Fugu-MT 論文翻訳(概要): Searching k-Optimal Goals for an Orienteering Problem on a Specialized Graph with Budget Constraints

論文の概要: Searching k-Optimal Goals for an Orienteering Problem on a Specialized Graph with Budget Constraints

arxiv url: http://arxiv.org/abs/2011.00781v1
Date: Mon, 2 Nov 2020 07:15:41 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 12:05:41.317524
Title: Searching k-Optimal Goals for an Orienteering Problem on a Specialized Graph with Budget Constraints
Title（参考訳）: 予算制約付き特殊グラフ上での配向問題に対するk-最適ゴール探索
Authors: Abhinav Sharma, Advait Deshpande, Yanming Wang, Xinyi Xu, Prashan Madumal, Anbin Hou
Abstract要約: 予算制約のある特殊グラフ上で報酬を最大化する k 最適目標を求めるために,非ランダム化常用オリエンテーリングアルゴリズムを提案する。この特殊グラフは、kが最も最適なゴール状態を見つけるオリエンテーリング問題に類似した実世界のシナリオを表す。
参考スコア（独自算出の注目度）: 7.962165267696635
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a novel non-randomized anytime orienteering algorithm for finding k-optimal goals that maximize reward on a specialized graph with budget constraints. This specialized graph represents a real-world scenario which is analogous to an orienteering problem of finding k-most optimal goal states.
Abstract（参考訳）: 予算制約のある特殊グラフ上で報酬を最大化する k 最適目標を求めるための,非ランダム化常用オリエンテーリングアルゴリズムを提案する。この特殊グラフは、kが最も最適なゴール状態を見つけるオリエンテーリング問題に類似した実世界のシナリオを表す。

関連論文リスト

Graph Agnostic Causal Bayesian Optimisation [2.624902795082451]
本研究では,ソフトな介入やハードな介入を行なえる未知の因果グラフのターゲット変数を大域的に最適化する問題について検討する。本稿では,最適報酬の達成に寄与する因果構造を積極的に発見するアルゴリズムであるグラフアグノスティック因果ベイズ最適化(GACBO)を提案する。提案アルゴリズムは,シミュレーション実験や実世界の応用において,ベースラインよりも優れていることを示す。
論文参考訳（メタデータ） (2024-11-05T11:49:33Z)
Decision-focused Graph Neural Networks for Combinatorial Optimization [62.34623670845006]
最適化問題に取り組むための新たな戦略は、従来のアルゴリズムに代わるグラフニューラルネットワーク(GNN)の採用である。 GNNや従来のアルゴリズムソルバがCOの領域で人気が高まっているにもかかわらず、それらの統合利用とエンドツーエンドフレームワークにおけるそれらの相関について限定的な研究がなされている。我々は、GNNを利用してCO問題に補助的なサポートで対処する決定に焦点を当てたフレームワークを導入する。
論文参考訳（メタデータ） (2024-06-05T22:52:27Z)
Learning-Based Algorithms for Graph Searching Problems [6.923787372512553]
本稿では,Banerjeeらによって最近導入された予測付きグラフ探索の問題点について考察する。この問題では、ある$r$から始まるエージェントは、隠れたゴールノード$g$を見つけるために、(潜在的に未知の)グラフ$G$をトラバースしなければならない。我々は未知のグラフ上でこの探索タスクのアルゴリズムを設計する。
論文参考訳（メタデータ） (2024-02-27T18:12:58Z)
Bayesian Optimisation of Functions on Graphs [33.97967750232631]
一般,大規模,潜在的に未知のグラフ上で定義された関数を最適化する新しいベイズ最適化フレームワークを提案する。グラフ上の適切なカーネルの学習を通じて、我々のフレームワークは対象関数の振る舞いに適応する利点がある。局所モデリング手法は,提案手法の効率性をさらに保証する。
論文参考訳（メタデータ） (2023-06-08T15:50:35Z)
Minimalistic Predictions to Schedule Jobs with Online Precedence Constraints [117.8317521974783]
オンライン優先制約による非サーボ的スケジューリングについて検討する。アルゴリズムは、任意のジョブ依存に偏りがなく、前任者がすべて完了した場合に限り、ジョブについて学習する。
論文参考訳（メタデータ） (2023-01-30T13:17:15Z)
Quantitative approach to Grover's quantum walk on graphs [62.997667081978825]
グラフ上の連続時間量子ウォークに着目したGroverの探索アルゴリズムについて検討する。関連する量子ウォークに便利なグラフトポロジーを見つける代わりに、グラフトポロジーを修正し、ラプラシアンを基礎とするグラフを変化させる。
論文参考訳（メタデータ） (2022-07-04T19:33:06Z)
The Neural-Prediction based Acceleration Algorithm of Column Generation for Graph-Based Set Covering Problems [20.1479227701035]
グラフに基づく集合被覆問題の解法として,ニューラル予測(CG-P)を用いたカラム生成アルゴリズムを提案する。グラフニューラルネットワークに基づくニューラル予測モデルを用いて,各エッジの最終解に含まれる確率を予測する。鉄道員のスケジューリング問題に対するCG-Pアルゴリズムの評価を行い,ベースライン列生成アルゴリズムよりも優れていた。
論文参考訳（メタデータ） (2022-07-04T13:46:59Z)
The Probabilistic Normal Epipolar Constraint for Frame-To-Frame Rotation Optimization under Uncertain Feature Positions [53.478856119297284]
特徴位置における異方性および不均一性を考慮した確率論的正規極性制約(PNEC)を導入する。合成データの実験において、新しいPNECは元のNECよりも正確な回転推定値が得られることを示した。我々は,提案手法を最先端のモノクロ回転専用オドメトリーシステムに統合し,実世界のKITTIデータセットに対して一貫した改良を行った。
論文参考訳（メタデータ） (2022-04-05T14:47:11Z)
Autonomous Graph Mining Algorithm Search with Best Speed/Accuracy Trade-off [34.87920835957083]
本稿では,グラフマイニングアルゴリズム開発のための自動システムを提案する。まず、様々なメッセージパッシングに基づくグラフアルゴリズムを統合する統一フレームワークUNIFIEDGMを定義する。次に、UNIFIEDGMを用いて、グラフアルゴリズムを決定するために5つのパラメータを必要とする探索空間を定義する。
論文参考訳（メタデータ） (2020-11-26T02:37:39Z)
Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
論文参考訳（メタデータ） (2020-06-23T17:58:56Z)
Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文参考訳（メタデータ） (2020-06-11T17:43:19Z)

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。