論文の概要: Memetic Search for Green Vehicle Routing Problem with Private Capacitated Refueling Stations

• arxiv url: http://arxiv.org/abs/2504.04527v1
• Date: Sun, 06 Apr 2025 15:52:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 01:10:16.747792
• Title: Memetic Search for Green Vehicle Routing Problem with Private Capacitated Refueling Stations
• Title（参考訳）: プライベートキャパシタ付給油ステーションを用いたグリーンカーの走行経路問題のメメカティック検索
• Authors: Rui Xu, Xing Fan, Shengcai Liu, Wenjie Chen, Ke Tang,
• Abstract要約: 本稿では,GVRP-PCAFSを解くために,制約付きツアーセグメンテーション(SCTS)と効率的なローカルサーチ(ELS)を分離した新しいメメティックアルゴリズムMETSを提案する。 グローバルサーチでは,SCTS戦略は巨大ツアーを分割して多様なソリューションを生成し,総合的なフィットネス評価機能によって探索プロセスが導かれる。 局所探索のために、ESSは一定時間移動評価機構を備えた調整された移動演算子を導入し、大規模溶液近傍の効率的な探索を可能にする。
• 参考スコア（独自算出の注目度）: 25.615777593601262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The green vehicle routing problem with private capacitated alternative fuel stations (GVRP-PCAFS) extends the traditional green vehicle routing problem by considering refueling stations limited capacity, where a limited number of vehicles can refuel simultaneously with additional vehicles must wait. This feature presents new challenges for route planning, as waiting times at stations must be managed while keeping route durations within limits and reducing total travel distance. This article presents METS, a novel memetic algorithm (MA) with separate constraint-based tour segmentation (SCTS) and efficient local search (ELS) for solving GVRP-PCAFS. METS combines global and local search effectively through three novelties. For global search, the SCTS strategy splits giant tours to generate diverse solutions, and the search process is guided by a comprehensive fitness evaluation function to dynamically control feasibility and diversity to produce solutions that are both diverse and near-feasible. For local search, ELS incorporates tailored move operators with constant-time move evaluation mechanisms, enabling efficient exploration of large solution neighborhoods. Experimental results demonstrate that METS discovers 31 new best-known solutions out of 40 instances in existing benchmark sets, achieving substantial improvements over current state-of-the-art methods. Additionally, a new large-scale benchmark set based on real-world logistics data is introduced to facilitate future research.
• Abstract（参考訳）: 自家用静電容量代替燃料ステーション(GVRP-PCAFS)によるグリーンカーの経路問題は、他の車両を待機させて同時に燃料を補給できる限られた容量の再給油ステーションを考えることで、従来のグリーンカーの経路問題を拡張している。 この機能は、駅での待ち時間を制限内に保ち、総走行距離を減らしながら管理する必要があるため、ルート計画に新たな課題をもたらす。 本稿では,GVRP-PCAFSを解くために,制約付きツアーセグメンテーション(SCTS)と効率的なローカルサーチ(ELS)を分離した新しいメメティックアルゴリズムMETSを提案する。 METSは、グローバル検索とローカル検索を3つの新しい方法で効果的に組み合わせている。 グローバルサーチでは、SCTS戦略は巨大なツアーを分割して多様なソリューションを生成し、検索プロセスは総合的な適合度評価機能により、実現可能性と多様性を動的に制御し、多様性とほぼ実現可能なソリューションを生成する。 局所探索のために、ESSは一定時間移動評価機構を備えた調整された移動演算子を導入し、大規模溶液近傍の効率的な探索を可能にする。 実験の結果、METSは既存のベンチマークセットの40のインスタンスのうち、31の既知のソリューションを発見し、現在の最先端メソッドよりも大幅に改善された。 さらに,現実の物流データに基づく大規模ベンチマークも導入され,今後の研究が促進される。

