Zobrazit minimální záznam

Vehicle Routing Problem with Time Windows solved via Machine Learning and Optimization Heuristics



dc.contributor.advisorKordík Pavel
dc.contributor.authorAdam Zvada
dc.date.accessioned2021-06-04T22:51:49Z
dc.date.available2021-06-04T22:51:49Z
dc.date.issued2021-06-04
dc.identifierKOS-962290803405
dc.identifier.urihttp://hdl.handle.net/10467/94492
dc.description.abstractPro řešení vehicle routing problému byly navrženy nové přístupy v oblasti strojového učení, ale téměř žádná pozornost nebyla věnována variantě vehicle routing problému s časovými okny s mírným omezením (VRPTW). I přesto, že tato varianta je nutná řešit v každém produkčním řešení plánovacího logistického systému. Tato práce navrhuje novou metodu řešení VRPTW pomocí hlubokého posilovaného učení. Model je postaven na architektuře Transformer využívající Graph Attention Network pro vložení vstupní instance. Model používá nově navrženou funkci odměny, která zahrnuje omezení časových oken. Práce také zkoumá další metaheuristické metody pro řešení VRPTW, které slouží ke vyhodnocení výsledného modelu. Výsledkem této práce je end-to-end model hlubokého učení, který řeší VRPTW, který ale stále předčí metaheuristiké metody.cze
dc.description.abstractA novel approaches in the field of machine learning has been proposed to solve the vehicle routing problem, but yet a variant of vehicle routing with soft constrained time windows has received almost no attention. Even though it is a must for any production ready logistics planner. This thesis proposes a new method for solving a vehicle routing problem with soft constrained time windows (VRPTW) using deep reinforcement learning. The model is built upon Transformer architecture utilizing Graph Attention Network for embedding the input instance. The model is using the proposed reward function that incorporates the time window constraint. The thesis also explores other metaheuristics methods for solving VRPTW, which is used to benchmark the model performance. The result of this thesis is end-to-end deep learning model solving VRPTW but it is still outperformed by metaheuristics solvers.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmleng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectvehicle routing problémcze
dc.subjectčasová oknacze
dc.subjectvrptwcze
dc.subjecthluboké posilované učenícze
dc.subjectumělá inteligencecze
dc.subjectstrojové učenícze
dc.subjecttransformercze
dc.subjectgraph attention networkcze
dc.subjectvehicle routing problemeng
dc.subjecttime windowseng
dc.subjectvrptweng
dc.subjectdeep reinforcment learningeng
dc.subjectartificial intelligenceeng
dc.subjectmachine learningeng
dc.subjecttransformereng
dc.subjectgraph attention networkeng
dc.titleVehicle Routing Problem řešený pomocí strojového učení a heuristických optimalizačních metodcze
dc.titleVehicle Routing Problem with Time Windows solved via Machine Learning and Optimization Heuristicseng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.contributor.refereeSmítková Janků Ladislava
theses.degree.disciplineZnalostní inženýrstvícze
theses.degree.grantorkatedra aplikované matematikycze
theses.degree.programmeInformatika 2010cze


Soubory tohoto záznamu





Tento záznam se objevuje v následujících kolekcích

Zobrazit minimální záznam