返回
Simulation-based Bayesian optimization for large-scale dynamic lane allocation
DOI:10.1016/j.tre.2026.105256.png)
摘要
En 中文
• 我们提出了一种用于大规模二值仿真优化的贝叶斯优化方法。
• 分组ARD汉明核捕捉空间和时间相关性。
• 降维和二值信任域搜索提高了采样效率。
• 该方法解决了虚拟网络和巴塞罗那网络的动态车道分配问题。
• 结果表明,与基线方法相比,该方法具有更快的收敛速度和更优的可行解。
Keyword:
Bayesian optimization
Simulation-based optimization
High-dimensional binary optimization
Dynamic lane allocation
期刊
IF:
8.8
论文数:
964
被引数:
2.2W
机构
引用论文
Deep Learning Methods for Adjusting Global MFD Speed Estimations to Local Link Configurations深度学习方法用于调整全球MFD速度估计以适应本地链路配置
Empirical observations of multi-modal network-level models: Insights from the pNEUMA experiment多模态网络级模型的经验观察: 来自pNEUMA实验的见解
A Computationally Efficient Simulation-Based Optimization Algorithm for Large-Scale Urban Transportation Problems大规模城市交通问题的计算效率高的基于仿真的优化算法

