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)
Jump to navigation
Jump to search
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
Identifiers
RPSL.01.02.00-24-0315/18
0 references