De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Jonne Zutt ( ) TU Delft Parallel Gedestribueerde Systemen CABS Project Cooperative Transport Planning.

Verwante presentaties


Presentatie over: "Jonne Zutt ( ) TU Delft Parallel Gedestribueerde Systemen CABS Project Cooperative Transport Planning."— Transcript van de presentatie:

1 Jonne Zutt ( ) TU Delft Parallel Gedestribueerde Systemen CABS Project Cooperative Transport Planning

2 Inhoud Transport Planning Probleem (TPP) –Probleem instantie –Architectuur Twee fasen aanpak –Eerste fase –Tweede fase Simulatie Conclusies Uitbreidingen

3 Transport Planning Probleem Infrastructuur Trucks (capaciteit, snelheid) Orders (bron, doel, opbrengst, volume, tijdvenster) Plannen (verzameling orders en een route) Kostenfunctie (afstand, aantal trucks, tijdvensters)

4 Kostenfunctie C De tijd nodig om het hele plan uit te voeren en boetes voor het te laat bezorgen van een pakket (evt. ook het te vroeg aankomen in de bron locatie); Totale kosten: We willen de totale kosten minimaliseren.

5 Architectuur Makelaar Bedrijf 1 Bedrijf 3 Bedrijf 2 Klant

6 Twee fasen aanpak Probleem Instantie Definitieve plannen Eerste Fase Tweede Fase Elk bedrijf maakt een plan voor zijn trucks; Insertion, Savings, Incremental Local Optimization. Samenwerking tussen trucks in dezelfde coalitie; Exchange By One, Simultaneous Exchange. Initiële Plannen

7 Insertion (1 e fase) Begin met een leeg plan voor elke truck; Stap voor stap worden alle binnenkomende orders ingepland. Zo’n stap noemen we een insertie; Het algoritme is klaar als alle orders zijn gepland.

8 Insertie stap Er komt een order o binnen: Bepaal voor elke truck de insertiekosten: dit zijn de minimale extra kosten nodig voor de truck om ook langs bron(o) en doel(o) te reizen. Kies de truck met minimale insertiekosten voor order o.

9 Insertion (voorbeeld) papa dada pbpb dbdb pdpd d pcpc dcdc Alternatieven: T 1 – p a – d a T 2 – p a – d a T 1 (2) T 2 (2) Alternatieven: T 1 – p b – d b – p a – d a T 1 – p b – p a – d b – d a T 1 – p b – p a – d a – d b T 1 – p a – p b – d b – d a T 1 – p a – p b – d a – d b T 1 – p a – d a – p b – d b T 2 – p b – d b

10 Savings (1 e fase) We beginnen nu niet met niets, maar we maken voor elk order een denkbeeldige (dummy) truck aan, die alleen dit order in zijn plan heeft; Vervolgens voegen we net zolang plannen samen, totdat het aantal plannen gelijk is aan het aantal (echte) trucks (merging); Tenslotte kennen we aan elke (echte) truck een plan toe.

11 Merging Voor elk paar van plannen bekijken we de kosten van het samenvoegen: voor beide plannen wordt geprobeerd deze in z’n geheel in te voegen op elke plek in het andere plan. De kosten van het goedkoopste plan van al deze samengevoegde plannen onthouden we; Voor elk paar van plannen weten we nu de beste manier om deze samen te voegen. Nu kiezen we het plan, dat de totale kosten minimaliseert.

12 Savings (voorbeeld) papa dada pbpb dbdb pdpd d pcpc dcdc Merge A en B Merge A en C Merge A en D Merge B en C Merge B en D Merge C en D Merge A en BD Merge A en C Merge BD en C T 1 – p a – d a – p c – d c T 2 – p a – d a – p c – d c T 1 (2) T 2 (2)

13 Incremental Local Optimization (1 e fase) Werkt hetzelfde als Insertion; Locale optimalisatie gebruikt een 2 e fase (samenwerkings)algoritme op elk moment dat een insertie gedaan is en alleen tussen de betreffende truck met andere trucks in de coalitie.

14 Een truck probeert al zijn orders één voor één aan de andere truck te geven; In elke stap moeten de gezamenlijke kosten lager worden. Exchange By One (2 e fase) stappen 

15 Simultaneous Exchange (2 e fase) Simultaneous Exchange n: Per stap mogen maximaal n orders van de ene truck met maximaal n orders van de andere truck gewisseld worden; stappen 

16 MARS Multi-Agent Real-time Simulator gemaakt door TNO TPD; Met MARS kunnen we experimentele resultaten over de kwaliteit van de algoritmen verkrijgen; Geschreven in de taal Java; Geschikt voor grote simulatie werelden; Geschikt voor vele soorten simulaties, inclusief het transport domein.

17 Onderdelen M ARS Experiment EntiteitenInfrastructuur ScenarioVisueel Model

18 DEMO Entities, scenario, cover regions, nr_of_orders, on-line plannen van 100 random orders.

19 Kwaliteit van de algoritmen benaderingsalgoritme optimum ondergrens Probleem instanties   Totale kosten

20 Voorbeeld Savings en Exchange By One Plannen gemiddeld ruim 6% beter na samenwerking; Na samenwerking zijn de kosten ongeveer 2x O.G.

21 Conclusies TPP is een interessant probleem. Het is belangrijk in de praktijk en het is moeilijk om goede oplossingen te vinden; Met MARS kunnen we een omgeving simuleren waarin we transportproblemen oplossen; We kunnen verschillende algoritmen testen op hun kwaliteit en snelheid.

22 Uitbreidingen Veiling mechanismen; Dynamische coalitie-vorming; Incidenten simuleren; Uitgebreider testen met realistische probleem instanties.

23 Vragen …

24 KHP TPPD NEE JA NEE I1I1 T(I 1 ) I2I2 T(I 2 ) I3I3 Transformatie T: KHP  TPPD

25 Toepassing transformatie a b d c papa dada pbpb dbdb pdpdd pcpc dcdc K K = 5 a – b – c – d = 5 K' = 5 6 = 30 T – p a – d a – p b – d b – p c – d c – p d – d d = 30 KHP TPPD

26 Ondergrens functie P T D pxpx dxdx


Download ppt "Jonne Zutt ( ) TU Delft Parallel Gedestribueerde Systemen CABS Project Cooperative Transport Planning."

Verwante presentaties


Ads door Google