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
- ACE : Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [52.5587113539404]
因果関係を考慮したエントロピー(entropy)という用語を導入し,効率的な探索を行うための潜在的影響の高いアクションを効果的に識別し,優先順位付けする。
提案アルゴリズムであるACE:Off-policy Actor-critic with Causality-aware Entropy regularizationは,29種類の連続制御タスクに対して,大幅な性能上の優位性を示す。
論文 参考訳（メタデータ） (2024-02-22T13:22:06Z) - Posterior Sampling with Delayed Feedback for Reinforcement Learning with
Linear Function Approximation [62.969796245827006]
Delayed-PSVI は楽観的な値に基づくアルゴリズムであり、後続サンプリングによる雑音摂動により値関数空間を探索する。
我々のアルゴリズムは、未知の遅延が存在する場合に、$widetildeO(sqrtd3H3 T + d2H2 E[tau]$最悪の後悔を実現する。
遅延LPSVIのための勾配に基づく近似サンプリングスキームをLangevin動的に組み込んだ。
論文 参考訳（メタデータ） (2023-10-29T06:12:43Z) - 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) - Route Optimization via Environment-Aware Deep Network and Reinforcement
Learning [7.063811319445716]
車両サービス提供者(タクシー運転手など)の収益性を最大化するモバイルシーケンシャルレコメンデーションシステムを開発する。
顧客ピックアップポイント監視のための自己チェック機構とディープニューラルネットワークを統合することにより,この問題に対処するための強化学習フレームワークを提案する。
新型コロナウイルスの感染拡大前後のニューヨーク市における黄色いタクシーデータをもとに,本手法の有効性を評価するための総合的な実験を行った。
論文 参考訳（メタデータ） (2021-11-16T02:19:13Z) - DROP: Deep relocating option policy for optimal ride-hailing vehicle
repositioning [36.31945021412277]
配車システムにおいて、空席車両の最適移動は、艦隊のアイドリング時間を著しく短縮し、供給需要分布のバランスをとることができる。
本研究では,過供給地域から逃れるための車両エージェントを監督するDep relocating option Policy (DROP)を提案する。
本稿では,ハイレベル転位ポリシと低レベルDROPのセットをトレーニングする階層型学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-09T10:20:53Z) - 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) - SS-SFDA : Self-Supervised Source-Free Domain Adaptation for Road
Segmentation in Hazardous Environments [54.22535063244038]
本研究では,雨や霧などの悪天候条件下での道路の非監督的区画化に対する新しいアプローチを提案する。
これには、自己教師付き学習を用いたソースフリードメイン適応(SFDA)のための新しいアルゴリズムが含まれている。
実際の悪天候条件と合成悪天候条件に対応するデータセットを6ドルで評価した。
論文 参考訳（メタデータ） (2020-11-27T09:19:03Z) - 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。