break points (6). Another study by

break points (6). Another study by Park et al. used a two-steps GA to automate the process of optimizing TOD break points (6). In their approach, they used an outer loop to determine the TOD break points, and an inner loop to evaluate the performance of these break points. Their GA used the HCM delay equation as an objective function. Their approach, while promising, does not take into account the coordination effect of timing plans. In addition, the GA design itself does not guarantee the convergence of the inner loop before processing with the outer loop.

PROPOSED APPROACH

This paper proposes the use of a multi-objective evolutionary algorithm to address the TOD scheduling challenges. In addition to optimizing the coordinated system delay and stops, the authors introduce a new performance measure of plan scheduling continuity presented here as the Degree of Detachment (DOD). A high DOD translates into frequent changes in timing plans. Whereas a zero DOD translates into a one timing plan applied throughout the whole day. The authors then use a non-dominated sorting genetic algorithm (NSGAII [7]) to optimize the TOD scheduling such that both system delays and stops are minimized. The NSGAII produces a Pareto front where the engineer can evaluate the incremental benefits associated with increasing the frequency of timing plan changes.

Genetic Algorithms

GAs are optimization techniques based on the process of natural selection and genetics (8). GAs are generally used when there is no clearly defined function for solving an optimization problem, and when it is infeasible to solve the problem with complete enumeration. A GA approaches the problem by generating and evaluating a large number ofrandom solutions. In the context of TOD scheduling, a GA generates random schedules by dividing the day into a limited number of Time periods (e.g., 96 time periods, 15 minutes each) and assign- ing a timing plan to each of the individual periods. Through natural selection and the ge- netic operators, crossover and mutation, individual solutions with better fitness are found. The crossover operator mates genes from two parent solutions to form two new children so- lutions that have a high probability of having better fitness than their parents. The crossover operator swaps parts of the plan assignments from the two parents. Keeping the schedule before 1 p.m., for example, intact, and switching the schedule after 1 p.m. between the two parent solutions. The mutation operator places a random plan at a random time period. This natural selection process guarantees that solutions with the best fitness will propagate in fu- ture populations. The crossover operator emphasizes the exploitation of the solution sur- face. While the mutation operator allows new areas of the response surface to be explored, and prevents the solution from being trapped at local minima.



Degree of Detachment

The GA procedure explained above does not account for the desire (and need) of engineers to have minimum number of timing plan transitions during the day. In fact, it is very likely that a GA will find optimal solutions that assign different timing plans to adjacent time peri- ods. There was, therefore, a need to emphasize the continuation of a timing plan, if possible, over several timing periods before the timing plan changes. The authors defined the DOD metric for the purpose of clustering traffic patterns while accounting for the general prefer- ence of avoiding zigzag changes in timing plans. The DOD measures the degree by which a time period (or equivalently, the traffic pattern at the time period) is detached from adjacent periods in term of its assigned timing plan. In this context, detachment occurs when the ad- jacent traffic pattern (pattern that occurs one time period before or one time period after the current pattern's time period) is associated with a different timing plan. As such, the DOD value for a given TOD plan schedule can be calculated as:

Kết quả (Việt) 1:

