論文の概要: Maximizing Store Revenues using Tabu Search for Floor Space Optimization

• arxiv url: http://arxiv.org/abs/2011.04422v1
• Date: Wed, 4 Nov 2020 22:42:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 21:22:28.044285
• Title: Maximizing Store Revenues using Tabu Search for Floor Space Optimization
• Title（参考訳）: tabu searchによるフロアスペース最適化による店舗収益の最大化
• Authors: Jiefeng Xu and Evren Gul and Alvin Lim
• Abstract要約: 我々は、この問題を、さらに大域的な制約を伴って連結多重選択knapsack問題として定式化する。 タブ検索に基づくメタヒューリスティックを提案する。
• 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: Floor space optimization is a critical revenue management problem commonly encountered by retailers. It maximizes store revenue by optimally allocating floor space to product categories which are assigned to their most appropriate planograms. We formulate the problem as a connected multi-choice knapsack problem with an additional global constraint and propose a tabu search based meta-heuristic that exploits the multiple special neighborhood structures. We also incorporate a mechanism to determine how to combine the multiple neighborhood moves. A candidate list strategy based on learning from prior search history is also employed to improve the search quality. The results of computational testing with a set of test problems show that our tabu search heuristic can solve all problems within a reasonable amount of time. Analyses of individual contributions of relevant components of the algorithm were conducted with computational experiments.
• Abstract（参考訳）: フロアスペース最適化は小売業者がよく直面する重要な収益管理問題である。 フロアスペースを最も適切な計画図に割り当てられた製品カテゴリに最適に割り当てることで、ストア収益を最大化する。 我々は,この問題をグローバル制約を付加した連結多重選択クナップサック問題として定式化し,複数の特別地区構造を利用したタブ検索に基づくメタヒューリスティックを提案する。 また、複数の近傍の動きを結合する方法を決定するメカニズムも組み込んでいます。 先行検索履歴からの学習に基づく候補リスト戦略も,検索品質の向上に活用されている。 一連のテスト問題による計算テストの結果、タブ検索ヒューリスティックは妥当な時間内に全ての問題を解くことができることを示した。 計算実験により,アルゴリズムの関連成分の個々の寄与の分析を行った。

関連論文リスト

• Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
  本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。 赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2024-06-21T05:57:08Z)
• Exploratory Landscape Analysis for Mixed-Variable Problems [0.7252027234425334]
  決定空間が連続変数、バイナリ変数、整数変数、カテゴリー変数の混合である混合変数問題に対する探索的景観特徴を計算する手段を提供する。 実用化のためのメリットをさらに強調するため,自動アルゴリズム選択研究を設計・実施する。 トレーニングされたアルゴリズムセレクタは、すべてのベンチマーク問題に対して、単一のベストと仮想ベストのギャップを57.5%縮めることができる。
  論文  参考訳（メタデータ） (2024-02-26T10:19:23Z)
• Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
  現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。 標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。 我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。 本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
  論文  参考訳（メタデータ） (2023-04-01T15:50:18Z)
• A machine learning framework for neighbor generation in metaheuristic search [4.521119623956821]
  メタヒューリスティック検索における近隣世代のための汎用機械学習フレームワークを提案する。 メタヒューリスティックな2つの応用法について検証する。
  論文  参考訳（メタデータ） (2022-12-22T01:58:04Z)
• Efficient and Accurate Top-$K$ Recovery from Choice Data [1.14219428942199]
  レコメンデーションシステムのようないくつかのアプリケーションでは、統計学者は主に大量のアイテムから上位のアイテムの集合を回収することに興味がある。 そこで本稿では,K$-recoveryの高速かつ高精度なランキングアルゴリズムとして,選択に基づくボルダカウントアルゴリズムを提案する。 選択に基づくボルダカウントアルゴリズムは,多種多様なランダム効用モデルの下で,上位$Kの回収に最適なサンプル複雑性を有することを示す。
  論文  参考訳（メタデータ） (2022-06-23T22:05:08Z)
• 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)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• Multidimensional Assignment Problem for multipartite entity resolution [69.48568967931608]
  Multipartiteエンティティ解決は、複数のデータセットから1つのエンティティにレコードを統合することを目的としている。 代入問題を解くために、グリーディアルゴリズムと大規模近傍探索という2つの手順を適用する。 データベースのサイズが大きくなるにつれて、設計ベースのマルチスタートがより効率的であることを示す。
  論文  参考訳（メタデータ） (2021-12-06T20:34:55Z)
• Optimizing Revenue while showing Relevant Assortments at Scale [1.0200170217746136]
  リアルタイムアソシエーション最適化は、電子商取引業務において欠かせないものとなっている。 我々は、困難な状況下で最適なアソートを見つける高速で柔軟なアルゴリズムを設計する。 実世界のデータセットを用いた実証検証によると、我々のアルゴリズムは、アイテムの数が以前研究されたよりも105$$大きいインスタンスであっても競争力がある。
  論文  参考訳（メタデータ） (2020-03-06T20:16:49Z)
• Optimal Clustering from Noisy Binary Feedback [75.17453757892152]
  本稿では,二元的ユーザフィードバックから一組のアイテムをクラスタリングする問題について検討する。 最小クラスタ回復誤差率のアルゴリズムを考案する。 適応選択のために,情報理論的誤差下界の導出にインスパイアされたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2019-10-14T09:18:26Z)

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。