TL;DR
- مشاهده چکیده PDF:.
- مشکلات مسیریابی خودروی دو مرحلهای با تقاضاهای تصادفی (VRPSDs) یک کلاس از مسائل بهینهسازی ترکیبی تصادفی را تشکیل.
- میدهند که در آن مسیرها از قبل برنامهریزی شدهاند،.
چه اتفاقی افتاد
مشاهده چکیده PDF:. مشکلات مسیریابی خودروی دو مرحلهای با تقاضاهای تصادفی (VRPSDs) یک کلاس از مسائل بهینهسازی ترکیبی تصادفی را تشکیل.
میدهند که در آن مسیرها از قبل برنامهریزی شدهاند،. درخواستها به محض ورود خودرو آشکار میشوند،.
و هر زمان که از ظرفیت فراتر رفت،. اقدامات توسلی انجام میشود.
به دنبال کارهای اخیر،. VRPSDها را در نظر میگیریم که در آن تقاضاها با توزیع احتمال تجربی سناریوها ارائه می.
شوند. روشهای موجود بر برشهای L شکل (ILS) تکیه میکنند که ضرایب آن برای سیاستهای رجوع خاص طراحی شدهاند.
در مقابل،. ما چارچوبی را پیشنهاد میکنیم که سیاستهای توسل را بهعنوان راهحلهای یک برنامه اعداد صحیح مختلط با ابعاد.
بالاتر ارائه میکند،. و بدنه محدب آن را در فضای پایینبعد اصلی از طریق یک کلاس جدید از نابرابریها به نام.
نابرابریهای بازگشت سناریو (SRIs) مشخص میکنیم. ما نشان میدهیم که SRIها برای هر سیاست توسلی که مفروضات ملایم را برآورده میکند معتبر هستند.
برای فرموله کردن VRPSD تحت یک سیاست توسل بهینه سناریو،. که در آن اقدامات توسل بهطور بهینه برای هر سناریو انتخاب میشوند،.
کافی هستند. تحت این سیاست اخیر، ما همچنین نشان میدهیم که SRIها بر چندین کاهش ILS تسلط دارند.
ما آزمایشهای محاسباتی را روی VRPSD با سناریوهایی تحت سیاستهای بازگشت کلاسیک و سناریو-بهینه انجام میدهیم. با استفاده از SRIها،.
الگوریتم ما 329 نمونه بیشتر را نسبت به الگوریتم پیشرفته ILS قبلی حل میکند. بهینهسازی و کنترل (math.
OC) استناد بهعنوان: (یا v1 [math. OC] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Matheus Jun Ota [مشاهده ایمیل] [v1] پنجشنبه،.
2 آوریل 2026،. 19:.
56:. 42 UTC (1,.
476 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.