論文の概要: A Hybrid APM-CPGSO Approach for Constraint Satisfaction Problem Solving:
Application to Remote Sensing
- arxiv url: http://arxiv.org/abs/2106.05193v1
- Date: Sun, 6 Jun 2021 22:05:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-11 13:44:23.052350
- Title: A Hybrid APM-CPGSO Approach for Constraint Satisfaction Problem Solving:
Application to Remote Sensing
- Title（参考訳）: 制約充足問題解決のためのハイブリッドAPM-CPGSOアプローチ:リモートセンシングへの応用
- Authors: Zouhayra Ayadi, Wadii Boulila, Imed Riadh Farah
- Abstract要約: 制約満足度問題(CSP)は、様々な複雑な実世界の問題のモデル化と解決に積極的に用いられている。
既存の問題解決手法は、ほとんどの場合不適当である。
本稿では,問題解決のための不完全なCSP法と完全CSP法を組み合わせた新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 2.6641834518599308
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Constraint satisfaction problem (CSP) has been actively used for modeling and
solving a wide range of complex real-world problems. However, it has been
proven that developing efficient methods for solving CSP, especially for large
problems, is very difficult and challenging. Existing complete methods for
problem-solving are in most cases unsuitable. Therefore, proposing hybrid
CSP-based methods for problem-solving has been of increasing interest in the
last decades. This paper aims at proposing a novel approach that combines
incomplete and complete CSP methods for problem-solving. The proposed approach
takes advantage of the group search algorithm (GSO) and the constraint
propagation (CP) methods to solve problems related to the remote sensing field.
To the best of our knowledge, this paper represents the first study that
proposes a hybridization between an improved version of GSO and CP in the
resolution of complex constraint-based problems. Experiments have been
conducted for the resolution of object recognition problems in satellite
images. Results show good performances in terms of convergence and running time
of the proposed CSP-based method compared to existing state-of-the-art methods.
- Abstract（参考訳）: 制約満足度問題(CSP)は、様々な複雑な実世界の問題のモデル化と解決に積極的に用いられている。
しかし,cspの効率的な解法,特に大問題の解法の開発は困難かつ困難であることが証明されている。
既存の問題解決手法は多くの場合不適切である。
そのため,過去数十年間,ハイブリッドCSPによる問題解決手法が注目されている。
本稿では,不完全かつ完全なCSP手法を組み合わせた問題解決手法を提案する。
提案手法は,群探索アルゴリズム(GSO)と制約伝搬法(CP)を利用して,リモートセンシング分野に関連する問題を解決する。
本研究は,GSOの改良版とCPのハイブリッド化を,複雑な制約に基づく問題の解法として提案する最初の研究である。
衛星画像における物体認識問題の解決のための実験が行われた。
その結果,提案手法の収束時間と実行時間の点で,従来手法と比較して優れた性能を示した。
関連論文リスト
- CHARME: A chain-based reinforcement learning approach for the minor embedding problem [16.24890195949869]
本稿では,CHARME という名前の小さな埋め込み問題に対処するために,強化学習(RL)技術を利用した新しい手法を提案する。
CHARMEには、ポリシーモデリングのためのグラフニューラルネットワーク(GNN)アーキテクチャ、ソリューションの有効性を保証する状態遷移アルゴリズム、効果的なトレーニングのための順序探索戦略の3つの重要なコンポーネントが含まれている。
詳細では、CHARME は Minorminer や ATOM のような高速な埋め込み法に比べて優れた解が得られる。
論文 参考訳（メタデータ） (2024-06-11T10:12:10Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Thought Propagation: An Analogical Approach to Complex Reasoning with Large Language Models [62.96551299003463]
大規模言語モデルの複雑な推論能力を高めるために,textbftextitThought Propagation (TP)を提案する。
TP はまず LLM に対して,入力問題に関連する類似問題の集合を提案し,解決するよう促す。
TPは、類似問題の結果を再利用して、新しいソリューションを直接生成したり、スクラッチから得られた初期ソリューションを修正するための知識集約的な実行プランを導出する。
論文 参考訳（メタデータ） (2023-10-06T01:40:09Z) - Reinforcement Learning Methods for Wordle: A POMDP/Adaptive Control
Approach [0.3093890460224435]
我々は、新しい強化学習手法を用いて、人気のあるWordleパズルの解法に対処する。
Wordleパズルでは、比較的控えめな計算コストで最適に近いオンラインソリューション戦略が得られる。
論文 参考訳（メタデータ） (2022-11-15T03:46:41Z) - Divide-and-conquer embedding for QUBO quantum annealing [0.0]
組込み問題に焦点をあてたアプローチは、桁違いに性能を向上できることを示す。
以上の結果から,組込み問題に焦点をあてたアプローチにより,桁違いの性能向上が期待できることがわかった。
論文 参考訳（メタデータ） (2022-11-03T23:22:06Z) - A Two-stage Framework and Reinforcement Learning-based Optimization
Algorithms for Complex Scheduling Problems [54.61091936472494]
本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。
スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。
その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
論文 参考訳（メタデータ） (2021-03-10T03:16:12Z) - Improving Constraint Satisfaction Algorithm Efficiency for the
AllDifferent Constraint [0.0]
制約満足問題(CSP: Constraint Satisfaction Problems)と記載された組合せ問題を検討する。
元のCSP用に設計され、AllDifferent制約を含む任意のアルゴリズムは、元のCSPと補完的な問題の両方に同時に適用した場合、少なくとも同じレベルの有効性を持つことを示す。
論文 参考訳（メタデータ） (2020-12-07T12:14:55Z) - 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) - GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal
Black Box Constraint Satisfaction [69.94831587339539]
本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。
我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
論文 参考訳（メタデータ） (2020-02-17T20:21:20Z)
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。