論文の概要: The First AI4TSP Competition: Learning to Solve Stochastic Routing
Problems
- arxiv url: http://arxiv.org/abs/2201.10453v1
- Date: Tue, 25 Jan 2022 16:55:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 19:00:59.603470
- Title: The First AI4TSP Competition: Learning to Solve Stochastic Routing
Problems
- Title（参考訳）: AI4TSPコンペティション:確率的ルーティング問題を解決するための学習
- Authors: Laurens Bliek, Paulo da Costa, Reza Refaei Afshar, Yingqian Zhang, Tom
Catshoek, Dani\"el Vos, Sicco Verwer, Fynn Schmitt-Ulms, Andr\'e Hottung,
Tapan Shah, Meinolf Sellmann, Kevin Tierney, Carl Perreault-Lafleur, Caroline
Leboeuf, Federico Bobbio, Justine Pepin, Warley Almeida Silva, Ricardo Gama,
Hugo L. Fernandes, Martin Zaefferer, Manuel L\'opez-Ib\'a\~nez, Ekhine
Irurozki
- Abstract要約: 本報告は,2021年人工知能国際会議(IJCAI-21)における,旅行セールスマン問題(TTSP)に関する初の国際コンペティションである。
コンペティションは参加者に対して、ウェイトとタイムウィンドウ(TD-OPSWTW)による時間依存オリエンテーリング問題を解決するアルゴリズムの開発を依頼した。
この研究で述べられている勝利の方法は、AIを使って問題をルーティングするための最先端のAIを進歩させた。
- 参考スコア（独自算出の注目度）: 10.388013100067266
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper reports on the first international competition on AI for the
traveling salesman problem (TSP) at the International Joint Conference on
Artificial Intelligence 2021 (IJCAI-21). The TSP is one of the classical
combinatorial optimization problems, with many variants inspired by real-world
applications. This first competition asked the participants to develop
algorithms to solve a time-dependent orienteering problem with stochastic
weights and time windows (TD-OPSWTW). It focused on two types of learning
approaches: surrogate-based optimization and deep reinforcement learning. In
this paper, we describe the problem, the setup of the competition, the winning
methods, and give an overview of the results. The winning methods described in
this work have advanced the state-of-the-art in using AI for stochastic routing
problems. Overall, by organizing this competition we have introduced routing
problems as an interesting problem setting for AI researchers. The simulator of
the problem has been made open-source and can be used by other researchers as a
benchmark for new AI methods.
- Abstract（参考訳）: IJCAI-21(International Joint Conference on Artificial Intelligence 2021)において,旅行セールスマン問題(TSP)に関する最初の国際競争について報告する。
TSPは古典的な組合せ最適化問題の1つであり、現実世界の応用にインスパイアされた多くの変種がある。
この最初のコンペティションは、確率重みと時間窓(TD-OPSWTW)で時間依存のオリエンテーリング問題を解決するアルゴリズムを開発するよう参加者に求めた。
それは、surrogateベースの最適化と深層強化学習の2つのタイプの学習アプローチに焦点を当てた。
本稿では,問題,競争の成立,勝利の方法,結果の概要について述べる。
この研究で述べられている勝利法は、確率的ルーティング問題にAIを使用する際の最先端の手法である。
この競争を組織することで、私たちは、AI研究者にとって興味深い問題設定としてルーティング問題を導入しました。
問題のシミュレーターがオープンソース化され、他の研究者が新しいAIメソッドのベンチマークとして使用することができる。
関連論文リスト
- OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - Learning to Make Adherence-Aware Advice [8.419688203654948]
本稿では,人間の従順性を考慮した逐次意思決定モデルを提案する。
最適なアドバイスポリシーを学習し、重要なタイムスタンプでのみアドバイスを行う学習アルゴリズムを提供する。
論文 参考訳（メタデータ） (2023-10-01T23:15:55Z) - Benchmarking Robustness and Generalization in Multi-Agent Systems: A
Case Study on Neural MMO [50.58083807719749]
IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。
この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。
環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
論文 参考訳（メタデータ） (2023-08-30T07:16:11Z) - Combinatorial Optimization enriched Machine Learning to solve the
Dynamic Vehicle Routing Problem with Time Windows [5.4807970361321585]
最適化層を組み込んだ新しい機械学習パイプラインを提案する。
最近,EURO Meets NeurIPS Competition at NeurIPS 2022において,このパイプラインを波による動的車両ルーティング問題に適用した。
提案手法は,提案した動的車両経路問題の解法において,他の全ての手法よりも優れていた。
論文 参考訳（メタデータ） (2023-04-03T08:23:09Z) - A Novel Approach for Auto-Formulation of Optimization Problems [66.94228200699997]
Natural Language for Optimization (NL4Opt) NeurIPS 2022コンペティションでは、最適化ソルバのアクセシビリティとユーザビリティの改善に重点を置いている。
本稿では,チームのソリューションについて述べる。
提案手法は,サブタスク1のF1スコアとサブタスク2の0.867の精度を達成し,それぞれ第4位,第3位を獲得した。
論文 参考訳（メタデータ） (2023-02-09T13:57:06Z) - NeurIPS 2022 Competition: Driving SMARTS [60.948652154552136]
ドライビングSMARTSは、動的相互作用コンテキストにおける分散シフトに起因する問題に対処するために設計された定期的な競争である。
提案するコンペティションは,強化学習(RL)やオフライン学習など,方法論的に多様なソリューションをサポートする。
論文 参考訳（メタデータ） (2022-11-14T17:10:53Z) - Solving the vehicle routing problem with deep reinforcement learning [0.0]
本稿では,NP-Hard 問題のクラスに属する有名な問題である Vehicle Routing Problem (VRP) に対する RL の適用について述べる。
第2フェーズでは、アクターと批評家の背後にあるニューラルアーキテクチャが確立され、畳み込みニューラルネットワークに基づいたニューラルアーキテクチャを採用することが選択された。
広範囲なインスタンスで行った実験では、アルゴリズムが優れた一般化能力を持ち、短時間で良い解に達することが示されている。
論文 参考訳（メタデータ） (2022-07-30T12:34:26Z) - Retrospective on the 2021 BASALT Competition on Learning from Human
Feedback [92.37243979045817]
競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。
LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。
チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-04-14T17:24:54Z) - 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) - A Game AI Competition to foster Collaborative AI research and
development [5.682875185620577]
我々はGeometry Friends Game AIコンペティションを開催する。
ゲームの概念は単純だが、その解決は難しいことが証明されている。
コンペティションとそれがもたらす課題について議論し、現在のソリューションの概要を示す。
論文 参考訳（メタデータ） (2020-10-17T23:03:06Z)
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。