Eisenstein and Iyer [41] approach t

Eisenstein and Iyer [41] approach this problem by devising
flexible schedules for garbage trucks in the city of Chicago. The
weight and time required to collect garbage from a single block are
modeled as random variables, whose parameters are estimated
from real data. They introduce a dynamic scheduling scheme that
uses flexible truck routes, with the flexibility deriving from the
possibility to visit the dumpsite once or twice a day. The choice of
a truck route is modeled as a Markov Decision Process (MDP), that
adjusts the number of dumpsite visits throughout the week to
maximize the service level. Given a sequence of n blocks to be
collected by a single truck over a work week, plus an additional
dummy block nþ1 with no weight and time requirements, the
state of the MDP is said to be i at day t if at the beginning of day t
the truck is starting to collect block i. At the beginning of each
morning, a decision a must be taken (aAA ¼ f1; 2g), concerning
whether to use a route which visits the dumpsite once (a¼1), or
twice a day (a¼2). Given the probabilities pðjji; aÞ to transition to
state j following decision a in state i, the value function vt(i) is
defined as the maximum probability that a truck will complete all
assigned blocks by the last day of the week, given that it starts in
state i on day t. Since the system always begins in state 1 on day 1,
the objective is to determine a policy, i.e., a sequence of deterministic
Markov decision rules, that maximizes v1ð1Þ. This is achieved
through backward induction. Empirical results of the impact on
data collected from sample wards show the possibility to obtain a
reduction in the number of truck routes required to perform the
garbage collection operations, ranging between 12% and 16%,
leading to over $9 million overall cost saving

ผลลัพธ์ (ไทย) 1:

ไอเซนสไตน์และ Iyer [41] วิธีปัญหานี้ โดยการทบทวนตารางเวลาที่ยืดหยุ่นสำหรับรถบรรทุกขยะในเมืองชิคาโก ที่น้ำหนักและเวลาที่ต้องเก็บรวบรวมขยะจากบล็อกเดียวจำลองเป็นตัวแปรสุ่ม พารามิเตอร์จะประเมินจากข้อมูลที่แท้จริง พวกเขาแนะนำก็แผน scheme ที่ใช้เส้นทางรถบรรทุกยืดหยุ่น มีความยืดหยุ่นที่บริษัทฯ จากการสามารถเยี่ยมชม dumpsite หนึ่งครั้งหรือสองครั้งต่อวัน ทางเลือกของกระบวนการผลิตรถบรรทุกถูกจำลองเป็นแบบ Markov ตัดสินกระบวนการ (MDP), ที่จำนวนเข้าชม dumpsite ตลอดทั้งสัปดาห์เพื่อปรับปรุงเพิ่มระดับการให้บริการ กำหนดลำดับของบล็อก n จะรวบรวม โดยรถบรรทุกเดียวมากกว่าหนึ่งสัปดาห์ทำงาน บวกเพิ่มเติมnþ1 บล็อคกันขโมยกับไม่มีน้ำหนักและเวลาความต้องการ การสถานะของ MDP กล่าวได้ว่า เป็นผมที่ t วันถ้าอยู่ในจุดเริ่มต้นของวันทีรถบรรทุกเริ่มรวบรวมบล็อกผม ที่จุดเริ่มต้นของแต่ละตอนเช้า การตัดสินใจที่ต้องดำเนินการ (f1 aAA ¼ 2g), เกี่ยวกับว่าจะใช้เส้นทางการเข้าชม dumpsite ครั้งเดียว (a¼1), หรือสามี (a¼2) กำหนดกิจกรรม pðjji aÞ การเปลี่ยนแปลงรัฐในการตัดสินใจต่อเจรัฐ vt(i) ฟังก์ชันค่าเป็นกำหนดเป็นความเป็นไปได้สูงว่า รถบรรทุกจะเสร็จสมบูรณ์ทั้งหมดกำหนดช่วงวันสุดท้ายของสัปดาห์ ที่เริ่มในรัฐฉันในวันที เนื่องจากระบบจะเริ่มต้นในสถานะ 1 ในวันที่ 1วัตถุประสงค์คือการ กำหนดนโยบาย เช่น ลำดับของ deterministicMarkov ตัดสินกติกา ที่วาง v1ð1Þ นี้สามารถทำได้โดยการเหนี่ยวนำย้อนหลัง ผลรวมของผลกระทบข้อมูลที่รวบรวมจากตัวอย่างเขตการปกครองแสดงความสามารถในการรับการลดเวลาในกระบวนการผลิตรถบรรทุกที่จำเป็นต้องดำเนินการดำเนินการเก็บรวบรวมขยะ ระหว่าง 12% และ 16%นำไป $9 ล้านต้นทุนโดยรวม บันทึก

