用于车辆停车路线发现的贝叶斯分层多目标优化
神经与进化计算
2020-03-30 v1 人工智能
摘要
为发现通往最可行停车场的最优路线一直是每位驾驶者关注的问题，在日间高峰时段和拥堵地点该问题进一步加剧，导致可观的时间和燃料浪费。本文提出一种贝叶斯分层技术以获取通往停车场的最优选路线。路线选择基于相互冲突的目标，因此该问题属于多目标优化领域。采用概率数据驱动方法克服流行加权和法中固有的权重选择问题。这些冲突目标的权重已使用基于多项分布和Dirichlet先验的贝叶斯分层模型进行精炼。已使用遗传算法获取最优解。模拟数据已用于获取与真实情况密切吻合的路线。
引用
@article{arxiv.2003.12508,
title = {Bayesian Hierarchical Multi-Objective Optimization for Vehicle Parking Route Discovery},
author = {Romit S Beed and Sunita Sarkar and Arindam Roy},
journal= {arXiv preprint arXiv:2003.12508},
year = {2020}
}
备注
10 pages, 2 Figures, 3 Tables, journal submission