論文の概要: Applying Gene Expression Programming for Solving One-Dimensional Bin-Packing Problems

• arxiv url: http://arxiv.org/abs/2001.09923v1
• Date: Mon, 13 Jan 2020 15:07:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 22:32:51.147225
• Title: Applying Gene Expression Programming for Solving One-Dimensional Bin-Packing Problems
• Title（参考訳）: 1次元バイパック問題に対する遺伝子発現プログラミングの適用
• Authors: Najla Akram Al-Saati
• Abstract要約: 本研究の目的は, オンラインBin-Packing問題の解決におけるGEP(Gene Expression Programming)の利用について検討することである。 その結果、GEPは問題に適した興味深いコンパクトなルールを見つけるための非常に強力で柔軟なツールとして利用できることを示した。 遺伝的プログラミングを用いた以前の研究と比べて、人口が小さく世代数が少ないほど、高い成功率が得られる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work aims to study and explore the use of Gene Expression Programming (GEP) in solving the on-line Bin-Packing problem. The main idea is to show how GEP can automatically find acceptable heuristic rules to solve the problem efficiently and economically. One dimensional Bin-Packing problem is considered in the course of this work with the constraint of minimizing the number of bins filled with the given pieces. Experimental Data includes instances of benchmark test data taken from Falkenauer (1996) for One-dimensional Bin-Packing Problems. Results show that GEP can be used as a very powerful and flexible tool for finding interesting compact rules suited for the problem. The impact of functions is also investigated to show how they can affect and influence the success of rates when they appear in rules. High success rates are gained with smaller population size and fewer generations compared to previous work performed using Genetic Programming.
• Abstract（参考訳）: 本研究の目的は, オンラインBin-Packing問題の解決におけるGEP(Gene Expression Programming)の利用について検討することである。 主な考え方は、GEPが効率的に経済的に解決するための許容されるヒューリスティックなルールを自動的に見つける方法を示すことである。 1次元のビンパッキング問題は、与えられたピースで満たされたビンの数を最小化するという制約とともに、この作業の過程で考慮される。 実験データには、1次元のビンパック問題に対するfalkenauer (1996) によるベンチマークテストデータの例が含まれている。 その結果、GEPは問題に適した興味深いコンパクトなルールを見つけるための非常に強力で柔軟なツールとして利用できることを示した。 関数の影響は、ルールに現れる率の成功にどのように影響し影響するかを示すためにも研究されている。 遺伝的プログラミングによる以前の仕事に比べて、人口規模が小さく、世代も少ないほど成功率が高い。

関連論文リスト

• Gaussian Ensemble Belief Propagation for Efficient Inference in High-Dimensional Systems [3.6773638205393198]
  高次元モデルにおける効率的な推論は、機械学習における中心的な課題である。 本稿では Ensemble Kalman Filter (EnKF) と Gaussian Belief Propagation (GaBP) を紹介する。 GEnBPは、グラフィカルモデルのエッジに低ランクのローカルメッセージを渡すことで、先行サンプルのアンサンブルを後続サンプルに更新する。
  論文  参考訳（メタデータ） (2024-02-13T03:31:36Z)
• TroVE: Inducing Verifiable and Efficient Toolboxes for Solving Programmatic Tasks [75.1781376169951]
  言語モデル(LM)は、プログラムを書くことで、テーブルや画像に関する質問に答えるといったタスクを解くことができる。 人間の労力を使わずにより良いソリューションを実現するために、コードLMに再利用可能な高レベル関数のキュレートを依頼する。 本稿では,関数の検証と効率的なツールボックスを誘導するトレーニング不要なTROVEを提案する。
  論文  参考訳（メタデータ） (2024-01-23T16:03:17Z)
• Experiment Planning with Function Approximation [49.50254688629728]
  本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。 本稿では,関数近似に適合する2つの実験計画戦略を提案する。 そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T14:40:23Z)
• QAL-BP: An Augmented Lagrangian Quantum Approach for Bin Packing [4.589533935256401]
  ビンパッキングは人工知能の分野でよく知られたNP-Hard問題である。 量子技術の最近の進歩は、かなりの計算スピードアップを達成するための有望な可能性を示している。 QAL-BPは, ビンパッキングに特化して設計された, 擬似非拘束バイナリ最適化(QUBO)の定式化である。
  論文  参考訳（メタデータ） (2023-09-22T07:37:20Z)
• Task-specific experimental design for treatment effect estimation [59.879567967089145]
  因果推論の標準は大規模ランダム化試験(RCT)である。 近年の研究では、RCTのよりサンプル効率の良い代替案が提案されているが、これらは因果効果を求める下流の応用には適用できない。 実験的な設計のためのタスク固有のアプローチを開発し、特定の下流アプリケーションにカスタマイズされたサンプリング戦略を導出する。
  論文  参考訳（メタデータ） (2023-06-08T18:10:37Z)
• Towards Sequence Utility Maximization under Utility Occupancy Measure [53.234101208024335]
  データベースでは、ユーティリティは各パターンに対して柔軟な基準であるが、ユーティリティ共有を無視するため、より絶対的な基準である。 まず、まず、シーケンスデータに対するユーティリティの占有を定義し、高ユーティリティ・アクシデント・パターンマイニングの問題を提起する。 SuMU(Sequence Utility Maximization with Utility cccupancy measure)と呼ばれるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-20T17:28:53Z)
• Neural Design for Genetic Perturbation Experiments [16.95249173404529]
  我々は、クエリ(アーム)と出力(リワード)の異なる機能関係の下で、ほぼ最適なアームを見つけるために、最適アーム除去原理を導入する。 OAEはまた、GeneDiscoの実験的計画課題において、ベンチマークアルゴリズムを4つのデータセットのうち3つで上回っている。
  論文  参考訳（メタデータ） (2022-07-26T10:59:52Z)
• GeoQA: A Geometric Question Answering Benchmark Towards Multimodal Numerical Reasoning [172.36214872466707]
  我々は、テキスト記述、視覚図、定理知識の包括的理解を必要とする幾何学的問題を解くことに注力する。 そこで本研究では,5,010の幾何学的問題を含む幾何学的質問応答データセットGeoQAを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:34:17Z)
• Integrated Cutting and Packing Heterogeneous Precast Beams Multiperiod Production Planning Problem [0.0]
  我々は、ICP-HPBMPP(ICP-HPBMPP)と呼ばれる新規な切断・充填不均質ビーム製造計画法を導入する。 我々は、ICP-HPBMPPの整数線形プログラミングモデルと、その最適目的関数値の下位境界を提案する。 また,代替解法としてICP-HPBMPPの遺伝的手法を提案する。
  論文  参考訳（メタデータ） (2020-08-25T23:10:37Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)

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。