کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5476332 1521430 2017 37 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Eco-reliable path finding in time-variant and stochastic networks
ترجمه فارسی عنوان
پیدا کردن مسیر های قابل اطمینان در شبکه های زمانی زمانبر و تصادفی
کلمات کلیدی
پیدا کردن مسیر قابل اعتماد در محیط زیست، انتشار خودرو، زمان متغیر و شبکه تصادفی رویکرد آرامش لاگرانژی،
ترجمه چکیده
این مقاله به یک مشکل راهنمایی مسیری برای یافتن مسیر اکو-قابل اعتماد ترین در شبکه های زمانی زمانبر و تصادفی می پردازد که مسافرین می توانند با حداکثر احتمال وقوع در مقصد به مقصد برسند و با رعایت استانداردهای انتشار خودرو مواجه شوند. به منظور مشخص کردن پویایی و اتوریته شبکه های حمل و نقل، زمان سفر پیوند و انتشار گازهای گلخانه ای فرض می شود که متغیرهای تصادفی متغیرهای زمان بر کل شبکه هستند. یک مدل برنامه ریزی ریاضی عدد صفر 1 برای به حداقل رساندن احتمال ورود به اواخر به طور همزمان با توجه به محدودیت انتشار کمتر انتظار می رود. با استفاده از رویکرد آرامش لاگرانژی، مدل اولیه به یک مدل دوالیزه تبدیل می شود که بیشتر به دو زیر مشکل ساده تجزیه می شود. برای کاهش فاصله بین سطوح بالاتری و پایین، روش زیر گرادیان طراحی شده است. سه مجموعه آزمایش های عددی برای نشان دادن کارایی و عملکرد الگوریتم و مدل پیشنهادی ما مورد آزمایش قرار می گیرند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
چکیده انگلیسی
This paper addresses a route guidance problem for finding the most eco-reliable path in time-variant and stochastic networks such that travelers can arrive at the destination with the maximum on-time probability while meeting vehicle emission standards imposed by government regulators. To characterize the dynamics and randomness of transportation networks, the link travel times and emissions are assumed to be time-variant random variables correlated over the entire network. A 0-1 integer mathematical programming model is formulated to minimize the probability of late arrival by simultaneously considering the least expected emission constraint. Using the Lagrangian relaxation approach, the primal model is relaxed into a dualized model which is further decomposed into two simple sub-problems. A sub-gradient method is developed to reduce gaps between upper and lower bounds. Three sets of numerical experiments are tested to demonstrate the efficiency and performance of our proposed model and algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 121, 15 February 2017, Pages 372-387
نویسندگان
, , , , , ,