整数プログラミングの理解

整数プログラミング(IP)は、整数値にいくつかのまたはすべての決定変数を制限する数学最適化のブランチです。 変数が実際の数を取ることができる線形プログラミングとは異なり、整数プログラミングは、橋を建てるかどうか(バイナリ0〜1の決定)、またはインストールする多くのバスが停止するかどうかなど、具体的な選択肢を分離します。 これは、多くの決定がはい/いいえまたはユニット全体に来るインフラ計画のための自然なフィットになります。

整数プログラミングの背後にあるコアの考え方は、 の集合の対象を最小限に(または最大化)するために、オブジェクト関数 線形制約[] を定義することです。 都市プロジェクトでは、客観的な機能は、通常、コストと環境メトリックを組み合わせます。 制約には、予算制限、法的要件、およびリソースの可用性が含まれます。 ターゲットを絞り込むには、クラスターの検索結果が最大5分の1つのアルゴリズムが含まれている場合があります。 [FLT] と、 は、 特定のオプションを組み合わせることが、 対象の対象に限度にすることができます。 [FLTF] は、 対象の検索対象の対象を と 比較対象の対象の対象の対象の対象にすることができます。 [FLTF] と は、 と 対象の対象の対象の対象の対象の対象の対象を と と 比較対象の対象を 対象の対象の対象の対象の対象を 対象を 対象にすることができます。 [FLTF] 対象の対象の対象の対象を 対象を 対象の

二重挑戦:コストと環境への影響

アーバンインフラプロジェクトは、潜在的な対立目標を達成するために、圧力を増加させています。 財務コストを最小限に抑え、環境の害を削減します。 従来のコスト効果分析は、多くの場合、環境の関連性を見下ろします。 純粋に緑色のデザインは、実装に高価な場合があります。 整数プログラミングは、単一の最適化フレームワーク内でこれらの目的を定量化し、バランスをとる方法を提供します。

  • Costコンポーネント]には、建設資材、労働、機器、土地取得、許可、および長期メンテナンスが含まれます。 遅延や再作業は、さらなる予算を膨らませます。 IPモデルは、期限を超えて、または炭素予算を超えるための罰を組み込むことができます。
  • []環境測定メトリック[]]]カバー温室効果ガス排出量、生息地の断片化、水流、騒音汚染、資源枯渇。これらの多くは、決定変数の線形または部分方向の線形関数(例えば、道路のキロあたりCO2のトン)と推定することができます。

プランナーは、取引オフの[]マルチ‐オブジェクト整数プログラムを策定することで、取引オフのPareto frontierを生成できます。 目的が別の問題に陥ることなく改善できないソリューションのセット。 ステークホルダーは、コミュニティ優先順位、規制のしきい値、または持続可能性のターゲットと一致するソリューションを選択することができます。

都市インフラ向け整数プログラミングモデルのフォーミュラ

決定変数を定義する

決定変数は、離散的な選択肢のプランナーを顔に捉えます。一般的な例は次のとおりです。

  • []バイナリ変数(0〜1):[[]サイトXで新しい地下鉄駅を建設する必要がありますか? 道路は、リサイクルアスファルトで舗装されるべきですか? 水処理施設は、太陽光発電を使用する必要がありますか?
  • [整数変数:[]]]] トラフィックレーンの数? 動作するバス路線の数? インストールする汚染スクラブの数?
  • []連続変数[]]は、コンクリート(立方メートル)の量など、整数と一緒に表示することが多い。

Objective 関数の設定

数学的に、目的関数は、コストと環境要因の重みのある合計です。 重量は、政策立案者によって割り当てられた相対的な重要性を反映しています。 たとえば:

最小化 w1×(建設費)+ w2×(ライフサイクル排出量)+ w3×(土地使用への影響)

また、軟部の制約を違反させるためのペナルティ条件(例えば、ノイズ制限を超える)も含めることができます。重量が定義が難しい場合、プランナーは[の正規化命令[]を使用することができます。コストダウンを優先し、同じ費用対効果の高い代替物の間で排出量を最小限に抑えます。

制約を組み込む

制約は、実際の世界制限を数学的な条件に変換します。

  • ] 債務:] 総額の≤利用可能な資金。
  • [] 空間の不在:[ 2つの施設は、同じプロット(例えば、公園および駐車場)を占有することができません。 x1 + x2の≤1のようなバイナリ制約を使用してください。
  • [ 正規キャップ:[] PM2.5排出量≦10トン/年。
  • [] 論理的依存関係:]] 排水プラントが構築されている場合、下水道管もビルドする必要があります(バイナリ含意:x pipe ≥ x plant)。
  • ] リソース制約:[]] 利用可能な鋼、労働時間、またはサイト上の機器容量。

機種の解決

[]CPLEX[, []Gurobi], またはSCIP[は、何千もの変数と制約の問題を処理することができます。 PuLP (Python) または[[FLT:[FLT:]][FLT:]は、変数と制約の何千もの問題を処理することができます[FLT]は、[FLT]は、[FLT]は、[FLT]は、[FLT]は、[FLTは、[FLTは[FLT]は、[FLTは[FLTは、[FLT]は、または[FLTは[FLTは[FLTは[FLT]は[FLTは、]は、[FLTは、]は、[FLTは、]は、[FLTは、[[FLTは、]は、[FLTは、]は、[FLTは、[FLT

