論文の概要: Generative deep learning for decision making in gas networks
- arxiv url: http://arxiv.org/abs/2102.02125v1
- Date: Wed, 3 Feb 2021 16:06:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-04 21:36:55.040041
- Title: Generative deep learning for decision making in gas networks
- Title（参考訳）: ガスネットワークにおける意思決定のための生成的深層学習
- Authors: Lovis Anderson, Mark Turner, Thorsten Koch
- Abstract要約: 混合整数線形計画法(MILP)の整数決定変数を学習するための生成ニューラルネットワーク設計法を提案する。
我々は、深層ニューラルネットワーク判別器とMILPソルバを宣誓供述書として利用し、生成ニューラルネットワークを訓練する。
トレーニングされたネットワークでは、2.5秒で実現可能なソリューションを生成し、それをウォームスタートソリューションとして使用することで、グローバルな最適解時間を60.5%削減する。
- 参考スコア（独自算出の注目度）: 0.49723239539321284
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A decision support system relies on frequent re-solving of similar problem
instances. While the general structure remains the same in corresponding
applications, the input parameters are updated on a regular basis. We propose a
generative neural network design for learning integer decision variables of
mixed-integer linear programming (MILP) formulations of these problems. We
utilise a deep neural network discriminator and a MILP solver as our oracle to
train our generative neural network. In this article, we present the results of
our design applied to the transient gas optimisation problem. With the trained
network we produce a feasible solution in 2.5s, use it as a warm-start
solution, and thereby decrease global optimal solution solve time by 60.5%.
- Abstract（参考訳）: 意思決定支援システムは、同様の問題の頻繁な解決に依存している。
一般的な構造は対応するアプリケーションで同じだが、入力パラメータは定期的に更新される。
これらの問題に対する混合整数線形プログラミング(MILP)定式化の整数決定変数を学習するための生成ニューラルネットワーク設計を提案する。
深層ニューラルネットワークの判別器とMILPソルバを私たちのオラクルとして利用し、再生ニューラルネットワークを訓練します。
本稿では,過渡的ガス最適化問題に適用した設計結果について述べる。
訓練されたネットワークにより、2.5sで実現可能なソリューションを生成し、ウォームスタートソリューションとして使用し、グローバルな最適ソリューションの解決時間を60.5%削減します。
関連論文リスト
- Optimization Over Trained Neural Networks: Taking a Relaxing Walk [4.517039147450688]
ニューラルネットワークモデルの大域的および局所的線形緩和を探索し,よりスケーラブルな解法を提案する。
我々の解法は最先端のMILP解法と競合し、それ以前には入力、深さ、ニューロン数の増加によるより良い解法を導出する。
論文 参考訳（メタデータ） (2024-01-07T11:15:00Z) - ILP-based Resource Optimization Realized by Quantum Annealing for Optical Wide-area Communication Networks -- A Framework for Solving Combinatorial Problems of a Real-world Application by Quantum Annealing [5.924780594614675]
近年の研究では、D-Wave AdvantageTM量子アニールシステムに組み込むことができる2次非拘束二元最適化(QUBO)問題として、そのような問題をいかに実装できるかを実証した。
本稿では、システムパラメータの最適化に関する調査と、ソリューションの品質をさらに向上させるために機械学習(ML)技術をどのように取り入れているかについて報告する。
我々は、このNNを単純な整数線形プログラミング(ILP)の例で実装し、D-Waveが取得しなかった解空間をNNが完全にマッピングする方法を実証した。
論文 参考訳（メタデータ） (2024-01-01T17:52:58Z) - Burgers' pinns with implicit euler transfer learning [0.0]
バーガーズ方程式は、いくつかの現象の計算モデルにおいて確立されたテストケースである。
本稿では,バーガース方程式を解くために,暗黙のオイラー変換学習手法を用いた物理情報ニューラルネットワーク(PINN)の適用について述べる。
論文 参考訳（メタデータ） (2023-10-23T20:15:45Z) - A hybrid deep-learning-metaheuristic framework for bi-level network
design problems [2.741266294612776]
本研究では,道路ネットワーク設計問題(NDP)のための双方向アーキテクチャを用いたハイブリッドディープラーニング・メタヒューリスティックフレームワークを提案する。
我々は、ユーザ均衡(UE)トラフィック割り当て問題の解を近似するために、グラフニューラルネットワーク(GNN)を訓練する。
遺伝的アルゴリズム(GA)の適合度関数評価の計算にトレーニングモデルを用いて,NDPの解を近似する。
論文 参考訳（メタデータ） (2023-03-10T16:23:56Z) - Learning To Dive In Branch And Bound [95.13209326119153]
グラフニューラルネットワークを用いて特定の潜水構造を学習するためのL2Diveを提案する。
我々は、変数の割り当てを予測するために生成モデルを訓練し、線形プログラムの双対性を利用して潜水決定を行う。
論文 参考訳（メタデータ） (2023-01-24T12:01:45Z) - Neural Basis Functions for Accelerating Solutions to High Mach Euler
Equations [63.8376359764052]
ニューラルネットワークを用いた偏微分方程式(PDE)の解法を提案する。
ニューラルネットワークの集合を縮小順序 Proper Orthogonal Decomposition (POD) に回帰する。
これらのネットワークは、所定のPDEのパラメータを取り込み、PDEに還元順序近似を計算する分岐ネットワークと組み合わせて使用される。
論文 参考訳（メタデータ） (2022-08-02T18:27:13Z) - Improved Training of Physics-Informed Neural Networks with Model
Ensembles [81.38804205212425]
我々は、PINNを正しい解に収束させるため、解区間を徐々に拡大することを提案する。
すべてのアンサンブルのメンバーは、観測されたデータの近くで同じ解に収束する。
提案手法は, 得られた解の精度を向上させることができることを示す。
論文 参考訳（メタデータ） (2022-04-11T14:05:34Z) - Acceleration techniques for optimization over trained neural network
ensembles [1.0323063834827415]
本研究では, 線形単位活性化の補正されたフィードフォワードニューラルネットワークを用いて, 目的関数をモデル化する最適化問題について検討する。
本稿では,1つのニューラルネットワークを最適化するために,既存のBig-M$の定式化をベースとした混合整数線形プログラムを提案する。
論文 参考訳（メタデータ） (2021-12-13T20:50:54Z) - Learning from Images: Proactive Caching with Parallel Convolutional
Neural Networks [94.85780721466816]
本稿では,プロアクティブキャッシングのための新しいフレームワークを提案する。
モデルベースの最適化とデータ駆動技術を組み合わせて、最適化問題をグレースケールのイメージに変換する。
数値計算の結果,提案手法は71.6%の計算時間を0.8%のコストで削減できることがわかった。
論文 参考訳（メタデータ） (2021-08-15T21:32:47Z) - Conditional physics informed neural networks [85.48030573849712]
固有値問題のクラス解を推定するための条件付きPINN(物理情報ニューラルネットワーク)を紹介します。
一つのディープニューラルネットワークが、問題全体に対する偏微分方程式の解を学習できることが示される。
論文 参考訳（メタデータ） (2021-04-06T18:29:14Z) - Channel Assignment in Uplink Wireless Communication using Machine
Learning Approach [54.012791474906514]
本稿では,アップリンク無線通信システムにおけるチャネル割り当て問題について検討する。
我々の目標は、整数チャネル割り当て制約を受ける全ユーザの総和率を最大化することです。
計算複雑性が高いため、機械学習アプローチは計算効率のよい解を得るために用いられる。
論文 参考訳（メタデータ） (2020-01-12T15:54:20Z)
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。