کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6894671 | 1445928 | 2018 | 52 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Value function approximation for dynamic multi-period vehicle routing
ترجمه فارسی عنوان
تقریب تابع ارزش برای مسیریابی چند پریزمی پویا
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مسیریابی مسیریابی خودرو دینامیک، چندرسانهای، درخواست تصدیق، تقریب تابع ارزش،
ترجمه چکیده
در برنامه های کاربردی مانند خدمات پچ یا تکنسین، مشتریان خدمات را در طول روز درخواست می کنند. ارائه دهندگان خدمات تصمیم می گیرند که آیا مشتری را برای خدمات روزمره یا مشتری به دلیل محدودیت منابع محدود کنند. بنابراین برخی از درخواست ها به روز بعد منتقل می شود. برای برآوردن انتظارات مشتری، ارائه دهندگان خدمات به تعداد زیادی از خدمات روزانه می پردازند. با این حال، تصمیمات پذیرش نه تنها عملکرد فعلی را تحت تاثیر قرار می دهد، بلکه همچنین در روز بعد نیز تاثیر می گذارد. بنابراین تصویب پذیری، تعویق و تصمیم گیری مسیریابی باید پیش بینی مسیر مسیریابی و درخواست های آینده در روزهای جاری و روزهای آینده را پیش بینی کند. مسئله تصمیم گیری نتیجه یک مساله مسیریابی چند مرحله ای با درخواست های احتمالی است. برای تقریبا حل پروسه تصمیم مارکوف از مشکل ارائه شده، ما یک سیاست پویای پیش بینی کننده مبتنی بر برنامه ریزی پویایی تقریبی ارائه می دهیم. این سیاست پتانسیل کشورهای مشکل را با توجه به خدمات مشابه دوره مشابه در طول دوره و در طول زمان برآورد می کند. سیاست ما بر تقریب تابع ارزش، تجمع فضای دولت و طبقه بندی دوره ها متکی است. ما سیاست خود را به چندین سیاست از ادبیات مقایسه می کنیم. ما تجزیه و تحلیل می کنیم که چگونه و پیش بینی های چند دوره ای کیفیت مطلوب را بهبود می بخشد و چگونه طبقه بندی جدید فضای حالت دولتی برای دستیابی به پیش بینی ضروری است. ما در نهایت نشان می دهیم که پیش بینی چند دوره، رفتار پذیرش را به تبعیض کمتر مشتریان روستایی و توزیع جغرافیایی عادلانه خدمات روزمره نسبت به پیش بینی یک دوره تغییر می دهد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
علوم کامپیوتر (عمومی)
چکیده انگلیسی
In practical applications like parcel or technician services, customers request service during the day. Service providers decide whether to accept a customer for same-day service or to defer a customer due to resource limitations. Some requests are therefore postponed to the following day. To satisfy customer expectations, service providers aim on a high number of same-day services. Still, acceptance decisions not only affect the performance on the current, but also on the following day. Suitable acceptance, postponement, and routing decisions therefore should anticipate future routing and requests in both the current and the next day(s). The resulting decision problem is a dynamic multi-period vehicle routing problem with stochastic service requests. To approximately solve the Markov decision process of the presented problem, we present an anticipatory dynamic policy based on approximate dynamic programming. This policy estimates the potential of problem states with respect to future same-period services within and over the periods. Our policy draws on value function approximation, state space aggregation, and on a classification of the periods. We compare our policy to several policies from the literature. We analyze how and when multi-period anticipation improves the solution quality significantly and how the newly developed state space classification is essential to achieve anticipation. We finally show how multi-period anticipation changes the acceptance behavior to less discrimination of rural customers and to a fairer geographical distribution of same-day services in comparison to single-period anticipation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 269, Issue 3, 16 September 2018, Pages 883-899
Journal: European Journal of Operational Research - Volume 269, Issue 3, 16 September 2018, Pages 883-899
نویسندگان
Marlin W. Ulmer, Ninja Soeffker, Dirk C. Mattfeld,