論文の概要: Improving a State-of-the-Art Heuristic for the Minimum Latency Problem
with Data Mining
- arxiv url: http://arxiv.org/abs/1908.10705v2
- Date: Sun, 11 Jun 2023 23:27:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-14 03:42:12.483384
- Title: Improving a State-of-the-Art Heuristic for the Minimum Latency Problem
with Data Mining
- Title(参考訳): データマイニングによる最小遅延問題に対する最先端ヒューリスティックの改善
- Authors: \'Italo Santana, Alexandre Plastino, Isabel Rosseti
- Abstract要約: ハイブリッドメタヒューリスティックスは、オペレーション研究のトレンドとなっている。
成功例は、Greedy Randomized Adaptive Search Procedures (GRASP)とデータマイニング技術を組み合わせたものだ。
- 参考スコア(独自算出の注目度): 69.00394670035747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, hybrid metaheuristics have become a trend in operations research. A
successful example combines the Greedy Randomized Adaptive Search Procedures
(GRASP) and data mining techniques, where frequent patterns found in
high-quality solutions can lead to an efficient exploration of the search
space, along with a significant reduction of computational time. In this work,
a GRASP-based state-of-the-art heuristic for the Minimum Latency Problem (MLP)
is improved by means of data mining techniques for two MLP variants.
Computational experiments showed that the approaches with data mining were able
to match or improve the solution quality for a large number of instances,
together with a substantial reduction of running time. In addition, 88 new cost
values of solutions are introduced into the literature. To support our results,
tests of statistical significance, impact of using mined patterns, equal time
comparisons and time-to-target plots are provided.
- Abstract(参考訳): 近年, ハイブリッドメタヒューリスティックスが運用研究のトレンドとなっている。
成功例は、Greedy Randomized Adaptive Search procedures (GRASP) とデータマイニング技術を組み合わせることで、高品質なソリューションで頻繁に見られるパターンが探索空間を効率的に探索し、計算時間の大幅な短縮につながる。
本研究では,最小レイテンシ問題(MLP)に対するGRASPに基づく最先端ヒューリスティックを,2種類のMLP変種のデータマイニング技術を用いて改善する。
計算実験により、データマイニングによるアプローチは、大量のインスタンスのソリューション品質に適合または改善することができ、実行時間が大幅に短縮された。
さらに、88の新たなソリューションコスト値が文献に導入されている。
本結果を支援するため, 統計的意義試験, マイニングパターンの使用の影響, 等時比較, ターゲット間プロットについて検討した。
関連論文リスト
- CoSTI: Consistency Models for (a faster) Spatio-Temporal Imputation [0.0]
CoSTIは、推論時間を劇的に削減しつつ、DDPMに匹敵する計算品質を達成するために一貫性トレーニングを採用している。
複数のデータセットとデータシナリオをまたいだCoSTIを評価し、拡散モデルと同等のパフォーマンスで、計算時間を最大98%削減することを示した。
論文 参考訳(メタデータ) (2025-01-31T18:14:28Z) - Accelerated Methods with Compressed Communications for Distributed Optimization Problems under Data Similarity [55.03958223190181]
本稿では,データ類似性の下での非バイアス圧縮とバイアス圧縮を利用した,理論上初めての高速化アルゴリズムを提案する。
我々の結果は、異なる平均損失とデータセットに関する実験によって記録され、確認されています。
論文 参考訳(メタデータ) (2024-12-21T00:40:58Z) - Efficient Architecture Search via Bi-level Data Pruning [70.29970746807882]
この研究は、DARTSの双方向最適化におけるデータセット特性の重要な役割を探求する先駆者となった。
我々は、スーパーネット予測力学を計量として活用する新しいプログレッシブデータプルーニング戦略を導入する。
NAS-Bench-201サーチスペース、DARTSサーチスペース、MobileNetのようなサーチスペースに関する総合的な評価は、BDPがサーチコストを50%以上削減することを検証する。
論文 参考訳(メタデータ) (2023-12-21T02:48:44Z) - High-dimensional Contextual Bandit Problem without Sparsity [8.782204980889077]
本稿では,この問題に対処し,その性能を検証するための探索列コミット(EtC)アルゴリズムを提案する。
我々は、ETCアルゴリズムの最適レートを$T$で導出し、探索とエクスプロイトのバランスをとることで、このレートを実現できることを示す。
本稿では,最適バランスを適応的に求める適応探索定理 (AEtC) アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-19T15:29:32Z) - A Projected Upper Bound for Mining High Utility Patterns from
Interval-Based Event Sequences [0.0]
本稿では、間隔に基づくイベントのシーケンスから検出されたパターンの実用性に基づく投影上界を提案する。
実験の結果,新しい上限値により,実行時間とメモリ使用量の両方の観点からHUIPMinerの性能が向上することがわかった。
論文 参考訳(メタデータ) (2022-12-21T21:06:07Z) - Fast Bayesian Optimization of Needle-in-a-Haystack Problems using
Zooming Memory-Based Initialization [73.96101108943986]
Needle-in-a-Haystack問題は、データセットのサイズに対して最適な条件が極端に不均衡であるときに発生する。
本稿では,従来のベイズ最適化原理に基づくズームメモリに基づく初期化アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-26T23:57:41Z) - Time-Series Anomaly Detection with Implicit Neural Representation [0.38073142980733]
Inlicit Neural Representation-based Anomaly Detection (INRAD)を提案する。
入力に時間がかかり、その時点で対応する値を出力する単純な多層パーセプトロンを訓練する。
そして,その表現誤りを異常検出のための異常スコアとして利用する。
論文 参考訳(メタデータ) (2022-01-28T06:17:24Z) - DEALIO: Data-Efficient Adversarial Learning for Imitation from
Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。
近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。
この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。
よりデータ効率の高いifOアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-31T23:46:32Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳(メタデータ) (2020-09-28T15:22:24Z) - A Robust Matching Pursuit Algorithm Using Information Theoretic Learning [37.968665739578185]
情報理論学習(ITL)に基づく新しいOMPアルゴリズムの開発
シミュレーションおよび実世界の両方のデータに対する実験結果は、データ復元、画像再構成、分類において提案したOMPアルゴリズムの優位性を一貫して示している。
論文 参考訳(メタデータ) (2020-05-10T01:36:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。