A data-driven robust optimization model for repositioning problem in bike-sharing systems

doi:10.1016/j.tre.2025.104192

A data-driven robust optimization model for repositioning problem in bike-sharing systems

2025-06-26

0

PRE

AI

DOI：10.1016/j.tre.2025.104192

原文链接

原文求助

摘要

En 中文

• 我们研究了自由浮动自行车共享系统中的多周期再定位问题，旨在最小化预期运营成本。 • 我们提出了一种基于样本的鲁棒优化（SRO）框架，该框架根据历史需求模式构建数据驱动的扰动集，并在最坏情况下优化再定位决策，有效应对时空需求波动。 • 我们开发了一种线性决策规则（LDR）近似方法，用于将适应性再定位策略转化为可处理的线性规划模型。 • 我们为SRO模型建立了渐近最优性保证，证明了随着样本规模的增加，该模型收敛于真实随机规划解。

A data-driven robust optimization model for repositioning problem in bike-sharing systems

摘要

期刊

机构

引用论文