Basically, simulation and approxima

Basically, simulation and approximation are used as solution
methodologies. Topaloglu and Powell (2005) solve instances with
20 locations, 200 vehicle, and up to 6000 orders, and claim that in
the deterministic version of the problem, the solutions are nearoptimal,
but in the stochastic version with random demands, centralized
decision making is slightly more effective than distributed
decision making. Topaloglu and Powell (2006) model and solve the
problem with up to 60 locations, 600 vehicles, and 4000 orders.
The hybrid value function seems to perform the best in the deterministic
case, while piecewise linear value function provides the best solutions in the stochastic case. Topaloglu and Powell (2007)
propose an approach which does not need multiple simulations
with different values of the model parameter which is an important
advantage. They decompose their dynamic program into
time-staged sub-problems and by using an iterative improvement
scheme; the value function is obtained with approximation. These
test are done on problem sets with 40 locations, 200 vehicles, and
up to 3000 orders during their planning horizon. Topaloglu and
Powell (2007) implement this procedure first for single vehicle
type and then extend it to the multiple vehicle type problem. Overall,
ADP with good approximation of value function stands strong
in solving fleet management problems with realistic sizes.

ผลลัพธ์ (ไทย) 1:

โดยทั่วไปการจำลองและการประมาณที่ใช้เป็นทางออก
วิธีการ Topaloglu และเวลล์ (2005) ที่มีการแก้ปัญหากรณี
20 สถานที่, 200 คันและได้ถึง 6000 คำสั่งและเรียกร้องว่าใน
รุ่นที่กำหนดของปัญหาการแก้ปัญหาที่มี nearoptimal
แต่ในรุ่นสุ่มกับความต้องการสุ่มส่วนกลาง
การตัดสินใจเล็กน้อยมีประสิทธิภาพมากขึ้นกว่าการกระจาย
การตัดสินใจ Topaloglu และเวลล์ (2006) รูปแบบและแก้ปัญหาเกี่ยวกับการ
ถึง 60 สถานที่ 600 ยานพาหนะและ 4000 คำสั่ง.
ค่าฟังก์ชั่นไฮบริดที่ดูเหมือนว่าจะทำงานได้ดีที่สุดในกรณีที่กำหนด
ในขณะที่ฟังก์ชั่นเชิงเส้นค่าค่ให้โซลูชั่นที่ดีที่สุด ในกรณีที่สุ่ม Topaloglu และเวลล์ (2007)
เสนอวิธีการซึ่งไม่จำเป็นต้องจำลองหลาย
ด้วยค่าที่แตกต่างกันของพารามิเตอร์แบบซึ่งเป็นสิ่งที่สำคัญ
ประโยชน์ พวกเขาสลายโปรแกรมของพวกเขาเป็นแบบไดนามิก
เวลาฉากย่อยปัญหาและโดยการใช้ซ้ำการปรับปรุงโครงการ
; ฟังก์ชั่นค่าได้ด้วยประมาณ
เหล่านี้การทดสอบจะทำในชุดปัญหา 40 สถานที่ 200 คันและ
ถึง 3000 คำสั่งในระหว่างการวางแผนขอบฟ้าของพวกเขา Topaloglu และ
เวลล์ (2007) ดำเนินการตามขั้นตอนนี้เป็นครั้งแรกสำหรับรถเดียว
ชนิดและจากนั้นขยายไปยังปัญหาประเภทยานพาหนะหลาย โดยรวม
adp ด้วยประมาณการที่ดีของการทำงานค่ายืนที่แข็งแกร่ง
ในการแก้ปัญหาการจัดการยานพาหนะท​​ี่มีขนาดจริง

ผลลัพธ์ (ไทย) 2:

