論文の概要: A Multi-Objective approach to the Electric Vehicle Routing Problem
- arxiv url: http://arxiv.org/abs/2208.12440v1
- Date: Fri, 26 Aug 2022 05:09:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-29 12:55:28.213546
- Title: A Multi-Objective approach to the Electric Vehicle Routing Problem
- Title（参考訳）: 電気自動車の経路問題に対する多目的アプローチ
- Authors: Kousik Rajesh, Eklavya Jain, Prakash Kotecha
- Abstract要約: 電気自動車ルーティング問題(EVRP)は、燃料ベースの車からより健康的で効率的な電気自動車(EV)に移行するために、研究者や工業者から大きな関心を集めている。
以前の作業では、ロジスティクスや配送関連のソリューションをターゲットにしており、複数の停止を行った後、同質の商用EVが最初のポイントに戻らなければならない。
我々は、旅行時間と充電の累積コストを最小化する多目的最適化を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The electric vehicle routing problem (EVRP) has garnered great interest from
researchers and industrialists in an attempt to move from fuel-based vehicles
to healthier and more efficient electric vehicles (EVs). While it seems that
the EVRP should not be much different from traditional vehicle routing problems
(VRPs), challenges like limited cruising time, long charging times, and limited
availability of charging facilities for electric vehicles makes all the
difference. Previous works target logistics and delivery-related solutions
wherein a homogeneous fleet of commercial EVs have to return to the initial
point after making multiple stops. On the opposing front, we solve a personal
electric vehicle routing problem and provide an optimal route for a single
vehicle in a long origin-destination (OD) trip. We perform multi-objective
optimization - minimizing the total trip time and the cumulative cost of
charging. In addition, we incorporate external and real-life elements like
traffic at charging stations, detour distances for reaching a charging station,
and variable costs of electricity at different charging stations into the
problem formulation. In particular, we define a multi-objective mixed integer
non-linear programming (MINLP) problem and obtain a feasible solution using the
$\epsilon$-constraint algorithm. We further implement meta-heuristic techniques
such as Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) to obtain
the most optimal route and hence, the objective values. The experiment is
carried out for multiple self-generated data instances and the results are
thereby compared.
- Abstract（参考訳）: 電気自動車の経路問題(evrp)は、燃料ベースの車両からより健康で効率的な電気自動車(evs)へと移行しようとする研究者や産業家から大きな関心を集めている。
EVRPは従来の車両ルーティング問題(VRP)とそれほど変わらないように思われるが、クルージング時間や充電時間、電気自動車の充電設備の容量の制限といった課題は、すべてに違いがある。
以前の作業では、ロジスティクスや配送関連のソリューションをターゲットにしており、複数の停止を行った後、同質の商用EVが初期に戻る必要がある。
対向する面では、個人用電気自動車の経路問題を解決し、長いオリジン・デスティネーション(od)旅行において1台の車両に最適な経路を提供する。
我々は、旅行時間と充電の累積コストを最小化する多目的最適化を行う。
さらに,充電ステーションの交通量,充電ステーションへの到達距離,異なる充電ステーションにおける電力の変動コストなど,外部および実生活の要素を問題定式化に取り入れる。
特に、多目的混合整数非線形プログラミング(MINLP)問題を定義し、$\epsilon$-constraintアルゴリズムを用いて実現可能な解を求める。
さらに,遺伝的アルゴリズム(GA)や粒子群最適化(PSO)のようなメタヒューリスティックな手法を実装し,最適な経路と目的値を得る。
複数の自己生成データインスタンスに対して実験を行い、その結果を比較した。
関連論文リスト
- Energy Estimation of Last Mile Electric Vehicle Routes [0.62914438169038]
ラストマイルのキャリアは、サステナビリティの目標を達成するために、電気自動車(EV)を配達船に組み入れている。
本稿では,ディープラーニングを用いた最終マイル配送経路におけるEVのエネルギー消費予測の問題に対処する。
私たちは、フィードフォワードニューラルネットワーク(NN)とリカレントニューラルネットワーク(RNN)から始まる、さまざまなディープラーニングソリューションを共有しています。
論文 参考訳（メタデータ） (2024-08-21T21:38:40Z) - 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) - Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。
我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。
本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文 参考訳（メタデータ） (2023-10-18T18:38:59Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳（メタデータ） (2023-08-03T02:49:50Z) - Federated Reinforcement Learning for Real-Time Electric Vehicle Charging
and Discharging Control [42.17503767317918]
本稿では、動的環境下で異なるEVユーザに対して最適なEV充電/放電制御戦略を開発する。
多様なユーザの行動や動的環境に適合する水平連合強化学習法(HFRL)を提案する。
シミュレーションの結果,提案したリアルタイムEV充電/放電制御戦略は,様々な要因において良好に機能することが示された。
論文 参考訳（メタデータ） (2022-10-04T08:22:46Z) - A new Hyper-heuristic based on Adaptive Simulated Annealing and
Reinforcement Learning for the Capacitated Electric Vehicle Routing Problem [9.655068751758952]
都市部では環境汚染と地球温暖化を減らすために電気自動車(EV)が採用されている。
社会と経済の持続可能性に影響を与え続けているラストマイルロジスティクスの軌道をルーティングするのにはまだ不足がある。
本稿では,高ヒューリスティック適応アニーリングと強化学習というハイパーヒューリスティックなアプローチを提案する。
論文 参考訳（メタデータ） (2022-06-07T11:10:38Z) - A Reinforcement Learning Approach for Electric Vehicle Routing Problem
with Vehicle-to-Grid Supply [2.6066825041242367]
EVルーティングに強化学習(RL)を用いたQuikRouteFinderを提案する。
RLの結果は混合整数線形プログラム(MILP)と遺伝的アルゴリズム(GA)のメタヒューリスティックスに基づく正確な定式化と比較される。
論文 参考訳（メタデータ） (2022-04-12T06:13:06Z) - Computationally efficient joint coordination of multiple electric
vehicle charging points using reinforcement learning [6.37470346908743]
今日の電力網における大きな課題は、電気自動車(EV)充電による負荷の増加を管理することである。
同時に複数の充電点を協調的に座標する単一ステップの解法を提案する。
我々の新しいRLソリューションは、ビジネス・アズ・ユース・ポリシーと比較して、充電需要調整の性能を40～50%向上させています。
論文 参考訳（メタデータ） (2022-03-26T13:42:57Z) - An Energy Consumption Model for Electrical Vehicle Networks via Extended
Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。
バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文 参考訳（メタデータ） (2021-11-13T15:03:44Z) - Intelligent Electric Vehicle Charging Recommendation Based on
Multi-Agent Reinforcement Learning [42.31586065609373]
電気自動車(ev)はその環境とエネルギーの持続可能性のために現代の交通システムで選択されている。
多くの都市では、限られた充電インフラとほとんどバランスの取れない充電需要のために、EVドライバーは充電に適した場所を見つけることができません。
公共充電ステーションをインテリジェントに推奨する,マルチエージェント時空間時空間学習(MasterReinforce)というフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-15T06:23:59Z) - Efficient algorithms for electric vehicles' min-max routing problem [4.640835690336652]
輸送部門から排出される温室効果ガスの増加は、企業や政府が電気自動車(EV)の増産と支援を図っている。
近年の都市化と電子商取引の進展により、輸送会社は従来の車両をEVに置き換え、持続的で環境に優しい運転の取り組みを強化している。
EV車両の展開は、限られた範囲を緩和し、バッテリー劣化率を軽減するために、効率的なルーティングと充電戦略を要求する。
論文 参考訳（メタデータ） (2020-08-07T18:45:26Z)
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。