論文の概要: The Stochastic Dynamic Post-Disaster Inventory Allocation Problem with Trucks and UAVs

• arxiv url: http://arxiv.org/abs/2312.00140v1
• Date: Thu, 30 Nov 2023 19:03:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 16:35:48.329041
• Title: The Stochastic Dynamic Post-Disaster Inventory Allocation Problem with Trucks and UAVs
• Title（参考訳）: トラックとUAVを用いた確率的ポストディザスタインベントリ割当問題
• Authors: Robert van Steenbergen, Wouter van Heeswijk, Martijn Mes
• Abstract要約: 人道的物流事業は、災害地域における援助の需要の高まりにより困難が増している。 本報告では, 被災地域における空き地供給の動的配分について, 時間とともに検討する。 これは、トラックや無人航空機が救援物資を配達する際の、新しい動的事後在庫配分問題を導入している。
• 参考スコア（独自算出の注目度）: 1.3812010983144802
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humanitarian logistics operations face increasing difficulties due to rising demands for aid in disaster areas. This paper investigates the dynamic allocation of scarce relief supplies across multiple affected districts over time. It introduces a novel stochastic dynamic post-disaster inventory allocation problem with trucks and unmanned aerial vehicles delivering relief goods under uncertain supply and demand. The relevance of this humanitarian logistics problem lies in the importance of considering the inter-temporal social impact of deliveries. We achieve this by incorporating deprivation costs when allocating scarce supplies. Furthermore, we consider the inherent uncertainties of disaster areas and the potential use of cargo UAVs to enhance operational efficiency. This study proposes two anticipatory solution methods based on approximate dynamic programming, specifically decomposed linear value function approximation and neural network value function approximation to effectively manage uncertainties in the dynamic allocation process. We compare DL-VFA and NN-VFA with various state-of-the-art methods (exact re-optimization, PPO) and results show a 6-8% improvement compared to the best benchmarks. NN-VFA provides the best performance and captures nonlinearities in the problem, whereas DL-VFA shows excellent scalability against a minor performance loss. The experiments reveal that consideration of deprivation costs results in improved allocation of scarce supplies both across affected districts and over time. Finally, results show that deploying UAVs can play a crucial role in the allocation of relief goods, especially in the first stages after a disaster. The use of UAVs reduces transportation- and deprivation costs together by 16-20% and reduces maximum deprivation times by 19-40%, while maintaining similar levels of demand coverage, showcasing efficient and effective operations.
• Abstract（参考訳）: 人道的物流事業は被災地への援助要求の高まりにより困難に直面している。 本報告では,複数の被災地域における空き地供給の動的配分について検討する。 トラックや無人航空機が不確実な供給と需要の下で救援物資を配達するという、新しい確率的動的在庫配分問題を導入する。 この人道的物流問題の関連性は、配達の時間的社会的影響を考慮することの重要性にある。 我々は、不足した物資を割り当てる際の減収コストを組み込むことでこれを達成する。 さらに,災害地域固有の不確実性や,貨物用uavの運用効率向上の可能性についても考察した。 本研究では, 線形値関数近似とニューラルネットワーク値関数近似という, 近似動的プログラミングに基づく2つの予測解法を提案し, 動的割当過程における不確かさを効果的に管理する。 DL-VFA と NN-VFA を、様々な最先端手法(特に再最適化、PPO)と比較した結果、最高のベンチマークに比べて6-8%改善した。 NN-VFAは最高の性能を提供し、問題の非線形性を捉えるが、DL-VFAは小さな性能損失に対して優れたスケーラビリティを示す。 実験の結果, 削減コストの考慮により, 被害地域と時間とともに, 不足供給の配分が向上することが明らかとなった。 その結果,特に災害後の第1段階では,uavの展開が救援物資の配分に重要な役割を果たしていることがわかった。 UAVの使用は輸送費と減産費用を16-20%削減し、最大減産時間を19-40%削減すると同時に、同様のレベルの需要カバレッジを維持し、効率的かつ効果的な運用を見せる。

関連論文リスト

• Dynamic Noise Preference Optimization for LLM Self-Improvement via Synthetic Data [51.62162460809116]
  我々は、イテレーション間で一貫した改善を保証するために、動的ノイズ優先最適化(DNPO)を導入します。 Zephyr-7Bでの実験では、DNPOは既存の手法を一貫して上回り、平均性能は2.6%向上した。 DNPOは、GPT-4評価のベースラインに比べて29.4%のウィンロス率差で、モデル生成データの品質が大幅に向上したことを示している。
  論文  参考訳（メタデータ） (2025-02-08T01:20:09Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Damage Assessment after Natural Disasters with UAVs: Semantic Feature Extraction using Deep Learning [31.376336808244286]
  本稿では、任意の機械学習下流タスクに適用可能な、新しい意味抽出器を提案する。 セマンティック抽出器をオンボードで実行することで、地上局に送信するデータを減らすことができる。 実験により,提案手法は,送信データ量を大幅に削減しつつ,異なる下流タスク間で高い精度を維持することを示す。
  論文  参考訳（メタデータ） (2024-12-14T08:56:22Z)
• UAV Virtual Antenna Array Deployment for Uplink Interference Mitigation in Data Collection Networks [71.23793087286703]
  無人航空機(UAV)は、航空無線ネットワークと通信を確立するためのプラットフォームとして注目されている。 本稿では,複数UAVネットワークシステムにおける協調ビームフォーミング(CB)法に基づく新しいアップリンク干渉緩和手法を提案する。
  論文  参考訳（メタデータ） (2024-12-09T12:56:50Z)
• An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel Inventories [10.353243563465124]
  我々は,データ駆動型楽観的二元性在庫最適化(BIO)戦略を新たに導入する。 我々の実験は、在庫管理に対する従来のアプローチを再考することで、大きな利益が得られることを示している。
  論文  参考訳（メタデータ） (2023-10-17T23:10:57Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• Learning to Optimize Industry-Scale Dynamic Pickup and Delivery Problems [17.076557377480444]
  動的ピックアップ・デリバリー問題 (DPDP) は、配送注文が事前に分かっていない場合のコストを最小限に抑えるため、複数のサイト間で車両を動的にスケジューリングすることを目的としている。 産業規模のDPDPを解決するために,データ駆動型空間時間支援ダブルグラフネットワーク(ST-DDGN)を提案する。 本手法は,ST-DDGNデータから隣接車両のリレーショナル表現を周期的に学習し,補正することが可能である。
  論文  参考訳（メタデータ） (2021-05-27T01:16:00Z)
• Distributed CNN Inference on Resource-Constrained UAVs for Surveillance Systems: Design and Optimization [43.9909417652678]
  無人航空機(UAV)は、広い地域をカバーし、困難で危険な目標地域にアクセスする能力のため、ここ数年で大きな関心を集めている。 コンピュータビジョンと機械学習の進歩により、UAVは幅広いソリューションやアプリケーションに採用されている。 ディープニューラルネットワーク(DNN)は、それらがオンボードで実行されるのを防ぐ、より深く複雑なモデルに向かって進んでいる。
  論文  参考訳（メタデータ） (2021-05-23T20:19:43Z)
• Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
  UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。 エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。 UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
  論文  参考訳（メタデータ） (2021-03-03T20:54:19Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

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。