Focusing on finding a pre-speciñed

Focusing on finding a pre-speciñed basis path in a network, this research formulates a two-stage stochastic optimization
mode l for the least expected time shortest path problem,in which random scenario-based time-invariant link travel times
are utilized to capture the uncertainty of the real-world traffic network. In this model, the first stage aims to find a basis
path for the trip over all the scenarios, and the second stage intends to generate the remainder
path adaptively when the realizations of random link trave l time sare updated after a pre-specified time threshold. The GAMS optimization software is introduced to find the optimal solution of the proposed model. The numerical experiments demonstrate the performance of the proposed approaches

ผลลัพธ์ (ไทย) 1:

งานวิจัยนี้เน้นหาเส้นฐานก่อน speciñed ในเครือข่าย formulates ประสิทธิภาพสูงสุดแบบเฟ้นสุ่มสองขั้นโหมด l คาดอย่างน้อยเวลาสั้นที่สุดเส้นทางปัญหา ในเวลาที่เดินทางสุ่มตามสถานการณ์เวลาบล็อกลิงค์ถูกนำมาใช้ในการจับภาพความไม่แน่นอนของเครือข่ายการจราจรจริง ในรุ่นนี้ ระยะแรกมีวัตถุประสงค์เพื่อค้นหาพื้นฐานเส้นทางเดินผ่านสถานการณ์ทั้งหมด และขั้นตอนสองมีส่วนเหลือ เส้นทางอย่างเหมาะเมื่อ realizations ของ l trave ลิงค์สุ่มเวลาเสร่ที่ปรับปรุงหลังจาก threshold เวลาระบุไว้ก่อน มีการแนะนำซอฟต์แวร์เพิ่มประสิทธิภาพ GAMS หาโซลูชั่นเหมาะสมของแบบจำลองที่นำเสนอ ทดลองเป็นตัวเลขแสดงให้เห็นถึงประสิทธิภาพของวิธีการนำเสนอ

ผลลัพธ์ (ไทย) 2:

มุ่งเน้นไปที่การหาเส้นทางพื้นฐานก่อนspeciñedในเครือข่ายการวิจัยครั้งนี้กำหนดสุ่มสองขั้นตอนการเพิ่มประสิทธิภาพ
โหมดลิตรเป็นครั้งคาดว่าอย่างน้อยปัญหาเส้นทางที่สั้นที่สุดซึ่งในสถานการณ์ที่ใช้สุ่มเวลาในการเดินทางเชื่อมโยงเวลาคง
ถูกนำมาใช้ในการจับภาพ ความไม่แน่นอนของเครือข่ายการจราจรโลกแห่งความจริง ในรูปแบบนี้ในระยะแรกมีวัตถุประสงค์เพื่อหาพื้นฐาน
เส้นทางสำหรับการเดินทางในช่วงสถานการณ์ทั้งหมดและขั้นตอนที่สองมุ่งมั่นที่จะสร้างที่เหลือ
เส้นทาง adaptively เมื่อถึงการรับรู้ของการเชื่อมโยงแบบสุ่ม Trave ลิตรเสร่เวลาปรับปรุงหลังจากเกณฑ์เวลาที่กำหนดไว้ล่วงหน้า . ซอฟต์แวร์เพิ่มประสิทธิภาพ GAMS เป็นที่รู้จักที่จะหาทางออกที่ดีที่สุดของรูปแบบที่นำเสนอ การทดลองแสดงให้เห็นถึงตัวเลขผลการดำเนินงานของวิธีการที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

เน้นการหาก่อนกาเมืองเอ็ดพื้นฐานเส้นทางในเครือข่ายการวิจัยแบบ Stochastic optimization
PayPal เป็นโหมด L สำหรับคาดว่าอย่างน้อยเวลาปัญหาวิถีสั้นสุดซึ่งในสถานการณ์สุ่มตามเวลาค่าคงที่เวลาเดินทางเชื่อมโยง
ใช้เพื่อจับภาพความไม่แน่นอนของโลกแห่งความจริงการจราจรเครือข่าย ในรูปแบบนี้ ขั้นตอนแรกเป็นการค้นหาพื้นฐาน
เส้นทางการเดินทางผ่านสถานการณ์ทั้งหมด และขั้นตอนที่สอง ตั้งใจที่จะสร้างส่วนที่เหลือ
เส้นทางตามที่เมื่อ realizations ของสุ่มลิงค์เที่ยวผมเวลาเ ่ปรับปรุงหลังจากก่อนเกณฑ์ที่ระบุเวลา การเพิ่มประสิทธิภาพซอฟต์แวร์ Gams แนะนำการหาทางออกที่ดีที่สุดของแบบจำลอง การทดลองเชิงตัวเลขแสดงให้เห็นถึงประสิทธิภาพของการเสนอแนวทาง