論文の概要: A hybrid optimization procedure for solving a tire curing scheduling
problem
- arxiv url: http://arxiv.org/abs/2004.00425v1
- Date: Sun, 29 Mar 2020 18:37:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 13:41:23.777933
- Title: A hybrid optimization procedure for solving a tire curing scheduling
problem
- Title(参考訳): タイヤ硬化スケジューリング問題を解決するためのハイブリッド最適化手法
- Authors: Joaqu\'in Vel\'azquez, H\'ector Cancela, Pedro Pi\~neyro
- Abstract要約: 目的は、需要を満たすのに十分なタイヤを製造するのに必要な最低限のメースパンを見つけることである。
提案手法は,まず,仮定値を得るために適用し,次に最小値を決定するために数学的モデルを解くハイブリッドアプローチを提案する。
- 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 paper addresses a lot-sizing and scheduling problem variant arising from
the study of the curing process of a tire factory. The aim is to find the
minimum makespan needed for producing enough tires to meet the demand
requirements on time, considering the availability and compatibility of
different resources involved. To solve this problem, we suggest a hybrid
approach that consists in first applying a heuristic to obtain an estimated
value of the makespan and then solving a mathematical model to determine the
minimum value. We note that the size of the model (number of variables and
constraints) depends significantly on the estimated makespan. Extensive
numerical experiments over different instances based on real data are presented
to evaluate the effectiveness of the hybrid procedure proposed. From the
results obtained we can note that the hybrid approach is able to achieve the
optimal makespan for many of the instances, even large ones, since the results
provided by the heuristic allow to reduce significantly the size of the
mathematical model.
- Abstract(参考訳): 本稿では,タイヤ工場の硬化過程の研究から生じるロットサイズおよびスケジューリング問題の変種について述べる。
目的は、関連するリソースの可用性と互換性を考慮して、需要を満たすのに十分なタイヤを製造するために必要な最小のメイスパンを見つけることである。
この問題を解決するために、まずヒューリスティックを適用してmakespanの推定値を取得し、次に数学的モデルを解いて最小値を決定するハイブリッド手法を提案する。
モデルのサイズ(変数と制約の数)は、推定されたmakepanに大きく依存する。
提案手法の有効性を評価するため,実データに基づく異なるインスタンスに対する広範囲な数値実験を行った。
得られた結果から,ハイブリッドアプローチは,ヒューリスティックの結果によって数学的モデルのサイズを大幅に削減できるため,多数のインスタンス,あるいは大きなインスタンスに対して最適なメイズパンを実現することができることを指摘できる。
関連論文リスト
- MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。
MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。
また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
論文 参考訳(メタデータ) (2024-06-11T17:55:25Z) - REMEDI: Corrective Transformations for Improved Neural Entropy Estimation [0.7488108981865708]
我々は微分エントロピーの効率的かつ正確な推定のために$textttREMEDI$を紹介した。
提案手法は,幅広い推定課題にまたがる改善を実証する。
自然に情報理論による教師あり学習モデルに拡張することができる。
論文 参考訳(メタデータ) (2024-02-08T14:47:37Z) - Optimal Multi-Distribution Learning [88.3008613028333]
マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。
本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-12-08T16:06:29Z) - Adaptive Sparse Gaussian Process [0.0]
これらの問題に対処できる最初の適応スパースガウスプロセス(GP)を提案する。
まず,変分スパースGPアルゴリズムを変形係数によって適応的に再構成する。
そこで我々は,新しいサンプルが到着するたびに,スパースGPモデルの単一誘導点と残りのモデルパラメータを同時に更新することを提案する。
論文 参考訳(メタデータ) (2023-02-20T21:34:36Z) - Distributionally Robust Models with Parametric Likelihood Ratios [123.05074253513935]
3つの単純なアイデアにより、より広いパラメトリックな確率比のクラスを用いてDROでモデルを訓練することができる。
パラメトリック逆数を用いてトレーニングしたモデルは、他のDROアプローチと比較して、サブポピュレーションシフトに対して一貫して頑健であることがわかった。
論文 参考訳(メタデータ) (2022-04-13T12:43:12Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳(メタデータ) (2021-05-11T16:02:39Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳(メタデータ) (2021-02-16T06:04:27Z) - 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) - Improving Maximum Likelihood Training for Text Generation with Density
Ratio Estimation [51.091890311312085]
本稿では,テキスト生成で遭遇する大規模なサンプル空間において,効率よく安定な自動回帰シーケンス生成モデルのトレーニング手法を提案する。
本手法は,品質と多様性の両面で,最大類似度推定や他の最先端シーケンス生成モデルよりも安定に優れている。
論文 参考訳(メタデータ) (2020-07-12T15:31:24Z) - Applying Evolutionary Metaheuristics for Parameter Estimation of
Individual-Based Models [0.0]
本稿では,進化的手法を用いたパラメータ推定を簡略化するRパッケージであるEvoPERを紹介する。
本稿では,進化的手法を用いたパラメータ推定を簡略化するRパッケージであるEvoPERを紹介する。
論文 参考訳(メタデータ) (2020-05-24T07:48:27Z)
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。