論文の概要: Collaborative Last-Mile Delivery: A Multi-Platform Vehicle Routing Problem With En-route Charging
- arxiv url: http://arxiv.org/abs/2505.23584v1
- Date: Thu, 29 May 2025 15:58:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-30 18:14:07.960744
- Title: Collaborative Last-Mile Delivery: A Multi-Platform Vehicle Routing Problem With En-route Charging
- Title（参考訳）: コラボレーティブなラストマイル配送: ルート充電による多プラットフォーム車両ルーティング問題
- Authors: Sumbal Malik, Majid Khonji, Khaled Elbassioni, Jorge Dias,
- Abstract要約: 本研究は、ドローンとロボットによる新しい多プラットフォーム車両ルーティング問題を紹介する。
トラックが$mathcalM$、ドローンが$mathcalN$、ロボットが$mathcalK$を共同で配達する。
トラックはモバイルプラットフォームとして機能し、ドローンやロボットの起動、回収、ルートの充電を可能にする。
- 参考スコア（独自算出の注目度）: 5.93228031688634
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid growth of e-commerce and the increasing demand for timely, cost-effective last-mile delivery have increased interest in collaborative logistics. This research introduces a novel collaborative synchronized multi-platform vehicle routing problem with drones and robots (VRP-DR), where a fleet of $\mathcal{M}$ trucks, $\mathcal{N}$ drones and $\mathcal{K}$ robots, cooperatively delivers parcels. Trucks serve as mobile platforms, enabling the launching, retrieving, and en-route charging of drones and robots, thereby addressing critical limitations such as restricted payload capacities, limited range, and battery constraints. The VRP-DR incorporates five realistic features: (1) multi-visit service per trip, (2) multi-trip operations, (3) flexible docking, allowing returns to the same or different trucks (4) cyclic and acyclic operations, enabling return to the same or different nodes; and (5) en-route charging, enabling drones and robots to recharge while being transported on the truck, maximizing operational efficiency by utilizing idle transit time. The VRP-DR is formulated as a mixed-integer linear program (MILP) to minimize both operational costs and makespan. To overcome the computational challenges of solving large-scale instances, a scalable heuristic algorithm, FINDER (Flexible INtegrated Delivery with Energy Recharge), is developed, to provide efficient, near-optimal solutions. Numerical experiments across various instance sizes evaluate the performance of the MILP and heuristic approaches in terms of solution quality and computation time. The results demonstrate significant time savings of the combined delivery mode over the truck-only mode and substantial cost reductions from enabling multi-visits. The study also provides insights into the effects of en-route charging, docking flexibility, drone count, speed, and payload capacity on system performance.
- Abstract（参考訳）: 電子商取引の急速な成長と、タイムリーで費用効果の高いラストマイル配送需要の増大は、協調ロジスティクスへの関心を高めている。
この研究は、ドローンとロボット(VRP-DR)との協調的な多プラットフォーム車両ルーティング問題を導入し、そこでは、トラックが$\mathcal{M}$、ドローンが$\mathcal{N}$、ロボットが$\mathcal{K}$を共同で配送する。
トラックは移動プラットフォームとして機能し、ドローンやロボットの起動、回収、ルート充電を可能にし、制限されたペイロード容量、限られた範囲、バッテリー制限といった重要な制限に対処する。
このVRP-DRは、(1)旅行当たりのマルチビジットサービス、(2)マルチトリップ操作、(3)フレキシブルドッキング、同一または異なるトラックへのリターンを可能にする(4)サイクリックおよび非循環操作、(5)同一または異なるノードへのリターンを可能にする。
VRP-DRはMILP(mixed-integer linear program)として構成され、運用コストと製造コストを最小化する。
