Posted Price versus Hybrid Mechanisms in Freight Transportation Marketplaces
研究整车货运平台定价与匹配策略,提出基于MNL模型的两阶段决策框架,对比标价与混合拍卖机制,证明混合机制利润更高并给出紧致界限,经美国市场数据验证。
2025-03-06 math.OC
The Price of Anarchy for Transportation Networks with Mixed Autonomy
我们研究了具有混合自主性的交通网络中的路由行为,即每条道路上的一部分车辆都配备了自适应巡航控制等自主功能的网络,这些功能可以减少车头时距并增加道路容量。出于这种道路与混合自主开发的能力模型,我们认为交通网络中的每一条道路或链接的延迟是一个仿射函数的两个数量:自主能力的车辆的数量的链接和定期车辆的链接。我们特别研究了这种网络的无政府状态的价格,即自私路由所经历的社会最优路由策略的总延迟的比率。与所有车辆都是相同类型的情况下,无政府状态的价格是已知的有界的,我们首先表明,无政府状态的价格可以是任意大的混合自治网络。接下来,我们定义了一个不对称的概念,它等于由于自动驾驶汽车的存在而导致的最大可能的旅行时间改善。我们表明,当网络中的所有环节的不对称程度是由一个因素小于4的有界,无政府状态的价格是有界的。我们还绑定的双准则,这是一个约束的自私路由流量的成本相比,最佳路由额外的流量的成本。这些界限取决于不对称的程度,并恢复经典的无政府状态和bicriteria的情况下,不存在不对称的价格界限。此外,我们的例子表明,这些界是紧在特定情况下。
2017-10-22 math.OC
Combined Eco-Routing and Power-Train Control of Plug-In Hybrid Electric Vehicles in Transportation Networks
研究了插电式混合动力汽车(PHEV)的生态路径问题,以最小化总能耗成本。我们提出了一种算法,它可以同时计算能量最优路线(生态路线)的PHEV和最优的动力传动系统控制策略在这条路线。为了证明我们的方法在实践中的有效性,我们使用HERE Maps API来应用我们的算法,该算法基于波士顿市的交通数据,拥有超过110,000个链接。此外,我们验证了我们的生态路由算法的性能,使用从交通模拟器(SUMO)收集的速度配置文件作为输入的高保真能源模型来计算能源消耗成本。我们的研究结果表明,该算法具有接近实时的执行时间,可显著节省PHEV的能源(约12%)。
2020-04-09 cs.SY eess.SY math.OC
An Integrated Location-Routing Framework for Multi-Type Urban Waste Collection and Recycling System
Universidad de Granada(格拉纳达大学);Tecnologico de Monterrey, Escuela de Ingenieria y Ciencias(蒙特雷科技大学,工程与科学学院);Universidad de Sevilla(塞维利亚大学)
提出集成优化框架,联合确定垃圾中转站和处理厂位置及两阶段路径,以最小化运营成本并满足预算约束,通过麦德林市实例验证了有效性。
2026-06-24 math.OC
A Pricing-for-Integrality Primal Heuristic for Branch-and-Price: An Application to the Electric Vehicle Routing Problem with Time Windows and Charging Time Slots
Linköping University(林雪平大学)
本文提出一种基于积分定价的启发式方法,用于解决具有时间窗和充电时间槽的电动车路径规划问题,有效缩小根节点间隙。
2026-10-30 math.OC
A Branch-and-Price Algorithm for the Two-Echelon Inventory-Routing Problem
两级库存路径问题(2 E-IRP)解决了两级供应网络中库存管理和货物运输的协调问题。后者由地理上分布广泛的客户组成,其需求在离散的计划范围内可以从其本地库存或中间设施的库存中得到满足。中间设施位于城市郊区,由遥远的供应商提供。2 E-IRP旨在最大限度地降低运输成本和库存成本,同时满足客户需求。提出了一种基于路径的规划方法,并给出了求解2 E-IRP的分支-价格算法。一个标签算法是用来解决与每个时期和中间设施的定价子问题。我们生成了400个实例,并获得了116个实例的最优解,以及60个实例的良好上界,差距小于5%(平均为2.8%)。该算法的变体可以解决7个以上的最优实例。我们提供全面的分析来评估我们的解决方案方法的性能。
