Fugu-MT 論文翻訳(概要): DeepFreight: A Model-free Deep-reinforcement-learning-based Algorithm for Multi-transfer Freight Delivery

論文の概要: DeepFreight: A Model-free Deep-reinforcement-learning-based Algorithm for Multi-transfer Freight Delivery

arxiv url: http://arxiv.org/abs/2103.03450v1
Date: Fri, 5 Mar 2021 03:06:48 GMT
ステータス: 処理完了
システム内更新日: 2021-03-08 14:39:48.843506
Title: DeepFreight: A Model-free Deep-reinforcement-learning-ba sed Algorithm for Multi-transfer Freight Delivery
Title（参考訳）: DeepFreight: モデルなしのディープ強化学習に基づくマルチトランスファーウェイトデリバリアルゴリズム
Authors: Jiayu Chen, Abhishek K. Umrawal, Tian Lan, and Vaneet Aggarwal
Abstract要約: DeepFreightは、マルチトランスファー貨物配送のためのモデルフリーのディープ強化学習ベースのアルゴリズムである。提案システムは非常にスケーラブルで,低デリバリ時間と燃料消費を維持しつつ,100%のデリバリ成功を保証する。
参考スコア（独自算出の注目度）: 35.854172254887175
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the freight delivery demands and shipping costs increasing rapidly, intelligent control of fleets to enable efficient and cost-conscious solutions becomes an important problem. In this paper, we propose DeepFreight, a model-free deep-reinforcement-learning-ba sed algorithm for multi-transfer freight delivery, which includes two closely-collaborative components: truck-dispatch and package-matching. Specifically, a deep multi-agent reinforcement learning framework called QMIX is leveraged to learn a dispatch policy, with which we can obtain the multi-step joint dispatch decisions for the fleet with respect to the delivery requests. Then an efficient multi-transfer matching algorithm is executed to assign the delivery requests to the trucks. Also, DeepFreight is integrated with a Mixed-Integer Linear Programming optimizer for further optimization. The evaluation results show that the proposed system is highly scalable and ensures a 100% delivery success while maintaining low delivery time and fuel consumption.
Abstract（参考訳）: 貨物輸送需要と輸送コストの急激な増加により、効率よくコストを意識したソリューションを実現するための艦隊のインテリジェントな制御が重要な問題となっている。本稿では,トラックディスパッチとパッケージマッチングという2つの密接なコラボレーションコンポーネントを含む,マルチトランスファー貨物配送のためのモデルフリーなディープラーニングアルゴリズムであるdeepfreightを提案する。具体的には、QMIXと呼ばれる深層マルチエージェント強化学習フレームワークを利用してディスパッチポリシーを学習し、配信要求に関する複数段階の共同ディスパッチ決定を得ることができる。その後、効率的なマルチトランスファーマッチングアルゴリズムを実行して、配送要求をトラックに割り当てます。また、DeepFreightはさらなる最適化のためにMixed-Integer Linear Programming Optimizationrと統合されている。評価の結果,提案システムは非常にスケーラブルであり,低納期と燃料消費を維持しつつ,100%の納入成功を保証できることがわかった。