Development of a system to solve a new variant of a real transport problem using discrete optimisation algorithms (accurate and approximate) and advanced machine learning techniques (Smart Drive) (Q122681): Difference between revisions
Jump to navigation
Jump to search
(Created claim: summary (P836): L’objectif du projet est de développer une nouvelle variante d’un problème de transport complexe reflétant des scénarios réels de transport tels que les coûts de déplacement dynamiquement variables, la capacité variable de la flotte, les fenêtres horaires avec marges ou la définition des préférences de voyage. De nouveaux algorithmes (précis et approximatifs, y compris évolutifs) seront mis au point pour résoudre le problème de transport proposé...) |
(Changed label, description and/or aliases in de, and other parts: Adding German translations) |
||||||||||||||
| label / de | label / de | ||||||||||||||
Entwicklung eines Systems zur Lösung einer neuen Variante des realen Transportproblems mit Algorithmen (genaue und ungefähre) Optimierung diskreter und fortschrittlicher Techniken des maschinellen Lernens (Smart Drive) | |||||||||||||||
| Property / summary | |||||||||||||||
Ziel des Projekts ist es, eine neue Variante eines komplexen Transportproblems zu entwickeln, das reale Transportszenarien wie dynamisch variable Reisekosten, unterschiedliche Flottenkapazitäten, Zeitfenster mit Margen oder die Festlegung von Reisepräferenzen widerspiegelt. Zur Lösung des vorgeschlagenen Verkehrsproblems und zur Vorhersage der Nachfrage nach Verkehrsdiensten (z. B. basierend auf historischen Daten oder Verkehrsvolumina) werden neue Algorithmen (genaue und ungefähre, einschließlich evolutionärer) Algorithmen entwickelt. Diese Algorithmen werden umfassend (quantitativ, qualitativ und statistisch) überprüft und in einer betrieblichen Umgebung validiert. Ein solcher umfassender Ansatz zur Lösung von Verkehrsproblemen ist noch nicht weltweit bekannt oder angewandt worden, und Forschungsergebnisse werden einen wichtigen Beitrag zur Entwicklung von evolutionären Algorithmen und maschinellem Lernen leisten, auch aufgrund ihrer Generika. (German) | |||||||||||||||
| Property / summary: Ziel des Projekts ist es, eine neue Variante eines komplexen Transportproblems zu entwickeln, das reale Transportszenarien wie dynamisch variable Reisekosten, unterschiedliche Flottenkapazitäten, Zeitfenster mit Margen oder die Festlegung von Reisepräferenzen widerspiegelt. Zur Lösung des vorgeschlagenen Verkehrsproblems und zur Vorhersage der Nachfrage nach Verkehrsdiensten (z. B. basierend auf historischen Daten oder Verkehrsvolumina) werden neue Algorithmen (genaue und ungefähre, einschließlich evolutionärer) Algorithmen entwickelt. Diese Algorithmen werden umfassend (quantitativ, qualitativ und statistisch) überprüft und in einer betrieblichen Umgebung validiert. Ein solcher umfassender Ansatz zur Lösung von Verkehrsproblemen ist noch nicht weltweit bekannt oder angewandt worden, und Forschungsergebnisse werden einen wichtigen Beitrag zur Entwicklung von evolutionären Algorithmen und maschinellem Lernen leisten, auch aufgrund ihrer Generika. (German) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Ziel des Projekts ist es, eine neue Variante eines komplexen Transportproblems zu entwickeln, das reale Transportszenarien wie dynamisch variable Reisekosten, unterschiedliche Flottenkapazitäten, Zeitfenster mit Margen oder die Festlegung von Reisepräferenzen widerspiegelt. Zur Lösung des vorgeschlagenen Verkehrsproblems und zur Vorhersage der Nachfrage nach Verkehrsdiensten (z. B. basierend auf historischen Daten oder Verkehrsvolumina) werden neue Algorithmen (genaue und ungefähre, einschließlich evolutionärer) Algorithmen entwickelt. Diese Algorithmen werden umfassend (quantitativ, qualitativ und statistisch) überprüft und in einer betrieblichen Umgebung validiert. Ein solcher umfassender Ansatz zur Lösung von Verkehrsproblemen ist noch nicht weltweit bekannt oder angewandt worden, und Forschungsergebnisse werden einen wichtigen Beitrag zur Entwicklung von evolutionären Algorithmen und maschinellem Lernen leisten, auch aufgrund ihrer Generika. (German) / qualifier | |||||||||||||||
point in time: 8 December 2021
| |||||||||||||||
Revision as of 07:01, 8 December 2021
Project Q122681 in Poland
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Development of a system to solve a new variant of a real transport problem using discrete optimisation algorithms (accurate and approximate) and advanced machine learning techniques (Smart Drive) |
