論文の概要: DISPLIB: a library of train dispatching problems
- arxiv url: http://arxiv.org/abs/2509.12254v1
- Date: Fri, 12 Sep 2025 13:35:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-17 17:50:52.653808
- Title: DISPLIB: a library of train dispatching problems
- Title（参考訳）: DISPLIB:列車発送問題ライブラリ
- Authors: Oddvar Kloster, Bjørnar Luteberget, Carlo Mannino, Giorgio Sartor,
- Abstract要約: 本稿では,列車再ルーティングと再スケジューリングの主な特徴を捉えた共通問題定義とファイル形式disPLIBを提案する。
複数の実世界のユースケースから問題インスタンスを収集し、それらを公開しました。
これにより、研究者や開発者は、産業的な接続なしに送電列車の問題に取り組むことができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimization-based decision support systems have a significant potential to reduce delays, and thus improve efficiency on the railways, by automatically re-routing and re-scheduling trains after delays have occurred. The operations research community has dedicated a lot of effort to developing optimization algorithms for this problem, but each study is typically tightly connected with a specific industrial use case. Code and data are seldom shared publicly. This fact hinders reproducibility, and has led to a proliferation of papers describing algorithms for more or less compatible problem definitions, without any real opportunity for readers to assess their relative performance. Inspired by the successful communities around MILP, SAT, TSP, VRP, etc., we introduce a common problem definition and file format, DISPLIB, which captures all the main features of train re-routing and re-scheduling. We have gathered problem instances from multiple real-world use cases and made them openly available. In this paper, we describe the problem definition, the industrial instances, and a reference solver implementation. This allows any researcher or developer to work on the train dispatching problem without an industrial connection, and enables the research community to perform empirical comparisons between solvers. All materials are available online at https://displib.github.io.
- Abstract（参考訳）: 最適化に基づく意思決定支援システムは遅延を低減し、遅延発生後の列車の自動再運行と再スケジュールにより、鉄道の効率を向上する大きな可能性を秘めている。
運用研究コミュニティは、この問題に対する最適化アルゴリズムの開発に多くの努力を払っていますが、それぞれの研究は通常、特定の産業ユースケースと密に結びついています。
コードとデータは一般に共有されることはめったにない。
この事実は再現性を阻害し、読者が相対的な性能を評価する機会のない、多かれ少なかれ互換性のない問題定義のためのアルゴリズムを記述する論文が急増した。
MILP,SAT,TSP,VRPなどのコミュニティの成功に触発されて,列車再運行と再スケジュールの主な特徴をすべて捉える共通問題定義とファイル形式disPLIBを導入した。
複数の実世界のユースケースから問題インスタンスを収集し、それらを公開しました。
本稿では,問題定義,産業事例,参照解法の実装について述べる。
これにより、研究者や開発者は、産業的な接続なしに列車の発車問題に取り組むことができ、研究コミュニティは、解決者間で経験的な比較を行うことができる。
すべての資料はhttps://displib.github.io.comで公開されている。
関連論文リスト
- Learning with Local Search MCMC Layers [11.772298193297013]
不正確な解法による学習に理論的に根ざしたアプローチを導入する。
局所探索で使用される問題固有近傍系を提案分布に変換する。
時間窓を用いた大規模動的車両ルーティング問題に対する我々のアプローチを実証する。
論文 参考訳（メタデータ） (2025-05-20T11:47:42Z) - 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) - Multi-Agent Environments for Vehicle Routing Problems [1.0179489519625304]
本稿では,従来の車両ルーティング問題をシミュレートするマルチエージェント環境からなるライブラリを提案する。
PyTorch上に構築されたこのライブラリは、新しいルーティング問題のカスタマイズと導入を容易にする、柔軟なモジュラーアーキテクチャ設計を提供する。
論文 参考訳（メタデータ） (2024-11-21T18:46:23Z) - Minimizing Entropy to Discover Good Solutions to Recurrent Mixed Integer
Programs [0.0]
混合整数プログラミング(MIP)問題に対する現在の解法は、幅広い問題に対して良好に動作するように設計されている。
近年の研究では、機械学習(ML)をMIPソルバと統合してドメイン知識を注入し、最適性ギャップを効率的に閉じることが示されている。
本稿では、エントロピーの概念を用いて、最小限のトレーニングデータとチューニングで効率的にモデルを構築するオンラインソルバを提案する。
論文 参考訳（メタデータ） (2022-02-07T18:52:56Z) - An Optimal Transport Perspective on Unpaired Image Super-Resolution [97.24140709634203]
実世界の画像超解像(SR)タスクは、しばしばペア化されたデータセットを持たず、教師付き技術の適用を制限する。
このようなモデルで生じる最適化問題を調査し、2つの驚くべき観測結果を得る。
学習した写像が偏りがあること、すなわち、低解像度画像の分布を高解像度画像に変換するものではないことを実証し、実証的に示す。
論文 参考訳（メタデータ） (2022-02-02T16:21:20Z) - Combinatorial Pure Exploration with Full-bandit Feedback and Beyond:
Solving Combinatorial Optimization under Uncertainty with Limited Observation [70.41056265629815]
最適化アルゴリズムを開発する際、エッジウェイトなどのパラメータが入力として正確に知られていることが一般的である。
本稿では、最近、限られたフィードバックを伴う純粋探索問題に対する手法について概説する。
論文 参考訳（メタデータ） (2020-12-31T12:40:52Z) - A Reinforcement Learning Approach to the Orienteering Problem with Time
Windows [0.0]
Orienteering Problem with Time Windows (OPTW) は、異なる訪問場所から収集した総得点を最大化する最適化問題である。
本研究では,強化学習を用いて学習したポインタネットワークモデルを用いて,OPTW問題の解法を提案する。
論文 参考訳（メタデータ） (2020-11-07T00:38:06Z) - Resource Allocation in Multi-armed Bandit Exploration: Overcoming
Sublinear Scaling with Adaptive Parallelism [107.48538091418412]
腕の引っ張りに様々な量の資源を割り当てることができる分割可能な資源にアクセス可能な場合,マルチアームの帯状地における探索について検討する。
特に、分散コンピューティングリソースの割り当てに重点を置いており、プル毎により多くのリソースを割り当てることで、結果をより早く得ることができます。
論文 参考訳（メタデータ） (2020-10-31T18:19:29Z) - Quantum computing approach to railway dispatching and conflict
management optimization on single-track railway lines [0.4724825031148411]
単線鉄道における遅延と競合管理という,実用的な鉄道派遣問題について考察する。
本稿では,量子アニール技術と互換性のある2次非拘束二元最適化(QUBO)モデルを提案する。
概念実証として、D-Wave量子アニールを用いてポーランドの鉄道網から選択した実生活問題を解く。
論文 参考訳（メタデータ） (2020-10-16T08:17:57Z) - Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。
本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。
各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
論文 参考訳（メタデータ） (2020-06-17T18:14:30Z)
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。