論文の概要: An SMT Based Compositional Model to Solve a Conflict-Free Electric
Vehicle Routing Problem
- arxiv url: http://arxiv.org/abs/2106.07387v1
- Date: Thu, 10 Jun 2021 20:37:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 15:39:45.416716
- Title: An SMT Based Compositional Model to Solve a Conflict-Free Electric
Vehicle Routing Problem
- Title（参考訳）: 衝突のない電気自動車ルーティング問題を解決するSMT構成モデル
- Authors: Sabino Francesco Roselli and Martin Fabian and Knut {\AA}kesson
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.64699517152535
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Vehicle Routing Problem (VRP) is the combinatorial optimization problem
of designing routes for vehicles to visit customers in such a fashion that a
cost function, typically the number of vehicles, or the total travelled
distance is minimized. The problem finds applications in industrial scenarios,
for example where Automated Guided Vehicles run through the plant to deliver
components from the warehouse. This specific problem, henceforth called the
Electric Conflict-Free Vehicle Routing Problem (CF-EVRP), involves constraints
such as limited operating range of the vehicles, time windows on the delivery
to the customers, and limited capacity on the number of vehicles the road
segments can accommodate at the same time. Such a complex system results in a
large model that cannot easily be solved to optimality in reasonable time. We
therefore developed a compositional model that breaks down the problem into
smaller and simpler sub-problems and provides sub-optimal, feasible solutions
to the original problem. The algorithm exploits the strengths of SMT solvers,
which proved in our previous work to be an efficient approach to deal with
scheduling problems. Compared to a monolithic model for the CF-EVRP, written in
the SMT standard language and solved using a state-of-the-art SMT solver the
compositional model was found to be significantly faster.
- Abstract（参考訳）: 車両ルーティング問題(英: Vehicle Routing Problem、VRP)は、コスト関数、通常車両数、または総走行距離が最小となるように、客を訪問するためのルートを設計するための組合せ最適化問題である。
この問題は、例えばAutomated Guided Vehiclesが工場内を走り、倉庫から部品を届ける、といった産業シナリオにおける応用を見つける。
電気コンフリクトフリー車両ルーティング問題(cf-evrp:electric conflict-free vehicle routing problem)と呼ばれるこの特殊な問題は、車両の運転範囲の制限、顧客への配達の時間窓、道路セグメントが同時に対応できる車両数の制限といった制約を伴っている。
このような複雑なシステムは、妥当な時間で最適性に容易に解決できない大きなモデルをもたらす。
そこで我々は,問題をより小さく,より単純な部分問題に分解し,元の問題に対して最適かつ実現可能な下位解を与える構成モデルを開発した。
このアルゴリズムはSMTソルバの強みを利用しており、これは以前の研究でスケジューリング問題に対処するための効率的なアプローチであることが証明された。
SMT標準言語で記述されたCF-EVRPのモノリシックモデルと比較すると,構成モデルは極めて高速であることが判明した。
関連論文リスト
- V2X-Assisted Distributed Computing and Control Framework for Connected and Automated Vehicles under Ramp Merging Scenario [36.19449852204522]
本稿では,サイバー物理システム下でのランプシナリオにおけるコネクテッドおよび自動車両(CAV)の分散コンピューティング制御について検討する。
既存の手法とは異なり,本手法では,計算タスクをCAV間で分散し,V2X通信による並列計算を行うことができる。
論文 参考訳（メタデータ） (2024-10-30T12:56:49Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - Solving the Team Orienteering Problem with Transformers [46.93254771681026]
車両群のためのルートプランニングは、荷物の配送、監視、輸送といった応用において重要な課題である。
本稿では,チームオリエンテーリング問題を高速かつ高精度に解決できる多エージェント経路計画システムを提案する。
論文 参考訳（メタデータ） (2023-11-30T16:10:35Z) - 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) - Roulette-Wheel Selection-Based PSO Algorithm for Solving the Vehicle
Routing Problem with Time Windows [58.891409372784516]
本稿では,Roulette Wheel Method (RWPSO) を用いた新しいPSO手法を提案する。
RWPSOのSolomon VRPTWベンチマークデータセットを用いた実験は、RWPSOが文学の他の最先端アルゴリズムと競合していることを示している。
論文 参考訳（メタデータ） (2023-06-04T09:18:02Z) - 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) - 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) - Multi-intersection Traffic Optimisation: A Benchmark Dataset and a
Strong Baseline [85.9210953301628]
交通信号の制御は、都市部の交通渋滞の緩和に必要不可欠である。
問題モデリングの複雑さが高いため、現在の作業の実験的な設定はしばしば矛盾する。
エンコーダ・デコーダ構造を用いた深層強化学習に基づく新規で強力なベースラインモデルを提案する。
論文 参考訳（メタデータ） (2021-01-24T03:55:39Z) - 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) - 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) - 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。