関連論文リスト

• Bi-level RL-Heuristic Optimization for Real-world Winter Road Maintenance [3.7856931422411346]
  冬の道路整備は、公共の安全を確保し、環境への影響を減らすために重要である。 既存の手法では、大規模なルーティング問題を効果的に管理することができず、主に人間の判断に応答する。 本研究は,イギリスの戦略的道路網における実運用データに基づく,スケーラブルな2段階最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-27T15:37:35Z)
• Scalable Transit Delay Prediction at City Scale: A Systematic Approach with Multi-Resolution Feature Engineering and Deep Learning [1.065661841579261]
  既存の遅延予測システムは、手作りの機能に依存し、再利用可能なアーキテクチャを設計する方法についてはほとんどガイダンスを提供していない。 本稿では,マルチレゾリューション機能工学,次元減少,深層学習を組み合わせた都市規模の予測パイプラインを提案する。 クラスタ認識機能を備えたグローバルLSTMは、精度と効率の最良のトレードオフを実現し、トランスフォーマーモデルを1852%から52%向上させる。
  論文  参考訳（メタデータ） (2026-01-26T14:30:50Z)
• Rich Vehicle Routing Problem in Disaster Management enabling Temporally-causal Transhipments across Multi-Modal Transportation Network [1.1470070927586018]
  地理的に分散した車両基地に複数台の異種車両を配置し、異なる交通手段を利用できるような、豊富な車両経路問題も検討されている。 この問題は、車両経路の等間隔を最小化することで災害応答時間を最適化する現実的な要件から生じる。 提案手法の優位性は,Mixed-Integer Linear Programmingの定式化によって実証された。
  論文  参考訳（メタデータ） (2025-09-16T16:37:18Z)
• Accelerating Vehicle Routing via AI-Initialized Genetic Algorithms [55.78505925402658]
  車両ルーティング問題(VRP)は、トラベリングセールスパーソン問題の延長であり、進化的最適化における基本的なNPハードチャレンジである。 遺伝的アルゴリズムによってさらに最適化された初期解を迅速に生成するために、強化学習エージェント(事前インスタンスで訓練された)を使用した新しい最適化フレームワークを導入する。 例えば、EARLIは1秒以内に500カ所の車両ルーティングを処理し、同じソリューション品質の現在のソルバよりも10倍高速で、リアルタイムやインタラクティブなルーティングのようなアプリケーションを可能にする。
  論文  参考訳（メタデータ） (2025-04-08T15:21:01Z)
• Scalable Ride-Sourcing Vehicle Rebalancing with Service Accessibility Guarantee: A Constrained Mean-Field Reinforcement Learning Approach [42.070187224580344]
  連続状態平均場制御(MFC)と平均場強化学習(MFRL)モデルを導入する。 MFCとMFRLは、個々の車両ではなく、車両分布との相互作用を通じて各車両の挙動をモデル化することで、スケーラブルなソリューションを提供する。 我々のアプローチは数万台の車両にスケールし、トレーニング時間は1つの線形プログラミングリバランスの決定時間に匹敵する。
  論文  参考訳（メタデータ） (2025-03-31T15:00:11Z)
• Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
  本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。 i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
  論文  参考訳（メタデータ） (2025-03-06T07:36:06Z)
• SCoTT: Wireless-Aware Path Planning with Vision Language Models and Strategic Chains-of-Thought [78.53885607559958]
  複雑な無線環境における経路計画を実現するために,視覚言語モデル(VLM)を用いた新しい手法を提案する。 この目的のために、実世界の無線レイトレーシングデータを用いたデジタルツインからの洞察を探索する。 その結果, SCoTT はDP-WA* と比較して非常に近い平均経路ゲインを実現し, 同時に一貫した経路長が得られることがわかった。
  論文  参考訳（メタデータ） (2024-11-27T10:45:49Z)
• Applying Neural Monte Carlo Tree Search to Unsignalized Multi-intersection Scheduling for Autonomous Vehicles [7.32653612106583]
  本稿では,車両のプラトンからの道路空間予約要求と競合する可能性のある道路空間予約要求のシーケンスを,ボードゲームのような一連の問題にマッピングする変換モデルを提案する。 我々はNMCTSを用いて、過去のアロケーションの文脈で最適な道路空間割り当てスケジュールを表すソリューションを探索する。 提案手法は,全交差点がPNMCTSの制御下にある場合,平均走行時間74.5%,総スループット16%のPNMCTSおよび最先端のRLベースのトラヒックライトコントローラよりも高い性能を示した。
  論文  参考訳（メタデータ） (2024-10-24T14:37:55Z)
• FH-DRL: Exponential-Hyperbolic Frontier Heuristics with DRL for accelerated Exploration in Unknown Environments [1.8749305679160366]
