Fugu-MT 論文翻訳(概要): Efficiently solving the thief orienteering problem with a max-min ant colony optimization approach

論文の概要: Efficiently solving the thief orienteering problem with a max-min ant colony optimization approach

arxiv url: http://arxiv.org/abs/2109.13103v2
Date: Tue, 28 Sep 2021 15:05:08 GMT
ステータス: 処理完了
システム内更新日: 2021-10-10 11:45:32.260847
Title: Efficiently solving the thief orienteering problem with a max-min ant colony optimization approach
Title（参考訳）: max-min ant colony optimization による泥棒指向問題の効率的な解法
Authors: Jonatas B. C. Chagas and Markus Wagner
Abstract要約: 我々は,学術的多成分問題であるThef Orienteering Problem(ThOP)に取り組む。本稿では,Swarm-intelligenceとランダムパッキングを組み合わせたアプローチを提案する。
参考スコア（独自算出の注目度）: 1.6317061277457
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We tackle the Thief Orienteering Problem (ThOP), which is academic multi-component problem: it combines two classical combinatorial problems, namely the Knapsack Problem (KP) and the Orienteering Problem (OP). In this problem, a thief has a time limit to steal items that distributed in a given set of cities. While traveling, the thief collects items by storing them in their knapsack, which in turn reduces the travel speed. The thief has as the objective to maximize the total profit of the stolen items. In this article, we present an approach that combines swarm-intelligence with a randomized packing heuristic. Our solution approach outperforms existing works on almost all the 432 benchmarking instances, with significant improvements.
Abstract（参考訳）: 我々は,古典的組合せ問題,すなわち Knapsack Problem (KP) と Orienteering Problem (OP) を組み合わせた,学術的多成分問題である Thief Orienteering Problem (ThOP) に取り組む。この問題では、泥棒は特定の都市に分散したアイテムを盗む時間制限がある。旅の間、泥棒はナップサックに保管することでアイテムを収集し、それによって移動速度が低下する。盗品は盗品の総利益を最大化することを目的としている。本稿では,Swarm-intelligenceとランダムなパッキングヒューリスティックを組み合わせたアプローチを提案する。私たちのソリューションアプローチは、ほとんどすべての432ベンチマークインスタンスでの既存の作業よりも優れています。

関連論文リスト

Risk-Aware Algorithms for Combinatorial Semi-Bandits [7.716156977428555]
半帯域フィードバック下でのマルチアームバンディット問題について検討する。本稿では,最悪の場合の報酬のみを考慮したリスク尺度であるCVaR(Conditional Value-at-Risk)の最大化の問題を検討する。本稿では,バンディットのスーパーアームから得られる報酬のCVaRを最大化するアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-12-02T11:29:43Z)
Batch Bayesian Optimization on Permutations using Acquisition Weighted Kernels [86.11176756341114]
決定点プロセスに基づく新しい効率的なバッチ取得方法であるLAWを紹介します。本研究では,理論特性の知見を得るための後悔分析法を提案する。二次代入などの置換を含むいくつかの標準問題に対する手法を評価する。
論文参考訳（メタデータ） (2021-02-26T10:15:57Z)
Efficient Pure Exploration for Combinatorial Bandits with Semi-Bandit Feedback [51.21673420940346]
コンビナーシャルバンディットはマルチアームバンディットを一般化し、エージェントが腕のセットを選択し、選択したセットに含まれる各腕の騒々しい報酬を観察します。我々は, 最善の腕を一定の信頼度で識別する純粋爆発問題と, 応答集合の構造が動作集合の1つと異なるような, より一般的な設定に注目する。有限多面体に対するプロジェクションフリーオンライン学習アルゴリズムに基づいて、凸的に最適であり、競争力のある経験的性能を持つ最初の計算効率の良いアルゴリズムである。
論文参考訳（メタデータ） (2021-01-21T10:35:09Z)
Upper Confidence Bounds for Combining Stochastic Bandits [52.10197476419621]
バンディットアルゴリズムを結合する簡単な手法を提案する。私たちのアプローチは、個々のbanditアルゴリズムのそれぞれを、より高いレベルのn$-armed bandit問題のアームとして扱う"meta-ucb"手順に基づいています。
論文参考訳（メタデータ） (2020-12-24T05:36:29Z)
Solving the Travelling Thief Problem based on Item Selection Weight and Reverse Order Allocation [8.620967398331265]
旅行泥棒問題(TTP)は多くの学者を引き付ける挑戦的な最適化問題です。本論文では,TTPを理論的および実証的に検討する。提案した選択項目と逆順序のソート項目の定式化によって算出されたスコア値に基づくアルゴリズムを提案し,この問題を解く。
論文参考訳（メタデータ） (2020-12-16T12:06:05Z)
A weighted-sum method for solving the bi-objective traveling thief problem [2.061388741385401]
本研究では,旅行販売員問題とクナップサック問題を構成する旅行盗難問題の双方向定式化について検討する。そこで本研究では,最近のコンペの9つのうち6つで参加者を上回り,さらに379の単目的問題に対して,新たな最適解を見出した。
論文参考訳（メタデータ） (2020-11-10T13:11:55Z)
Corralling Stochastic Bandit Algorithms [54.10645564702416]
相関アルゴリズムの後悔は、最も報酬の高い腕を含む最高のアルゴリズムの後悔よりも悪くはないことを示す。最高報酬と他の報酬の差は、最高報酬と他の報酬の差に依存することを示す。
論文参考訳（メタデータ） (2020-06-16T15:33:12Z)
Ants can orienteer a thief in their robbery [2.061388741385401]
Thief Orienteering Problem (ThOP) は、2つの古典的な最適化問題の特徴(オリエンテーリング問題とKnapsack問題)を組み合わせた多成分問題である。本稿では,問題コンポーネントを個別かつ対話的に扱う新しいパッキングとともに,Ant Colony Optimizationアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-15T11:30:37Z)
Improved Sleeping Bandits with Stochastic Actions Sets and Adversarial Rewards [59.559028338399855]
我々は,行動セットと敵意の報酬を伴って睡眠中の盗賊の問題を考察する。本稿では,EXP3にインスパイアされた新しい計算効率のよいアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-14T00:41:26Z)
A Non-Dominated Sorting Based Customized Random-Key Genetic Algorithm for the Bi-Objective Traveling Thief Problem [7.088487500434561]
本稿では,よく研究されたトラベリングティーフ問題 (TTP) の2目的変種を解く方法を提案する。 BI-TTPは、旅行時間全体の最小化と、収集したアイテムの利益の最大化を目的としている。提案手法は,問題固有の特徴をカスタマイズしたバイアスランダム鍵遺伝的アルゴリズムに基づく。
論文参考訳（メタデータ） (2020-02-11T10:56:13Z)
Optimal Clustering from Noisy Binary Feedback [75.17453757892152]
本稿では,二元的ユーザフィードバックから一組のアイテムをクラスタリングする問題について検討する。最小クラスタ回復誤差率のアルゴリズムを考案する。適応選択のために,情報理論的誤差下界の導出にインスパイアされたアルゴリズムを開発する。
論文参考訳（メタデータ） (2019-10-14T09:18:26Z)

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。