Fugu-MT 論文翻訳(概要): Automated Design of Heuristics for the Container Relocation Problem

論文の概要: Automated Design of Heuristics for the Container Relocation Problem

arxiv url: http://arxiv.org/abs/2107.13313v1
Date: Wed, 28 Jul 2021 12:20:02 GMT
ステータス: 処理完了
システム内更新日: 2023-03-20 17:11:14.255688
Title: Automated Design of Heuristics for the Container Relocation Problem
Title（参考訳）: コンテナ配置問題に対するヒューリスティックの自動設計
Authors: Mrko {\DJ}urasevi\'c, Mateja {\DJ}umi\'c
Abstract要約: 本稿では,効率的なコンテナ配置ルールを自動設計するための遺伝的プログラミング(GP)の適用について検討する。実験の結果,GPの進化したRRは,手作業で設計したRRよりも優れていた。提案手法は, 既存の手動設計のRRの代替として, コンテナ配置問題領域における新たな研究方向を開拓するものである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The container relocation problem is a challenging combinatorial optimisation problem tasked with finding a sequence of container relocations required to retrieve all containers by a given order. Due to the complexity of this problem, heuristic methods are often applied to obtain acceptable solutions in a small amount of time. These include relocation rules (RRs) that determine the relocation moves that need to be performed to efficiently retrieve the next container based on certain yard properties. Such rules are often designed manually by domain experts, which is a time-consuming and challenging task. This paper investigates the application of genetic programming (GP) to design effective RRs automatically. The experimental results show that GP evolved RRs outperform several existing manually designed RRs. Additional analyses of the proposed approach demonstrate that the evolved rules generalise well across a wide range of unseen problems and that their performance can be further enhanced. Therefore, the proposed method presents a viable alternative to existing manually designed RRs and opens a new research direction in the area of container relocation problems.
Abstract（参考訳）: コンテナのリロケーション問題は、すべてのコンテナを所定の順序で検索するために必要な一連のコンテナリロケーションを見つけるための、難しい組合せ最適化問題である。この問題の複雑さのため、ヒューリスティックな手法は少量の時間で許容可能な解を得るためにしばしば用いられる。これには、特定のヤードプロパティに基づいて次のコンテナを効率的に取得するために実行する必要のあるロケーション移動を決定するリロケーションルール(rrs)が含まれる。このようなルールは、しばしばドメインの専門家によって手動で設計されます。本稿では,有効なRRを自動設計するための遺伝的プログラミング(GP)の適用について検討する。実験の結果,GPの進化したRRは,手作業で設計したRRよりも優れていた。提案手法のさらなる解析により、進化した規則は、幅広い未確認問題に対してよく一般化し、それらの性能をさらに向上できることが示されている。そこで,提案手法は,既存の手動設計のRRに代えて実現可能な代替手段を示し,コンテナ配置問題における新たな研究方向を開く。

関連論文リスト

Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-10-17T11:47:56Z)
A biased random-key genetic algorithm with variable mutants to solve a vehicle routing problem [0.0]
本稿では、ロジスティクスと車両ルーティングの分野におけるバイアスランダム鍵遺伝的アルゴリズム(BRKGA)について検討する。このアルゴリズムの応用は、Occasional Drivers and Time Window (VRPODTW) による車両ルーティング問題(英語版)の枠組みの中で文脈化される。本研究は、BRKGA-VMという、世代によって異なる変異集団を特徴とする新しいBRKGAを紹介する。
論文参考訳（メタデータ） (2024-05-01T01:25:16Z)
Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
論文参考訳（メタデータ） (2024-03-21T13:52:30Z)
Combinatorial Optimization with Policy Adaptation using Latent Space Search [44.12073954093942]
本稿では,複雑なNPハード問題を解くために,パフォーマンスアルゴリズムを設計するための新しいアプローチを提案する。我々の検索戦略は11の標準ベンチマークタスクにおける最先端のアプローチよりも優れていることを示す。
論文参考訳（メタデータ） (2023-11-13T12:24:54Z)
Automated design of relocation rules for minimising energy consumption in the container relocation problem [0.0]
我々は遺伝的プログラミングを用いて、エネルギー消費を最小化することを目的としたRRで使われる優先度関数を得る。その結果、遺伝子プログラミングによって設計されたRRが最高の性能を発揮することが示された。
論文参考訳（メタデータ） (2023-07-04T06:49:25Z)
Multi-Agent Reinforcement Learning for Microprocessor Design Space Exploration [71.95914457415624]
マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
論文参考訳（メタデータ） (2022-11-29T17:10:24Z)
MAP-Elites based Hyper-Heuristic for the Resource Constrained Project Scheduling Problem [0.3359875577705538]
資源制約型プロジェクトスケジューリング問題(RCPSP)はNP-Hard最適化問題である。本稿では, MAP-Elites を用いたハイパーヒューリスティック (MEHH) を用いて, RCPSP の効率的な優先ルールの自動発見を行う。
論文参考訳（メタデータ） (2022-04-24T01:49:59Z)
Flipping the switch on local exploration: Genetic Algorithms with Reversals [0.0]
著者らは、勾配のない探索手法が離散領域における最適解を提供するのに適していることを示した。また、複数のローカル検索を使用することで、ローカル検索のパフォーマンスが向上することを示した。提案したGA変種は,提案した問題を含む全てのベンチマークにおいて,最小平均コストであり,ICが構成成分よりも優れた性能を発揮することが観察された。
論文参考訳（メタデータ） (2022-02-02T08:27:11Z)
Robust Reconfigurable Intelligent Surfaces via Invariant Risk and Causal Representations [55.50218493466906]
本稿では,データ分布の変化に伴うロバスト再構成可能なインテリジェントサーフェス(ris)システム設計の問題について検討する。不変リスク最小化(IRM)の概念を用いて、複数の環境にまたがる不変因果表現を用いて、予測器が各環境に対して同時に最適となるようにする。予測器を探すためにニューラルネットワークベースのソリューションを採用し、その性能は経験的リスク最小化に基づく設計に対するシミュレーションによって検証される。
論文参考訳（メタデータ） (2021-05-04T21:36:31Z)
Jump Operator Planning: Goal-Conditioned Policy Ensembles and Zero-Shot Transfer [71.44215606325005]
本稿では,シーケンシャルなサブゴールタスクの超指数空間における解を高速に計算するための,Jump-Operator Dynamic Programmingという新しいフレームワークを提案する。このアプローチでは、時間的に拡張された行動として機能する、再利用可能な目標条件付き警察のアンサンブルを制御する。すると、この部分空間上の目的関数のクラスを、解がグラウンド化に不変であるものとして特定し、最適ゼロショット移動をもたらす。
論文参考訳（メタデータ） (2020-07-06T05:13:20Z)
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。