2022-06-28 math.OC
Branch-and-price algorithm for an auto-carrier transportation problem
原始设备制造商(OEM)制造、库存和运输新车给特许经销商。这些特许经销商库存并向最终用户销售新车。原始设备制造商依赖物流公司使用一种特殊类型的卡车(称为自动运输车)将车辆运输到经销商处。车辆分配过程面临着共同的挑战。在本文中,我们提出了一个启发式算法来确定每个自动承运人的路线的基础上,经销商的位置,随后,分支和价格算法来获得最优解的基础上生成的路线的装载问题。装载问题考虑了车辆的实际尺寸,以及车辆制造商和政府机构对装载过程的限制。我们进行了大量的计算实验的加载问题,使用现实世界的实例,我们的结果是基准与整体模型,以证实所提出的方法的有效性。对于最大的实例,包括600辆车,所提出的方法计算的最优解的装载问题在规定的运行时间。
2016-05-29 math.OC
The Price of Anarchy in Routing Games as a Function of the Demand
无政府状态的无政府代价已经成为衡量博弈均衡效率的标准。这一领域的大部分文献都集中在建立特定类别的游戏,如路由游戏或更一般的拥塞游戏的最坏情况下的界限。最近,无政府无政府代价路由游戏已被研究作为一个功能的交通需求,提供渐近结果轻,重交通。本文研究了在需求的中间区域,非原子路由博弈中无政府状态的无政府代价。为了实现这一目标,我们首先建立一些光滑的性质的Wardrop均衡和社会最优一般光滑成本。在仿射成本的情况下,我们表明,平衡是分段线性的,在一组活动路径的变化的需求水平的断点。我们证明了这样的断点的数量是有限的,虽然它可以是指数的网络的大小。利用均衡和社会最优之间的缩放定律,我们推导出最优流的类似行为。然后,我们证明,在任何间隔之间的断点的无政府代价价格是光滑的,它要么是单调的(减少或增加)在整个区间,或减少到某个最低点的内部的间隔和增加之后。我们推导出,对于仿射成本,无政府无政府代价的最大值只能发生在断点处。对于一般的成本,我们提供的反例表明,一组断点并不总是有限的。
2021-04-20 cs.GT math.OC
Sensing Resource Allocation Against Data-Poisoning Attacks in Traffic Routing
针对数据投毒攻击破坏交通系统运行且攻击类型存在不确定性的问题,提出基于攻击聚类与字典序混合整数规划的感知资源分配方法,可区分不同攻击类型并优化交通路由,已在Anaheim基准网络上验证应用。
2024-09-11 math.OC
Efficient algorithms for electric vehicles' min-max routing problem
Wayne State University(韦恩州立大学);U.S. Army CCDC Ground Vehicle Systems Center(美国陆军CCDC地面车辆系统中心)
运输部门温室气体排放的增加导致公司和政府提高和支持电动汽车(EV)的生产。随着城市化和电子商务的发展,运输公司正在用电动汽车取代传统车队,以加强可持续和环保运营的努力。然而,部署电动汽车车队需要有效的路由和充电策略,以缓解其有限的范围并降低电池退化率。在这项工作中,考虑了电动汽车的运输和物流能力,有限的电池容量和稀缺的充电站可用性。我们引入了一个最小最大电动汽车路径问题(MEVRP),其中任何EV行驶的最大距离最小化,同时考虑充电站充电。我们提出了一个有效的分支和切割框架和三阶段混合启发式算法,可以有效地解决各种情况。大量的计算结果和灵敏度分析证实了所提出的方法的效率,定量和定性。
2021-04-30 cs.AI math.OC
Electric Vehicle Routing and Charging/Discharging under Time-Variant Electricity Prices