phá vỡ các điểm (6). Một nghiên cứu khác do sở giao dịch chứng CTV Park sử dụng two-steps GA để tự động hoá quá trình tối ưu hóa TOD break điểm (6). Trong cách tiếp cận của họ, họ đã sử dụng một vòng lặp bên ngoài để xác định điểm break TOD, và một vòng lặp bên trong để đánh giá hiệu suất của các điểm phá vỡ. GA của họ sử dụng phương trình chậm trễ HCM như một hàm mục tiêu. Cách tiếp cận của họ, trong khi hứa hẹn, không đưa vào tài khoản phối hợp hiệu quả của kế hoạch thời gian. Ngoài ra, thiết kế GA chính nó không đảm bảo sự hội tụ của các vòng lặp bên trong trước khi chế biến với các vòng lặp bên ngoài.ĐỀ XUẤT PHƯƠNG PHÁP TIẾP CẬNBài báo này đề xuất sử dụng một thuật toán tiến hóa đa mục tiêu địa chỉ TOD lập kế hoạch thách thức. Ngoài việc tối ưu hóa hệ thống phối hợp sự chậm trễ và điểm dừng, các tác giả giới thiệu một thước đo hiệu suất mới của kế hoạch lập kế hoạch liên tục giới thiệu đây là mức độ đội (DOD). DOD cao dịch thành thay đổi thường xuyên trong thời gian kế hoạch. Trong khi một số không DOD dịch thành một kế hoạch thời gian một được áp dụng trong suốt cả ngày. Các tác giả sau đó sử dụng một phòng không chủ yếu phân loại thuật toán di truyền (NSGAII [7]) để tối ưu hóa TOD lập lịch trình sao cho cả hai hệ thống chậm trễ và điểm dừng được giảm thiểu. NSGAII tạo ra một mặt trận Pareto, nơi mà các kỹ sư có thể đánh giá lợi ích gia tăng liên kết với sự gia tăng tần số thời gian kế hoạch thay đổi.Thuật toán di truyềnKhí là tối ưu hóa kỹ thuật dựa trên quá trình chọn lọc tự nhiên và di truyền học (8). Khí thường được sử dụng khi không có không có chức năng xác định rõ ràng để giải quyết một vấn đề tối ưu hóa, và khi nó được infeasible để giải quyết vấn đề với liệt kê đầy đủ. MỘT phương pháp tiếp cận vấn đề bằng cách tạo ra và đánh giá một số lớn ofrandom các giải pháp. Trong bối cảnh TOD lập kế hoạch, một trò chơi tạo ra ngẫu nhiên lịch trình bằng cách chia ngày thành một số giới hạn của khoảng thời gian (ví dụ: 96 khoảng thời gian, mỗi 15 phút) và gán-ing một thời gian lập kế hoạch cho mỗi giai đoạn cá nhân. Thông qua chọn lọc tự nhiên và các ge - netic sử dụng, crossover và đột biến, các giải pháp cá nhân với thể dục tốt hơn được tìm thấy. Các nhà điều hành crossover lỗi gen từ hai giải pháp phụ huynh để tạo thành hai mới trẻ em như vậy - lutions có một xác suất cao có thể dục tốt hơn so với cha mẹ của họ. Các nhà điều hành crossover giao dịch hoán đổi các bộ phận của kế hoạch tập từ cha mẹ hai. Giữ lịch trình trước khi 01: 00, ví dụ, còn nguyên vẹn, và chuyển đổi lịch trình sau 1 giờ chiều giữa các giải pháp hai phụ huynh. Các nhà điều hành đột biến nơi một kế hoạch ngẫu nhiên tại một khoảng thời gian ngẫu nhiên. Quá trình chọn lọc tự nhiên này đảm bảo rằng các giải pháp với tập thể dục tốt nhất sẽ tuyên truyền trong quần thể fu-ture. Các nhà điều hành crossover nhấn mạnh việc khai thác của giải pháp sur-face. Trong khi các nhà điều hành đột biến cho phép các khu vực mới của bề mặt phản ứng để khám phá, và ngăn chặn các giải pháp bị mắc kẹt tại địa phương cực tiểu.Mức độ của độiCác thủ tục GA giải thích ở trên không tài khoản cho mong muốn (và cần) của các kỹ sư phải có tối thiểu số lượng thời gian kế hoạch chuyển tiếp trong ngày. Trong thực tế, nó là rất có khả năng rằng một GA sẽ tìm ra giải pháp tối ưu chỉ định kế hoạch khác nhau thời gian để thời gian liền kề peri - ods. Có lần, do đó, cần phải nhấn mạnh sự tiếp nối của một kế hoạch thời gian, nếu có thể, qua một số giai đoạn thời gian trước khi các thay đổi kế hoạch thời gian. Các tác giả định nghĩa các số liệu DOD cho các mục đích của cụm các mẫu lưu lượng truy cập trong khi kế toán cho tướng thích-ence tránh ngoằn ngoèo thay đổi trong thời gian kế hoạch. DOD đo mức độ mà một khoảng thời gian (hoặc tương đương, các mô hình giao thông tại các khoảng thời gian) được tách ra từ thời gian liền kề trong nhiệm kỳ kế hoạch thời gian được chỉ định của mình. Trong bối cảnh này, biệt đội xảy ra khi các mô hình lưu lượng truy cập quảng cáo-jacent (các mô hình xảy ra một trong những khoảng thời gian trước hoặc một khoảng thời gian sau khi thời gian của mô hình hiện tại khoảng thời gian) là liên kết với một kế hoạch thời gian khác nhau. Như vậy, giá trị DOD cho một lịch trình kế hoạch TOD cho trước có thể được tính là:

Kết quả (Việt) 2:

