論文の概要: Adaptive decision-making for stochastic service network design
- arxiv url: http://arxiv.org/abs/2603.24369v1
- Date: Wed, 25 Mar 2026 14:51:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.339364
- Title: Adaptive decision-making for stochastic service network design
- Title（参考訳）: 確率的サービスネットワーク設計のための適応的意思決定
- Authors: Javier Duran Micco, Bilge Atasoy,
- Abstract要約: 本稿では,マルチモーダル貨物輸送ネットワークで動作するロジスティクスサービスプロバイダ(LSP)のサービスネットワーク設計(SND)問題に対処する。
メタヒューリスティックス、シミュレーション、機械学習コンポーネントを組み合わせた2段階最適化手法を提案する。
- 参考スコア（独自算出の注目度）: 0.44198435146063364
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses the Service Network Design (SND) problem for a logistics service provider (LSP) operating in a multimodal freight transport network, considering uncertain travel times and limited truck fleet availability. A two-stage optimization approach is proposed, which combines metaheuristics, simulation and machine learning components. This solution framework integrates tactical decisions, such as transport request acceptance and capacity booking for scheduled services, with operational decisions, including dynamic truck allocation, routing, and re-planning in response to disruptions. A simulated annealing (SA) metaheuristic is employed to solve the tactical problem, supported by an adaptive surrogate model trained using a discrete-event simulation model that captures operational complexities and cascading effects of uncertain travel times. The performance of the proposed method is evaluated using benchmark instances. First, the SA is tested on a deterministic version of the problem and compared to state-of-the-art results, demonstrating it can improve the solution quality and significantly reduce the computational time. Then, the proposed SA is applied to the more complex stochastic problem. Compared to a benchmark algorithm that executes a full simulation for each solution evaluation, the learning-based SA generates high quality solutions while significantly reducing computational effort, achieving only a 5% difference in objective function value while cutting computation time by up to 20 times. These results demonstrate the strong performance of the proposed algorithm in solving complex versions of the SND. Moreover, they highlight the effectiveness of integrating diverse modeling and optimization techniques, and the potential of such approaches to efficiently address freight transport planning challenges.
- Abstract（参考訳）: 本稿では, 移動時間不確かさと限定的なトラック輸送量を考慮したマルチモーダル貨物輸送ネットワークで動作するロジスティクスサービスプロバイダ(LSP)のサービスネットワーク設計(SND)問題に対処する。
メタヒューリスティックス、シミュレーション、機械学習コンポーネントを組み合わせた2段階最適化手法を提案する。
このソリューションフレームワークは、トランスポート要求の受け入れやスケジュールサービスのキャパシティ予約といった戦術的な決定と、動的トラックアロケーション、ルーティング、ディスラプションに対する再計画といった運用上の決定を統合する。
シミュレート・アニーリング(SA)メタヒューリスティック(英語版)は、不確実な旅行時間の運用複雑さとカスケード効果を捉える離散イベントシミュレーションモデルを用いて訓練された適応的代理モデルによって支援され、戦術的問題を解決するために使用される。
提案手法の性能をベンチマークインスタンスを用いて評価する。
第一に、SAは問題の決定論的バージョンでテストされ、最先端の結果と比較され、解の質を改善し、計算時間を著しく短縮できることを示した。
次に,より複雑な確率問題に対して提案したSAを適用した。
各解評価の完全なシミュレーションを行うベンチマークアルゴリズムと比較して、学習ベースSAは、計算労力を大幅に削減し、計算時間を最大20倍に削減しながら、目的関数値の5%の差しか達成しない、高品質な解を生成する。