由于电动汽车(EV)在当今交通系统中的渗透率越来越高,电动汽车(EV)与能源网的集成已经成为一个重要的研究领域。在EV充电和放电的适当管理下,电网目前可以满足相当数量的EV的能量需求。此外,电动汽车可以通过储能等辅助服务帮助提高电网的可靠性和稳定性。提出了时变电价下带时间窗的EV路由问题(EVRPTW-TP),该问题优化了向客户交付产品的EV车队的路由,同时优化了EV从/到电网的充电和放电的调度。所提出的模型是一个多周期车辆路径问题,其中电动汽车可以停在充电站,为电池充电或将存储的能量注入电网。鉴于能源成本基于使用时间而变化,电动汽车的充电和放电时间表被优化,以通过将能源需求从高峰时段转移到能源价格较低的非高峰时段来受益于存储能量的能力。这些车辆可以回收能源成本,并通过在高价格时期将能量注入电网来实现潜在的利润。EVRPTW-TP被公式化为一个最优化问题。提出了一种拉格朗日松弛方法和一种混合变邻域搜索/禁忌搜索启发式算法,分别获得高质量的下界和可行解。数值实验的实例从文献中提供。建议的启发式也评估了一个案例研究的电动汽车车队提供杂货配送在该地区的Kitchener-Waterloo在加拿大安大略省。洞察能源定价的影响,服务时段,范围减少在冬季以及车队规模。
2021-06-10 math.OC
When is selfish routing bad? The price of anarchy in light and heavy traffic
本文研究了具有多个源-目的地(O/D)对的非原子拥塞博弈中无政府状态下的无政府代价作为流量流入的函数的行为。在现实世界网络中的实证研究表明,无政府状态的无政府代价在轻流量和重流量下都接近于1,因此提出了一个问题:这些观察结果在理论上是否合理?我们首先表明,这并不总是这样的情况下:无政府状态的无政府代价价格可能保持一个积极的距离,从1的所有值的流量流入,即使在简单的三个环节的网络与一个单一的O/D对和光滑,凸成本。另一方面,对于一个大类的成本函数(包括所有多项式),无政府状态的无政府代价收敛到1,在重和轻流量,无论网络拓扑结构和网络中的O/D对的数量。我们还研究了无政府状态的无政府代价的收敛速度,我们表明,它遵循幂律,其程度可以明确计算时,网络的成本函数是多项式。
2018-04-10 cs.GT math.OC
A vehicle routing problem for biological sample transportation in healthcare: mathematical formulations and a metaheuristic approach
在本文中,一个现实世界中的运输问题的解决,关于收集和运输的生物样本管从采样点的主要医院。血液和其他生物样本在早上在不同的中心收集。然后,由分布在不同地理位置的车队将样本运送到主要医院进行分析。每个样本都有一个有限的寿命,必须在此时间内到达主要医院。如果样本不能在生命周期内到达医院,要么被丢弃,要么必须在称为辐条中心的专用设施中进行处理。两个混合线性规划公式和自适应大邻域搜索(ALNS)元启发式算法已被开发的问题。不同的实例集的基础上提供的真实生活中的数据,意大利博洛尼亚的地方医疗保健管理局的计算实验。通过对小样本问题的求解结果与最优解的比较,验证了算法的有效性。在现实生活中的实例中,不同的样本的策略进行了评估。结果表明,ALNS算法能够找到所有样本都按时交付的解决方案,而在实际情况下,大约40%的样本[5]延迟交付。
2021-03-12 math.CO math.OC physics.soc-ph
Regularity of the Price of Anarchy in Routing Games over the Multivariate Demand Space
Nanjing University(南京大学);China University of Mining and Technology(中国矿业大学)
该研究分析多变量需求空间下路由博弈的无政府状态价格(PoA)的正则性,证明其在正则需求区域连续可微,不可微集测度为零,仿射成本下PoA最大值在单元边界取得,并在Sioux Falls网络验证理论。
2026-10-14 math.OC
Phase Transitions of the Price-of-Anarchy Function in Multi-Commodity Routing Games
本文研究多商品路由博弈中无政府代价随需求变化的相变,证明比例需求下断点处单侧导数与较小均衡支撑集关联,并给出非比例需求的反例。
2024-02-07 cs.GT math.OC
Partitioned vs. Integrated Planning of Hinterland Networks for LCL Transportation