ผลลัพธ์ (ไทย) 2:

Eisenstein และอีเยอร์ [41]
แนวทางปัญหานี้โดยการณ์ตารางเวลาที่ยืดหยุ่นสำหรับรถบรรทุกขยะในเมืองชิคาโก น้ำหนักและเวลาที่จำเป็นในการเก็บรวบรวมขยะจากบล็อกเดียวจะจำลองเป็นตัวแปรสุ่มที่มีค่าพารามิเตอร์ที่จะมีการประเมินจากข้อมูลจริง พวกเขาแนะนำโครงการการตั้งเวลาแบบไดนามิกที่ใช้เส้นทางที่รถบรรทุกที่มีความยืดหยุ่นที่มีความยืดหยุ่นที่เกิดจากการที่ความเป็นไปได้ที่จะเยี่ยมชมdumpsite ครั้งหรือสองครั้งต่อวัน ทางเลือกของเส้นทางที่รถบรรทุกเป็นแบบจำลองเป็นกระบวนการตัดสินใจมาร์คอฟ (MDP) ที่ปรับจำนวนการเข้าชมdumpsite ตลอดทั้งสัปดาห์ที่จะเพิ่มระดับการให้บริการ ป.ร. ให้ลำดับของบล็อก n ที่จะเก็บรวบรวมโดยรถบรรทุกที่เดียวในช่วงสัปดาห์การทำงานบวกเพิ่มอีกบล็อกหุ่นnþ1ที่มีน้ำหนักและไม่ต้องการเวลาที่สถานะของMDP มีการกล่าวถึงเป็นฉันที่ t วันถ้าที่จุดเริ่มต้นของวัน เสื้อรถบรรทุกจะเริ่มต้นในการเก็บรวบรวมบล็อกฉัน ในตอนต้นของแต่ละตอนเช้าการตัดสินใจที่จะต้องดำเนินการ (AAA ¼ f1; 2g) เกี่ยวกับว่าจะใช้เส้นทางที่เข้ารับการตรวจdumpsite ละครั้ง (a¼1) หรือวันละสองครั้ง(a¼2) ได้รับความน่าจะเป็นpðjjiนั้น Ath ที่จะเปลี่ยนไปเจรัฐต่อไปนี้การตัดสินใจในรัฐi, ฟังก์ชั่นค่า VT (i) จะถูกกำหนดให้เป็นความน่าจะเป็นสูงสุดที่รถบรรทุกจะเสร็จสมบูรณ์ทั้งหมดบล็อกได้รับมอบหมายจากวันสุดท้ายของสัปดาห์ที่ได้รับว่ามันจะเริ่มต้นในรัฐฉันบนเสื้อวัน เนื่องจากระบบมักจะเริ่มต้นในรัฐ 1 ในวันที่ 1 มีวัตถุประสงค์คือการกำหนดนโยบายคือลำดับของการกำหนดกฎการตัดสินใจมาร์คอฟที่เพิ่มv1ð1Þ นี่คือความสำเร็จผ่านการเหนี่ยวนำย้อนกลับ ผลการศึกษาของผลกระทบต่อข้อมูลที่รวบรวมจากหอผู้ป่วยตัวอย่างแสดงให้เห็นความเป็นไปได้ที่จะได้รับการลดจำนวนของเส้นทางรถบรรทุกที่จำเป็นในการดำเนินการการดำเนินการเก็บขยะอยู่ระหว่าง12% และ 16% นำไปมากกว่า $ 9,000,000 ประหยัดค่าใช้จ่ายโดยรวม

