論文の概要: Heuristic Strategies for Solving Complex Interacting Large-Scale
Stockpile Blending Problems
- arxiv url: http://arxiv.org/abs/2104.03440v1
- Date: Thu, 8 Apr 2021 00:22:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 12:19:16.979981
- Title: Heuristic Strategies for Solving Complex Interacting Large-Scale
Stockpile Blending Problems
- Title（参考訳）: 複雑相互作用する大規模ストックパイルブレンディング問題に対するヒューリスティック戦略
- Authors: Yue Xie, Aneta Neumann, Frank Neumann
- Abstract要約: 備蓄材から材料をブレンドすることのゴールは、最適な金属グレードを含む濃縮パセルを作ることである。
各ストックパイルが提供する素材の量は、鉱山のスケジュール条件と顧客の要求によって決まる。
2つの厳密な制約に違反することなく、実現不可能な解を解に変換する問題に対して、2つの修復された演算子を導入する。
- 参考スコア（独自算出の注目度）: 14.352521012951865
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Stockpile blending problem is an important component of mine production
scheduling, where stockpiles are used to store and blend raw material. The goal
of blending material from stockpiles is to create parcels of concentrate which
contain optimal metal grades based on the material available. The volume of
material that each stockpile provides to a given parcel is dependent on a set
of mine schedule conditions and customer demands. Therefore, the problem can be
formulated as a continuous optimization problem. In the real-world application,
there are several constraints required to guarantee parcels that meet the
demand of downstream customers. It is a challenge in solving the stockpile
blending problems since its scale can be very large. We introduce two repaired
operators for the problems to convert the infeasible solutions into the
solutions without violating the two tight constraints. Besides, we introduce a
multi-component fitness function for solving the large-scale stockpile blending
problem which can maximize the volume of metal over the plan and maintain the
balance between stockpiles according to the usage of metal. Furthermore, we
investigate the well-known approach in this paper, which is used to solve
optimization problems over continuous space, namely the differential evolution
(DE) algorithm. The experimental results show that the DE algorithm combined
with two proposed duration repair methods is significantly better in terms of
the values of results than the results on real-world instances for both
one-month problems and large-scale problems.
- Abstract（参考訳）: ストックパイルブレンディング問題は、原材料を貯蔵・ブレンドするために備蓄材が使用される鉱山生産計画の重要な構成要素である。
備蓄材から材料をブレンドすることのゴールは、利用可能な材料に基づいて最適な金属グレードを含む濃縮粒子を作ることである。
各備蓄が所定の小包に供給する材料量は、一連の鉱山のスケジュール条件と顧客要求に依存する。
したがって、問題は連続最適化問題として定式化することができる。
現実世界のアプリケーションでは、下流の顧客のニーズを満たす小包を保証するために、いくつかの制約があります。
規模が非常に大きいため、備蓄ブレンド問題を解決する上での課題である。
我々は,この2つの厳密な制約を破ることなく,実現不可能な解を解に変換する問題に対して,補修演算子を2つ導入する。
さらに, 大規模ストックパイルブレンディング問題を解くための多成分適合機能を導入し, プラン上の金属の容積を最大化し, 金属使用量に応じて在庫間のバランスを維持する。
さらに,本論文では,連続空間上の最適化問題,すなわち微分進化(de)アルゴリズムの解法としてよく知られた手法について検討する。
実験結果から,DEMアルゴリズムと提案した2つの持続時間修復法を組み合わせることで,実世界の問題と大規模問題の両方に対する結果よりも,結果の値が有意に優れていることがわかった。
関連論文リスト
- Learning to Optimize for Mixed-Integer Non-linear Programming [20.469394148261838]
混合整数非NLPプログラム(MINLP)はエネルギーシステムや輸送など様々な領域で発生するが、解決は困難である。
機械学習の最近の進歩は、最適化のための学習として知られる領域において、顕著な成功をもたらしている。
勾配を保ちながら整数出力を生成する2つの異なる補正層を提案する。
論文 参考訳（メタデータ） (2024-10-14T20:14:39Z) - Decomposition Pipeline for Large-Scale Portfolio Optimization with Applications to Near-Term Quantum Computing [10.049166866086738]
ポートフォリオ最適化と制約付きの問題の再バランスは、しばしば難解か、正確に解くのが困難である。
我々のパイプラインは、実世界のポートフォリオ最適化問題を、約80%の削減でサブプロブレムに一貫して分解する。
大きな問題をいくつかの小さなサブプロブレムに分解することで、パイプラインは短期量子デバイスをソルバとして使用することができる。
論文 参考訳（メタデータ） (2024-09-16T14:05:52Z) - DISCO: Efficient Diffusion Solver for Large-Scale Combinatorial Optimization Problems [37.205311971072405]
DISCOは、大規模な組合せ最適化問題に対する効率的な拡散解法である。
サンプリング空間は、解残基によって導かれるより有意義な領域に制約され、出力分布のマルチモーダルな性質は保たれる。
大規模なトラベリングセールスマン問題や最大独立セットのベンチマークに挑戦し、他の拡散手段よりも最大5.28倍の速度で推論を行う。
論文 参考訳（メタデータ） (2024-06-28T07:36:31Z) - Let the Flows Tell: Solving Graph Combinatorial Optimization Problems
with GFlowNets [86.43523688236077]
組合せ最適化(CO)問題はしばしばNPハードであり、正確なアルゴリズムには及ばない。
GFlowNetsは、複合非正規化密度を逐次サンプリングする強力な機械として登場した。
本稿では,異なる問題に対してマルコフ決定プロセス(MDP)を設計し,条件付きGFlowNetを学習して解空間からサンプルを作成することを提案する。
論文 参考訳（メタデータ） (2023-05-26T15:13:09Z) - The Machine Learning for Combinatorial Optimization Competition (ML4CO):
Results and Insights [59.93939636422896]
ML4COは、キーコンポーネントを置き換えることで最先端の最適化問題を解決することを目的としている。
このコンペティションでは、最高の実現可能なソリューションを見つけること、最も厳密な最適性証明書を生成すること、適切なルーティング設定を提供すること、という3つの課題があった。
論文 参考訳（メタデータ） (2022-03-04T17:06:00Z) - 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) - A Bi-Level Framework for Learning to Solve Combinatorial Optimization on
Graphs [91.07247251502564]
本稿では,2つの世界の長所を結合するハイブリッドな手法を提案する。この手法では,グラフを最適化する上層学習手法とバイレベルフレームワークを開発する。
このような二段階のアプローチは、元のハードCOでの学習を単純化し、モデルキャパシティの需要を効果的に軽減することができる。
論文 参考訳（メタデータ） (2021-06-09T09:18:18Z) - Heuristic Strategies for Solving Complex Interacting Stockpile Blending
Problem with Chance Constraints [14.352521012951865]
本稿では,材料グレードの不確実性について考察し,信頼性の高い制約を確実にするために使用される確率制約を導入する。
ストックパイルブレンディング問題と確率制約に対処するため, 2つの補修演算子を組み合わせた微分進化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-10T07:56:18Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - MineReduce: an approach based on data mining for problem size reduction [58.720142291102135]
本稿では,マイニングパターンを用いて問題サイズの削減を行うMineReduceという手法を提案する。
異種車両ルーティング問題に対するMineReduceの適用について述べる。
論文 参考訳（メタデータ） (2020-05-15T08:49:50Z)
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。