更好地利用现有的运输网络和设计(部分)网络涉及路由决策,以最大限度地减少运输成本和最大限度地提高整合效果。我们研究的具体例子腹地网络的卡车运输小于集装箱装载(LCL)海运货物:一组LCL货物。它们必须通过内陆网络运输到始发港,最后通过船舶运输到目的港。在途中,它们可以在枢纽中合并为全集装箱装载(FCL)货物。总运输成本取决于始发港的选择和腹地网络中的路由和整合。全球物流供应商DB Schenker出现了这种类型的问题。我们将业务问题转化为枢纽定位问题,用数学方法描述它,并讨论解决策略。因此,集成建模方法与解决问题的简化版本相比具有几个优点,尽管它需要更多的计算工作。
2022-11-15 math.OC
Adaptive robust electric vehicle routing under energy consumption uncertainty
近年来,电动汽车(EV)作为未来的交通方式在交通领域受到高度青睐。与传统交通工具相比,电动汽车具有许多优势,特别是环境方面。然而,尽管电动汽车有许多好处,但运营电动汽车在使用方面存在局限性。其中一个重要的问题是他们的驾驶范围的不确定性。电动汽车的续驶里程与其能耗密切相关,能耗受外源性和内源性因素的影响很大。由于这些因素是不可预测的,因此应考虑电动汽车能源消耗的不确定性,以实现高效运行。提出了一种电动汽车路径问题的自适应鲁棒优化框架。目标是最大限度地减少最坏情况下的能源消耗,同时确保在指定的时间窗口提供服务,而不会出现电池电量不足的情况。我们假设电动汽车可以在途中充电,充电量可以根据情况进行调整。所提出的问题是制定为一个两阶段的自适应鲁棒问题。提出了一种基于列和约束生成的启发式算法,并结合变邻域搜索和交替方向算法对模型进行求解。计算结果表明,所提出的模型的经济效率和鲁棒性,并有一个权衡之间的总需求的能量和无法满足所有客户的需求的风险。
2022-04-22 math.OC
Resilient Operation of Transportation Networks via Variable Speed Limits
Laboratory for Information and Decision Systems Massachusetts Institute of Technology(麻省理工学院信息与决策实验室)
本文研究了通过可变速度限制实现交通网络鲁棒运行的方法,指出局部路由决策下,网络中节点的流量通过局部拥堵状态进行路由,提出通过调整速度限制来避免系统性故障,即使在局部路由响应不足时也能有效防止拥堵。
2016-09-21 cs.SY eess.SY math.OC
Learning Implicit Feasibility Constraints for Real-World Routing and Scheduling: Application to Log Transportation
Polytechnique Montreal(蒙特利尔理工学院);Natural Ressources Canada, CanmetEnergy-Varennes(加拿大自然资源部,CanmetEnergy-Varennes)
针对实际路径与调度问题中隐式约束难以建模的问题,提出一种数据驱动的约束学习方法,训练图神经网络、决策树和线性回归三个预测器,并通过堆叠机制嵌入混合整数线性规划,在保证可行性的同时最小化目标退化。
2026-06-03 math.OC
The Integrated Vehicle and Pollster Routing Problem
Escuela Politécnica Nacional(国立理工学院);King’s College London(伦敦国王学院)
针对厄瓜多尔统计局价格调查的人员与车辆调度需求,提出集成车辆与调查员路径问题,构建整数规划模型并设计三阶段算法,经真实算例验证有效。
2026-08-20 math.CO math.OC
On Optimality of Private Information in Bayesian Routing Games
该研究针对交通网络信息设计问题,提出通过全知规划者发送私人信号关联用户自利决策与网络状态,推导了特定网络结构下公平私人信号策略实现贝叶斯Wardrop均衡与系统最优一致的充要条件。
2025-09-03 math.OC
A Rolling-Space Branch-and-Price Algorithm for the Multi-Compartment Vehicle Routing Problem with Multiple Time Windows
