論文の概要: A Constraint Driven Solution Model for Discrete Domains with a Case
Study of Exam Timetabling Problems
- arxiv url: http://arxiv.org/abs/2002.03102v1
- Date: Sat, 8 Feb 2020 06:53:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 22:10:58.695111
- Title: A Constraint Driven Solution Model for Discrete Domains with a Case
Study of Exam Timetabling Problems
- Title（参考訳）: 離散領域に対する制約駆動型解法モデル : 排他的時間変動問題の事例研究
- Authors: Anuraganand Sharma
- Abstract要約: 知的制約処理進化アルゴリズム (ICHEA) のバリエーションは, ベンチマーク試験の時間変化問題を解決するために実証されている。
ICHEAはまず、与えられた制約をすべて段階的に満たすために結婚間クロスオーバー演算子を使用し、その後、ソリューションを最適化するために従来の演算子と拡張演算子の組み合わせを使用する。
- 参考スコア（独自算出の注目度）: 6.788217433800101
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many science and engineering applications require finding solutions to
planning and optimization problems by satisfying a set of constraints. These
constraint problems (CPs) are typically NP-complete and can be formalized as
constraint satisfaction problems (CSPs) or constraint optimization problems
(COPs). Evolutionary algorithms (EAs) are good solvers for optimization
problems ubiquitous in various problem domains, however traditional operators
for EAs are 'blind' to constraints or generally use problem dependent objective
functions; as they do not exploit information from the constraints in search
for solutions. A variation of EA, Intelligent constraint handling evolutionary
algorithm (ICHEA), has been demonstrated to be a versatile constraints-guided
EA for continuous constrained problems in our earlier works in (Sharma and
Sharma, 2012) where it extracts information from constraints and exploits it in
the evolutionary search to make the search more efficient. In this paper ICHEA
has been demonstrated to solve benchmark exam timetabling problems, a classic
COP. The presented approach demonstrates competitive results with other
state-of-the-art approaches in EAs in terms of quality of solutions. ICHEA
first uses its inter-marriage crossover operator to satisfy all the given
constraints incrementally and then uses combination of traditional and enhanced
operators to optimize the solution. Generally CPs solved by EAs are problem
dependent penalty based fitness functions. We also proposed a generic
preference based solution model that does not require a problem dependent
fitness function, however currently it only works for mutually exclusive
constraints.
- Abstract（参考訳）: 多くの科学と工学の応用では、一連の制約を満たすことによって計画と最適化の問題に対する解決策を見つける必要がある。
これらの制約問題(CP)は一般にNP完全であり、制約満足度問題(CSP)または制約最適化問題(COP)として定式化することができる。
進化的アルゴリズム(EA)は、様々な問題領域において至るところで最適化問題を解くのに良い解法であるが、従来のEAの演算子は制約に対する'盲'であり、一般に問題に依存した目的関数を用いる。
進化的アルゴリズムICHEA(Intelligent constraint handle Evolution Algorithm)のバリエーションは、制約から情報を抽出し、進化的探索に利用して探索をより効率的にするための、我々の以前の研究(Sharma and Sharma, 2012)において、制約付き問題に対する多種多様な制約付きEAであることが示されている。
本稿では,ICHEAを用いてベンチマークの時間差問題,従来のCOPの解法を実証した。
提案したアプローチは、ソリューションの品質の観点から、EAにおける他の最先端のアプローチと競合する結果を示す。
ICHEAはまず、与えられた制約をすべて段階的に満たすために結婚間クロスオーバー演算子を使用し、その後、ソリューションを最適化するために従来の演算子と拡張演算子の組み合わせを使用する。
