論文の概要: Enhanced Iterated local search for the technician routing and scheduling problem

• arxiv url: http://arxiv.org/abs/2303.13532v1
• Date: Sun, 12 Mar 2023 23:44:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 16:37:06.740150
• Title: Enhanced Iterated local search for the technician routing and scheduling problem
• Title（参考訳）: 高度化された局所探索による技術者のルーティングとスケジューリング問題
• Authors: Ala-Eddine Yahiaoui, Sohaib Afifi and Hamid Afifi
• Abstract要約: 我々は技術者のルーティングとタスクのスケジューリングに重点を置いている。 この問題は、交通インフラ(鉄道や道路網)、電気通信、下水設備など様々な分野で応用されている。 この問題を解決するために,改良された局所探索手法(eILS)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most public facilities in the European countries, including France, Germany, and the UK, were built during the reconstruction projects between 1950 and 1980. Owing to the deteriorating state of such vital infrastructure has become relatively expensive in the recent decades. A significant part of the maintenance operation costs is spent on the technical staff. Therefore, the optimal use of the available workforce is essential to optimize the operation costs. This includes planning technical interventions, workload balancing, productivity improvement, etc. In this paper, we focus on the routing of technicians and scheduling of their tasks. We address for this purpose a variant of the workforce scheduling problem called the technician routing and scheduling problem (TRSP). This problem has applications in different fields, such as transportation infrastructure (rail and road networks), telecommunications, and sewage facilities. To solve the TRSP, we propose an enhanced iterated local search (eILS) approach. The enhancement of the ILS firstly includes an intensification procedure that incorporates a set of local search operators and removal-repair heuristics crafted for the TRSP. Next, four different mechanisms are used in the perturbation phase. Finally, an elite set of solutions is used to extensively explore the neighborhood of local optima as well as to enhance diversification during search space exploration. To measure the performance of the proposed method, experiments were conducted based on benchmark instances from the literature, and the results obtained were compared with those of an existing method. Our method achieved very good results, since it reached the best overall gap, which is three times lower than that of the literature. Furthermore, eILS improved the best-known solution for $34$ instances among a total of $56$ while maintaining reasonable computational times.
• Abstract（参考訳）: フランス、ドイツ、イギリスを含む欧州諸国の公共施設のほとんどは、1950年から1980年にかけて再建計画中に建設された。 このような重要なインフラの劣化により、ここ数十年で比較的高価になっている。 保守作業のコストのかなりの部分は技術スタッフに費やされている。 したがって、運用コストの最適化には、利用可能な労働力の最適利用が不可欠である。 これには、技術的な介入の計画、ワークロードの分散、生産性の向上などが含まれる。 本稿では,技術者のルーティングとタスクのスケジューリングに焦点をあてる。 我々は,この目的のために,TRSP(Technician routing and scheduling problem)と呼ばれる作業スケジューリング問題の変種に対処する。 この問題は、交通インフラ(鉄道や道路網)、電気通信、下水施設など、様々な分野で応用されている。 TRSPを解決するために,拡張反復局所探索(eILS)手法を提案する。 ILSの強化は、まず、ローカルサーチオペレータのセットとTRSPのための除去・修復ヒューリスティックを組み込んだ強化手順を含む。 次に、摂動段階において4つの異なるメカニズムが用いられる。 最後に、エリートな解の集合は、局所最適の近傍を広範囲に探索し、探索空間探索中に多様化を高めるために用いられる。 提案手法の性能を評価するため,文献からのベンチマーク結果に基づいて実験を行い,既存の手法と比較した。 その結果,本手法は文献の3倍の差である全体ギャップに到達し,優れた結果を得た。 さらに、eilsは、リーズナブルな計算時間を維持しつつ、合計56ドルのうち34ドルのインスタンスで最もよく知られたソリューションを改善した。

