May, 2016

信息采集车辆路径问题：应对紧急风暴响应的随机优化

PDF
TL;DR本文提出了一种具有信息收集和信念建模能力的随机车辆路径问题的解决方案，该方案可以使用电话来创建有关停电的信仰，并使用实用车辆作为收集其他信息的机制。并使用蒙特卡罗树搜索 (MCTS) 来生成实际策略。实验结果表明，该策略比标准行业启发式方法更快地恢复了电网。
power outagesutility trucksstochastic vehicle routing probleminformation collectionmonte carlo tree search
发现论文，激发创造
  • 解决城市接送服务中随机请求动态车辆路径问题的在线方法

    本文提出了一种解决动态车辆路径问题（DVRP）的方法，该方法适用于时间窗口和随机旅行请求，并针对局部交通服务应用。此外，该方法利用了问题的结构设计了启发式算法以便搜索具有很好前景的行动。实验表明，该方法在性能和鲁棒性方面均优于现有最先进的方法。

    Mar, 2022

  • 电动汽车车辆 - 网格供应路线问题的强化学习方法

    本研究基于强化学习算法，从车辆装载容量、时间窗口、能量供应等多个因素出发，在大规模客户和配电站环境下，构建了满足多个系统目标的电动车路由模型，并通过实验证明，该方法不但在速度上快于混合整数线性规划和遗传算法元启发式算法，而且结果质量接近最优解。

    Apr, 2022

  • 应急电源供应的电动车辆路径规划：面向电信基站救援

    作为电信供应商，公司的关键任务是在停电期间维持电信服务。为了实现该任务，本文提出了一种解决方案，即通过电动汽车直接为基站提供电力。我们将这个问题定义为 Electric Vehicle Routing Problem (EVRP) 的一个新变体，并提出了一种解决方法，该方法结合了基于规则的车辆选择器和基于强化学习（RL）的节点选择器。我们的求解器在合成数据集和真实数据集上进行了评估，结果表明它在客观值和计算时间方面优于基准线。此外，我们还分析了我们的求解器的泛化能力和可扩展性，证明了它在未知设置和大规模问题上的能力。

    Apr, 2024

  • 故障条件下智能车辆的多准则决策增强公私合作

    本研究探讨了车辆在故障条件下的维修计划，将其制定为一个多准则决策问题，并提出了一种新的方法以减少公共时间损失的风险。

    May, 2022

  • 具有卡车和无人机的随机动态灾后库存分配问题

    研究调查了人道物流的动态分配问题，考虑了稀缺供应品的分配、匮乏成本以及货运无人机的潜在运用，并提出了两种解决方法以有效管理不确定性。结果显示相比最佳基准方法，NN-VFA 表现最佳，DL-VFA 则显示出良好的可扩展性。通过考虑匮乏成本，在不同区域和时间段内改善了对稀缺供应品的分配，同时展示了无人机在灾后救援中的重要作用。

    Nov, 2023

  • 基于强化学习的智能交通系统的无线资源管理和路径规划以实现环境可持续性

    通过基于 C-V2X 通信的路径规划，利用较低 AoI 值的 V2I 信息来减少道路估计误差，提高路径规划性能。

    May, 2024

  • 车联网中基于时延优化的信息动态单播 - 多播调度

    该论文研究了如何通过使用深度强化学习等方法，优化决策，减少信息年龄和传输功率，实现在路边单元（RSU）向车辆提供物理过程的及时更新的车辆网络中，并通过仿真结果展示了 AoI 和功耗之间的有趣的权衡关系。

    Sep, 2022

  • 未被映射环境中多车路径规划的分布式在线发布

    本文提出了一种完全分布式、在线和可扩展的增强学习算法，用于解决多车辆路径规划问题，代理定期聚集在本地簇中，独立地在每个簇中应用多智能体扩展方案，动态地在代理之间协调任务并共享其局部信息。通过较大规模的模拟，证明了分布式滚动算法比贪婪基础策略具有近两倍的成本优势。

    May, 2023

  • 车辆容错鲁棒电力传输线检测规划

    本文通过应用组合元启发式算法，采用适当的代价函数，提出了一种基于自主多旋翼的容错电力传输线检查规划方法，其涉及故障容错、电池预算限制、以及满足成功重新规划时间窗口的多车辆路径规划问题。

    Feb, 2023

  • 逆最优输运

    该论文提出了一种通过噪声数据推断未知成本的方法，利用了前向最优传输问题和随机数生成方法作为基础，探讨了其在国际迁移流问题上的应用和不确定性量化。

    May, 2019