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, USA(佐治亚理工学院H. Milton Stewart工业与系统工程学院);Department of Operations and Decision Systems, Université Laval(拉瓦尔大学运营管理与决策系统系)
本文提出了一种滚动空间分支定价算法,用于解决多舱车辆路径问题带多个时间窗,通过引入聚类技术和加速策略,提高算法效率和实用性。
2026-01-22 cs.LG math.OC
Recent Advances in Vehicle Routing with Stochastic Demands: Bayesian Learning for Correlated Demands and Elementary Branch-Price-and-Cut
我们考虑车辆路径问题与随机需求(VRPSD),一个随机变量的著名的VRP中,需求只显示在每个客户的车辆到达。基于VRPSD研究的最新进展,本文首先总结了解决该问题的关键新成果和方法。在这样做的过程中,我们讨论了与解决VRPSD的机会约束和补货为基础的角度下的主要挑战。一旦我们涵盖了目前的国家的最先进的,我们介绍两个主要的方法的贡献。首先,我们提出了一个分支价格和削减(BP&C)算法的VRPSD下的最优补货。该方法,这是基于基本路线的定价,与以前的算法相比,并允许几个开放的基准实例的解决方案。其次,我们开发了一个需求模型,用于处理相关的客户需求。该模型的中心概念是“外部因素”,它代表影响所有需求的未知协变量。我们提出了一个贝叶斯为基础的,迭代学习过程,以完善我们的知识的外部因素,客户的需求。此更新后的知识,然后使用规定的需求相关性下的最优补货决策。计算结果表明,新的BP&C方法的效率,并表明,成本节省10%以上的补货决策时,考虑到需求的相关性。最后,我们激励一些研究的角度来看,我们相信,应该塑造未来的研究VRPSD。
2023-02-06 math.OC
Robust Routing and Scheduling of Home Healthcare Workers: A Nested Branch-and-Price Approach
针对家庭医护多日规划中时间不确定的问题,提出带基数约束鲁棒性的嵌套分支定价混合整数规划方法,兼顾多类约束与目标,实际规模算例可高效求最优,鲁棒性代价为护理人员负载降低,地理邻近性为次要分配因素。
2024-07-04 econ.GN math.OC q-fin.EC
Leveraging Electric School Buses for Disaster Recovery: Optimizing Routing and Energy Scheduling via Branch-and-Price
The University of Texas at San Antonio(圣安东尼奥德克萨斯大学);University of Pittsburgh(匹兹堡大学);San Antonio Fire Department(圣安东尼奥消防局)
针对灾害中关键负荷恢复,提出利用电动校车进行路径与能源调度的混合整数规划模型,并开发精确与启发式分支定价算法,显著提升计算效率并降低恢复成本。
2025-10-15 math.OC
An Exact Branch-Price-and-Cut Algorithm for a Truck-as-Hub Vehicle Routing Problem with Drones
Texas A&M University(德克萨斯农工大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
针对农村带无人机的以卡车为枢纽的车辆路径问题,构建混合整数二次规划模型,开发定制化分支定价割算法,该算法可高效求解大规模实例,为农村配送系统平衡服务质量与成本提供指导。
2026-10-14 math.OC
Stochastic Cyclic Inventory Routing with Supply Uncertainty: A Case in Green-Hydrogen Logistics
本文针对绿色氢能物流中具有供应不确定性的随机周期库存路径问题,提出联合参数化MIP与MDP模型的成本函数近似方法,实现运输调度与买卖决策的迭代优化,并在荷兰案例中验证了其近优性。
2023-08-30 math.OC
Toward Efficient Transportation Electrification of Heavy-Duty Trucks: Joint Scheduling of Truck Routing and Charging
