論文の概要: Local Area Routes for Vehicle Routing Problems

• arxiv url: http://arxiv.org/abs/2207.04520v1
• Date: Sun, 10 Jul 2022 19:40:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-12 15:45:09.297293
• Title: Local Area Routes for Vehicle Routing Problems
• Title（参考訳）: 道路交通問題における地域交通
• Authors: Udayan Mandal, Amelia Regan, Julian Yarkony
• Abstract要約: ローカルエリア(LA)ルート緩和は、一般的に使用されるngルート緩和の代替/補完である。 LA経路緩和は標準DSSRと比較して価格の計算速度を大幅に向上させることができることを示す。
• 参考スコア（独自算出の注目度）: 1.3706734758465289
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider an approach for improving the efficiency of column generation (CG) methods for solving vehicle routing problems. We introduce Local Area (LA) route relaxations, an alternative/complement to the commonly used ng-route relaxations and Decremental State Space Relaxations (DSSR) inside of CG formulations. LA routes are a subset of ng-routes and a super-set of elementary routes. Normally, the pricing stage of CG must produce elementary routes, which are routes without repeated customers, using processes which can be computationally expensive. Non-elementary routes visit at least one customer more than once, creating a cycle. LA routes relax the constraint of being an elementary route in such a manner as to permit efficient pricing. LA routes are best understood in terms of ng-route relaxations. Ng-routes are routes which are permitted to have non-localized cycles in space; this means that at least one intermediate customer (called a breaker) in the cycle must consider the starting customer in the cycle to be spatially far away. LA routes are described using a set of special indexes corresponding to customers on the route ordered from the start to the end of the route. LA route relaxations further restrict the set of permitted cycles beyond that of ng-routes by additionally enforcing that the breaker must be a located at a special index where the set of special indexes is defined recursively as follows. The first special index in the route is at index 1 meaning that it is associated with the first customer in the route. The k'th special index corresponds to the first customer after the k-1'th special index, that is not considered to be a neighbor of (considered spatially far from) the customer located at the k-1'th special index. We demonstrate that LA route relaxations can significantly improve the computational speed of pricing when compared to the standard DSSR.
• Abstract（参考訳）: 車両経路問題の解法として,コラム生成法(CG)の効率性を向上させる手法を検討する。 本稿では,一般のngルート緩和とDSSR(Decremental State Space Relaxations)の代替として,ローカルエリア(LA)経路緩和を導入する。 LAルートはngルートのサブセットであり、基本ルートのスーパーセットである。 通常、cgの価格設定段階は、計算コストがかかるプロセスを使用して、繰り返し顧客を伴わないルートである基本ルートを生産しなければならない。 非要素ルートは、少なくとも1回以上の顧客を訪れ、サイクルを作成します。 LAルートは、効率的な価格設定を可能にするため、基本的なルートであるという制約を緩和する。 LAルートはngルート緩和の観点から最もよく理解されている。 Ngルートは、非局所化サイクルが許されるルートである。つまり、サイクル内の少なくとも1つの中間顧客(ブレーカーと呼ばれる)は、サイクルの開始顧客を空間的に遠くまで考慮しなければならない。 laルートは、ルートの開始から終了までの経路において、顧客に対応する一連の特別なインデックスを用いて記述される。 laルート緩和はngルートを超える許容サイクルの組をさらに制限し、さらにブレーカーは特別なインデックスの集合が再帰的に定義される特別なインデックスでなければならないことを強制する。 ルートにおける最初の特別インデックスはインデックス1であり、ルートの最初の顧客と関連付けられることを意味する。 k の特別指数は、k-1 の特別指数の後の最初の顧客に対応しており、k-1 の特別指数に位置する顧客の(空間的に離れた)隣人と見なされない。 LA経路緩和は標準DSSRと比較して価格の計算速度を大幅に向上させることができることを示す。

