論文の概要: Using metaheuristics for the location of bicycle stations
- arxiv url: http://arxiv.org/abs/2402.03945v1
- Date: Tue, 6 Feb 2024 12:19:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 15:10:02.269742
- Title: Using metaheuristics for the location of bicycle stations
- Title（参考訳）: 自転車駅におけるメタヒューリスティックスの利用
- Authors: Christian Cintrano, Francisco Chicano, Enrique Alba
- Abstract要約: 我々は、p中間問題として問題をモデル化し、最適化における既存の主要な局所化問題である。
p中間問題は、一組の顧客(市民)と最寄りの施設(自転車駅)との距離を最小化する形で、一組の施設(自転車駅)を配置することを目指している。
- 参考スコア（独自算出の注目度）: 4.2847927405489195
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we solve the problem of finding the best locations to place
stations for depositing/collecting shared bicycles. To do this, we model the
problem as the p-median problem, that is a major existing localization problem
in optimization. The p-median problem seeks to place a set of facilities
(bicycle stations) in a way that minimizes the distance between a set of
clients (citizens) and their closest facility (bike station). We have used a
genetic algorithm, iterated local search, particle swarm optimization,
simulated annealing, and variable neighbourhood search, to find the best
locations for the bicycle stations and study their comparative advantages. We
use irace to parameterize each algorithm automatically, to contribute with a
methodology to fine-tune algorithms automatically. We have also studied
different real data (distance and weights) from diverse open data sources from
a real city, Malaga (Spain), hopefully leading to a final smart city
application. We have compared our results with the implemented solution in
Malaga. Finally, we have analyzed how we can use our proposal to improve the
existing system in the city by adding more stations.
- Abstract（参考訳）: 本研究では,共有自転車の寄託・収集に最適な場所を見つけるという課題を解決する。
そこで我々は, p-median 問題としてこの問題をモデル化する。
p中間問題は、一連の顧客(市民)と最も近い施設(自転車駅)との距離を最小化する形で、一連の施設(自転車駅)を設置することを目指している。
提案手法は, 遺伝的アルゴリズム, 局所探索, 粒子群最適化, 模擬アニーリング, 可変近傍探索を用いて, 自転車局の最適な位置を見つけ, 比較優位性を検討した。
iraceを使ってアルゴリズムを自動的にパラメータ化し、アルゴリズムを自動的に微調整する手法に寄与します。
私たちはまた、マラガ(spain)という実都市からのさまざまなオープンデータソースから、さまざまな実データ(距離と重み)を研究しました。
結果とマラガで実装されたソリューションを比較しました。
最後に,提案手法を用いて駅増設により都市内の既存システムを改善する方法について分析した。
関連論文リスト
- A* search algorithm for an optimal investment problem in vehicle-sharing
systems [0.8999666725996978]
車両共有システムの文脈で発生する最適投資問題について検討する。
本稿では,このトラベリングセールスマン問題に対処するA*探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-15T10:22:34Z) - An Improved Greedy Algorithm for Subset Selection in Linear Estimation [5.994412766684842]
有限個の予測位置において、観測値の最もよい推定値を与えるような k 個の位置の集合を求める空間場における部分選択問題を考える。
観測選択の1つのアプローチは、空間の格子離散化を行い、グリードアルゴリズムを用いて近似解を得ることである。
本稿では,予測位置と予測位置によって形成される傾斜角の遠心点のみからなる探索空間を考慮し,計算複雑性を低減する手法を提案する。
論文 参考訳（メタデータ） (2022-03-30T05:52:16Z) - A Metaheuristic Algorithm for Large Maximum Weight Independent Set
Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。
このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。
我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-03-28T21:34:16Z) - 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) - STEM: A Stochastic Two-Sided Momentum Algorithm Achieving Near-Optimal
Sample and Communication Complexities for Federated Learning [58.6792963686231]
フェデレートラーニング(FL)とは、複数のワーカノード(WN)がローカルデータを用いてジョイントモデルを構築するパラダイムを指す。
WNの最小更新方向、最初のミニバッチサイズ、ローカル更新頻度をどうやって選択するかは明らかになっていない。
局所的な更新頻度と局所的なミニサイズとの間にはトレードオフ曲線があることを示し、上記の複雑さを維持できることを示す。
論文 参考訳（メタデータ） (2021-06-19T06:13:45Z) - Escaping Saddle Points in Distributed Newton's Method with Communication
efficiency and Byzantine Resilience [49.379254729853756]
我々は、ビザンチン機械の存在下で分散フレームワークにおける非正規化損失関数(サドルポイント付き)を最適化する問題を検討する。
キューブ正規化されたニュートンアルゴリズムを堅牢化し、サドルポイントと偽のローカルミニマを効率的に回避します。
提案手法は, (サブサンプリング) と hessian を含むいくつかの近似設定で理論的に保証される。
論文 参考訳（メタデータ） (2021-03-17T03:53:58Z) - Mime: Mimicking Centralized Stochastic Algorithms in Federated Learning [102.26119328920547]
フェデレートラーニング(FL)は、異なるクライアントにわたるデータの均一性のため、最適化の難しい設定である。
本稿では,クライアントのドリフトを緩和し,任意の集中最適化アルゴリズムを適用するアルゴリズムフレームワークであるMimeを提案する。
論文 参考訳（メタデータ） (2020-08-08T21:55:07Z) - Vehicle Routing and Scheduling for Regular Mobile Healthcare Services [0.0]
本稿では、車両のルーティングとスケジューリングの分野における、特定の実践的な問題に対する解決策を提案する。
このプロジェクトは、現在ルーマニアを欧州連合(EU)で最も幼児死亡率の高い国としてランク付けしている。
論文 参考訳（メタデータ） (2020-05-06T07:06:28Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳（メタデータ） (2020-01-22T08:51:05Z)
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。