関連論文リスト

• Decision Transformer for Enhancing Neural Local Search on the Job Shop Scheduling Problem [10.316443594063173]
  ジョブショップスケジューリング問題(JSSP)とその解法アルゴリズムは、何十年もの間、アカデミックと産業の両方に永続的な関心を集めてきた。 近年、機械学習(ML)は、JSSPのための既存のソリューションと新しいソリューションの構築において、より短い時間でより良いソリューションを見つけることを目的として、ますます重要な役割を担っている。 我々は、JSSP上の大規模局所探索を効率よく効果的に制御できる、Neural Local Search(NLS)と呼ばれる最先端の深層強化学習(DRL)エージェントの上に構築する。
  論文  参考訳（メタデータ） (2024-09-04T13:33:38Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• Towards General and Efficient Online Tuning for Spark [55.30868031221838]
  本稿では,3つの問題を同時に処理できる汎用的で効率的なSparkチューニングフレームワークを提案する。 我々は、このフレームワークを独立したクラウドサービスとして実装し、Tencentのデータプラットフォームに適用しました。
  論文  参考訳（メタデータ） (2023-09-05T02:16:45Z)
• CCE: Sample Efficient Sparse Reward Policy Learning for Robotic Navigation via Confidence-Controlled Exploration [72.24964965882783]
  CCE (Confidence-Controlled Exploration) は、ロボットナビゲーションのようなスパース報酬設定のための強化学習アルゴリズムのトレーニングサンプル効率を高めるために設計された。 CCEは、勾配推定と政策エントロピーの間の新しい関係に基づいている。 我々は、CCEが一定軌跡長とエントロピー正規化を用いる従来の手法より優れるシミュレーションおよび実世界の実験を通して実証する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• A Reinforcement Learning Approach for Scheduling Problems With Improved Generalization Through Order Swapping [0.0]
  JSSP は NP-hard COP のカテゴリに分類される。 近年,COPの解法にDRLを用いる研究が注目され,解の質や計算効率の面で有望な結果が示されている。 特に、制約されたジョブのディスパッチにおいてよく機能すると考えられるポリシ・グラディエントパラダイムを採用するPPOアルゴリズムを採用する。
  論文  参考訳（メタデータ） (2023-02-27T16:45:04Z)
• Actively Learning Costly Reward Functions for Reinforcement Learning [56.34005280792013]
  複雑な実世界の環境でエージェントを訓練することは、桁違いに高速であることを示す。 強化学習の手法を新しい領域に適用することにより、興味深く非自明な解を見つけることができることを示す。
  論文  参考訳（メタデータ） (2022-11-23T19:17:20Z)
• Location-routing Optimisation for Urban Logistics Using Mobile Parcel Locker Based on Hybrid Q-Learning Algorithm [0.0]
  パーセルロッカー(MPL)は、交通渋滞と運用コストを低減する手段として、都市物流事業者によって導入されている。 本稿では,MPLのロケーションルーティング問題を解くための整数プログラミングモデルを提案する。
  論文  参考訳（メタデータ） (2021-10-29T01:27:12Z)
• Learning Enhanced Optimisation for Routing Problems [3.747361228408185]
  L2GLS(Learning to Guide Local Search)は、ルーティング問題に対する学習ベースのアプローチである。 L2GLSは、局所探索(LS)演算子の強度とペナルティ項を組み合わせ、局所最適から逃れる。 L2GLSは、他の機械学習手法よりも大きなTSPとCVRPに対して、最先端の新たな結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-17T04:47:26Z)
• 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)
• Sparse Reward Exploration via Novelty Search and Emitters [55.41644538483948]
  本稿では,SparsE Reward Exploration via Novelty and Emitters (SERENE)アルゴリズムを提案する。 SERENEは、探索空間の探索と報酬の搾取を2つの交互プロセスに分けている。 メタスケジューラは、2つのプロセス間の交互にグローバルな計算予算を割り当てる。
  論文  参考訳（メタデータ） (2021-02-05T12:34:54Z)
• A Hybrid Pricing and Cutting Approach for the Multi-Shift Full Truckload Vehicle Routing Problem [0.7646713951724012]
  貨物コンテナの形でのフルトラック積載輸送(FTL)は、国際貿易において最も重要な輸送手段の1つである。 本稿では、メタヒューリスティックス(可変近傍探索と遺伝的アルゴリズム)を用いた価格とカット戦略のハイブリッド化による、より効率的なアプローチを提案する。 実時間および人工ベンチマークFTL問題に対する計算実験は,計算時間と解品質の両方において優れた性能を示した。
  論文  参考訳（メタデータ） (2020-12-03T02:55:49Z)

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。