論文の概要: Robust Multi-Objective Optimization for Bicycle Rebalancing in Shared Mobility Systems

• arxiv url: http://arxiv.org/abs/2604.08296v1
• Date: Thu, 09 Apr 2026 14:30:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.963434
• Title: Robust Multi-Objective Optimization for Bicycle Rebalancing in Shared Mobility Systems
• Title（参考訳）: 共有モビリティシステムにおける自転車リバランスのためのロバスト多目的最適化
• Authors: Diego Daniel Pedroza-Perez, Gabriel Luque, Sergio Nesmachnow, Jamal Toutouh,
• Abstract要約: ドックベースの自転車シェアリングシステムは、自転車の供給とユーザー需要の空間的不均衡を示す。 本研究は、三目的最適化問題としてモデル化された需要不確実性の下での静的な一晩的再バランスについて研究する。
• 参考スコア（独自算出の注目度）: 0.09332987715848712
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dock-based bike-sharing systems exhibit spatial imbalances between bicycle supply and user demand, often addressed through overnight truck-based rebalancing. This work studies static overnight rebalancing under demand uncertainty modeled as a tri-objective optimization problem. The objectives minimize total travel distance, expected unmet demand, and a robustness-oriented unmet demand measure over high-demand scenarios. Route plans are evaluated via a recourse simulation that enforces truck loads and station capacity constraints across multiple demand realizations. The robustness objective supports selecting plans that reduce peak-demand service degradation. Trade-off solutions are approximated with Non-dominated Sorting Genetic Algorithm II using a permutation--partition encoding and domain-specific relocation operators, including a biased best-improvement move for station relocation. Experiments on the real Barcelona Bicing system with 460 stations show well-distributed Pareto sets and substantial contributions to the reference non-dominated set. Greedy constructive baselines mainly yield extreme solutions and are often dominated.
• Abstract（参考訳）: ドックベースの自転車シェアリングシステムは、自転車の供給とユーザー需要の空間的不均衡を示す。 本研究は、三目的最適化問題としてモデル化された需要不確実性の下での静的な一晩的再バランスについて研究する。 目的は、全旅行距離、予想外需要、高需要シナリオに対するロバストネス指向のアンメタル需要尺度を最小化することである。 ルート計画は、トラックの負荷とステーション容量の制約を複数の需要実現に課すリコースシミュレーションによって評価される。 堅牢性の目的は、ピーク需要のサービス劣化を減らす計画の選択をサポートする。 トレードオフ解は、置換分割符号化とドメイン固有転位演算子を用いて、非支配的ソーティング遺伝的アルゴリズムIIで近似される。 460の駅を持つ実際のバルセロナ・バイシングシステムの実験は、よく分散されたパレート集合を示し、参照された非支配集合へのかなりの貢献を示している。 厳密な構成ベースラインは、主に極端な解を生み出し、しばしば支配される。

関連論文リスト

• HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
  我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。 我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:12:47Z)
• A Replicate-and-Quantize Strategy for Plug-and-Play Load Balancing of Sparse Mixture-of-Experts LLMs [64.8510381475827]
  SMOE(Sparse Mixture-of-Experts)アーキテクチャは、大規模言語モデルを効率的にスケールするためにますます使われている。 SMoEモデルは専門家間で厳しい負荷不均衡に悩まされることが多く、専門家のごく一部がほとんどのトークンを受け取り、他のモデルは未利用である。 推定中のエキスパートルーティングの体系的解析を行い, (i) 負荷不均衡が持続し, バッチサイズが大きくなる, (ii) 選択頻度が, 専門家の重要度を確実に反映しない, (iii) 専門家の全体負荷と重要性を, キャリブレーションセットを用いて推定できる,という3つの知見を同定する。
  論文  参考訳（メタデータ） (2026-02-23T15:11:16Z)
• Quantum and classical algorithms for daily railway rolling stock circulation plans [0.0]
  本研究では,地域旅客ネットワーク上での電気多重ユニット(EMU)の日次車両循環計画について検討する。 ポーランドのシレジア鉄道(Silesian Railways)の運用ニーズに触発され、1日の地平線上で非循環型混合整数線形計画が策定される。 この手法により,40分以内で高品質な日内循環計画が達成できることが示唆された。
  論文  参考訳（メタデータ） (2025-12-22T12:36:20Z)
• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• Single Agent Robust Deep Reinforcement Learning for Bus Fleet Control [9.910562011343009]
  バスの群れは交通と乗客の需要のために都市交通にとって困難である。 バス保持制御のための単エージェント強化学習フレームワークを提案する。 修正されたアクター・クリティは,ベンチマークよりも安定かつ優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2025-08-28T13:47:40Z)
• Scalable Ride-Sourcing Vehicle Rebalancing with Service Accessibility Guarantee: A Constrained Mean-Field Reinforcement Learning Approach [42.070187224580344]
  連続状態平均場制御(MFC)と平均場強化学習(MFRL)モデルを導入する。 MFCとMFRLは、個々の車両ではなく、車両分布との相互作用を通じて各車両の挙動をモデル化することで、スケーラブルなソリューションを提供する。 我々のアプローチは数万台の車両にスケールし、トレーニング時間は1つの線形プログラミングリバランスの決定時間に匹敵する。
  論文  参考訳（メタデータ） (2025-03-31T15:00:11Z)
• Exploring the Boundary of Diffusion-based Methods for Solving Constrained Optimization [46.75288477458697]
  本稿では,DiOptと呼ばれる連続制約最適化問題に対する拡散に基づく新しいフレームワークを提案する。 DiOptは2つの異なるフェーズで動作し、最初のウォームスタートフェーズは教師付き学習によって実装され、その後ブートストラップフェーズが続く。 問題の制約を厳格に満たしつつ、反復的に解を洗練し、目的関数を改善するように設計されている。
  論文  参考訳（メタデータ） (2025-02-14T17:43:08Z)
• A Reinforcement Learning Approach for Dynamic Rebalancing in Bike-Sharing System [11.237099288412558]
  自転車シェアリングシステムはエコフレンドリーな都市移動を提供し、交通渋滞と健康的な生活様式の緩和に貢献している。 駅間で自転車を再分配するための車両を用いた効果的な再バランス戦略の開発は、オペレーターにとって非常に重要である。 本稿では,複数の車両との動的再バランス問題に対する時間的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） (2024-02-05T23:46:42Z)
• Modeling routing problems in QUBO with application to ride-hailing [0.0]
  このようなルーティング問題のひとつ,RPP(Ride Pooling Problem)に注力しています。 このタスクは、小規模な柔軟なバスルートに似た、限られた車両セットを使用して顧客の要求を最適にプールすることである。
  論文  参考訳（メタデータ） (2022-12-09T14:55:34Z)
• 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)
• 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)

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。