論文の概要: Online Ordering Platform City Distribution Based on Genetic Algorithm
- arxiv url: http://arxiv.org/abs/2106.11578v1
- Date: Tue, 22 Jun 2021 07:24:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2023-03-25 21:01:34.149988
- Title: Online Ordering Platform City Distribution Based on Genetic Algorithm
- Title（参考訳）: 遺伝的アルゴリズムに基づくオンライン注文プラットフォーム都市分布
- Authors: Yu Du
- Abstract要約: 我々は,Mプラットフォーム上での都市分布の車両経路問題について検討し,その分散コストを最小化する。
我々のモデルとアルゴリズムは、流通コストと配送時間の観点から、元のモデルよりも優れた車両経路を設計することができる。
- 参考スコア（独自算出の注目度）: 2.309866095575448
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Since the rising of the takeaway ordering platform, the M platform has taken
the lead in the industry with its high-quality service. The increasing order
volume leads the competition between platforms to reduce the distribution cost,
which increases rapidly because of the unreasonable distribution route. By
analyzing platform distribution's current situation, we study the vehicle
routing problem of urban distribution on the M platform and minimize the
distribution cost. Considering the constraints of the customer's expected
delivery time and vehicle condition, we combine the different arrival times of
the vehicle routing problem model using three soft time windows and solve the
problem using a genetic algorithm (GA). The results show that our model and
algorithm can design the vehicle path superior to the original model in terms
of distribution cost and delivery time, thus providing decision support for the
M platform to save distribution cost in urban distribution in the future.
- Abstract（参考訳）: テイクウェイ注文プラットフォームが登場して以来、Mプラットフォームは高品質なサービスで業界をリードしてきた。
注文数の増加は、プラットフォーム間の競争を招き、流通コストを削減し、不合理な流通経路のために急速に増加する。
プラットフォーム分布の現況を解析することにより,Mプラットフォーム上での都市分布の車両ルーティング問題を調査し,流通コストを最小化する。
顧客が期待する配送時間と車両状態の制約を考慮すると、3つのソフトタイムウィンドウを用いて車両経路問題の異なる到着時間を組み合わせて遺伝的アルゴリズム(GA)を用いて問題を解決する。
以上の結果から,本モデルとアルゴリズムは,配車コストと納車時間の観点から,原モデルよりも優れた車両経路を設計でき,将来都市部における配車コストを抑えるため,Mプラットフォームを決定的に支援できることを示した。
関連論文リスト
- 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) - A generalized network level disruption strategy selection model for
urban public transport systems [16.64085440434604]
ディスラプションからの迅速な回復は、トランジットシステムの信頼性にとって極めて重要である。
本研究は, 交通破壊対策を包括的かつ階層的に実施する試みである。
論文 参考訳（メタデータ） (2023-05-07T16:34:25Z) - Approaching sales forecasting using recurrent neural networks and
transformers [57.43518732385863]
深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。
実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。
提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
論文 参考訳（メタデータ） (2022-04-16T12:03:52Z) - Personalized Trajectory Prediction via Distribution Discrimination [78.69458579657189]
トラリミー予測は将来の力学のマルチモーダルな性質を捉えるジレンマと対立する。
本研究では,パーソナライズされた動作パターンを予測するDisDisDis(Disdis)手法を提案する。
本手法は,プラグイン・アンド・プレイモジュールとして既存のマルチモーダル予測モデルと統合することができる。
論文 参考訳（メタデータ） (2021-07-29T17:42:12Z) - PAC: Partial Area Cluster for adjusting the distribution of
transportation platforms in modern cities [0.6423239719448168]
輸送プラットフォームの不合理な分布は、低利用率をもたらす。
パーシャル・エリア・クラスタ(PAC)は、元の分布を変更して更新することで利用を改善することを提案した。
経験から、公共交通機関の利用が20%増加したことが示されている。
論文 参考訳（メタデータ） (2021-07-06T10:04:18Z) - Online Metro Origin-Destination Prediction via Heterogeneous Information
Aggregation [99.54200992904721]
我々は、ODとDOの進化パターンを共同で学習するために、HIAM(Heterogeneous Information Aggregation Machine)と呼ばれるニューラルネットワークモジュールを提案する。
ODモデリングブランチは、未完成な順序の潜在的な目的地を明示的に推定し、不完全OD行列の情報を補完する。
DOモデリングブランチは、DO行列を入力として、DOライダーシップの時空間分布をキャプチャする。
提案したHIAMに基づいて,将来のODおよびDOライダーを同時に予測する統合Seq2Seqネットワークを開発した。
論文 参考訳（メタデータ） (2021-07-02T10:11:51Z) - 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) - Mode recovery in neural autoregressive sequence modeling [55.05526174291747]
最近の研究では、神経自己回帰配列モデルの予期せぬ特性と望ましくない性質が明らかにされている。
本研究では,分布のモードや局所的な最大値が,学習チェーン全体を通してどのように維持されているかを検討する。
今後の研究は、潜在能力と危険性を完全に理解するために、学習連鎖全体を考慮しなくてはならないと結論付けている。
論文 参考訳（メタデータ） (2021-06-10T02:17:28Z) - Learning to Optimize Industry-Scale Dynamic Pickup and Delivery Problems [17.076557377480444]
動的ピックアップ・デリバリー問題 (DPDP) は、配送注文が事前に分かっていない場合のコストを最小限に抑えるため、複数のサイト間で車両を動的にスケジューリングすることを目的としている。
産業規模のDPDPを解決するために,データ駆動型空間時間支援ダブルグラフネットワーク(ST-DDGN)を提案する。
本手法は,ST-DDGNデータから隣接車両のリレーショナル表現を周期的に学習し,補正することが可能である。
論文 参考訳（メタデータ） (2021-05-27T01:16:00Z) - Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning [79.61517670541863]
ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用
DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
論文 参考訳（メタデータ） (2021-01-19T03:09:51Z) - Real-time and Large-scale Fleet Allocation of Autonomous Taxis: A Case
Study in New York Manhattan Island [14.501650948647324]
従来のモデルは、供給(自動タクシー)と需要(トリップ)の不均衡に対処するために、利用可能な船隊を効率的に割り当てることに失敗した
艦隊配置決定をモデル化するために、制約付きマルチエージェントマルコフ決定プロセス(CMMDP)を用いる。
また、カラム生成アルゴリズムを利用して、大規模に効率性と最適性を保証する。
論文 参考訳（メタデータ） (2020-09-06T16:00:15Z)
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。