論文の概要: A Branch-and-Price Algorithm for Fast and Equitable Last-Mile Relief Aid Distribution

• arxiv url: http://arxiv.org/abs/2512.19882v1
• Date: Mon, 22 Dec 2025 21:16:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 19:17:49.666524
• Title: A Branch-and-Price Algorithm for Fast and Equitable Last-Mile Relief Aid Distribution
• Title（参考訳）: 高速かつ等価なLast-Mile Relief Aid分布のためのブランチ・アンド・プライスアルゴリズム
• Authors: Mahdi Mostajabdaveh, F. Sibel Salman, Walter J. Gutjahr,
• Abstract要約: 災害では、準備済みの物資は、すべての要求を満たすのに不足することが多い。 我々は,限られた補給物資を配置しながら,配電所から避難所への車両ルート計画の課題に対処する。 両目的アプローチは、効率を損なうことなく、援助分布の不等式を34%削減する。
• 参考スコア（独自算出の注目度）: 0.910208503367801
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The distribution of relief supplies to shelters is a critical aspect of post-disaster humanitarian logistics. In major disasters, prepositioned supplies often fall short of meeting all demands. We address the problem of planning vehicle routes from a distribution center to shelters while allocating limited relief supplies. To balance efficiency and equity, we formulate a bi-objective problem: minimizing a Gini-index-based measure of inequity in unsatisfied demand for fair distribution and minimizing total travel time for timely delivery. We propose a Mixed Integer Programming (MIP) model and use the $ε$-constraint method to handle the bi-objective nature. By deriving mathematical properties of the optimal solution, we introduce valid inequalities and design an algorithm for optimal delivery allocations given feasible vehicle routes. A branch-and-price (B&P) algorithm is developed to solve the problem efficiently. Computational tests on realistic datasets from a past earthquake in Van, Turkey, and predicted data for Istanbul's Kartal region show that the B&P algorithm significantly outperforms commercial MIP solvers. Our bi-objective approach reduces aid distribution inequity by 34% without compromising efficiency. Results indicate that when time constraints are very loose or tight, lexicographic optimization prioritizing demand coverage over fairness is effective. For moderately restrictive time constraints, a balanced approach is essential to avoid inequitable outcomes.
• Abstract（参考訳）: 避難所への補給物資の分配は、災害後の人道的物流の重要な側面である。 大きな災害では、準備済みの物資は、すべての要求を満たすのに不足することが多い。 我々は,限られた補給物資を配置しながら,配電所から避難所への車両ルート計画の課題に対処する。 効率と株式のバランスをとるため、両目的問題として、不満足な配当需要におけるギニ指数に基づく不平等の測定を最小化し、タイムリーな配送に要する総走行時間を最小化する。 混合整数計画法 (MIP) モデルを提案し, ε$-constraint 法を用いて両目的性を扱う。 最適解の数学的性質を導出することにより、有効な不等式を導入し、実現可能な車両経路の最適な配送配分のためのアルゴリズムを設計する。 この問題を効率的に解くために、ブランチ・アンド・プライス(B&P)アルゴリズムを開発した。 トルコのバンで発生した過去の地震のリアルなデータセットの計算実験と、イスタンブールのカルタル地域の予測データによると、B&Pアルゴリズムは商用のMIPソルバを著しく上回っている。 両目的アプローチは、効率を損なうことなく、援助分布の不等式を34%削減する。 その結果,時間制約が非常に緩やかあるいは厳密である場合,公正性よりも需要カバレッジを優先する語彙最適化が有効であることが示唆された。 適度に制限された時間制約に対しては、不平等な結果を避けるためにバランスの取れたアプローチが不可欠である。

関連論文リスト

• Assignment-Routing Optimization: Solvers for Problems Under Constraints [0.0]
  我々は、アイテムを1対1でプレースホルダーに割り当てなければならないJRA(Joint Routing-Assignment)問題について検討する。 よりリッチな制約付きパッケージング計画シナリオに適した解法を開発した。 以上の結果から, ロボット包装, 運動計画, 複合物流におけるMIPに基づくJRA最適化の実用性を強調した。
  論文  参考訳（メタデータ） (2025-12-21T06:32:31Z)
• Generalized Linear Bandits: Almost Optimal Regret with One-Pass Update [70.38810219913593]
  非線形リンク関数を組み込んで古典線形モデルを拡張したコンテキスト型多武装バンディットフレームワークである一般化線形バンディット問題(GLB)について検討する。 GLBは現実世界のシナリオに広く適用できるが、その非線形性は計算効率と統計効率の両方を達成する上で大きな課題をもたらす。 本稿では,$mathcalO(1)$時間と1ラウンドあたりの空間複雑度をほぼ最適に再現するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-07-16T02:24:21Z)
• Research on Travel Route Planing Problems Based on Greedy Algorithm [0.0]
  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特定する方法を表す。 本稿では,まず都市評価指標をダウンスケールし,主要な主要成分を抽出し,データをダウンスケールするためにPCA法を用いる。 旅行者のニーズに応じて個別にルートをカスタマイズする,欲求に基づく経路計画アルゴリズムが提案され,最適化されている。
  論文  参考訳（メタデータ） (2024-10-17T05:17:01Z)
• Machine Learning for Fairness-Aware Load Shedding: A Real-Time Solution via Identifying Binding Constraints [1.3345486884341395]
  最適化に基づく負荷層問題に対するミリ秒単位の計算を可能にする効率的な機械学習アルゴリズムを提案する。 3バス玩具の例と現実的なRTS-GMLCシステムの両方に関する数値的研究により,提案アルゴリズムの有効性と有効性を示した。
  論文  参考訳（メタデータ） (2024-07-25T08:47:11Z)
• Online Fair Allocation of Perishable Resources [1.4952056744888913]
  我々は、標準オンラインフェアアロケーション問題の事実上の動機付け型を考察する。 意思決定者は、一定回数のラウンドを割り当てるために、パーシシブルなリソースの予算を持っている。 目標は、うらやましいほど効率的で効率的なアロケーションのシーケンスを構築することです。
  論文  参考訳（メタデータ） (2024-06-04T15:14:10Z)
• Estimating Barycenters of Distributions with Neural Optimal Transport [93.28746685008093]
  本稿では,Wasserstein Barycenter問題を解くための新しいスケーラブルなアプローチを提案する。 我々の手法は最近のNeural OTソルバをベースとしている。 また,提案手法の理論的誤差境界も確立する。
  論文  参考訳（メタデータ） (2024-02-06T09:17:07Z)
• Stochastic Methods for AUC Optimization subject to AUC-based Fairness Constraints [51.12047280149546]
  公正な予測モデルを得るための直接的なアプローチは、公正な制約の下で予測性能を最適化することでモデルを訓練することである。 フェアネスを考慮した機械学習モデルのトレーニング問題を,AUCに基づくフェアネス制約のクラスを対象とする最適化問題として定式化する。 フェアネス測定値の異なる実世界のデータに対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-12-23T22:29:08Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Regularized Online Allocation Problems: Fairness and Beyond [7.433931244705934]
  本稿では, 総資源消費に作用する非線形正規化器を含む変種である, 語彙化オンライン割当問題を紹介する。 この問題では、要求は時間とともに繰り返し届き、各要求に対して、意思決定者は報酬を生成しリソースを消費するアクションを取る必要があります。 目的は、資源制約を受ける加算可分な報酬と非分離可正則化器の値とを同時に最大化することである。
  論文  参考訳（メタデータ） (2020-07-01T14:24:58Z)

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。