論文の概要: Optimizing Container Loading and Unloading through Dual-Cycling and Dockyard Rehandle Reduction Using a Hybrid Genetic Algorithm
- arxiv url: http://arxiv.org/abs/2406.08534v3
- Date: Fri, 03 Oct 2025 04:40:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-06 14:21:29.645925
- Title: Optimizing Container Loading and Unloading through Dual-Cycling and Dockyard Rehandle Reduction Using a Hybrid Genetic Algorithm
- Title（参考訳）: ハイブリッド遺伝的アルゴリズムを用いたデュアルサイクルおよびドックヤードリハンドリダクションによるコンテナローディングとアンロードの最適化
- Authors: Md. Mahfuzur Rahman, Md Abrar Jahin, Md. Saiful Islam, M. F. Mridha,
- Abstract要約: 本稿では,Quay Crane Dual-Cycling (QCDC) とドックのリハンドル最小化を統合することで,ポートでのコンテナハンドリングを最適化するNP-hard問題に対処する。
両側面を均等に最適化するハイブリッド遺伝的アルゴリズムであるQuay Crane Dual Cycle - Dockyard Rehandle Genetic Algorithm (QCDC-DR-GA)を提案する。
各種船体規模の実験により、QCDC-DR-GAは既存の方法と比較して、大型船の総運用時間を15～20%短縮することが示された。
- 参考スコア（独自算出の注目度）: 1.350722707557839
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses the NP-hard problem of optimizing container handling at ports by integrating Quay Crane Dual-Cycling (QCDC) and dockyard rehandle minimization. We realized that there are interdependencies between the unloading sequence of QCDC and the dockyard plan and propose the Quay Crane Dual Cycle - Dockyard Rehandle Genetic Algorithm (QCDC-DR-GA), a hybrid Genetic Algorithm (GA) that holistically optimizes both aspects: maximizing the number of Dual Cycles (DCs) and minimizing the number of dockyard rehandles. QCDC-DR-GA employs specialized crossover and mutation strategies. Extensive experiments on various ship sizes demonstrate that QCDC-DR-GA reduces total operation time by 15-20% for large ships compared to existing methods. Statistical validation via two-tailed paired t-tests confirms significant improvements at a 5% significance level. The results underscore the inefficiency of isolated optimization and highlight the critical need for integrated algorithms in port operations. This approach increases resource utilization and operational efficiency, offering a cost-effective solution for ports to decrease turnaround times without infrastructure investments.
- Abstract（参考訳）: 本稿では,Quay Crane Dual-Cycling (QCDC) とドックのリハンドル最小化を統合することで,ポートでのコンテナハンドリングを最適化するNP-hard問題に対処する。
QCDCのアンロードシーケンスと造船所計画の間には相互依存があることに気付き、Dual Cycle - Dockyard Rehandle Genetic Algorithm (QCDC-DR-GA)を提案する。
QCDC-DR-GAは特別なクロスオーバーと突然変異戦略を採用している。
各種船舶の大型化実験により,QCDC-DR-GAの運用時間は従来法に比べて15～20%短縮された。
2尾対t-testによる統計的検証では、5%の有意な改善が確認された。
その結果、分離最適化の非効率性を強調し、ポート操作における統合アルゴリズムの重要な必要性を強調した。
このアプローチは資源利用と運用効率を高め、インフラ投資なしでターンアラウンド時間を短縮するためのコスト効率の高いソリューションを提供する。
関連論文リスト
- A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。
提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
論文 参考訳（メタデータ） (2025-06-14T17:35:27Z) - Stochastic Primal-Dual Double Block-Coordinate for Two-way Partial AUC Maximization [56.805574957824135]
2方向部分AUCAUCは、不均衡なデータを持つバイナリ分類における重要な性能指標である。
TPAUC最適化のための既存のアルゴリズムは未探索のままである。
TPAUC最適化のための2つの革新的な二重座標ブロック座標アルゴリズムを導入する。
論文 参考訳（メタデータ） (2025-05-28T03:55:05Z) - The Iterative Chainlet Partitioning Algorithm for the Traveling Salesman Problem with Drone and Neural Acceleration [19.41080715658528]
ドローンによるトラベリングセールスマン問題(TSP-D)解決のための反復連鎖分割(ICP)アルゴリズムとそのニューラルネットワーク
ICPは、ソリューションの品質と計算時間の両方で、既存のアルゴリズムより優れています。