ผลลัพธ์ (ไทย) 3:

ไอเซนสไตน์และ ไอเยอร์ [ 41 ] วิธีการแก้ปัญหานี้โดยการ
ตารางเวลาที่ยืดหยุ่นสำหรับรถบรรทุกขยะในเมือง ชิคาโก
น้ำหนักและเวลาที่ใช้ในการเก็บรวบรวมขยะจากบล็อกเดียว
แบบตัวแปรสุ่มที่มีค่าประมาณ
จากข้อมูลที่แท้จริง พวกเขาแนะนำรูปแบบตารางแบบไดนามิก
ใช้เส้นทางรถบรรทุกมีความยืดหยุ่นที่มีความยืดหยุ่นอันเกิดจาก
ความเป็นไปได้ที่จะเยี่ยมชมจุดทิ้งศพวันละครั้งหรือสองครั้ง ทางเลือกของ
รถบรรทุกเส้นทางเป็นแบบมาร์คอฟกระบวนการตัดสินใจ ( MDP ) ,
ปรับเลขบอกถึงที่ทิ้งศพเข้าชมตลอดทั้งสัปดาห์

เพิ่มระดับการให้บริการ ระบุลำดับของบล็อกที่จะ
รวบรวมโดยรถบรรทุกเดียวผ่านสัปดาห์ทำงานบวกบล็อก dummy เพิ่มเติม
n þ 1 ที่ไม่มีน้ำหนักและความต้องการเวลา
สถานะของ MDP กล่าวว่าเป็นฉันในวันที่ T ถ้าที่จุดเริ่มต้นของวัน T
รถเริ่มที่จะเก็บบล็อกผมที่จุดเริ่มต้นของแต่ละ
ตอนเช้า , การตัดสินใจจะต้องถ่าย ( AAA ¼ F1 ; G ) เกี่ยวกับ
ว่าจะใช้เส้นทางที่เข้าชมครั้งเดียว ( จุดทิ้งศพ¼ 1 ) หรือ
วันละสองครั้ง ( ¼ 2 ) ระบุความน่าจะเป็น P ð jji ; Þเปลี่ยน

สภาพ J ตามการตัดสินใจในสถานะผมฟังก์ชันค่า VT ( I )
ที่กำหนดไว้สูงสุดความน่าจะเป็นที่รถบรรทุกจะเสร็จสมบูรณ์ทั้งหมด
มอบหมายบล็อกโดยวันสุดท้ายของสัปดาห์ ให้เริ่มในวันที่ T
รัฐเนื่องจากระบบมักจะเริ่มต้นในรัฐ 1 ในวันที่ 1
มีวัตถุประสงค์เพื่อกำหนดนโยบาย เช่น เป็นลำดับของกฎการตัดสินใจแบบ deterministic
, V1 ที่เพิ่มð 1 Þ . นี่คือความ
ผ่านการเหนี่ยวนำย้อนกลับผลเชิงประจักษ์ต่อ
ข้อมูลจากตัวอย่างเพื่อแสดงความเป็นไปได้ที่จะขอรับ
ลดจำนวนรถบรรทุกเส้นทางต้องดําเนินการ
เก็บขยะการดำเนินงาน ในช่วงระหว่างร้อยละ 12 และ 16 %
ามากกว่า $ 9 ล้าน ประหยัดค่าใช้จ่ายโดยรวม