ทั่วไป การจำลองและประมาณใช้เป็นโซลูชัน
วิธีการ Topaloglu และพาวเวล (2005) แก้อินสแตนซ์ด้วย
20 สถาน ยานพาหนะ 200 ถึง 6000 ใบสั่ง และอ้างว่า ใน
รุ่น deterministic ปัญหา แก้ไขปัญหาเป็น nearoptimal,
แต่ในรุ่นสโทแคสติกกับความต้องการแบบสุ่ม ส่วนกลาง
ตัดสินใจมีประสิทธิภาพมากขึ้นเล็กน้อยกว่ากระจาย
ตัดสินใจ รุ่น Topaloglu และพาวเวล (2006) และแก้
ปัญหาตำแหน่งถึง 60, 600 คัน และ 4000 ใบสั่ง
ฟังก์ชันค่าผสมที่ดูเหมือนว่าจะ ทำดีสุดในแบบ deterministic
กรณี ขณะ piecewise ฟังก์ชันค่าเชิงเส้นให้โซลูชั่นดีที่สุดในกรณีแบบเฟ้นสุ่ม Topaloglu และพาวเวล (2007)
เสนอวิธีการที่ไม่จำเป็นต้องจำลองหลาย
มีค่าต่าง ๆ ของพารามิเตอร์รูปแบบซึ่งเป็นการสำคัญ
ประโยชน์ จะเปื่อยการโปรแกรมแบบไดนามิกลงใน
แบ่งระยะเวลาปัญหาย่อยและโดยการปรับปรุงซ้ำ
scheme ฟังก์ชันค่ามีได้ ด้วยประมาณ เหล่านี้
ทดสอบเสร็จในชุดปัญหากับ 40 สถาน ยานพาหนะ 200 และ
สั่งถึง 3000 ระหว่างระดับการวางแผนการ Topaloglu และ
พาวเวล (2007) ใช้ขั้นตอนนี้ก่อนสำหรับรถเดียว
พิมพ์ และขยายปัญหาชนิดรถหลาย โดยรวม,
ADP กับประมาณค่าฟังก์ชันดีแข็งแกร่งยืน
ในการแก้ปัญหาการจัดการกองทัพเรือ มีขนาดจริง

ผลลัพธ์ (ไทย) 3:

โดยพื้นฐานแล้วประมาณการจำลองและใช้เป็นโซลูชัน
วืธีดำเนินงานมาตรฐาน topaloglu และ Powell Street Cable Car ( 2005 )แก้ปัญหากรณีพร้อมด้วย
20 ตำแหน่ง 200 ยานพาหนะและได้สูงสุด 6000 อ้างว่าและสั่งซื้อที่ในเวอร์ชั่นรู้
ของปัญหาที่โซลูชันที่มี nearoptimal
แต่ในเวอร์ชั่น,แบบใดก็ได้ทั้งหมดรองรับงานที่มีความต้องการแบบสุ่มทำให้การตัดสินใจแบบรวมศูนย์
ซึ่งจะช่วยได้มากกว่าเล็กน้อยมี ประสิทธิภาพ มากกว่าการกระจาย
ทำให้การตัดสินใจ. topaloglu และ Powell Street Cable .( 2006 )และรุ่น
ซึ่งจะช่วยแก้ปัญหาได้ด้วยการที่มีมากถึง 60 ตำแหน่ง 600 และ 4000 การสั่งซื้อฟังก์ชันระบบไฮบริดมูลค่า
ดูเหมือนจะทำงานได้อย่างดีเยี่ยมในระดับรองแบบรู้ค่าแน่นอน
ซึ่งจะช่วยกรณีที่ในขณะที่ฟังก์ชันมูลค่าตามแนวยาว piecewise มีโซลูชันที่ดีที่สุดในกรณี,แบบใดก็ได้ทั้งหมดรองรับงานได้ topaloglu และ Powell Street Cable Car ( 2007 )
เสนอแนวทางซึ่งไม่จำเป็นต้องจำลองหลาย
พร้อมด้วยค่าที่แตกต่างกันของพารามิเตอร์รุ่นซึ่งมีความสำคัญ
ซึ่งจะช่วย. ห้องพักแยกออกเป็นส่วนๆโปรแกรมแบบไดนามิกของพวกเขาเข้าไปใน
ซึ่งจะช่วยประหยัดเวลาจัดแสดงบนเวทีย่อย - ปัญหาและโดยการใช้ฝึกฝนตามโครงการการปรับปรุง
ฟังก์ชันความคุ้มค่าที่จะได้รับด้วยประมาณ
การทดสอบเหล่านี้ทำได้บนชุดปัญหาพร้อมด้วย 40 ตำแหน่ง 200 คันและ
ถึง 3000 การสั่งซื้อในระหว่างการวางแผนของเส้นขอบฟ้า topaloglu และ
ตามมาตรฐานPowell Street Cable Car ( 2007 )ใช้ขั้นตอนนี้ในครั้งแรกครั้งเดียวยานพาหนะ
และขยายการใช้งานให้ปัญหายานพาหนะ ประเภท ที่ โดยรวมแล้วฟังก์ชัน
โครงการฯพร้อมด้วยอ ภิรมย์ ที่ดีของความคุ้มค่าตั้งอยู่ดี
ซึ่งจะช่วยในการแก้ปัญหาการบริหารจัดการกลุ่มพร้อมด้วยขนาดที่ดูสมจริง