論文 参考訳（メタデータ） (2025-04-21T14:51:15Z) - An Enhanced Iterative Deepening Search Algorithm for the Unrestricted Container Rehandling Problem [5.72243026664695]
コンテナリハンドリング問題(CRP)は、特定の運用ルールの下でスタック間でコンテナを並べ替えることである。
本稿では,探索効率を向上させるために,改良された下界と統合された拡張深度探索アルゴリズムを提案する。
提案手法は,より一般的なUCRP変種を解く際に,最先端の精度の高いアルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2025-04-12T01:58:30Z) - Rethinking and Accelerating Graph Condensation: A Training-Free Approach with Class Partition [56.26113670151363]
グラフ凝縮(Graph condensation)は、大きなグラフを小さいが情報的な凝縮グラフに置き換えるための、データ中心のソリューションである。
既存のGCメソッドは複雑な最適化プロセスに悩まされており、過剰な計算資源を必要とする。
我々は、CGC(Class-partitioned Graph Condensation)と呼ばれるトレーニング不要なGCフレームワークを提案する。
CGCはより効率的な凝縮プロセスで最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-05-22T14:57:09Z) - Optimal control in large open quantum systems: the case of transmon readout and reset [44.99833362998488]
本稿では, 随伴状態法と逆時間バックプロパゲーションを組み合わせることで, 極めて大規模なオープンシステム量子制御問題を解く枠組みを提案する。
超伝導量子ビットにおける2つの本質的に散逸する演算を最適化するために、この枠組みを適用した。
システムパラメータの固定化により,制御パルスの形状は両操作の忠実度と持続時間において2倍の改善が得られた。
論文 参考訳（メタデータ） (2024-03-21T18:12:51Z) - ENOT: Expectile Regularization for Fast and Accurate Training of Neural Optimal Transport [3.0237149871998095]
最適な輸送計画の正確かつ効率的に推定する新しい手法を提案する。
expectile Regularized Neural Transport Optimal (ENOT) と呼ばれる。
ENOTは二重ポテンシャルの学習過程に結合条件を強制する。
論文 参考訳（メタデータ） (2024-03-06T15:15:42Z) - Enhancing Column Generation by Reinforcement Learning-Based
Hyper-Heuristic for Vehicle Routing and Scheduling Problems [9.203492057735074]
カラム生成(CG)は変数を動的に生成することで大規模問題を解決する重要な手法である。
CGの性能を高めるために,RLHHと呼ばれる強化学習に基づく超ヒューリスティックフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-15T00:05:50Z) - Accelerating genetic optimization of nonlinear model predictive control
by learning optimal search space size [0.8057006406834467]
本稿では,最適空間サイズを学習することで,NMPCの最適化を高速化する手法を提案する。
提案手法を2つの非線形システムで比較し,他の2つのNMPC手法と比較した。
論文 参考訳（メタデータ） (2023-05-14T08:10:49Z) - Practical Conformer: Optimizing size, speed and flops of Conformer for
on-Device and cloud ASR [67.63332492134332]
我々は、デバイス上の制約を満たすのに十分小さく、TPUを高速に推論できる最適化されたコンバータを設計する。
提案するエンコーダは、デバイス上では強力なスタンドアロンエンコーダとして、また高性能なASRパイプラインの第1部として利用することができる。
論文 参考訳（メタデータ） (2023-03-31T23:30:48Z) - Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。
本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文 参考訳（メタデータ） (2023-01-30T15:46:39Z) - Nesterov Meets Optimism: Rate-Optimal Separable Minimax Optimization [108.35402316802765]
本稿では,新しい一階最適化アルゴリズムであるAcceleratedGradient-OptimisticGradient (AG-OG) Ascentを提案する。
我々はAG-OGが様々な設定に対して最適収束率(定数まで)を達成することを示す。
アルゴリズムを拡張して設定を拡張し、bi-SC-SCとbi-C-SCの両方で最適な収束率を達成する。
論文 参考訳（メタデータ） (2022-10-31T17:59:29Z) - CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。
CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。
CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
論文 参考訳（メタデータ） (2021-10-21T06:26:31Z) - Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。
DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。
有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
論文 参考訳（メタデータ） (2021-02-23T18:56:13Z) - Fully Quantized Image Super-Resolution Networks [81.75002888152159]
効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。
我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。
低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
論文 参考訳（メタデータ） (2020-11-29T03:53:49Z)
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。