論文の概要: The Factory Must Grow: Automation in Factorio
- arxiv url: http://arxiv.org/abs/2102.04871v1
- Date: Tue, 9 Feb 2021 15:14:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2021-02-11 00:29:19.340460
- Title: The Factory Must Grow: Automation in Factorio
- Title（参考訳）: 工場の成長:Factorioの自動化
- Authors: Kenneth N. Reid, Iliya Miralavy, Stephen Kelly, Wolfgang Banzhaf,
Cedric Gondro
- Abstract要約: 本稿では,ロジスティックトランスポートベルト問題を定義し,その整数プログラミングモデルを定義する。
我々は,この問題を最適化するための3つのメタヒューリスティック手法であるシミュレート・アニーリング,クイック・ジェネティック・プログラミング,進化的強化学習の結果を提示する。
- 参考スコア（独自算出の注目度）: 3.877356414450363
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Efficient optimization of resources is paramount to success in many problems
faced today. In the field of operational research the efficient scheduling of
employees; packing of vans; routing of vehicles; logistics of airlines and
transport of materials can be the difference between emission reduction or
excess, profits or losses and feasibility or unworkable solutions. The video
game Factorio, by Wube Software, has a myriad of problems which are analogous
to such real-world problems, and is a useful simulator for developing solutions
for these problems. In this paper we define the logistic transport belt problem
and define mathematical integer programming model of it. We developed an
interface to allow optimizers in any programming language to interact with
Factorio, and we provide an initial benchmark of logistic transport belt
problems. We present results for Simulated Annealing, quick Genetic Programming
and Evolutionary Reinforcement Learning, three different meta-heuristic
techniques to optimize this novel problem.
- Abstract（参考訳）: 資源の効率的な最適化は、今日直面する多くの問題の成功に最も重要です。
運用研究の分野では、従業員の効率的なスケジューリング、バンの梱包、車両のルーティング、航空会社のロジスティクス、材料の輸送は、排出削減または過剰、利益または損失、実現不可能なソリューションとの違いである。
Wube Software のビデオゲーム Factorio には,このような現実的な問題に類似した,無数の問題があり,これらの問題に対するソリューションを開発する上で有用なシミュレータである。
本稿では,ロジスティック輸送ベルト問題を定義し,その数学的整数計画モデルを定義する。
我々は,任意のプログラミング言語のオプティマイザが factorio と対話できるようにするインタフェースを開発し,ロジスティックトランスポートベルト問題のベンチマークを行った。
本稿では, シミュレーションアニーリング, 高速遺伝的プログラミング, 進化的強化学習, 3つの異なるメタヒューリスティック手法を用いて, この新しい問題を最適化する。
関連論文リスト
- Preventing Local Pitfalls in Vector Quantization via Optimal Transport [77.15924044466976]
我々はシンクホーンアルゴリズムを用いて最適な輸送問題を最適化する新しいベクトル量子化法であるOptVQを紹介する。
画像再構成タスクの実験では,OptVQが100%のコードブック利用を実現し,現在最先端のVQNを超越していることが示された。
論文 参考訳（メタデータ） (2024-12-19T18:58:14Z) - Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。
そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。
Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
論文 参考訳（メタデータ） (2024-08-29T20:22:22Z) - A Graph-based Adversarial Imitation Learning Framework for Reliable & Realtime Fleet Scheduling in Urban Air Mobility [5.19664437943693]
本稿では,艦隊スケジューリング問題の包括的最適化について述べる。
また、代替ソリューションのアプローチの必要性も認識している。
新しい模倣アプローチは、目に見えない最悪のシナリオにおいて、パフォーマンスと顕著な改善を実現する。
論文 参考訳（メタデータ） (2024-07-16T18:51:24Z) - Solving the Team Orienteering Problem with Transformers [46.93254771681026]
車両群のためのルートプランニングは、荷物の配送、監視、輸送といった応用において重要な課題である。
本稿では,チームオリエンテーリング問題を高速かつ高精度に解決できる多エージェント経路計画システムを提案する。
論文 参考訳（メタデータ） (2023-11-30T16:10:35Z) - Adiabatic Quantum Computing for Logistic Transport Optimization [0.0]
我々は、最終1マイルのロジスティックなシナリオアプリケーションから車両最適化問題に取り組むことを目指している。
本稿では,短期的なビジネスケースシナリオにおけるアプリケーションを考慮した分析と提案の結果について述べる。
論文 参考訳（メタデータ） (2023-01-18T18:27:41Z) - Learning to Optimize Permutation Flow Shop Scheduling via Graph-based
Imitation Learning [70.65666982566655]
置換フローショップスケジューリング(PFSS)は製造業で広く使われている。
我々は,より安定かつ正確に収束を加速する専門家主導の模倣学習を通じてモデルを訓練することを提案する。
我々のモデルのネットワークパラメータはわずか37%に減少し、エキスパートソリューションに対する我々のモデルの解のギャップは平均6.8%から1.3%に減少する。
論文 参考訳（メタデータ） (2022-10-31T09:46:26Z) - Combining Reinforcement Learning and Optimal Transport for the Traveling
Salesman Problem [18.735056206844202]
我々は,従来の自己回帰的アプローチよりもはるかに高速に,監督や推論なしに学習できるモデルを構築することができることを示す。
また、ディープラーニングモデルに最適なトランスポートアルゴリズムを組み込むことで、エンドツーエンドのトレーニング中に割り当て制約を強制する利点を実証的に評価する。
論文 参考訳（メタデータ） (2022-03-02T07:21:56Z) - Comparing Heuristics, Constraint Optimization, and Reinforcement
Learning for an Industrial 2D Packing Problem [58.720142291102135]
カットとパッケージングの問題は、ビジネスの収益に直接影響を与えるさまざまな業界で起きている。
機械学習は、このような問題を解決するためにますます使われています。
論文 参考訳（メタデータ） (2021-10-27T15:47:47Z) - An SMT Based Compositional Model to Solve a Conflict-Free Electric
Vehicle Routing Problem [2.64699517152535]
CF-EVRP(Electric Conflict-Free Vehicle Routing Problem)は、車両の運転範囲の制限、顧客への配送時間帯の制限、道路セグメントが許容できる車両数に対する制限といった制約を含む。
我々は、問題をより小さく、より単純なサブプロブレムに分解し、準最適で実現可能なソリューションを提供する構成モデルを開発する。
論文 参考訳（メタデータ） (2021-06-10T20:37:46Z) - 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) - Constraint Programming Algorithms for Route Planning Exploiting
Geometrical Information [91.3755431537592]
本稿では,経路計画問題に対する新しいアルゴリズムの開発に関する現在の研究動向について概説する。
これまでの研究は、特にユークリッド旅行セールスパーソン問題(ユークリッドTSP)に焦点を当ててきた。
目的は、将来ユークリッド自動車問題(ユークリッドVRP)など、同じカテゴリーの他の問題にも得られる結果を活用することである。
論文 参考訳（メタデータ） (2020-09-22T00:51:45Z)
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。