論文の概要: Container pre-marshalling problem minimizing CV@R under uncertainty of ship arrival times

• arxiv url: http://arxiv.org/abs/2405.17576v1
• Date: Mon, 27 May 2024 18:19:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 23:31:09.183795
• Title: Container pre-marshalling problem minimizing CV@R under uncertainty of ship arrival times
• Title（参考訳）: 船の到着時間不確実性を考慮したCV@R最小化のためのコンテナ事前マーシャリング問題
• Authors: Daiki Ikuma, Shunnosuke Ikeda, Noriyoshi Sukegawa, Yuichi Takano,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.9061423802698565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper is concerned with the container pre-marshalling problem, which involves relocating containers in the storage area so that they can be efficiently loaded onto ships without reshuffles. In reality, however, ship arrival times are affected by various external factors, which can cause the order of container retrieval to be different from the initial plan. To represent such uncertainty, we generate multiple scenarios from a multivariate probability distribution of ship arrival times. We derive a mixed-integer linear optimization model to find an optimal container layout such that the conditional value-at-risk is minimized for the number of misplaced containers responsible for reshuffles. Moreover, we devise an exact algorithm based on the cutting-plane method to handle large-scale problems. Numerical experiments using synthetic datasets demonstrate that our method can produce high-quality container layouts compared with the conventional robust optimization model. Additionally, our algorithm can speed up the computation of solving large-scale problems.
• Abstract（参考訳）: 本稿では, コンテナを再シャッフルせずに効率よく船に積載できるように, 格納領域内のコンテナを移動させるという, コンテナ事前マーシャリングの問題に対処する。 しかし、実際には、船の到着時間は様々な外部要因の影響を受けており、コンテナ検索の順序が当初の計画と異なる可能性がある。 このような不確実性を表すために、船到着時間の多変量確率分布から複数のシナリオを生成する。 我々は,再シャッフルに責任があるコンテナの数に対して,条件付き値-アットリスクを最小限に抑えるような最適なコンテナレイアウトを求めるために,混合整数線形最適化モデルを導出する。 さらに,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した。 合成データセットを用いた数値実験により,従来のロバスト最適化モデルと比較して高品質なコンテナ配置を実現できることを示した。 さらに,本アルゴリズムは大規模問題の解法を高速化する。

関連論文リスト

• Flow-based Distributionally Robust Optimization [23.232731771848883]
  We present a framework, called $textttFlowDRO$, for solve flow-based distributionally robust optimization (DRO) problem with Wasserstein uncertainty set。 我々は、連続した最悪のケース分布(Last Favorable Distribution, LFD)とそれからのサンプルを見つけることを目指している。 本稿では、逆学習、分布論的に堅牢な仮説テスト、およびデータ駆動型分布摂動差分プライバシーの新しいメカニズムを実証する。
  論文  参考訳（メタデータ） (2023-10-30T03:53:31Z)
• Generative modeling of time-dependent densities via optimal transport and projection pursuit [3.069335774032178]
  本稿では,時間的モデリングのための一般的なディープラーニングアルゴリズムの代替として,安価に提案する。 我々の手法は最先端の解法と比較して非常に競争力がある。
  論文  参考訳（メタデータ） (2023-04-19T13:50:13Z)
• Multistage Stochastic Optimization via Kernels [3.7565501074323224]
  我々は,多段階最適化問題に対する非パラメトリック,データ駆動,トラクタブルアプローチを開発した。 本稿では,提案手法が最適に近い平均性能で決定ルールを生成することを示す。
  論文  参考訳（メタデータ） (2023-03-11T23:19:32Z)
• An adaptive large neighborhood search heuristic for the multi-port continuous berth allocation problem [0.0]
  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。
  論文  参考訳（メタデータ） (2023-02-05T10:29:09Z)
• Optimal Efficiency-Envy Trade-Off via Optimal Transport [33.85971515753188]
  本論では,各受取人に対して,各受取人に対して,各受取人に対して,各受取人に対して一定かつ所定の割合のアイテムを割り当てなければならないという問題を考察する。 この問題は半離散的最適輸送(OT)問題の変種として定式化でき、その場合の解構造は簡潔な表現と単純な幾何学的解釈を持つ。
  論文  参考訳（メタデータ） (2022-09-25T00:39:43Z)
• Distributed Sketching for Randomized Optimization: Exact Characterization, Concentration and Lower Bounds [54.51566432934556]
  我々はヘシアンの形成が困難である問題に対する分散最適化法を検討する。 ランダム化されたスケッチを利用して、問題の次元を減らし、プライバシを保ち、非同期分散システムにおけるストラグラーレジリエンスを改善します。
  論文  参考訳（メタデータ） (2022-03-18T05:49:13Z)
• A Dimensionality Reduction Method for Finding Least Favorable Priors with a Focus on Bregman Divergence [108.28566246421742]
  そこで本研究では,次元に明示的な有界な有限次元設定に最適化を移動させることができる次元削減法を開発した。 この問題を進展させるため、比較的大きな損失関数、すなわちブレグマンの発散によって引き起こされるベイズ的リスクに限定する。
  論文  参考訳（メタデータ） (2022-02-23T16:22:28Z)
• Near-optimal estimation of smooth transport maps with kernel sums-of-squares [81.02564078640275]
  滑らかな条件下では、2つの分布の間の正方形ワッサーシュタイン距離は、魅力的な統計的誤差上界で効率的に計算できる。 生成的モデリングのような応用への関心の対象は、基礎となる最適輸送写像である。 そこで本研究では,地図上の統計的誤差であるL2$が,既存のミニマックス下限値とほぼ一致し,スムーズな地図推定が可能となる最初のトラクタブルアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-12-03T13:45:36Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Regret-Optimal Filtering [57.51328978669528]
  後悔最適化レンズによる線形状態空間モデルにおけるフィルタの問題を検討する。 我々は, 透視推定器の誤差エネルギー推定における後悔の概念に基づいて, フィルタ設計のための新しい基準を定式化する。 3つのリッキー方程式と1つのリャプノフ方程式を解くことで、後悔と最適推定が容易に実現できることを示す。
  論文  参考訳（メタデータ） (2021-01-25T19:06:52Z)
• Effective Dimension Adaptive Sketching Methods for Faster Regularized Least-Squares Optimization [56.05635751529922]
  スケッチに基づくL2正規化最小二乗問題の解法を提案する。 我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
  論文  参考訳（メタデータ） (2020-06-10T15:00:09Z)

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。