これらの結果は,SNDの複雑なバージョンを解く上で,提案アルゴリズムの強い性能を示すものである。
さらに, 多様なモデリング手法と最適化手法を統合することの有効性と, 貨物輸送計画の課題を効果的に解決するためのアプローチの可能性を強調した。
関連論文リスト
- Hierarchical Task Offloading for UAV-Assisted Vehicular Edge Computing via Deep Reinforcement Learning [11.695622067301128]
部分オフロードに基づく2層UAV支援エッジコンピューティングアーキテクチャを提案する。
提案アーキテクチャは異種資源の効率的な統合と調整を可能にする。
提案手法は,タスク完了率,システム効率,収束速度において,いくつかのベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2025-07-08T07:10:52Z) - Preference Optimization for Combinatorial Optimization Problems [54.87466279363487]
強化学習(Reinforcement Learning, RL)は、ニューラルネットワーク最適化のための強力なツールとして登場した。
大幅な進歩にもかかわらず、既存のRLアプローチは報酬信号の減少や大規模な行動空間における非効率な探索といった課題に直面している。
統計的比較モデルを用いて定量的報酬信号を定性的選好信号に変換する新しい手法であるPreference Optimizationを提案する。
論文 参考訳（メタデータ） (2025-05-13T16:47:00Z) - A Hybrid Tabu Scatter Search Algorithm for Simulation-Based Optimization of Multi-Objective Runway Operations Scheduling [0.0]
Dissertationは、滑走路運用スケジューリングのためのシミュレーションベースの最適化(SbO)アプローチを提案することで、航空交通フロー管理の課題に対処する。
目的は、遅延、燃料消費、環境への影響を最小限に抑えつつ、空港の容量利用を最適化することである。
提案するSbOフレームワークは,滑走路条件を扱う離散イベントシミュレーションモデルと,最適解を特定するためのハイブリッドタブ・散乱探索アルゴリズムを統合した。
論文 参考訳（メタデータ） (2025-02-08T14:42:05Z) - Dependency-Aware CAV Task Scheduling via Diffusion-Based Reinforcement Learning [12.504232513881828]
動的無人航空機支援型コネクテッド自動運転車(CAV)のための新しい依存性を考慮したタスクスケジューリング手法を提案する。
平均タスク完了時間を最小化することを目的として,共同スケジューリング優先度とサブタスク割り当て最適化問題を定式化する。
本稿では,Synthetic DDQNをベースとしたSubtasks Schedulingという拡散型強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-27T11:07:31Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - Switchable Decision: Dynamic Neural Generation Networks [98.61113699324429]
本稿では,各データインスタンスのリソースを動的に割り当てることで,推論を高速化するスイッチブルな決定を提案する。
提案手法は, 同一の精度を維持しながら, 推論時のコスト低減に有効である。
論文 参考訳（メタデータ） (2024-05-07T17:44:54Z) - A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical
Computation Offloading [62.34538208323411]
共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。
MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
論文 参考訳（メタデータ） (2023-09-02T11:01:16Z) - MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion
Control in Real Networks [63.24965775030673]
そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。
我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。
我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
論文 参考訳（メタデータ） (2023-02-02T18:27:20Z) - Deep Reinforcement Learning for Collaborative Edge Computing in
Vehicular Networks [40.957135065965055]
協調エッジコンピューティングフレームワークは、コンピューティングサービスのレイテンシを低減し、車両ネットワークのサービスの信頼性を向上させるために開発されている。
人工知能(AI)に基づく協調コンピューティングアプローチが開発され、車両のタスクオフロード、コンピューティング、結果配信ポリシーが決定される。
当社のアプローチでは,サービスレイテンシとサービス障害ペナルティを含むサービスコストを,最適なワークロード割り当てとサーバの選択によって最小化することができる。
論文 参考訳（メタデータ） (2020-10-05T00:06:37Z) - 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) - An adaptive data-driven approach to solve real-world vehicle routing
problems in logistics [0.0]
輸送は物流費の3分の1を占める。
本研究は、ロジスティクス分野における実世界のルーティング車両問題(VRP)を解決するための適応型データ駆動型革新的なモジュラーアプローチを提案する。
論文 参考訳（メタデータ） (2020-01-05T17:47:41Z)
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。