Project Q122681 in Poland |
Statements
1,563,763.11 zloty
0 references
3,185,872.13 zloty
0 references
49.08 percent
0 references
1 April 2019
0 references
31 October 2020
0 references
FUTURE PROCESSING SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
0 references
Celem projektu jest opracowanie nowego wariantu złożonego problemu transportowego odzwierciedlającego rzeczywiste scenariusze transportowe, takie jak dynamicznie zmienny koszt przejazdu, zróżnicowana pojemność pojazdów we flocie, okna czasowe z marginesem, czy definiowanie preferencji dotyczących przejazdu. Opracowane zostaną nowe algorytmy (dokładne i przybliżone, w tym ewolucyjne) do rozwiązywania zaproponowanego problemu transportowego oraz do predykcji zapotrzebowania na usługi transportowe (np. na podstawie danych historycznych czy informacji dotyczących natężenia ruchu). Algorytmy te zostaną wszechstronnie zweryfikowane (ilościowo, jakościowo i statystycznie) i zwalidowane w środowisku operacyjnym. Takie kompleksowe podejście do rozwiązywania problemów transportowych nie było dotychczas znane ani stosowane w skali świata, a wyniki badań będą stanowić istotny wkład w rozwój algorytmów ewolucyjnych i uczenia maszynowego, również ze względu na ich generyczność. (Polish)
0 references
The aim of the project is to develop a new variant of a complex transport problem reflecting actual transport scenarios, such as dynamically variable travel costs, different fleet capacity, time windows with margins, and defining travel preferences. New algorithms (accurate and approximate, including evolutionary) will be developed to solve the proposed transport problem and to predict the demand for transport services (e.g. based on historical data or traffic volume information). These algorithms will be versatilely verified (quantitatively, qualitatively and statistically) and validated in the operating environment. Such a comprehensive approach to solving transport problems has not yet been known or applied worldwide, and research results will make an important contribution to the development of evolutionary algorithms and machine learning, also because of their genericity. (English)
21 October 2020
0 references
L’objectif du projet est de développer une nouvelle variante d’un problème de transport complexe reflétant des scénarios réels de transport tels que les coûts de déplacement dynamiquement variables, la capacité variable de la flotte, les fenêtres horaires avec marges ou la définition des préférences de voyage. De nouveaux algorithmes (précis et approximatifs, y compris évolutifs) seront mis au point pour résoudre le problème de transport proposé et pour prévoir la demande de services de transport (par exemple, sur la base de données historiques ou de volumes de trafic). Ces algorithmes seront vérifiés de manière exhaustive (quantitativement, qualitativement et statistiquement) et validés dans un environnement opérationnel. Une telle approche globale de la résolution des problèmes de transport n’a pas encore été connue ou appliquée à l’échelle mondiale, et les résultats de la recherche apporteront une contribution importante au développement d’algorithmes évolutifs et d’apprentissage automatique, notamment en raison de leur caractère générique. (French)
2 December 2021
0 references
Ziel des Projekts ist es, eine neue Variante eines komplexen Transportproblems zu entwickeln, das reale Transportszenarien wie dynamisch variable Reisekosten, unterschiedliche Flottenkapazitäten, Zeitfenster mit Margen oder die Festlegung von Reisepräferenzen widerspiegelt. Zur Lösung des vorgeschlagenen Verkehrsproblems und zur Vorhersage der Nachfrage nach Verkehrsdiensten (z. B. basierend auf historischen Daten oder Verkehrsvolumina) werden neue Algorithmen (genaue und ungefähre, einschließlich evolutionärer) Algorithmen entwickelt. Diese Algorithmen werden umfassend (quantitativ, qualitativ und statistisch) überprüft und in einer betrieblichen Umgebung validiert. Ein solcher umfassender Ansatz zur Lösung von Verkehrsproblemen ist noch nicht weltweit bekannt oder angewandt worden, und Forschungsergebnisse werden einen wichtigen Beitrag zur Entwicklung von evolutionären Algorithmen und maschinellem Lernen leisten, auch aufgrund ihrer Generika. (German)
8 December 2021
0 references
Identifiers
RPSL.01.02.00-24-0315/18
0 references