文献

J-GLOBAL ID：202002230536555198   整理番号：20A0913404

時間窓を持つ確率的チーム指向問題のためのマルチタスク遺伝的プログラミング【JST・京大機械翻訳】

Multitasking Genetic Programming for Stochastic Team Orienteering Problem with Time Windows

著者 (3件)： Karunakaran Deepak (Victoria University of Wellington,Wellington,New Zealand) ,  Mei Yi (Victoria University of Wellington,Wellington,New Zealand) ,  Zhang Mengjie (Victoria University of Wellington,Wellington,New Zealand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SSCI  ページ： 1598-1605  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 観光産業は,近年,観光客に対する多数の選択肢をもたらす高い成長を目撃している。個人化された観光旅行設計は,訪問期間における多くの関心,異なる旅行者選好および不確実性に直面している。本論文では,個人化された旅行者トリップ設計を良くモデル化する時間窓(TOPTW)による確率的チーム指向問題を研究した。不確実な環境下では,事前にロバストな解を決定することは,トリップにおける頻繁な変化のために非常に効果的ではない。反応性意思決定政策は有効な代替案であることが示されている。遺伝的プログラミングに基づくハイパー発見的(GPHH)アプローチを,自動的に政策を設計するために調査した。しかし,GPHHは計算的に集中的である。多数のトリップ設計シナリオ(例えば都市)を考慮すると,個々にこれらのシナリオの各々に対する政策を進化させることは困難で時間がかかる。本研究では,複数のトリップ設計シナリオにわたって効果的な一組の政策を進化させるために,島モデルに基づくマルチタスクGPHHアプローチを提案した。実験研究により,すべての問題事例に対するポリシーを進化させるための単一ランのみを必要とするマルチタスク手法は,各TOPTWインスタンスに対する分離集団を必要とし,連続的に実行する標準的なGPHHアプローチと比較して,効率的で効果的であることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  不確実性 ,  *トリップ ,  観光 ,  都市 ,  ロバスト性 ,  遺伝的プログラミング
準シソーラス用語： 観光客 ,  *時間窓 ,  旅行者 ,  島モデル ,  *マルチタスク ,  観光産業 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 時間窓 ,  確率 ,  チーム ,  問題 ,  マルチタスク ,  遺伝的プログラミング