信息收集车辆路径问题：应急风暴响应的随机优化
最优化与控制
2016-05-20 v1 人工智能
系统与控制
摘要
电力公司在应对由风暴和冰雪灾害造成的停电时面临挑战，但大多数电网未配备传感器以精确定位导致停电的故障位置。相反，电力公司主要依赖失电客户打来的电话（报修电话）来指导维修车辆的调度。本文提出了一种策略，利用电话通话建立关于停电的信念，同时将维修车作为收集额外信息的机制，从而尽可能快地路由维修车以恢复电网停电。这意味着路由决策不仅改变车辆的物理状态（当其在不同位置间移动时）和电网的状态（当车辆进行修复时），还改变我们对网络的信念，从而创建了首个显式建模信息收集与信念建模的随机车辆路径问题。我们处理单辆维修车的管理问题，首先将其表述为捕获电网状态信念的序贯随机优化模型。我们提出一种随机前瞻策略，并利用蒙特卡洛树搜索（MCTS）生成一种实用且渐近最优的策略。仿真结果表明，与标准行业启发式方法相比，所开发的策略能更快地恢复电网。
引用
@article{arxiv.1605.05711,
title = {The Information-Collecting Vehicle Routing Problem: Stochastic Optimization for Emergency Storm Response},
author = {Lina Al-Kanj and Warren B. Powell and Belgacem Bouzaiene-Ayari},
journal= {arXiv preprint arXiv:1605.05711},
year = {2016}
}