論文の概要: Pickup & Delivery with Time Windows and Transfers: combining decomposition with metaheuristics

• arxiv url: http://arxiv.org/abs/2505.02158v1
• Date: Sun, 04 May 2025 15:45:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.457618
• Title: Pickup & Delivery with Time Windows and Transfers: combining decomposition with metaheuristics
• Title（参考訳）: Time WindowsとTransfersによるピックアップとデリバリ - 分解とメタヒューリスティックを組み合わせる
• Authors: Ioannis Avgerinos, Ioannis Mourtos, Nikolaos Tsompanidis, Georgios Zois,
• Abstract要約: 本稿では,車両間の中間経路負荷交換を可能にするピックアップ・デリバリー問題の一般化について検討する。 文献中の全てのベンチマークの最適性ギャップを改善する新しい論理ベースのベンダー分解(LBBD)を提案する。 さらに大きなインスタンスに対処するために,改良されたLarge Neighborhood Search (LNS)アルゴリズムを導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper examines the generalisation of the Pickup and Delivery Problem that allows mid-route load exchanges among vehicles and obeys strict time-windows at all locations. We propose a novel Logic-Based Benders Decomposition (LBBD) that improves optimality gaps for all benchmarks in the literature and scales up to handle larger ones. To tackle even larger instances, we introduce a refined Large Neighborhood Search (LNS) algorithm that improves the adaptability of LNS beyond case-specific configurations appearing in related literature. To bridge the gap in benchmark availability, we develop an instance generator that allows for extensive experimentation. For moderate datasets (25 and 50 requests), we evaluate the performance of both LBBD and LNS, the former being able to close the gap and the latter capable of providing near-optimal solutions. For larger instances (75 and 100 requests), we recreate indicative state-of-the-art metaheuristics to highlight the improvements introduced by our LNS refinements, while establishing its scalability.
• Abstract（参考訳）: 本稿では、車両間の中間経路の負荷交換を可能にするピックアップ・デリバリー問題の一般化について検討し、各地点で厳密な時間ウインドウに従う。 文献中の全てのベンチマークの最適性ギャップを改善し、より大きなベンチマークを扱うためにスケールアップする新しい論理ベースのベンダー分解(LBBD)を提案する。 さらに大きな事例に対処するため、我々はLNSの適応性を向上させる改良されたLarge Neighborhood Search (LNS)アルゴリズムを導入した。 ベンチマーク可用性のギャップを埋めるため、広範囲な実験を可能にするインスタンスジェネレータを開発した。 適度なデータセット(25と50の要求)では、LBBDとLNSの両方のパフォーマンスを評価し、前者はギャップを閉じ、後者は最適に近いソリューションを提供することができる。 より大きなインスタンス(75リクエストと100リクエスト)に対して、私たちは、LNSの改良によって導入された改善を強調しながら、そのスケーラビリティを確立しながら、最先端のメタヒューリスティックな表現を再現します。

関連論文リスト

• Make Optimization Once and for All with Fine-grained Guidance [78.14885351827232]
  Learning to Optimize (L2O)は、統合ニューラルネットワークによる最適化効率を向上させる。 L2Oパラダイムは、例えば、リフィット、目に見えない解決策を反復的または直接的に生成するなど、大きな成果を達成する。 そこで本研究では,Diff-L2Oと呼ばれる学習最適化のための一般的なフレームワークについて検討した。
  論文  参考訳（メタデータ） (2025-03-14T14:48:12Z)
• Harmony in Divergence: Towards Fast, Accurate, and Memory-efficient Zeroth-order LLM Fine-tuning [37.507489928116804]
  大規模言語モデル(LLM)は様々なタスクにまたがるが、標準的な一階述語(FO)の微調整にはかなりのメモリを必要とする。 本稿では,FOおよびZO最適化の異なる更新パターンを明らかにするレイヤワイズ分散分析を提案する。 我々はtextbfDivergence-driven textbfZeroth-textbfOrder (textbfDiZO) の最適化を提案する。
  論文  参考訳（メタデータ） (2025-02-05T16:03:17Z)
• Mitigating over-exploration in latent space optimization using LES [18.7112204710545]
  潜時空間最適化(LSO)における過度探索を緩和するための潜時探索スコア(LES)を開発した。 LSOは変分オートエンコーダ(VAE)の潜在空間内での連続的な最適化を利用しており、過剰探索の影響を受けやすいことが知られている。 LESは、追加のトレーニングやアーキテクチャの変更、トレーニングデータへのアクセスなしに、任意のVAEデコーダで使用することができる。
  論文  参考訳（メタデータ） (2024-06-14T02:04:59Z)
• Double-Bounded Optimal Transport for Advanced Clustering and Classification [58.237576976486544]
  本稿では,2つの境界内での目標分布の制限を前提としたDB-OT(Douubly bounded Optimal Transport)を提案する。 提案手法は,テスト段階における改良された推論方式により,良好な結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-21T07:43:01Z)
• Generalized Schrödinger Bridge Matching [54.171931505066]
  一般化Schr"odinger Bridge (GSB) 問題設定は、機械学習の内外を問わず、多くの科学領域で一般的である。 我々は最近の進歩に触発された新しいマッチングアルゴリズムである一般化シュリンガーブリッジマッチング(GSBM)を提案する。 このような一般化は条件最適制御の解法として、変分近似を用いることができることを示す。
  論文  参考訳（メタデータ） (2023-10-03T17:42:11Z)
• Searching Large Neighborhoods for Integer Linear Programs with Contrastive Learning [39.40838358438744]
  線形プログラム(ILP)は、多数の最適化問題のモデリングと解決のための強力なツールである。 アルゴリズムとしてLarge Neighborhood Search (LNS)は、ブランチやバウンドよりも高速に、ILPの高品質なソリューションを見つけることができる。 本稿では,メトリクスによって測定された複数のILPベンチマークに対して,最先端のリアルタイム性能を実現する新しいアプローチCL-LNSを提案する。
  論文  参考訳（メタデータ） (2023-02-03T07:15:37Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)
• A General Large Neighborhood Search Framework for Solving Integer Linear Programs [46.62993477453986]
  我々は整数プログラムの解法に重点を置いており、我々のアプローチは大規模近傍探索(SLN)パラダイムに根ざしている。 我々のLSSフレームワークは、Gurobiのような最先端の商用解法と比較して、大幅に性能が向上することを示した。
  論文  参考訳（メタデータ） (2020-03-29T23:08:14Z)

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。