针对重型电动卡车运输,提出联合路线与充电调度优化,采用SLBLR方法分解复杂问题,实现快速近优解,并揭示电池容量与充电功率对成本及车队规模的影响。
2023-11-13 cs.CY cs.SY eess.SY
Joint Routing and Charging Problem of Electric Vehicles with Incentive-aware Customers Considering Spatio-temporal Charging Prices
本文研究了电动汽车车队的调度问题,提供移动性作为一种服务,一组时间指定的客户,运营商需要解决的路由和充电问题,共同为每个EV。因此,我们认为激励意识的客户,并建议运营商提供货币激励客户,以换取时间的灵活性。通过这种方式,车队运营商可以以较低的成本实现路由和充电计划,同时客户可以获得灵活性的货币补偿。具体而言,我们首先提出了一个双层最优化模型,车队运营商优化的路由和充电时间表占时空变化的收费价格,与金钱激励,以偿还交付时间的灵活性所经历的客户。同时,客户通过最小化自己的成本来选择自己的时间灵活性。其次,我们应付来自这个非线性双层最优化模型的计算负担与精确的重新制定的方法组成的KKT最优性条件,基于大M的线性化方法,和零对偶间隙的凸优化问题。这样,我们将所提出的问题转化为一个单级的最优化问题,它可以解决一个加强的广义Benders分解方法持有更快的收敛速度比广义Benders分解方法。为了评估所提出的数学模型的有效性,我们进行了大量的模拟实验,使用比利时的VRP-REP数据。数值结果表明,所提出的数学模型可以减少客户的交付费用以及车队运营商的运营成本。
2022-05-26 cs.SY eess.SY math.OC
Branch \& Price \& Cut for the Time-Dependent Vehicle Routing Problem with Time Windows (TDVRPTW)
IMT Atlantique(IMT大西洋学院);INSA Lyon(里昂国立应用科学学院);Inria(法国国家信息与自动化研究所)
研究带时间窗的时间依赖车辆路径问题,通过将单车变体进展用于多车设置,重新实现分支定价算法,并探索整合数据挖掘和机器学习引导列生成,以开发高性能可解释求解器,推进该问题精确求解技术水平。
2026-07-28 math.OC
Impact of Electric Vehicle Routing with Stochastic Demand on Grid Operation
随着电动汽车(EV)普及率的提高,政府政策的支持和技术价格的下降,电动交通的建模和运营面临着新的挑战。在本文中,我们提出了一个模型来解决EV路由问题,同时考虑到现实生活中的随机需求行为。我们提出了一个数学公式,最大限度地减少旅行时间和能源成本的电动汽车车队。EV由电池能量消耗模型表示。为了使我们的配方适应现实生活中的场景,客户的皮卡和下车建模为随机参数。提出了一种机会约束最优化模型,用于解决上下车的不确定性问题。计算验证模型的基础上提供了代表性的运输方案。结果表明,我们的模型与可验证的解决方案的快速收敛。最后,电动汽车充电的影响是在曼哈顿市中心,纽约通过评估对配电网的影响进行验证。
2021-04-12 cs.SY eess.SY math.OC
A green perspective on capacitated time-dependent vehicle routing problem with time windows
本研究提出了一种新的方法来解决车辆路径问题,重点是温室气体排放和燃料消耗,旨在减轻不利的环境影响的运输。建立了一个包含时间窗的不定常时变运输模型,该模型考虑了运输过程中的速度和时间。该模型考虑了现实交付环境中一天中不同时间的速度限制。由于模型求解的复杂性,提出了一种模拟退火算法,以及时找到高质量的解决方案。该方法可以在降低燃料消耗和温室气体排放的同时,在一定程度上控制路线总成本。数值算例表明,对于中小型问题,该方法的精度在3.5%以内。此外,对于大型问题,在有限计算时间内,平均仅用精确方法的十分之一就得到了比较合适的解。
2017-09-17 cs.DS math.OC
Online Linear Programming for Multi-Objective Routing in LLM Serving
School of Mathematical Sciences, Peking University(北京大学数学科学学院)
研究大语言模型服务在线路由问题,引入多目标优化框架将路由设为在线线性规划,应用高效出价控制策略,开发热启动投影一阶更新,集成路由器到模拟器,结果表明基于科学方法优于启发式方法。
