論文の概要: Investigation of Optimization Techniques on the Elevator Dispatching
Problem
- arxiv url: http://arxiv.org/abs/2202.13092v1
- Date: Sat, 26 Feb 2022 08:26:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-23 21:30:05.303831
- Title: Investigation of Optimization Techniques on the Elevator Dispatching
Problem
- Title（参考訳）: エレベータ派遣問題における最適化手法の検討
- Authors: Shaher Ahmed, Mohamed Shekha, Suhaila Skran and Abdelrahman Bassyouny
- Abstract要約: この研究は、待ち時間を短縮する方法を推奨する以前の研究に基づいている。
提案手法は平均待ち時間を短縮し,昇降効率を向上し,顧客エクスペリエンスを向上させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the elevator industry, reducing passenger journey time in an elevator
system is a major aim. The key obstacle to optimising elevator dispatching is
the unpredictable traffic flow of passengers. To address this difficulty, two
main features must be optimised: waiting time and journey time. To address the
problem in real time, several strategies are employed, including Simulated
Annealing (SA), Genetic Algorithm (GA), Particle Swarm Optimization Algorithm
(PSO), and Whale Optimization Algorithm (WOA). This research article compares
the algorithms discussed above. To investigate the functioning of the
algorithms for visualisation and insight, a case study was created. In order to
discover the optimum algorithm for the elevator dispatching problem,
performance indices such as average and ideal fitness value are generated in 5
runs to compare the outcomes of the methods. The goal of this study is to
compute a dispatching scheme, which is the result of the algorithms, in order
to lower the average trip time for all passengers. This study builds on
previous studies that recommended ways to reduce waiting time. The proposed
technique reduces average wait time, improves lift efficiency, and improves
customer experience.
- Abstract（参考訳）: エレベーター業界では、エレベーターシステムにおける乗客の移動時間を短縮することが主な目的である。
エレベーターのディスパッチを最適化するための重要な障害は、予測不能な乗客の交通の流れである。
この困難に対処するには、待機時間と旅行時間という2つの主要な特徴を最適化する必要がある。
この問題にリアルタイムに対処するためには、シミュレートアニーリング(SA)、遺伝的アルゴリズム(GA)、粒子群最適化アルゴリズム(PSO)、鯨最適化アルゴリズム(WOA)などがある。
本稿では、上記のアルゴリズムと比較する。
可視化と洞察のためのアルゴリズムの機能を調べるために,ケーススタディを開発した。
エレベータディスパッチ問題に対する最適アルゴリズムを発見するために、平均及び理想的な適合値などの性能指標を5ランで生成し、手法の結果を比較する。
本研究の目的は,全乗客の平均所要時間を削減するために,アルゴリズムの結果であるディスパッチ方式を計算することである。
本研究は,待ち時間を削減する方法を推奨する先行研究に基づいている。
提案手法は平均待ち時間を短縮し,昇降効率を向上し,顧客エクスペリエンスを向上させる。
関連論文リスト
- Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳（メタデータ） (2023-07-17T20:11:56Z) - Resetting the Optimizer in Deep RL: An Empirical Study [10.907980864371213]
深層強化学習における最適値関数の近似に着目する。
この単純な修正により,Atariベンチマークにおける深部RLの性能が大幅に向上することが実証された。
論文 参考訳（メタデータ） (2023-06-30T17:53:50Z) - Lagrangian based A* algorithm for automated reasoning [0.0]
重み付けはA*アルゴリズムの一部として導入され、効率が向上する。
このアルゴリズムの応用はUAV経路計画に適用される。
論文 参考訳（メタデータ） (2023-06-28T17:01:03Z) - Improving Gradient Methods via Coordinate Transformations: Applications to Quantum Machine Learning [0.0]
機械学習アルゴリズムは勾配降下などの勾配に基づく最適化アルゴリズムに大きく依存している。
全体的な性能は、局所的なミニマと不毛の高原の出現に依存する。
本稿では,これらの手法の全般的な性能向上を図り,バレンプラトー効果と局所ミニマ効果を緩和する汎用戦略を提案する。
論文 参考訳（メタデータ） (2023-04-13T18:26:05Z) - Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。
基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。
我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
論文 参考訳（メタデータ） (2022-09-27T17:51:31Z) - Improved Binary Forward Exploration: Learning Rate Scheduling Method for
Stochastic Optimization [3.541406632811038]
BFE(Binary Forward Exploration)と呼ばれる,学習速度の自動スケジューリングによる勾配に基づく新しい最適化手法が最近提案されている。
本稿では,提案手法の効率性とロバスト性を最適化するため,改良されたアルゴリズムについて検討する。
本手法の目的は,他者を倒すことではなく,勾配降下過程を最適化するための異なる視点を提供することである。
論文 参考訳（メタデータ） (2022-07-09T05:28:44Z) - Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。
計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。
また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
論文 参考訳（メタデータ） (2022-03-23T06:24:31Z) - Recommender System Expedited Quantum Control Optimization [0.0]
量子制御最適化アルゴリズムは、最適な量子ゲートや効率的な量子状態転送を生成するために日常的に使用される。
効率的な最適化アルゴリズムの設計には2つの大きな課題がある。
本稿では,後者の課題に対処するため,機械学習手法,特にレコメンダシステム(RS)を提案する。
論文 参考訳（メタデータ） (2022-01-29T10:25:41Z) - An Accelerated Variance-Reduced Conditional Gradient Sliding Algorithm
for First-order and Zeroth-order Optimization [111.24899593052851]
条件勾配アルゴリズム(Frank-Wolfeアルゴリズムとも呼ばれる)は、最近、機械学習コミュニティで人気を取り戻している。
ARCSは、ゼロ階最適化において凸問題を解く最初のゼロ階条件勾配スライディング型アルゴリズムである。
1次最適化では、ARCSの収束結果は、勾配クエリのオラクルの数で、従来のアルゴリズムよりも大幅に優れていた。
論文 参考訳（メタデータ） (2021-09-18T07:08:11Z) - Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。
両レベル最適化のための2つの新しいアルゴリズムを提案する。
両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-08T21:05:30Z) - Learning to Optimize: A Primer and A Benchmark [94.29436694770953]
最適化への学習(L2O)は、機械学習を活用して最適化方法を開発する新しいアプローチです。
この記事では、継続的最適化のためのL2Oの総合的な調査とベンチマークを行う。
論文 参考訳（メタデータ） (2021-03-23T20:46:20Z)
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。