関連論文リスト

• Research on Travel Route Planing Problems Based on Greedy Algorithm [0.0]
  欲求アルゴリズムに基づく経路計画問題は、与えられた開始点と終了点の間の最適経路またはほぼ最適経路を特定する方法を表す。 本稿では,まず都市評価指標をダウンスケールし,主要な主要成分を抽出し,データをダウンスケールするためにPCA法を用いる。 旅行者のニーズに応じて個別にルートをカスタマイズする,欲求に基づく経路計画アルゴリズムが提案され,最適化されている。
  論文  参考訳（メタデータ） (2024-10-17T05:17:01Z)
• Sketch and Refine: Towards Fast and Accurate Lane Detection [69.63287721343907]
  レーン検出は、現実世界のシナリオの複雑さのため、困難なタスクである。 提案ベースであれキーポイントベースであれ,既存のアプローチでは,車線を効果的かつ効率的に表現することができない。 本稿では,キーポイント法と提案法の両方のメリットを活かした"Sketch-and-Refine"パラダイムを提案する。 実験の結果、我々のSRLaneは高速(278 FPS)で走ることができ、F1スコアは78.9%であることがわかった。
  論文  参考訳（メタデータ） (2024-01-26T09:28:14Z)
• Age-Friendly Route Planner: Calculating Comfortable Routes for Senior Citizens [0.44241702149260353]
  本稿では,高齢者の生活体験を改善することを目的とした,高齢者フレンドリーなルートプランナーについて述べる。 本稿では,「年齢に優しいルートプランナー」の主な特徴の1つとして,嗜好に基づくルートについて述べる。 また、適応されたフレンドリーなルートの作成にどのように貢献できるかを示す。
  論文  参考訳（メタデータ） (2023-11-20T14:37:20Z)
• Optimizing the Placement of Roadside LiDARs for Autonomous Driving [61.584278382844595]
  道路沿いのLiDARの配置を最適化する方法は不可欠だが、見落とされがちな問題である。 本稿では,シーン内の最適化位置を選択することで,道路側LiDARの配置を最適化する手法を提案する。 Roadside-Optという名前のデータセットは、ロードサイドLiDAR配置問題の研究を容易にするために、CARLAシミュレータを使って作成されている。
  論文  参考訳（メタデータ） (2023-10-11T07:24:27Z)
• TopoMLP: A Simple yet Strong Pipeline for Driving Topology Reasoning [51.29906807247014]
  トポロジー推論は、道路シーンを理解し、自律運転における乾燥可能なルートを提示することを目的としている。 道路の中心線(車線)と交通要素を検出し、そのトポロジの関係、すなわち車線-車線トポロジと車線-交通トポロジを推論する必要がある。 トポロジー性能の上限を拡張するために,強力な3次元レーン検出器と改良された2次元交通要素検出器を導入する。
  論文  参考訳（メタデータ） (2023-10-10T16:24:51Z)
• Predicting Drivers' Route Trajectories in Last-Mile Delivery Using A Pair-wise Attention-based Pointer Neural Network [5.092311422459955]
  最終マイルの配達では、道路や縁石のインフラについて暗黙の知識があるため、ドライバーは計画されたルートから逸脱する。 人間のドライバーが従うような実際の停止シーケンスを予測することは、ラストマイル配送におけるルート計画を改善するのに役立つ。 本稿では、ドライバーの過去の配送軌跡データを用いて、この予測タスクのためのペアワイズアテンションに基づくポインターニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2023-01-10T06:11:20Z)
• Bayes risk CTC: Controllable CTC alignment in Sequence-to-Sequence tasks [63.189632935619535]
  予測アライメントの望ましい特性を強制するためにベイズリスクCTC(BRCTC)を提案する。 BRCTCを他の早期排出の選好と組み合わせることで、オンラインモデルの性能・遅延トレードオフが改善される。
  論文  参考訳（メタデータ） (2022-10-14T03:55:36Z)
• R4: A Framework for Route Representation and Route Recommendation [20.711716453308437]
  ルートレコメンデーションの2つの大きな課題は、ルート表現とユーザ表現である。 これらの問題に対処する新しい学習フレームワークR4を提案する。 R4はオフラインとオンラインの両方の実験で顕著なパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2021-10-20T10:21:08Z)
• Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
  粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。 本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。 提案手法は,高品質なトラフィックフローマップを作成できる。
  論文  参考訳（メタデータ） (2021-09-29T07:51:49Z)
• Data Driven VRP: A Neural Network Model to Learn Hidden Preferences for VRP [9.434400627011108]
  ニューラルネットワークモデルを用いてアーク確率を推定し、追加機能と自動パラメータ推定を可能にする。 本稿では,従来のマルコフ計数手法との違いについて検討し,この設定におけるニューラルネットワークの適用性について検討する。
  論文  参考訳（メタデータ） (2021-08-10T10:53:44Z)
• $\pi$-ROAD: a Learn-as-You-Go Framework for On-Demand Emergency Slices in V2X Scenarios [68.33556559127011]
  $pi$-roadは、道路沿いの通常のモバイルトラフィックパターンを自動的に学習し、定期的でないイベントを検出し、重大度で分類するフレームワークである。 この結果から,$pi$-ROADは未発生の道路イベントの検出と分類に成功し,すでに稼働しているサービスに対するENSの影響を最大30%削減できることがわかった。
  論文  参考訳（メタデータ） (2020-12-11T09:35:55Z)

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。