論文の概要: Efficient Neural Neighborhood Search for Pickup and Delivery Problems
- arxiv url: http://arxiv.org/abs/2204.11399v1
- Date: Mon, 25 Apr 2022 02:27:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-26 12:37:17.445250
- Title: Efficient Neural Neighborhood Search for Pickup and Delivery Problems
- Title（参考訳）: ピックアップ・デリバリー問題に対する効率的なニューラルネットワークの探索
- Authors: Yining Ma, Jingwen Li, Zhiguang Cao, Wen Song, Hongliang Guo, Yuejiao
Gong, Yeow Meng Chee
- Abstract要約: 我々は、ピックアップ・デリバリー問題(PDP)に対する効率的なニューラルネイバーフッド・サーチ(N2S)アプローチを提案する。
具体的には、バニラ自己注意が経路解に関する様々な種類の特徴を合成できる強力な合成注意を設計する。
また、プリエンス制約に対処するために、ピックアップ配信ノードペアの削除と再挿入を自動で学習する2つのカスタマイズデコーダを利用する。
- 参考スコア（独自算出の注目度）: 33.26295166939733
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present an efficient Neural Neighborhood Search (N2S) approach for pickup
and delivery problems (PDPs). In specific, we design a powerful Synthesis
Attention that allows the vanilla self-attention to synthesize various types of
features regarding a route solution. We also exploit two customized decoders
that automatically learn to perform removal and reinsertion of a
pickup-delivery node pair to tackle the precedence constraint. Additionally, a
diversity enhancement scheme is leveraged to further ameliorate the
performance. Our N2S is generic, and extensive experiments on two canonical PDP
variants show that it can produce state-of-the-art results among existing
neural methods. Moreover, it even outstrips the well-known LKH3 solver on the
more constrained PDP variant. Our implementation for N2S is available online.
- Abstract（参考訳）: ピックアップ・デリバリー問題 (PDP) に対するN2S(Neural Neighborhood Search) 手法を提案する。
具体的には,バニラセルフアテンションが経路解に関する様々な種類の特徴を合成できる強力な合成注意をデザインする。
また、プリエンス制約に対処するために、ピックアップ配信ノードペアの削除と再挿入を自動で学習する2つのカスタマイズデコーダを利用する。
さらに、多様性向上スキームを利用してパフォーマンスをさらに改善する。
我々のN2Sは汎用的であり、2つの正準PDP変種に対する広範な実験により、既存のニューラルメソッドで最先端の結果が得られることを示した。
さらに、よく知られたLKH3ソルバを、より制約のあるPDPの変種よりも上回る。
N2Sの実装はオンラインで利用可能です。
関連論文リスト
- PDHG-Unrolled Learning-to-Optimize Method for Large-Scale Linear Programming [36.13745722329505]
本稿では,大規模線形計画問題の解法として PDHG-Net と呼ばれる FOM-Unrolled Neural Network (NN) を提案する。
提案手法は,大規模LP問題に対するFOMと比較して,最大3ドル以上の高速化を実現することができることを示す。
論文 参考訳（メタデータ） (2024-06-04T02:39:42Z) - Learning to Search Feasible and Infeasible Regions of Routing Problems
with Flexible Neural k-Opt [30.510841880901655]
ルーティング問題に対する新しい学習探索(L2S)解法であるNeuOpt(NeuOpt)を提案する。
カスタマイズされたアクションファクター化法と、カスタマイズされたリカレントなデュアルストリームデコーダに基づいて、柔軟なk-opt交換を実行することを学ぶ。
論文 参考訳（メタデータ） (2023-10-27T16:51:41Z) - Effective Learning with Node Perturbation in Multi-Layer Neural Networks [2.1168858935852013]
node perturbation (NP) は、ネットワークアクティベーションにノイズを注入することで学習を提案する。
NPは、非誘導ノイズに基づく探索プロセスのため、データ非効率で不安定である。
各層での入力デコリレーションと指向性デリバティブとの密接なアライメントはNP学習の性能を強く向上させる。
論文 参考訳（メタデータ） (2023-10-02T08:12:51Z) - Reinforcement Learning for Node Selection in Branch-and-Bound [52.2648997215667]
現在の最先端セレクタは手作りのアンサンブルを使用して、ナイーブなサブノードセレクタと、個々のノードデータに依存する学習ノードセレクタを自動的に切り替える。
孤立ノードではなく木の状態全体を考慮しながら強化学習(RL)を用いる新しいシミュレーション手法を提案する。
論文 参考訳（メタデータ） (2023-09-29T19:55:56Z) - Versatile Neural Processes for Learning Implicit Neural Representations [57.090658265140384]
本稿では,近似関数の能力を大幅に向上させるVersatile Neural Processs (VNP)を提案する。
具体的には、より少ない情報的コンテキストトークンを生成するボトルネックエンコーダを導入し、高い計算コストを軽減した。
提案したVNPが1D, 2D, 3D信号を含む様々なタスクに対して有効であることを示す。
論文 参考訳（メタデータ） (2023-01-21T04:08:46Z) - Zonotope Domains for Lagrangian Neural Network Verification [102.13346781220383]
我々は、ディープニューラルネットワークを多くの2層ニューラルネットワークの検証に分解する。
我々の手法は線形プログラミングとラグランジアンに基づく検証技術の両方により改善された境界を与える。
論文 参考訳（メタデータ） (2022-10-14T19:31:39Z) - MultiAuto-DeepONet: A Multi-resolution Autoencoder DeepONet for
Nonlinear Dimension Reduction, Uncertainty Quantification and Operator
Learning of Forward and Inverse Stochastic Problems [12.826754199680474]
本稿では,微分方程式(SDE)の演算子学習のための新しいデータ駆動手法を提案する。
中心的な目標は、限られたデータを使ってより効果的に前方および逆問題を解決することである。
論文 参考訳（メタデータ） (2022-04-07T03:53:49Z) - Learning Physics-Informed Neural Networks without Stacked
Back-propagation [82.26566759276105]
我々は,物理インフォームドニューラルネットワークのトレーニングを著しく高速化する新しい手法を開発した。
特に、ガウス滑らか化モデルによりPDE解をパラメータ化し、スタインの恒等性から導かれる2階微分がバックプロパゲーションなしで効率的に計算可能であることを示す。
実験の結果,提案手法は通常のPINN訓練に比べて2桁の精度で競合誤差を実現できることがわかった。
論文 参考訳（メタデータ） (2022-02-18T18:07:54Z) - Enhanced Exploration in Neural Feature Selection for Deep Click-Through
Rate Prediction Models via Ensemble of Gating Layers [7.381829794276824]
神経機能選択(NFS)の目標は、最も説明力のある比較的小さな機能のサブセットを選択することである。
ゲーティングアプローチは、情報の少ない特徴をドロップするために、識別可能なバイナリゲートのセットを挿入する。
勾配に基づく解の探索能力を向上させるために,単純だが効果的なアンサンブル学習手法を提案する。
論文 参考訳（メタデータ） (2021-12-07T04:37:05Z) - dNNsolve: an efficient NN-based PDE solver [62.997667081978825]
ODE/PDEを解決するためにデュアルニューラルネットワークを利用するdNNsolveを紹介します。
我々は,dNNsolveが1,2,3次元の幅広いODE/PDEを解くことができることを示す。
論文 参考訳（メタデータ） (2021-03-15T19:14:41Z)
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。