論文の概要: A Knowledge Representation Approach to Automated Mathematical Modelling
- arxiv url: http://arxiv.org/abs/2011.06300v2
- Date: Sun, 28 Feb 2021 07:48:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 07:06:50.351266
- Title: A Knowledge Representation Approach to Automated Mathematical Modelling
- Title（参考訳）: 自動数学的モデリングのための知識表現手法
- Authors: Bahadorreza Ofoghi, Vicky Mak, John Yearwood
- Abstract要約: 我々はMILPモデルオントロジーとMILP定式化の新しい制約型について提案する。
MILPは、リアルタイムスケジューリング、ルーティング、計画、リソース割り当て、タイムタブル最適化の問題をモデル化し、解くために一般的に用いられる数学的プログラミング手法である。
本研究の目的は,業務最適化問題の自然言語記述をMILP形式仕様にマッピングする,MILPの機械可読な知識表現を開発することである。
- 参考スコア（独自算出の注目度）: 1.8907108368038215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a new mixed-integer linear programming (MILP) model
ontology and a novel constraint typology of MILP formulations. MILP is a
commonly used mathematical programming technique for modelling and solving
real-life scheduling, routing, planning, resource allocation, and timetabling
optimization problems providing optimized business solutions for industry
sectors such as manufacturing, agriculture, defence, healthcare, medicine,
energy, finance, and transportation. Despite the numerous real-life
Combinatorial Optimization Problems found and solved and millions yet to be
discovered and formulated, the number of types of constraints (the building
blocks of a MILP) is relatively small. In the search for a suitable
machine-readable knowledge representation structure for MILPs, we propose an
optimization modelling tree built based upon an MILP model ontology that can be
used as a guide for automated systems to elicit an MILP model from end-users on
their combinatorial business optimization problems. Our ultimate aim is to
develop a machine-readable knowledge representation for MILP that allows us to
map an end-user's natural language description of the business optimization
problem to an MILP formal specification as a first step towards automated
mathematical modelling.
- Abstract（参考訳）: 本稿では,milpモデルオントロジー(mixed-integer linear programming)とmilp定式化の新しい制約タイプ論を提案する。
MILPは、製造業、農業、防衛、医療、医療、エネルギー、金融、交通といった産業分野に最適化されたビジネスソリューションを提供する、現実のスケジューリング、ルーティング、計画、資源配分、タイムタブル最適化の問題をモデル化し、解決するための一般的な数学的プログラミング手法である。
発見、解決、そして数百万が発見、定式化されていない多くの実生活の組合せ最適化問題にもかかわらず、制約の種類(milpのビルディングブロック)は比較的少ない。
そこで本研究では,MILPモデルオントロジーに基づいて構築された最適化モデル木を,組換えビジネス最適化問題に基づいてエンドユーザーからMILPモデルを引き出すための自動システムのためのガイドとして用いることを提案する。
究極の目標は、ビジネス最適化問題のエンドユーザの自然言語記述を、自動数学的モデリングへの第一歩としてmilp形式仕様にマップ可能にする、milpのための機械可読な知識表現を開発することです。
関連論文リスト
- Autoformulation of Mathematical Optimization Models Using LLMs [50.030647274271516]
商用問題解決者のための自然言語記述から最適化モデルを作成するための自動アプローチを開発する。
本稿では,(1)問題依存仮説空間の定義,(2)不確実性の下でこの空間を効率的に探索すること,(3)定式化の正しさを評価すること,の3つの課題を同定する。
論文 参考訳（メタデータ） (2024-11-03T20:41:38Z) - OptiBench Meets ReSocratic: Measure and Improve LLMs for Optimization Modeling [62.19438812624467]
大規模言語モデル (LLM) は数学的推論における問題解決能力を示した。
本稿では,人間可読入力と出力を用いたエンドツーエンド最適化問題のベンチマークであるOptiBenchを提案する。
論文 参考訳（メタデータ） (2024-07-13T13:27:57Z) - OptiMUS: Scalable Optimization Modeling with (MI)LP Solvers and Large
Language Models [21.519880445683107]
本稿では,Large Language Model (LL)MベースのエージェントであるOptiMUSを紹介する。
OptiMUSは、数学的モデルを開発し、ソルバコードを書き、デバッグし、生成したソリューションを評価し、これらの評価に基づいてモデルとコードを改善することができる。
実験によると、OptiMUSは、簡単なデータセットで既存の最先端メソッドを20%以上、ハードデータセットで30%以上上回っている。
論文 参考訳（メタデータ） (2024-02-15T18:19:18Z) - Machine Learning Augmented Branch and Bound for Mixed Integer Linear
Programming [11.293025183996832]
Mixed Linear Programming (MILP)は、幅広いアプリケーションに対して強力なモデリング言語を提供する。
近年,ブランチ・アンド・バウンドアルゴリズムに関わる主要なタスクをすべて強化するための機械学習アルゴリズムの利用が爆発的な発展を遂げている。
特に、分岐とバウンドの効率の指標を自動的に最適化する機械学習アルゴリズムに注意を払っている。
論文 参考訳（メタデータ） (2024-02-08T09:19:26Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳（メタデータ） (2023-12-14T10:37:34Z) - AI-Copilot for Business Optimisation: A Framework and A Case Study in
Production Scheduling [3.522755287096529]
ビジネス最適化問題定式化のためのAI-Copilotを提案する。
トークンの制限については、モジュール化を導入し、エンジニアリング技術を推進します。
問題定式化の精度と品質を評価するのに適した性能評価指標を設計する。
論文 参考訳（メタデータ） (2023-09-22T23:45:21Z) - A Survey for Solving Mixed Integer Programming via Machine Learning [76.04988886859871]
本稿では、混合整数(MIP)問題を解くための機械学習の動向について調査する。
本稿では、まず、MIPの定式化とプリミナリーと、MIPを解くための従来のアルゴリズムについて紹介する。
そして、機械学習とMIPアルゴリズムの異なる統合をさらに促進することを提唱する。
論文 参考訳（メタデータ） (2022-03-06T05:03:37Z) - Knowledge engineering mixed-integer linear programming: constraint
typology [2.4002205752931625]
混合整数線形プログラムMILPの制約型について検討する。
milpは、実生活のスケジューリング、ルーティング、計画、リソース割り当て、時間的最適化問題のモデリングと解決によく使われる数学的プログラミング手法である。
論文 参考訳（メタデータ） (2021-02-20T20:07:24Z) - 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)
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。