2026-07-07 cs.AI cs.LG math.OC
Towards a better approach to the Vehicle Routing Problem
本文全面综述了车辆路径问题(VRP)的理论基础、经典模型局限性及关键扩展,系统回顾了近期文献中的约束、目标与变体,以深化对VRP的理解并强调其在现代优化与决策中的持续演变与相关性。
2025-06-28 cs.CE math.OC
Rich Vehicle Routing Problem in Disaster Management enabling Temporally-causal Transhipments across Multi-Modal Transportation Network
Department of Industrial and Systems Engineering (ISE), Indian Institute of Technology (IIT) Kharagpur(工业与系统工程系,印度理工学院Kharagpur分校)
研究灾害管理中支持跨多式联运网络时间因果转运的丰富车辆路径问题,提出级联最小化MILP方法及基于决策树的PSR-GIP启发式算法,能快速求解大规模实例并优于现有方法。
2025-09-17 cs.AI cs.SY eess.SY
An Exact Counterexample to Affine-Like Price-of-Anarchy Shape in Quartic BPR Routing
Nth Research Collective(Nth研究集体)
本文通过精确计算机辅助反例,证明四次BPR路由中仿射型价格无政府性形状定理不成立,并利用区间证书和有理数算术验证了PoA的非单调性。
2026-09-23 cs.GT math.OC
Vehicle Routing for the Last-Mile Logistics Problem
能源消耗是物流运输成本不断增长的主要原因。最优车辆路径方法可以提供解决方案,以降低其运营成本和解决能源的影响。本文提出了一种求解单车场容量受限的车辆路径问题的方法,目标是最小化日运营成本,运输车辆为同质车队。利用模拟退火算法对该问题进行求解,为车辆在车场和目的地之间的行驶提供最优路径。仿真结果表明,该方法能有效地推荐最优路径,降低运营成本。我们建议的方法的补充信息和视频可以在https://sites.google.com/view/ud-ids-lab/last-mile上找到
2020-01-23 math.OC
Distributed Adaptive Reinforcement Learning: A Method for Optimal Routing
本文提出了一种基于学习的自动出租车和拼车车辆的最优运输算法。目标是设计一种机制来解决多个自动驾驶车辆和多个客户的路由问题,以最大限度地提高运输公司的利润。因此,从长远来看,每辆车都会选择那些要求使公司利润最大化的客户。为了解决这个问题,系统被建模为一个马尔可夫决策过程(MDP)使用过去的客户数据。通过求解所定义的MDP,获得集中式高级规划建议,其中该离线解决方案用作实时学习的初始值。然后,提出了一种分布式SARSA强化学习算法来捕获模型误差和环境变化,如每个区域的客户分布,交通和票价的变化,从而实时提供最优的路由策略。车辆或代理仅使用它们的本地信息和交互,例如当前乘客请求和邻居任务的估计以及它们的最优动作,以分布式方式获得最优策略。引入最优自适应速率,使分布式SARSA算法能够适应环境的变化,跟踪时变的最优策略。此外,提出了一种基于博弈论的任务分配算法,其中每个代理使用最优策略和它们的值从分布式SARSA选择它的客户从本地可用的请求在一个分布式的方式。最后,芝加哥市提供的客户数据被用来验证所提出的算法。
2020-05-05 math.OC
Vehicle Routing Problem for Urban and Grey Zones Considering Heterogeneous Fleets and Carpooling
本研究探讨灰区员工交通问题,通过提倡拼车与提供公交服务建立优化模型,并采用epsilon约束法和NSGA-II求解,有效降低企业租赁车辆数与交通支出。
2024-06-05 math.OC
On a class of optimal transportation problems with infinitely many marginals
