論文の概要: An adaptive large neighborhood search heuristic for the multi-port continuous berth allocation problem

• arxiv url: http://arxiv.org/abs/2302.02356v1
• Date: Sun, 5 Feb 2023 10:29:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 18:45:53.527498
• Title: An adaptive large neighborhood search heuristic for the multi-port continuous berth allocation problem
• Title（参考訳）: 多ポート連続berth割当て問題に対する適応型大規模近傍探索ヒューリスティック
• Authors: Bernardo Martin-Iradi, Dario Pacino, Stefan Ropke
• Abstract要約: マルチポート連続バース割当て問題 (MCBAP) で表される協調問題に, 船体スケジューリング問題とバース割当て問題を統合する問題について検討する。 この問題は、複数の港で同時に船の配置を最適化し、港間での船舶の航行速度も考慮した。 MCBAPの混合整数問題定式化と,局所探索法により拡張された大近傍探索アルゴリズムを導入し,その解法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we study a problem that integrates the vessel scheduling problem with the berth allocation into a collaborative problem denoted as the multi-port continuous berth allocation problem (MCBAP). This problem optimizes the berth allocation of a set of ships simultaneously in multiple ports while also considering the sailing speed of ships between ports. Due to the highly combinatorial character of the problem, exact methods struggle to scale to large-size instances, which points to exploring heuristic methods. We present a mixed-integer problem formulation for the MCBAP and introduce an adaptive large neighborhood search (ALNS) algorithm enhanced with a local search procedure to solve it. The computational results highlight the method's suitability for larger instances by providing high-quality solutions in short computational times. Practical insights indicate that the carriers' and terminal operators' operational costs are impacted in different ways by fuel prices, external ships at port, and the modeling of a continuous quay.
• Abstract（参考訳）: 本稿では,マルチポート連続バース割当て問題(MCBAP)で表される協調問題に,船体スケジューリング問題とバース割当て問題を統合する問題について検討する。 この問題は、複数の港で同時に船の配置を最適化し、港間での船舶の航行速度も考慮する。 問題の非常に組合せ的な性質のため、厳密な手法は大規模インスタンスへのスケールに苦労し、ヒューリスティックな手法を探求することを指す。 MCBAPの混合整数問題定式化と,局所探索法により拡張された適応型大近傍探索アルゴリズムを導入し,その解法を提案する。 計算結果は、短時間で高品質なソリューションを提供することにより、大規模インスタンスに対する手法の適合性を浮き彫りにする。 実践的な知見は、空母とターミナルの運用コストが燃料価格、港の外部船、連続したクエーのモデル化によって異なる方法で影響を受けることを示している。

関連論文リスト

• Container pre-marshalling problem minimizing CV@R under uncertainty of ship arrival times [2.9061423802698565]
  コンテナ事前マーシャリングの問題は、格納領域内のコンテナを移動させることで、再シャッフルすることなく、効率よく船にロードできるようにすることである。 最適なコンテナレイアウトを見つけるために,混合整数線形最適化モデルを導出する。 大規模問題に対処するための切削平面法に基づく正確なアルゴリズムを考案する。
  論文  参考訳（メタデータ） (2024-05-27T18:19:09Z)
• A reinforcement learning guided hybrid evolutionary algorithm for the latency location routing problem [14.9829752183927]
  遅延位置ルーティング問題は、施設位置問題と累積容量化車両経路問題を統合する。 この問題は、顧客に提供するデポの場所と車両ルートについて、同時に決定することである。 本稿では,メメティックアルゴリズムの枠組みに従って,強化学習誘導ハイブリッド進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-21T13:54:03Z)
• MultiZenoTravel: a Tunable Benchmark for Multi-Objective Planning with Known Pareto Front [71.19090689055054]
  多目的AI計画では、既知のPareto Frontsを示すベンチマークが不足している。 提案するベンチマーク生成器と専用ソルバは、結果のインスタンスの真のParetoを確実に計算する。 本稿では,制約された問題に対して最適な計画を示すとともに,制約された問題に対する一般的な問題を減らす方法を示す。
  論文  参考訳（メタデータ） (2023-04-28T07:09:23Z)
• Rolling Horizon based Temporal Decomposition for the Offline Pickup and Delivery Problem with Time Windows [5.818566833386833]
  オフラインPDPTWのクラスを解くための新しい時間分解方式を提案する。 私たちのフレームワークはよりスケーラブルで、さまざまな難易度の問題インスタンスに対して優れたソリューションを提供することができます。
  論文  参考訳（メタデータ） (2023-03-06T20:07:05Z)
• Scalable Batch Acquisition for Deep Bayesian Active Learning [70.68403899432198]
  ディープラーニングでは、各ステップでマークアップする複数の例を選択することが重要です。 BatchBALDのような既存のソリューションでは、多くの例を選択する際に大きな制限がある。 本稿では,より計算効率のよいLarge BatchBALDアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-13T11:45:17Z)
• Estimating Latent Population Flows from Aggregated Data via Inversing Multi-Marginal Optimal Transport [57.16851632525864]
  累積カウントデータから潜在人口フローを推定する問題について検討する。 この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。 我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
  論文  参考訳（メタデータ） (2022-12-30T03:03:23Z)
• Reinforcement learning for multi-item retrieval in the puzzle-based storage system [0.694936386455667]
  本研究は,パズルベースの記憶システムにおける多項目検索問題の解法として,深層強化学習アルゴリズムを開発した。 大規模な数値実験により、強化学習アプローチによって高品質な解が得られることが示された。 同時動作と大規模インスタンスを扱うために,変換アルゴリズムと分解フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-05T12:39:21Z)
• Multi-Agent Path Planning Using Deep Reinforcement Learning [0.0]
  本稿では, 深部強化型マルチエージェントパス計画手法を提案する。 この実験はシミュレーション環境で実現され、この環境では異なるマルチエージェントパス計画問題が発生する。 生成した問題は実際に車両経路問題と類似しており、多エージェント深部強化学習を用いて解かれる。
  論文  参考訳（メタデータ） (2021-10-04T13:56:23Z)
• Two-Stage Stochastic Optimization via Primal-Dual Decomposition and Deep Unrolling [86.85697555068168]
  2段階のアルゴリズム最適化は、様々な工学や科学的応用において重要な役割を果たす。 特に長期変数と短期変数が制約の中で結合されている場合、アルゴリズムは効率的ではない。 PDD-SSCAが既存のソリューションよりも優れたパフォーマンスを達成できることを示します。
  論文  参考訳（メタデータ） (2021-05-05T03:36:00Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。