論文の概要: Iterative beam search algorithms for the permutation flowshop
- arxiv url: http://arxiv.org/abs/2009.05800v1
- Date: Sat, 12 Sep 2020 14:23:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 07:40:23.493693
- Title: Iterative beam search algorithms for the permutation flowshop
- Title(参考訳): 置換フローショップのための反復ビーム探索アルゴリズム
- Authors: Luc Libralesso, Pablo Andres Focke, Aur\'elien Secardin, Vincent Jost
- Abstract要約: 置換フローホップの反復ビーム探索アルゴリズム(マッケパンとフロータイムの最小化)について検討する。
このアルゴリズムは、近年のブランチ・アンド・バウンドにインスパイアされた分岐戦略と、LR戦略にインスパイアされたガイダンス戦略を組み合わせたものである。
- 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: We study an iterative beam search algorithm for the permutation flowshop
(makespan and flowtime minimization). This algorithm combines branching
strategies inspired by recent branch-and-bounds and a guidance strategy
inspired by the LR heuristic. It obtains competitive results, reports many
new-best-so-far solutions on the VFR benchmark (makespan minimization) and the
Taillard benchmark (flowtime minimization) without using any NEH-based
branching or iterative-greedy strategy. The source code is available at:
https://gitlab.com/librallu/cats-pfsp.
- Abstract(参考訳): 置換フローショップ(makespan and flowtime minimization)のための反復ビーム探索アルゴリズムについて検討した。
このアルゴリズムは、最近の分岐とバウンドにインスパイアされた分岐戦略と、LRヒューリスティックにインスパイアされたガイダンス戦略を組み合わせる。
VFRベンチマーク (makespan minimization) と Taillard ベンチマーク (flowtime minimization) でNEH ベースの分岐や反復グリーディ戦略を使わずに、多くの新しい最強のソリューションを報告している。
ソースコードはhttps://gitlab.com/librallu/cats-pfsp.com/で入手できる。
関連論文リスト
- Thompson sampling for improved exploration in GFlowNets [75.89693358516944]
生成フローネットワーク(Generative Flow Networks, GFlowNets)は、合成対象物上の分布からのサンプリングを、学習可能なアクションポリシーを用いたシーケンシャルな意思決定問題として扱う、アモータイズされた変分推論アルゴリズムである。
2つの領域において、TS-GFNは、過去の研究で使われたオフ・ポリティクス・サーベイ・ストラテジーよりも、探索を改善し、目標分布への収束を早くすることを示す。
論文 参考訳(メタデータ) (2023-06-30T14:19:44Z) - The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。
FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。
我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文 参考訳(メタデータ) (2023-03-17T02:01:11Z) - A Survey of Numerical Algorithms that can Solve the Lasso Problems [2.538209532048867]
統計学において、最小絶対収縮・選択演算子 (Lasso) は、変分選択と正則化の両方を実行する回帰法である。
ラッソにおける目的関数を最適化する5つの代表アルゴリズムを要約する。
論文 参考訳(メタデータ) (2023-03-07T01:12:59Z) - Decision Diagram-Based Branch-and-Bound with Caching for Dominance and
Suboptimality Detection [9.175779296469194]
本稿では動的プログラミングモデルの構造を利用して探索を高速化する新しい要素を提案する。
鍵となる考え方は、検索中にキャッシュされた拡張しきい値に問い合わせることによって、同じ動的プログラミング状態に対応するノードの繰り返し拡張を防止することである。
このキャッシング機構によって引き起こされるプルーニングは、アルゴリズムによって拡張されたノード数を著しく削減できることを示す実験である。
論文 参考訳(メタデータ) (2022-11-22T10:18:33Z) - Reinforcement Learning for Branch-and-Bound Optimisation using
Retrospective Trajectories [72.15369769265398]
機械学習は分岐のための有望なパラダイムとして登場した。
分岐のための単純かつ効果的なRLアプローチであるレトロ分岐を提案する。
我々は現在最先端のRL分岐アルゴリズムを3~5倍に上回り、500の制約と1000の変数を持つMILP上での最高のILメソッドの性能の20%以内である。
論文 参考訳(メタデータ) (2022-05-28T06:08:07Z) - Current Studies and Applications of Shuffled Frog Leaping Algorithm: A
Review [28.522595817273295]
Shuffled Frog Leaping Algorithm (SFLA) は2006年に Eusuff と Lansey によって開発された。
SFLAは、メメティクスの利点と粒子群最適化を組み合わせた、人口ベースメタヒューリスティックアルゴリズムである。
様々な分野で、特に実装と限定変数のために工学的な問題に使われている。
論文 参考訳(メタデータ) (2022-01-27T13:26:26Z) - AsySQN: Faster Vertical Federated Learning Algorithms with Better
Computation Resource Utilization [159.75564904944707]
垂直連合学習(VFL)のための非同期準ニュートン(AsySQN)フレームワークを提案する。
提案アルゴリズムは、逆ヘッセン行列を明示的に計算することなく、近似して降下ステップをスケールする。
本稿では,非同期計算を採用することにより,計算資源の有効利用が期待できることを示す。
論文 参考訳(メタデータ) (2021-09-26T07:56:10Z) - MURANA: A Generic Framework for Stochastic Variance-Reduced Optimization [12.335698325757491]
MULtiple RANdomized Algorithm (MURANA) と呼ぶ汎用分散還元アルゴリズムを提案する。
本手法は一般演算子で定式化され,計算複雑性を低減するための様々な戦略をモデル化することができる。
ELVIRAと呼ばれるその1つを強調し、Loopless SVRGで改善されていることを示す。
論文 参考訳(メタデータ) (2021-06-06T07:39:01Z) - Evolving Reinforcement Learning Algorithms [186.62294652057062]
メタラーニング強化学習アルゴリズムの手法を提案する。
学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。
従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
論文 参考訳(メタデータ) (2021-01-08T18:55:07Z) - Meta-learning with Stochastic Linear Bandits [120.43000970418939]
我々は、よく知られたOFULアルゴリズムの正規化バージョンを実装するバンディットアルゴリズムのクラスを考える。
我々は,タスク数の増加とタスク分散の分散が小さくなると,タスクを個別に学習する上で,我々の戦略が大きな優位性を持つことを理論的および実験的に示す。
論文 参考訳(メタデータ) (2020-05-18T08:41:39Z)
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。