when
compared with previous MIP based three-stage methods and two existing
metaheuristics. The proposed cutting and heuristic pricing approach can
efficiently solve large scale real-life FTL problems.
- Abstract(参考訳): 貨物コンテナの形でのフルトラック積載輸送(FTL)は、国際貿易において最も重要な輸送手段の1つである。
ボリュームと規模が大きいため、FTLではデリバリ時間が重要ではなく、コストとサービス品質が重要になります。
したがって、大規模な多重シフトFTL問題を効率的に解くことがますます重要になり、さらなる研究が必要である。
先行研究の一つとして,マルチシフトFTL問題に対して,集合被覆モデルと3段階解法を開発した。
本稿では,提案手法をメタヒューリスティックス (可変近傍探索と遺伝的アルゴリズム) を用いた価格とカット戦略のハイブリッド化により, より効率的な手法を提案する。
メタヒューリスティックは価格によって導かれる有望な列(車両経路)を見つけるために採用され、非互換商品によって引き起こされる実行不能なフロー割り当てを排除するためにカットが動的に生成される。
実時間および人工ベンチマークFTL問題に対する計算実験では,従来のMIPベースの3段階法と2つのメタヒューリスティクスと比較して,計算時間と解法品質の両面で優れた性能を示した。
提案手法は,大規模実生活FTL問題を効率的に解決する。
関連論文リスト
- Transforming Image Super-Resolution: A ConvFormer-based Efficient
Approach [63.98380888730723]
本稿では, Convolutional Transformer Layer (ConvFormer) と ConvFormer-based Super-Resolution Network (CFSR) を紹介する。
CFSRは、計算コストの少ない長距離依存と広範囲の受容場を効率的にモデル化する。
これは、x2 SRタスクのUrban100データセットで0.39dB、パラメータが26%、FLOPが31%減少している。
論文 参考訳(メタデータ) (2024-01-11T03:08:00Z) - Deep-Dispatch: A Deep Reinforcement Learning-Based Vehicle Dispatch
Algorithm for Advanced Air Mobility [0.0]
我々は,営業利益を最大化するために,深層強化学習に基づくeVTOLディスパッチアルゴリズムを開発した。
提案アルゴリズムの性能評価のために,eVTOLを用いた乗客輸送シミュレーション環境を構築した。
その結果,マルチエージェントeVTOLディスパッチアルゴリズムは最適ディスパッチポリシーを近似できることがわかった。
論文 参考訳(メタデータ) (2023-12-17T20:21:49Z) - A Computational Framework for Solving Wasserstein Lagrangian Flows [51.32751290160936]
本稿では,これらすべての問題に統一的な視点からアプローチする,新しいディープラーニングベースのフレームワークを提案する。
本手法では, 学習力学の軌跡をシミュレーション・バックプロパゲートする必要はない。
提案手法は, 単セル軌道推定における従来の手法より優れていることを示す。
論文 参考訳(メタデータ) (2023-10-16T17:59:54Z) - Unlocking Carbon Reduction Potential with Reinforcement Learning for the
Three-Dimensional Loading Capacitated Vehicle Routing Problem [54.43397200631224]
効率を上げるためのソリューションとして、協調車両ルーティングが提案されている。
現在の運用研究手法は、問題の大きさを増大させる非線形スケーリングに悩まされている。
約線形時間で3次元負荷容量化車両ルーティング問題を解くための強化学習モデルを開発した。
論文 参考訳(メタデータ) (2023-07-22T18:05:28Z) - Efficient Multimodal Fusion via Interactive Prompting [62.08292938484994]
大規模事前学習は、コンピュータビジョンや自然言語処理のような一助的な分野を新しい時代にもたらした。
本稿では,一様事前学習型変圧器の融合に適した効率的かつ柔軟な多モード融合法PMFを提案する。
論文 参考訳(メタデータ) (2023-04-13T07:31:51Z) - M$^3$ViT: Mixture-of-Experts Vision Transformer for Efficient Multi-task
Learning with Model-Accelerator Co-design [95.41238363769892]
マルチタスク学習(MTL)は、複数の学習タスクを単一のモデルにカプセル化し、それらのタスクを共同でよりよく学習できるようにする。
現在のMTLレギュレータは、1つのタスクだけを実行するためにさえ、ほぼすべてのモデルを起動する必要がある。
効率的なオンデバイスMTLを実現するためのモデル-アクセラレータ共設計フレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-26T15:40:24Z) - An SMT Based Compositional Model to Solve a Conflict-Free Electric
Vehicle Routing Problem [2.64699517152535]
CF-EVRP(Electric Conflict-Free Vehicle Routing Problem)は、車両の運転範囲の制限、顧客への配送時間帯の制限、道路セグメントが許容できる車両数に対する制限といった制約を含む。
我々は、問題をより小さく、より単純なサブプロブレムに分解し、準最適で実現可能なソリューションを提供する構成モデルを開発する。
論文 参考訳(メタデータ) (2021-06-10T20:37:46Z) - A Modular and Transferable Reinforcement Learning Framework for the
Fleet Rebalancing Problem [2.299872239734834]
モデルフリー強化学習(RL)に基づく艦隊再バランスのためのモジュラーフレームワークを提案する。
動作領域のグリッド上の分布としてRL状態とアクション空間を定式化し,フレームワークをスケーラブルにする。
実世界の旅行データとネットワークデータを用いた数値実験は、このアプローチがベースライン法よりもいくつかの異なる利点があることを実証している。
論文 参考訳(メタデータ) (2021-05-27T16:32:28Z) - A Three-Stage Algorithm for the Large Scale Dynamic Vehicle Routing
Problem with an Industry 4.0 Approach [3.6317403990273402]
業界 4.0 はモビリティとリアルタイム統合に焦点を当てたコンセプトである。
本研究の目的は,大規模DVRP(LSDVRP)の解決である。
論文 参考訳(メタデータ) (2020-08-26T10:39:36Z) - An Online Method for A Class of Distributionally Robust Optimization
with Non-Convex Objectives [54.29001037565384]
本稿では,オンライン分散ロバスト最適化(DRO)のクラスを解決するための実用的なオンライン手法を提案する。
本研究は,ネットワークの堅牢性向上のための機械学習における重要な応用を実証する。
論文 参考訳(メタデータ) (2020-06-17T20:19:25Z) - Multi-Vehicle Routing Problems with Soft Time Windows: A Multi-Agent
Reinforcement Learning Approach [9.717648122961483]
ソフトタイムウインドウ(MVRPSTW)を用いたマルチ車両ルーティング問題は、都市ロジスティクスシステムにおいて不可欠である。
従来の手法は計算効率と解の質のジレンマを引き起こす。
そこで本研究では,ルーティング問題の解決に要する時間的オフライントレーニングのメリットを即時評価する,Multi-Agent Attention Modelと呼ばれる新しい強化学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-02-13T14:26:27Z)
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。