文献

J-GLOBAL ID：202002235014650728   整理番号：20A0456446

capacitatedロケーション経路選定問題を解くための発見的方法とニューラルネットワークに基づく新しいアプローチ【JST・京大機械翻訳】

A novel approach based on heuristics and a neural network to solve a capacitated location routing problem

著者 (3件)： Oudouar Fadoua (EMI, Mohammed V University, Rabat, Morocco) ,  Lazaar Mohamed (ENSIAS, Mohammed V University in Rabat, Morocco) ,  Miloud Zaoui El (ENIM, Mohammed V University, Rabat, Morocco)
資料名： Simulation Modelling Practice and Theory  (Simulation Modelling Practice and Theory)
巻： 100  ページ： Null  発行年： 2020年 
JST資料番号： W0733A  ISSN： 1569-190X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,車両の配送距離を最小化するために,容量化位置決めルーティング問題(CLRP)を解く方法を述べた。CLRPは,各顧客を1つのデポットに割り当て,経路を決定することから構成される。目的はコスト(距離)を最小化することである。位置決め問題において,自己組織化マップ(SOM)を用いて,デポットを決定し,顧客をデポットに割り当てる。SOMは2つの層を持つ教師なし学習法であり,クラスタリングのようないくつかの研究分野で有効であることが証明されている。経路選定問題において,ClarkeとWright技術を用いて経路を決定した。本研究では,クラークとライト(CSOM&CW)によって得られた経路を改善するために,デポの位置とOro-optアルゴリズムを最適化するために,容量化自己組織化マップ(CSOM)の改良を提案した。数値結果により,提案方法は,小さいおよび中間の事例の多くのベンチマークを満たすことができた。計算結果は,著者らのアプローチのより高い性能を評価し,大規模事例を解くことにおけるその効率を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *発見的方法 ,  照明 ,  *経路選定 ,  クラスタ化 ,  アルゴリズム ,  *ニューラルネットワーク ,  位置決め ,  自己組織化特徴マップ ,  教師なし学習 ,  ベンチマーク ,  最適化

著者キーワード (6件)： ニューラルネットワーク ,  自己組織化マップ ,  教師なし学習 ,  クラスタリング ,  最適化 ,  位置ルーティング問題

分類 (1件)： 計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (3件)： 経路選定 ,  発見的方法 ,  ニューラルネットワーク