論文の概要: Adaptive Population-based Simulated Annealing for Uncertain Resource Constrained Job Scheduling

• arxiv url: http://arxiv.org/abs/2210.17036v1
• Date: Mon, 31 Oct 2022 03:20:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 16:15:19.937735
• Title: Adaptive Population-based Simulated Annealing for Uncertain Resource Constrained Job Scheduling
• Title（参考訳）: 不確定資源制約ジョブスケジューリングのための適応人口ベースシミュレートアニーリング
• Authors: Dhananjay Thiruvady, Su Nguyen, Yuan Sun, Fatemeh Shiri, Nayyar Zaidi, Xiaodong Li
• Abstract要約: リソース制約付きジョブスケジューリング(RCJS)は、既存の最適化手法では効率的に解決できない難しい最適化問題である。 本研究では,不確実性を伴うRCJSの既存手法の限界を克服できる適応型人口シミュレーションアルゴリズムを提案する。 その結果,提案アルゴリズムはRCJSインスタンスのベンチマークや不確実性レベルにおいて,既存の手法よりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 6.2364674720444855
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transporting ore from mines to ports is of significant interest in mining supply chains. These operations are commonly associated with growing costs and a lack of resources. Large mining companies are interested in optimally allocating their resources to reduce operational costs. This problem has been previously investigated in the literature as resource constrained job scheduling (RCJS). While a number of optimisation methods have been proposed to tackle the deterministic problem, the uncertainty associated with resource availability, an inevitable challenge in mining operations, has received less attention. RCJS with uncertainty is a hard combinatorial optimisation problem that cannot be solved efficiently with existing optimisation methods. This study proposes an adaptive population-based simulated annealing algorithm that can overcome the limitations of existing methods for RCJS with uncertainty including the premature convergence, the excessive number of hyper-parameters, and the inefficiency in coping with different uncertainty levels. This new algorithm is designed to effectively balance exploration and exploitation, by using a population, modifying the cooling schedule in the Metropolis-Hastings algorithm, and using an adaptive mechanism to select perturbation operators. The results show that the proposed algorithm outperforms existing methods across a wide range of benchmark RCJS instances and uncertainty levels. Moreover, new best known solutions are discovered for all but one problem instance across all uncertainty levels.
• Abstract（参考訳）: 鉱山から港への鉱石輸送は、鉱業サプライチェーンに大きな関心がある。 これらの事業は一般的にコストの増大と資源不足と結びついている。 大規模鉱業会社は、運用コストを削減するために資源を最適に割り当てることに関心を持っている。 この問題は、リソース制約付きジョブスケジューリング(RCJS)として文献でこれまで研究されてきた。 決定論的問題に対処するための最適化手法がいくつか提案されているが、鉱業における必然的課題である資源の可用性に関する不確実性は、あまり注目されていない。 不確実性のあるRCJSは、既存の最適化手法では効率的に解決できない難しい組合せ最適化問題である。 本研究では,早期収束,過度なパラメータ数,不確実性レベルへの対処における非効率性などの不確実性を伴うRCJSの既存手法の限界を克服する適応型人口推定アニールアルゴリズムを提案する。 このアルゴリズムは、人口を用いて、メトロポリス・ハスティングスアルゴリズムの冷却スケジュールを変更し、摂動演算子を選択するための適応機構を用いて、効率的に探索と利用のバランスをとるように設計されている。 その結果,提案アルゴリズムはRCJSインスタンスと不確実性レベルの範囲で既存手法よりも優れていた。 さらに、すべての不確実性レベルにまたがる1つの問題インスタンスを除いて、新しい最もよく知られたソリューションが発見される。

関連論文リスト

• A QoE-Aware Split Inference Accelerating Algorithm for NOMA-based Edge Intelligence [20.67035066213381]
  本稿では,エッジインテリジェンスにおける分割推論の高速化を目的として,効率的な資源割当アルゴリズムを提案する。 ERAは、最適なモデル分割戦略とリソース割り当て戦略を見つけるために、リソース消費、QoE、および推論遅延を考慮に入れます。 実験結果から,ERAの性能は従来の研究よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-25T01:09:45Z)
• Energy-Guided Continuous Entropic Barycenter Estimation for General Costs [95.33926437521046]
  任意のOTコスト関数に対して連続的エントロピーOT(EOT)バリセンタを近似する新しいアルゴリズムを提案する。 本手法は、弱いOTに基づくEOT問題の二重再構成に基づいている。
  論文  参考訳（メタデータ） (2023-10-02T11:24:36Z)
• Evolutionary Optimization for Proactive and Dynamic Computing Resource Allocation in Open Radio Access Network [4.9711284100869815]
  Open Radio Access Network (O-RAN) におけるコンピュータリソースの自動割り当てを実現するためのインテリジェントな技術が求められている このリソース割り当て問題を解決するための既存の問題定式化は、リソースのキャパシティユーティリティを不適切な方法で定義しているため不適切である。 問題をよりよく記述した新しい定式化が提案されている。
  論文  参考訳（メタデータ） (2022-01-12T08:52:04Z)
• DESTRESS: Computation-Optimal and Communication-Efficient Decentralized Nonconvex Finite-Sum Optimization [43.31016937305845]
  インターネット・オブ・シング、ネットワークセンシング、自律システム、有限サム最適化のための分散アルゴリズムのためのフェデレーション学習。 非有限サム最適化のためのDecentralized STochastic Recursive MethodDESTRESSを開発した。 詳細な理論的および数値的な比較は、DESTRESSが事前の分散アルゴリズムにより改善されていることを示している。
  論文  参考訳（メタデータ） (2021-10-04T03:17:41Z)
• Heuristic Strategies for Solving Complex Interacting Stockpile Blending Problem with Chance Constraints [14.352521012951865]
  本稿では,材料グレードの不確実性について考察し,信頼性の高い制約を確実にするために使用される確率制約を導入する。 ストックパイルブレンディング問題と確率制約に対処するため, 2つの補修演算子を組み合わせた微分進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-10T07:56:18Z)
• Coordinated Online Learning for Multi-Agent Systems with Coupled Constraints and Perturbed Utility Observations [91.02019381927236]
  本研究では, 資源制約を満たすため, エージェントを安定な集団状態へ誘導する新しい手法を提案する。 提案手法は,ゲームラグランジアンの拡張によるリソース負荷に基づく分散リソース価格設定手法である。
  論文  参考訳（メタデータ） (2020-10-21T10:11:17Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Variance-Reduced Off-Policy Memory-Efficient Policy Search [61.23789485979057]
  政治政策の最適化は強化学習において難しい問題である。 オフポリシーアルゴリズムはメモリ効率が高く、オフポリシーサンプルから学ぶことができる。
  論文  参考訳（メタデータ） (2020-09-14T16:22:46Z)
• Resource Allocation via Model-Free Deep Learning in Free Space Optical Communications [119.81868223344173]
  本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。 本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:38:51Z)
• 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)

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。