論文の概要: A weighted-sum method for solving the bi-objective traveling thief
problem
- arxiv url: http://arxiv.org/abs/2011.05081v2
- Date: Fri, 10 Sep 2021 17:16:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 07:06:03.186737
- Title: A weighted-sum method for solving the bi-objective traveling thief
problem
- Title（参考訳）: bi-objective travel thief 問題に対する重み付けサム法
- Authors: Jonatas B. C. Chagas, Markus Wagner
- Abstract要約: 本研究では,旅行販売員問題とクナップサック問題を構成する旅行盗難問題の双方向定式化について検討する。
そこで本研究では,最近のコンペの9つのうち6つで参加者を上回り,さらに379の単目的問題に対して,新たな最適解を見出した。
- 参考スコア（独自算出の注目度）: 2.061388741385401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many real-world optimization problems have multiple interacting components.
Each of these can be NP-hard and they can be in conflict with each other, i.e.,
the optimal solution for one component does not necessarily represent an
optimal solution for the other components. This can be a challenge for
single-objective formulations, where the respective influence that each
component has on the overall solution quality can vary from instance to
instance. In this paper, we study a bi-objective formulation of the traveling
thief problem, which has as components the traveling salesperson problem and
the knapsack problem. We present a weighted-sum method that makes use of
randomized versions of existing heuristics, that outperforms participants on 6
of 9 instances of recent competitions, and that has found new best solutions to
379 single-objective problem instances.
- Abstract（参考訳）: 多くの現実世界の最適化問題には複数の相互作用コンポーネントがある。
これらのそれぞれはnp硬く、互いに相反する、すなわち1つのコンポーネントの最適解は必ずしも他のコンポーネントの最適解を表すものではない。
これは、各コンポーネントが全体のソリューション品質に与える影響が、例によって異なる、単目的の定式化の難しさである。
本稿では,旅行セールスパーソン問題とクナップサック問題を構成する,旅行泥棒問題の双方向定式化について検討する。
本稿では,既存のヒューリスティクスのランダム化バージョンを用いた重み付けサム法を提案する。この手法は,最近のコンペの9つのインスタンスのうち6つで参加者を上回り,379個の単一目的問題に対して新たな解決策を見出した。
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) - UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。
重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。
学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文 参考訳（メタデータ） (2024-05-01T09:34:42Z) - Applying Ising Machines to Multi-objective QUBOs [0.0]
2つ以上の目的を持つ問題に対してスカラー化重みを導出する適応的手法を拡張した。
3 と 4 つの目的を持つマルチオブジェクト非制約バイナリ二次プログラミング (mUBQP) インスタンス上での最高の性能を示す。
論文 参考訳（メタデータ） (2023-05-19T12:53:48Z) - A Study of Scalarisation Techniques for Multi-Objective QUBO Solving [0.0]
量子および量子に着想を得た最適化アルゴリズムは、学術ベンチマークや実世界の問題に適用した場合に有望な性能を示す。
しかし、QUBOソルバは単目的解法であり、複数の目的による問題の解法をより効率的にするためには、そのような多目的問題を単目的問題に変換する方法を決定する必要がある。
論文 参考訳（メタデータ） (2022-10-20T14:54:37Z) - Multi-objective QUBO Solver: Bi-objective Quadratic Assignment [0.0]
商用QUBOソルバを多目的ソルバとしてサポートするアルゴリズムを拡張した最初の試みを示す。
提案した多目的DAアルゴリズムは、二目的の二次割当て問題に対して検証される。
論文 参考訳（メタデータ） (2022-05-26T14:48:03Z) - 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) - A Mutual Information Maximization Approach for the Spurious Solution
Problem in Weakly Supervised Question Answering [60.768146126094955]
弱々しい教師付き質問応答は通常、最終的な答えのみを監督信号として持つ。
偶然に正解を導出する刺激的な解が多数存在するかもしれないが、そのような解の訓練はモデルの性能を損なう可能性がある。
本稿では,質問応答対と予測解間の相互情報の最大化により,このような意味的相関を明示的に活用することを提案する。
論文 参考訳（メタデータ） (2021-06-14T05:47:41Z) - Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。
提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文 参考訳（メタデータ） (2020-07-14T09:50:33Z) - Specific Single- and Multi-Objective Evolutionary Algorithms for the
Chance-Constrained Knapsack Problem [14.352521012951865]
我々は、チャンス制約付きknapsack問題に対して、新しい効果的な多目的モデルを提案する。
実験結果から, 進化的多目的アルゴリズムを用いた場合, 性能が大幅に向上することが示唆された。
論文 参考訳（メタデータ） (2020-04-07T08:46:51Z) - A Non-Dominated Sorting Based Customized Random-Key Genetic Algorithm
for the Bi-Objective Traveling Thief Problem [7.088487500434561]
本稿では,よく研究されたトラベリングティーフ問題 (TTP) の2目的変種を解く方法を提案する。
BI-TTPは、旅行時間全体の最小化と、収集したアイテムの利益の最大化を目的としている。
提案手法は,問題固有の特徴をカスタマイズしたバイアスランダム鍵遺伝的アルゴリズムに基づく。
論文 参考訳（メタデータ） (2020-02-11T10:56:13Z) - Pareto Multi-Task Learning [53.90732663046125]
マルチタスク学習は複数の相関タスクを同時に解くための強力な方法である。
異なるタスクが互いに衝突する可能性があるため、すべてのタスクを最適化するひとつのソリューションを見つけることは、しばしば不可能である。
近年,マルチタスク学習を多目的最適化として活用することにより,タスク間のトレードオフが良好である1つのパレート最適解を求める方法が提案されている。
論文 参考訳（メタデータ） (2019-12-30T08:58:40Z)
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。