一般に、EAによって解決されるCPは、問題依存のペナルティに基づくフィットネス機能である。
また,問題依存型フィットネス機能を必要としない汎用的選好型ソリューションモデルを提案したが,現時点では相互排他的制約のみに対応している。
関連論文リスト
- IC/DC: Surpassing Heuristic Solvers in Combinatorial Optimization with Diffusion Models [6.260482448679642]
IC/DCは,教師なしの学習型最適化フレームワークである。
IC/DCは2つの異なる項目を含む問題の解決に特化しており、有効な解を生成するのに問題固有の探索プロセスは必要ない。
私たちは、問題固有の制約を順守しながら、ソリューションのコストを最小限に抑えるために、自己監督的な方法でモデルをトレーニングします。
論文 参考訳（メタデータ） (2024-10-15T06:53:30Z) - Solving the Product Breakdown Structure Problem with constrained QAOA [0.0]
本稿では,産業関連製品ブレークダウン構造問題の解法を提案する。
我々の解は制約付きQAOAに基づいており、これは構成上、問題制約によって禁止される解を表すヒルベルト空間の一部を探ることはない。
実験により,本手法はスケーリング行動に非常に有利なだけでなく,バレン高原の負の効果も抑制できることが示された。
論文 参考訳（メタデータ） (2024-06-21T15:15:02Z) - A Primal-Dual-Assisted Penalty Approach to Bilevel Optimization with Coupled Constraints [66.61399765513383]
We developed a BLOCC algorithm to tackle BiLevel Optimization problems with Coupled Constraints。
2つのよく知られた実世界のアプリケーションでその効果を実証する。
論文 参考訳（メタデータ） (2024-06-14T15:59:36Z) - An Efficient Approach for Solving Expensive Constrained Multiobjective Optimization Problems [0.0]
効率的な確率的選択に基づく制約付き多目的EAをPSCMOEAと呼ぶ。
a) 評価された解の実現可能性と収束状態に基づく適応探索境界同定スキームのような新しい要素を含む。
ECMOPを模擬する低評価予算を用いて, 幅広い制約付き問題に対して, 数値実験を行った。
論文 参考訳（メタデータ） (2024-05-22T02:32:58Z) - Multiobjective variational quantum optimization for constrained
problems: an application to Cash Management [45.82374977939355]
本稿では,変分量子アルゴリズムを用いた制約付き最適化問題の解法を提案する。
我々は、キャッシュマネジメント問題という、金融の極めて関連性の高い現実世界の問題について、我々の提案を検証した。
実験の結果, 実現したソリューションのコスト, 特に局所最小値の回避に関して, 大幅な改善が見られた。
論文 参考訳（メタデータ） (2023-02-08T17:09:20Z) - Symmetric Tensor Networks for Generative Modeling and Constrained
Combinatorial Optimization [72.41480594026815]
ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。
これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。
本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
論文 参考訳（メタデータ） (2022-11-16T18:59:54Z) - Efficient lifting of symmetry breaking constraints for complex
combinatorial problems [9.156939957189502]
この作業は、Answer Set Programmingのためのモデルベースのアプローチの学習フレームワークと実装を拡張します。
Inductive Logic Programming System ILASPに新たなコンフリクト解析アルゴリズムを組み込む。
論文 参考訳（メタデータ） (2022-05-14T20:42:13Z) - Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。
本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文 参考訳（メタデータ） (2022-01-28T05:53:28Z) - Instance-Dependent Confidence and Early Stopping for Reinforcement
Learning [99.57168572237421]
強化学習(RL)のための様々なアルゴリズムは、その収束率の劇的な変動を問題構造の関数として示している。
この研究は、観察されたパフォーマンスの違いについて、textitexを説明する保証を提供する。
次の自然なステップは、これらの理論的保証を実際に有用なガイドラインに変換することです。
論文 参考訳（メタデータ） (2022-01-21T04:25:35Z) - Multi-Objective Constrained Optimization for Energy Applications via
Tree Ensembles [55.23285485923913]
エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。
場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。
本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
論文 参考訳（メタデータ） (2021-11-04T20:18:55Z)
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。