事例・実用事例

ロードネットワークデザイン

新たな高速道路ネットワークを計画する都市は、建設コストと生息地の断片を最小限に抑えながら、建設する道路セグメントを選択するために、整数プログラミングを使用しています。 決定変数は、各候補セグメント(バイナリ)を表します。 制約は、ネットワーク接続とトラフィックの需要の満足度を保証します。 目的は、キロあたりのコストと、生態影響評価から得られる環境スコアを組み合わせます。 結果は、2つのセグメントを少し長いパスにシフトすることで、習慣的な混乱が30%減少し、コストに4%だけを加えると減少します。

廃棄物・エネルギー施設のシッティング

廃棄物の調達場所の選択-エネルギープラントには、整数決定を含む:候補サイトのサブセットを選択します。モデルは、廃棄物の運搬、プラント建設コスト、操業からの排出、および近接制限(例えば、学校500m以内)のための輸送コストを含みます。整数プログラムは、同時に場所と容量を最適化します。欧州の1つの実質的なプロジェクトは、コストの3〜サイト構成が18%保存され、5〜12%の排出量が12%削減されたことがわかりました。

設備の設置場所の最適化をさらに読むには、マルチ・オブジェの施設所在地にある[]]の交通科学論文を参照してください。

公共交通電化

電動へのバス艦隊の移行には、整数決定が必要です:バスが充電インフラ、充電機の数、および変換するルートをインストールする点数。 客観的なバランスの首都コスト、毎日の運用コスト、およびグリッド排出量。 制約には、電気バス、デポ容量、および充電時間ウィンドウの範囲制限が含まれます。 IPモデルは、中規模の都市が5年以上のフェーズコンバージョンを決定するのを助け、高ライダーのルートを優先し、高-ライダーの航路を削減し、22%のコストと排出量を1年ロールアウトに比べて削減しました。

実装課題

都市インフラの整数プログラミングは、プラグアンドプレイツールではありません。プランナーは、いくつかの実用的なハードルを直面する必要があります。

  • []データ品質と可用性:] 環境影響データ(例えば、生息地の損失、ライフサイクルの排出量)は、多くの場合、不確実性または不完全です。 感度分析は、重要なパラメータを特定するのに役立ちます。
  • [計算の複雑さ:[]]整数プログラムがNP-hardである;大きな問題(例えば、10,000以上の決定を持つ都市全体のネットワーク)は、解決するために時間または日を必要とするかもしれません。 ヒューリスティックスとメタヒューリスティックスは、最適なソリューションを保証することはできません。
  • []ステークホルダーの受け入れ:[]] 数学的解決策は、政治的またはコミュニティの好みと競合する可能性があります。 透明性のあるコミュニケーションと対話的な意思決定をサポートダッシュボードは、ギャップを埋めるのに役立ちます。
  • []ダイナミックな条件:[]] 建設コスト、規制、環境ベースラインが時間とともに変化します。 IPモデルは、更新されたデータで定期的に再実行する必要があります。

整数プログラミングを含む公共政策における運用に関する包括的なガイド「]]MIT OpenCourseWareコース「The Analytics Edge」」は、実用的な例を提供します。

今後の方向:他のツールとIPを統合する

地理情報システム(GIS)

GISとIPを組み合わせることで、空間的に明示的な最適化が可能になります。プランナーは、土地の地図、洪水の地帯、および人口統計データを上書きすることができます。GIS出力は、整数プログラム(例えば、距離、適合性スコア)に入力されます。この融合は、緑のインフラ計画で使用されます。雨の庭を配置し、コストを最小限に抑えながら、貯水量を最大にするための浸透可能な舗装を配置する場所を決めます。

変数推定のための機械学習

予測モデルは、建設コスト、エネルギー需要、またはIPに供給する生態影響係数を推定することができます。例えば、過去のプロジェクトで訓練されたニューラルネットワークは、道路のキロ当たりの排出係数を予測し、その後、IPの目標に直接表示します。

スタキスティック・インテガープログラミング

将来の都市プロジェクトは、需要、気候パターン、および材料価格の不確実性に直面します。 Stochastic IPは、さまざまな将来にわたってうまく機能する堅牢なソリューションを作り出し、多岐にわたる確率的重みを持つ複数のシナリオを組み込んでいます。これは、沿岸都市における洪水制御インフラストラクチャに特に関連しています。

都市インフラとOR[のINFORMSの記事は、深さにおけるこれらの高度なモデリングの方向について説明します。

結論:よりスマートに、より緑豊かな都市を作る

整数プログラミングは、都市インフラ計画のための厳格な、データ主導のフレームワークを提供します。コストと環境への影響がバランスが取れる必要がある場合、IPモデルはプランナーが数千の選択肢を評価し、直感だけで見つけることができないソリューションを発見するのに役立ちます。道路ネットワークと輸送から廃棄物施設への配置、現実のアプリケーションは明確な利点を示しています。土地や材料のコスト、削減、およびより効率的な使用。

都市は成長し、予算と厳しい環境規制に直面しているため、整数プログラミングは都市のプランナーのツールキットで不可欠なツールになります。成功の鍵は、適切なソルバーを使用して、適切なソリューションを使用して、利害関係者を最適化プロセス全体に活用することで、品質データに投資しています。これらの技術を受け入れることにより、都市は、両方の人々と惑星に役立つインフラを構築することができます。