  本稿では、FH-DRLという、フロンティア検出のためのカスタマイズ可能な機能と、連続的かつ高速なローカルナビゲーションのためのTwin Delayed DDPG(TD3)エージェントを統合する新しいフレームワークを紹介する。 FH-DRLを複数のシミュレーションおよび実世界のシナリオで徹底的に評価し,旅行距離と完了時間の明確な改善を実証した。 その結果、FH-DRLは、大規模または部分的に知られている環境におけるフロンティアベースの探索の効率的で一般的なアプローチであることがわかった。
  論文  参考訳（メタデータ） (2024-07-26T17:42:18Z)
• TOP-Former: A Multi-Agent Transformer Approach for the Team Orienteering Problem [47.40841984849682]
  車両群のためのルートプランニングは、荷物の配送、監視、輸送といった応用において重要な課題である。 ToP-Formerは、チームのオリエンテーリング問題を効率的に正確に解くために設計されたマルチエージェント経路計画ニューラルネットワークである。
  論文  参考訳（メタデータ） (2023-11-30T16:10:35Z)
• Using Reinforcement Learning for the Three-Dimensional Loading Capacitated Vehicle Routing Problem [40.50169360761464]
  効率を上げるためのソリューションとして、協調車両ルーティングが提案されている。 現在の運用研究手法は、問題の大きさを増大させる非線形スケーリングに悩まされている。 約線形時間で3次元負荷容量化車両ルーティング問題を解くための強化学習モデルを開発した。
  論文  参考訳（メタデータ） (2023-07-22T18:05:28Z)
• DenseLight: Efficient Control for Large-scale Traffic Signals with Dense Feedback [109.84667902348498]
  交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。 従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。 DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
  論文  参考訳（メタデータ） (2023-06-13T05:58:57Z)
• Multi-Start Team Orienteering Problem for UAS Mission Re-Planning with Data-Efficient Deep Reinforcement Learning [9.877261093287304]
  我々は、当初車両が補給所から離れた場所にあり、燃料の量が異なるミッション再計画問題について検討する。 そこで我々は,各部分ツアーに対する自己注意と,部分ツアーと残りのノード間のエンコーダ・デコーダの注意を組み込んだポリシーネットワークを構築した。 本稿では,複数の非重複サンプルのロールアウトに基づく局所的なミニバッチベースラインに,グリーディロールアウトベースラインを置き換えたREINFORCEアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-02T15:15:56Z)
• SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
  探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。 SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。 大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
  論文  参考訳（メタデータ） (2022-07-10T11:18:26Z)
• On the Role of Multi-Objective Optimization to the Transit Network Design Problem [0.7734726150561088]
  この研究は、トランジットネットワーク設計問題(TNDP)により良い回答をするために、単目的と多目的のスタンスを相乗的に組み合わせることができることを示している。 ポルトガルのリスボン市におけるマルチモーダル公共交通ネットワークにおいて,本手法を適用した。 提案されたTNDP最適化は、目標関数を最大28.3%削減することで、結果を改善することを実証した。
  論文  参考訳（メタデータ） (2022-01-27T16:22:07Z)
• Deep Reinforcement Learning for Solving the Heterogeneous Capacitated Vehicle Routing Problem [13.389057146418056]
  現実のシナリオにおける車両は、その能力(または走行速度)に影響を与える異なる特徴を持つ異種である可能性が高い 異種艦隊制約を考慮した車両選択デコーダと経路構成を考慮したノード選択デコーダとを併用した注意機構に基づくDRL手法を提案し,各ステップで車両とノードの両方を自動的に選択して解を構築することを学習する。
  論文  参考訳（メタデータ） (2021-10-06T10:05:19Z)
• Flatland Competition 2020: MAPF and MARL for Efficient Train Coordination on a Grid World [49.80905654161763]
  車両再スケジュール問題(vrsp)の解法開発を目的としたフラットランドコンペティション VRSPは、交通ネットワークにおける旅行のスケジュールと、故障が発生した場合の車両の再スケジュールに関するものである。 現代の鉄道網の複雑化は、交通の動的リアルタイムスケジューリングを事実上不可能にします。
  論文  参考訳（メタデータ） (2021-03-30T17:13:29Z)
• 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。