大規模インスタンスを解決するための計算課題を克服するため,スケーラブルなヒューリスティックアルゴリズムであるFINDER(Flexible Integrated Delivery with Energy Recharge)を開発した。
様々なインスタンスサイズにわたる数値実験は、MILPおよびヒューリスティックアプローチの性能を、ソリューションの品質と計算時間の観点から評価する。
その結果,トラックのみの配送モードによる配送モードの大幅な短縮と,マルチビジターの実現による大幅なコスト削減が示された。
この研究はまた、ルート充電、ドッキングの柔軟性、ドローンの数、速度、ペイロードの容量がシステム性能に与える影響に関する洞察も提供する。
関連論文リスト
- Large Neighborhood Search and Bitmask Dynamic Programming for Wireless Mobile Charging Electric Vehicle Routing Problems in Medical Transportation [5.740535941960799]
ワイヤレス充電電気自動車問題(WMC-EVRP)を提案する。
この問題により、移動充電カート(MCT)を経由した走行中にMTEV(Medidic Transportation Electric Vehicles)を充電することができる。
我々はBit Mask Dynamic Programming (BDP)とLarge Neborhood Search (LNS)を組み合わせた数学的モデルとメタヒューリスティックアルゴリズムを開発した。
論文 参考訳（メタデータ） (2025-03-11T14:11:10Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Optimization of Multi-Agent Flying Sidekick Traveling Salesman Problem over Road Networks [10.18252143035175]
道路ネットワーク上でのマルチエージェント飛行サイドキック走行セールスマン問題(MA-FSTSP)について紹介する。
このNPハード問題に対して,混合整数線形計画モデルと効率的な3相アルゴリズムを提案する。
当社のアプローチは5分間の時間制限内で300以上の顧客にスケールし、大規模な実世界のロジスティクスアプリケーションの可能性を示している。
論文 参考訳（メタデータ） (2024-08-20T20:44:18Z) - VRPD-DT: Vehicle Routing Problem with Drones Under Dynamically Changing Traffic Conditions [12.323383132739195]
動的に変化する交通条件(VRPD-DT)下でのドローンによる車両ルーティング問題という新しい問題を提案する。
我々は,機械学習による走行時間予測アルゴリズムを用いて,実際の走行距離と予測走行時間を決定する新しいコストモデルを構築した。
可変近傍降下(VND)アルゴリズムは,交通条件の動的条件下で最適なトラック走行経路を求めるために開発された。
論文 参考訳（メタデータ） (2024-04-13T19:28:24Z) - Multi-Agent Learning of Efficient Fulfilment and Routing Strategies in
E-Commerce [11.421159751635667]
電子商取引における製品配送コストを最小化するための統合的アルゴリズムフレームワークを提案する。
電子商取引における大きな課題の1つは、複数の顧客からの時間的に多様な注文が大量にあることだ。
本稿では,グラフニューラルネットワークと強化学習を組み合わせたノード選択と車両エージェントの学習手法を提案する。
論文 参考訳（メタデータ） (2023-11-20T10:32:28Z) - Fair collaborative vehicle routing: A deep multi-agent reinforcement
learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。
従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。
我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文 参考訳（メタデータ） (2023-10-26T15:42:29Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳（メタデータ） (2023-08-03T02:49:50Z) - A Multi-Objective approach to the Electric Vehicle Routing Problem [0.0]
電気自動車ルーティング問題(EVRP)は、燃料ベースの車からより健康的で効率的な電気自動車(EV)に移行するために、研究者や工業者から大きな関心を集めている。
以前の作業では、ロジスティクスや配送関連のソリューションをターゲットにしており、複数の停止を行った後、同質の商用EVが最初のポイントに戻らなければならない。
我々は、旅行時間と充電の累積コストを最小化する多目的最適化を行う。
論文 参考訳（メタデータ） (2022-08-26T05:09:59Z) - Value Function is All You Need: A Unified Learning Framework for Ride
Hailing Platforms [57.21078336887961]
DiDi、Uber、Lyftなどの大型配車プラットフォームは、都市内の数万台の車両を1日中数百万の乗車要求に接続している。
両課題に対処するための統合価値に基づく動的学習フレームワーク(V1D3)を提案する。
論文 参考訳（メタデータ） (2021-05-18T19:22:24Z) - Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。
エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。
UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文 参考訳（メタデータ） (2021-03-03T20:54:19Z) - Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning [79.61517670541863]
ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用
DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
論文 参考訳（メタデータ） (2021-01-19T03:09:51Z)
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。