phá vỡ điểm (6). Một nghiên cứu khác do Park et al. sử dụng một hai bước GA để tự động hóa quá trình tối ưu hóa điểm break TOD (6). Trong cách tiếp cận của họ, họ đã sử dụng một vòng lặp bên ngoài để xác định các điểm break TOD, và một vòng lặp bên trong để đánh giá hiệu suất của những điểm break. GA của họ sử dụng phương trình chậm trễ HCM như một hàm mục tiêu. Phương pháp của họ, trong khi hứa hẹn, không đưa vào tài khoản các hiệu ứng phối hợp của thời gian kế hoạch. Ngoài ra, thiết kế GA tự nó không đảm bảo sự hội tụ của các vòng trong trước khi chế biến với các vòng ngoài. Phương pháp đề xuất nghiên cứu này, việc sử dụng một thuật toán tiến hóa đa mục tiêu để giải quyết những thách thức lịch TOD. Ngoài ra để tối ưu hóa các hệ thống phối hợp chậm trễ và các điểm dừng, các tác giả giới thiệu một biện pháp hiệu suất mới của kế hoạch lập kế hoạch liên tục trình bày ở đây là Bằng của Biệt đội (Bộ Quốc phòng). Một DOD cao có nghĩa thay đổi thường xuyên trong thời gian kế hoạch. Trong khi đó, một DOD không chuyển thành một kế hoạch một thời gian áp dụng trong suốt cả ngày. Các tác giả sau đó sử dụng một phi thống trị phân loại thuật toán di truyền (NSGAII [7]) để tối ưu hóa việc lập lịch TOD cho cả hai hệ thống chậm trễ và điểm dừng được giảm thiểu. Các NSGAII sản xuất một mặt trận Pareto nơi các kỹ sư có thể đánh giá những lợi ích gia tăng kết hợp với tăng tần suất thay đổi kế hoạch thời gian. Thuật toán di truyền khí là những kỹ thuật tối ưu hóa dựa trên quá trình chọn lọc tự nhiên và di truyền học (8). Khí thường được sử dụng khi không có chức năng xác định rõ ràng để giải quyết một vấn đề tối ưu hóa, và khi nó là không khả thi để giải quyết vấn đề với thống kê toàn diện. Một GA tiếp cận vấn đề bằng cách tạo ra và đánh giá các giải pháp một số lượng lớn ofrandom. Trong bối cảnh của lịch TOD, GA tạo ra lịch trình ngẫu nhiên bằng cách chia một ngày thành một số hạn chế về thời gian thời gian (ví dụ, thời gian 96 giờ, 15 phút mỗi bài) và assign- ing một kế hoạch thời gian cho từng giai đoạn riêng biệt. Thông qua chọn lọc tự nhiên và các nhà khai thác di truyền bộ gen, crossover và đột biến, giải pháp cá nhân với tập thể dục tốt hơn được tìm thấy. Các gen bạn cùng hành chéo từ hai giải pháp cha mẹ để tạo thành hai trẻ em Somali lutions mới có một xác suất cao của việc tập thể dục tốt hơn so với cha mẹ của họ. Các nhà điều hành giao dịch hoán đổi chéo phần của bài tập kế hoạch của hai cha mẹ. Giữ lịch trình trước khi 01:00, ví dụ, nguyên vẹn, và chuyển đổi lịch trình sau 13:00 giữa hai giải pháp cho phụ huynh. Các nhà điều hành đột biến đặt một kế hoạch ngẫu nhiên tại một khoảng thời gian ngẫu nhiên. Quá trình chọn lọc tự nhiên Điều này đảm bảo rằng các giải pháp với tập thể dục tốt nhất sẽ tuyên truyền trong các quần ture lai. Các nhà điều hành chéo nhấn mạnh việc khai thác các mặt giải pháp thuật. Trong khi các nhà điều hành đột biến cho phép các khu vực mới của bề mặt đáp ứng được khám phá, và ngăn ngừa các giải pháp từ khi bị mắc kẹt tại cực tiểu địa phương. Bằng của Biệt đội thủ tục GA giải thích ở trên không tính đến những mong muốn (và cần thiết) của các kỹ sư phải có số lượng tối thiểu của thời gian chuyển tiếp kế hoạch trong ngày. Trong thực tế, nó là rất có khả năng rằng một GA sẽ tìm ra giải pháp tối ưu cho giao kế hoạch thời gian khác nhau sang ods liền kề thời gian ven. Có lần, do đó, cần phải nhấn mạnh việc tiếp tục kế hoạch thời gian, nếu có thể, qua nhiều giai đoạn thời gian trước khi các thay đổi kế hoạch thời gian. Các tác giả đã xác định số liệu của Bộ Quốc phòng cho các mục đích của phân nhóm mô hình giao thông trong khi chiếm kinh prefer- chung để tránh những thay đổi ngoằn ngoèo trong thời gian kế hoạch. Các biện pháp của Bộ Quốc phòng mức độ mà theo đó một khoảng thời gian (hoặc tương đương, mô hình giao thông tại các khoảng thời gian) được tách ra từ các giai đoạn liền kề trong thời hạn của kế hoạch thời gian được giao. Trong bối cảnh này, đội xảy ra khi các mô hình giao thông jacent quảng cáo- (mô hình xảy ra một khoảng thời gian trước hoặc một khoảng thời gian sau khoảng thời gian các mô hình hiện tại của) được liên kết với một kế hoạch thời gian khác nhau. Như vậy, giá trị của Bộ Quốc phòng cho một lịch trình kế hoạch TOD cho có thể được tính như sau: