Logo des Repositoriums
 

Konzeption eines Machine-Learnings-Verfahrens zum Lösen von Green Vehicle Routing Problemen

Kurzanzeige
dc.contributor.authorStockhausen,Pablo
dc.contributor.authorJohannsen,Andreas
dc.contributor.authorMaurer,Robert
dc.contributor.editorDemmler, Daniel
dc.contributor.editorKrupka, Daniel
dc.contributor.editorFederrath, Hannes
dc.date.accessioned2022-09-28T17:10:48Z
dc.date.available2022-09-28T17:10:48Z
dc.date.issued2022
dc.description.abstractDieser Beitrag entwickelt ein Konzept zur praktischen Umsetzung eines Machine- Learning-Verfahrens zum Lösen von Vehicle Routing Problemen im Kontext einer nachhaltigen “Letzte-Meile”-Logistik, welches durch einen Prototyp umgesetzt und getestet wurde. Dabei wurden Aspekte von kombinatorischen Optimierungsalgorithmen in Form eines Ameisenalgorithmus zur Unterstützung des angewendeten Machine-Learning-Systems verwendet. Der Prototyp basiert auf einem “Reinforcement Learning”-System und verwendet als Algorithmus “REINFORCE mit Baseline”. In einer Vergleichsanalyse wird der Prototyp mit dem bekannten Vertreter für kombinatorische Optimierungsalgorithmen, Google-OR, an Hand von zwei Anwendungsszenarien verglichen. Die kombinatorischen Optimierungsalgorithmen konnten sich hinsichtlich der Lösungsqualität gegenüber dem Prototyp durchsetzen. Dafür überzeugt der Prototyp in der Laufzeit und dem Automatismus. Es wurde festgestellt, dass der verwendete Machine-Learning-Kontext für kleine bis mittelgroße Logistikdomänen nur geringe Vorteile ergibt. Eine Verwendung von lernenden Systemen für das Vehicle Routing Problem empfiehlt sich bei einem größeren Stoppvolumen und einer erweiterten IT-Infrastruktur. Letztlich bietet der Prototyp in diesem Beitrag eine Alternative gegenüber dem Outsourcing an Drittanbietern zum Lösen von Routingproblemen.de
dc.identifier.doi10.18420/inf2022_75
dc.identifier.isbn978-3-88579-720-3
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/39578
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2022
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-326
dc.subjectVehicle Routing Problem
dc.subjectMachine Learning
dc.subjectReinforcement Learning
dc.subjectAnt Colony Optimization
dc.subjectLetzte- Meile- Logistik
dc.subjectAmeisenalgortyhmus.
dc.titleKonzeption eines Machine-Learnings-Verfahrens zum Lösen von Green Vehicle Routing Problemende
gi.citation.endPage896
gi.citation.startPage885
gi.conference.date26.-30. September 2022
gi.conference.locationHamburg
gi.conference.sessiontitleWirtschaftsinformatik an Hochschulen Angewandter Wissenschaften

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
haws_03.pdf
Größe:
329.93 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P326 - INFORMATIK 2022 - Informatik in den Naturwissenschaften