我们证明了一类最优运输问题的解的存在性和唯一性结果,无穷多个边缘,支持在真正的线。我们还提供了一个明确的公式的解决方案的特征。然后,我们证明了这个结果意味着一个无穷维的重排不等式,并使用它来获得上界的解决方案,抛物型偏微分方程通过Feynman-Kac公式。这一结果可以用来提供数学金融中某些衍生品价格的模型独立边界。作为另一个应用,我们得到了量子物理中的精细相空间边界。
2012-06-24 math.AP math.OC math.PR
Electrification of Transportation: A Hybrid Benders/SDDP Algorithm for Optimal Charging Station Trading
针对交通电气化中充电基础设施不足及电价不确定问题,提出综合充电站两阶段随机规划模型,混合Benders分解与SDDP算法求解,为电力市场序列拍卖决策提供实用参考。
2024-10-02 cs.OH math.OC
A Hybrid Pricing and Cutting Approach for the Multi-Shift Full Truckload Vehicle Routing Problem
University of Nottingham(诺丁汉大学);University of Nottingham Ningbo China(宁波诺丁汉大学);The University of Melbourne(墨尔本大学)
集装箱形式的整车运输是国际贸易中最重要的运输方式之一。由于体积和规模大,在FTL中,交付时间通常不那么重要,但成本和服务质量至关重要。因此,有效地解决大规模多班FTL问题变得越来越重要,需要进一步的研究。在我们早期的一项研究中,针对一个多班FTL问题,建立了一个集合覆盖模型和一个三阶段求解方法。本文扩展了以前的工作,并提出了一种更有效的方法,通过混合定价和切割策略与元算法(可变邻域搜索和遗传算法)。采用元分析法,在定价的指导下寻找有希望的列(车辆路线),并动态生成削减,以消除不兼容商品造成的不可行流分配。对真实和人工基准FTL问题的计算实验表明,与以前基于MIP的三阶段方法和现有的两种元算法相比,该方法在计算时间和求解质量方面都具有优异的性能。所提出的切割和启发式定价方法可以有效地解决大规模的现实生活中的FTL问题。
2020-12-03 cs.AI math.OC
Optimal pricing for optimal transport
假设$c(x,y)$是将单位质量从$x\in X$运输到$y\in Y$的成本,并假设$X$上的质量分布$μ$被最优地运输(使得运输的总成本最小)到$Y$上的质量分布$ν$。然后,粗略地说,康托洛维奇对偶定理断言,出售一个质量单位有一个价格$f(x)$(比如由生产商对经销商)以$x$和一个销售单位质量的价格$g(y)$(比如由分销商提供给最终消费者),使得对于任何$x\in X$和$y\in Y$,价格差$g(y)-f(x)$不大于运输成本$c(x,y)$,并且使得如果确实运输了非零质量,则存在等式$g(y)-f(x)=c(x,y)$(通过最佳运输计划)从$x$到$y$。我们考虑以下最优定价问题:假设一个新的定价策略是确定的,同时保持一部分的最优运输计划,此外,在这部分的来源价格也保持不变。从生产者的角度来看,什么是可能的最高兼容定价政策?从消费者的角度来看,什么是可能的最低兼容价格政策?在$c$ -凸性理论的框架下,我们最近引入并研究了最优$c$ -凸$c$ -反导数,并给出了这些优化器的显式构造。在本文中,我们采用最优$c$ -凸$c$ -反导数,并得出结论,这些是自然的解决方案,上述最优定价问题。这种类型的问题在过去引起了注意,并且先前在各种规格下的$X=Y=R^n$的情况下建立了存在结果。我们解决了一般空间$X,Y$和实值,较低的连续成本函数$c$的上述问题。
2014-05-19 math.FA math.OC
A Branch-Price-Cut-And-Switch Approach for Optimizing Team Formation and Routing for Airport Baggage Handling Tasks with Stochastic Travel Times
Technical University of Munich(慕尼黑工业大学)
针对随机旅行时间下的机场行李处理任务,提出分支-定价-割-切换算法,动态切换主问题公式,利用精确分离秩1 Chvátal-Gomory割和任务完成时间分支规则,显著优于现有方法。
2026-06-17 econ.GN math.OC q-fin.EC