論文の概要: Research on Travel Route Planing Problems Based on Greedy Algorithm

• arxiv url: http://arxiv.org/abs/2410.13226v1
• Date: Thu, 17 Oct 2024 05:17:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-18 13:18:41.897664
• Title: Research on Travel Route Planing Problems Based on Greedy Algorithm
• Title（参考訳）: グリーディアルゴリズムに基づく旅行経路計画問題に関する研究
• Authors: Yiquan Wang,
• Abstract要約: 欲求アルゴリズムに基づく経路計画問題は、与えられた開始点と終了点の間の最適経路またはほぼ最適経路を見つける方法である。 本稿ではまず,都市評価指標の次元性を低減し,主要成分を抽出するPCA法と,データの次元性を低減するKMOアルゴリズムとTOPSISアルゴリズムを用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The greedy algorithm based route planning problem is a method of finding the optimal or near optimal route between a given starting and ending point. This article first uses PCA method to reduce the dimensionality of urban evaluation indicators, extracts key principal components, and KMO and TOPSIS algorithms to reduce the dimensionality of the data. Secondly, for datasets that have not passed the KMO test, a comprehensive evaluation will be conducted using the entropy weight method and TOPSIS method. Finally, based on the greedy algorithm, a route planning algorithm was proposed and optimized to provide personalized route customization according to the different needs of tourists. We also took into account the local travel efficiency, the time required to visit tourist attractions, and necessary daily rest time to reduce costs and avoid falling into the local optimal solution.
• Abstract（参考訳）: 欲求アルゴリズムに基づく経路計画問題は、与えられた開始点と終了点の間の最適経路またはほぼ最適経路を見つける方法である。 本稿ではまず,都市評価指標の次元性を低減し,主要成分を抽出するためにPCA法と,データの次元性を低減するためにKMOアルゴリズムとTOPSISアルゴリズムを用いる。 第二に、KMO試験に合格していないデータセットに対しては、エントロピー重み法とTOPSIS法を用いて包括的な評価を行う。 最後に, グリーディ・アルゴリズムに基づいて, 観光客のニーズに応じて, パーソナライズされた経路のカスタマイズを実現するために, 経路計画アルゴリズムを提案し, 最適化した。 また,地域旅行の効率,観光地訪問に必要な時間,コスト削減と地域最適ソリューションへの転倒を避けるために毎日の休息時間も考慮した。

関連論文リスト

• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• Genetic Algorithms with Neural Cost Predictor for Solving Hierarchical Vehicle Routing Problems [20.684353068460375]
  車両の経路決定が高次決定と連動する場合、結果の最適化問題は計算に重大な課題をもたらす。 本稿では,ニューラルコスト予測器を用いた遺伝的アルゴリズム(GANCP)という,ディープラーニングに基づく新しいアプローチを提案する。 特に,提案するニューラルネットワークは,静電容量化車両ルーティング問題を解決するHGS-CVRPオープンソースパッケージの目的値について学習する。
  論文  参考訳（メタデータ） (2023-10-22T02:46:37Z)
• Simple Steps to Success: Axiomatics of Distance-Based Algorithmic Recourse [13.207786673115296]
  本稿では,方向に基づくアルゴリズム・リコースを計算するための,公理的に正当化されたフレームワークStEPを提案する。 StEPは、証明可能なプライバシとロバスト性保証を提供し、確立されたいくつかのデシダラタの最先端を上回ります。
  論文  参考訳（メタデータ） (2023-06-27T15:35:22Z)
• Roulette-Wheel Selection-Based PSO Algorithm for Solving the Vehicle Routing Problem with Time Windows [58.891409372784516]
  本稿では,Roulette Wheel Method (RWPSO) を用いた新しいPSO手法を提案する。 RWPSOのSolomon VRPTWベンチマークデータセットを用いた実験は、RWPSOが文学の他の最先端アルゴリズムと競合していることを示している。
  論文  参考訳（メタデータ） (2023-06-04T09:18:02Z)
• POIBERT: A Transformer-based Model for the Tour Recommendation Problem [0.3121997724420106]
  本稿では,POI 上での BERT 言語モデルを用いて,パーソナライズされたイテレーションを推薦するアルゴリズムである POIBERT を提案する。 提案手法では, 類似観光地からの過去のトラジェクトリに基づいて, POIカテゴリの時間とユーザの嗜好を最適化するPOIのシーケンスを生成することができる。
  論文  参考訳（メタデータ） (2022-12-16T12:32:15Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• User Preferential Tour Recommendation Based on POI-Embedding Methods [0.624399544884021]
  POI埋め込み手法を用いてパーソナライズツアーを推薦するアルゴリズムを提案する。 提案アルゴリズムは時間と位置の制約を最適化するpoisのシーケンスを生成する。 予備実験の結果,本アルゴリズムは適切で正確な文を推薦できることがわかった。
  論文  参考訳（メタデータ） (2021-03-03T15:18:23Z)
• Goods Transportation Problem Solving via Routing Algorithm [0.0]
  提案アルゴリズムは,対象の非方向性輸送グラフ上での商品需要を満たす最適化問題を解く。 ルーティングアルゴリズムの動作を議論し,提案した問題解決手法の総合評価を行う。
  論文  参考訳（メタデータ） (2021-02-13T15:23:47Z)
• Community detection using fast low-cardinality semidefinite programming [94.4878715085334]
  局所的な更新を一般化し、ライデン-k-カットから導かれる半定緩和を最大化する、新しい低カルチナリティアルゴリズムを提案する。 提案アルゴリズムはスケーラビリティが高く,最先端のアルゴリズムより優れ,実時間では性能が向上し,追加コストがほとんどない。
  論文  参考訳（メタデータ） (2020-12-04T15:46:30Z)
• 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)
• Second-Order Guarantees in Centralized, Federated and Decentralized Nonconvex Optimization [64.26238893241322]
  単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。 いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。 これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
  論文  参考訳（メタデータ） (2020-03-31T16:54:22Z)

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。