論文の概要: First Competitive Ant Colony Scheme for the CARP

• arxiv url: http://arxiv.org/abs/2212.02228v1
• Date: Sat, 19 Nov 2022 10:31:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 13:00:44.386437
• Title: First Competitive Ant Colony Scheme for the CARP
• Title（参考訳）: CARPのための最初の競争的アントコロニー方式
• Authors: Lacomme Philippe, Prins Christian, Tanguy Alain
• Abstract要約: Ant Colonyスキームは、VRPの中規模インスタンスのソリューションを計算できる。 Ant Colonyスキームは、局所的な探索手順と結合し、高品質なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the Capacitated Arc Routing Problem (CARP) using an Ant Colony Optimization scheme. Ant Colony schemes can compute solutions for medium scale instances of VRP. The proposed Ant Colony is dedicated to large-scale instances of CARP with more than 140 nodes and 190 arcs to service. The Ant Colony scheme is coupled with a local search procedure and provides high quality solutions. The benchmarks we carried out prove possible to obtain solutions as profitable as CARPET ones can be obtained using such scheme when a sufficient number of iterations is devoted to the ants. It competes with the Genetic Algorithm of Lacomme et al. regarding solution quality but it is more time consuming on large scale instances. The method has been intensively benchmarked on the well-known instances of Eglese, DeArmon and the last ones of Belenguer and Benavent. This research report is a step forward CARP resolution by Ant Colony proving ant schemes can compete with Taboo search methods and Genetic Algorithms
• Abstract（参考訳）: 本稿では,antコロニー最適化手法を用いたcapacitated arc routing problem (carp)について述べる。 antコロニースキームは、vrpの中規模インスタンスのソリューションを計算できる。 提案されているAnt Colonyは、140以上のノードと190の弧を持つCARPの大規模インスタンスに特化している。 antコロニースキームは局所探索手順と結合され、高品質なソリューションを提供する。 我々が行ったベンチマークは、十分な数の反復がアリに費やされた場合に、カーペットのように利益の出る解を得ることができることを示した。 ソリューションの品質に関してはLacommeらの遺伝的アルゴリズムと競合するが、大規模インスタンスでは時間がかかる。 この手法は、Eglese、DeArmon、そしてBerenguer、Benaventの有名な例に強くベンチマークされている。 この研究報告は、Ant ColonyによるCARP解決の進歩であり、Ant ColonyはTaboo検索法や遺伝的アルゴリズムと競合できることを証明している。

関連論文リスト

• Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
  本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。 赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2024-06-21T05:57:08Z)
• Comparative Analysis of Four Prominent Ant Colony Optimization Variants: Ant System, Rank-Based Ant System, Max-Min Ant System, and Ant Colony System [0.0]
  本研究は,Ant Colony Optimization (ACO)の4変種であるAnt System (AS), Rank-Based Ant System (ASRank), Max-Min Ant System (MMAS), Ant Colony System (ACS)の比較分析を行った。 その結果,アルゴリズムの性能は問題スケールやインスタンスタイプに大きく影響していることがわかった。
  論文  参考訳（メタデータ） (2024-05-24T09:51:13Z)
• Ant Colony Sampling with GFlowNets for Combinatorial Optimization [68.84985459701007]
  Generative Flow Ant Colony Sampler (GFACS)は、階層的に償却推論と並列探索を組み合わせた新しいメタヒューリスティック手法である。 提案手法はまず,生成フローネットワーク(GFlowNets)を利用して,ソリューション空間上の複数モーダル事前分布を記憶する。
  論文  参考訳（メタデータ） (2024-03-11T16:26:06Z)
• ACO-tagger: A Novel Method for Part-of-Speech Tagging using Ant Colony Optimization [1.7403133838762448]
  Ant Colony Optimization (ACO) はアリの捕食行動とそのフェロモンの敷設機構に着想を得たものである。 Part-of-Speech(POS)タグ付けは自然言語処理における基本的なタスクであり、文中の各単語にPart-of-Speechロールを割り当てることを目的としている。 本研究では,ACOタグをベースとした高性能なPOSタグ作成手法を提案する。
  論文  参考訳（メタデータ） (2023-03-27T11:48:40Z)
• Ant Hill Colonization optimization algorithm(AHCOA) for controlling the side lobe of a uniform linear array [1.588193964339148]
  AHCOAは、アリが生き残るためのアリの丘を作り、維持する方法を真似た、新しい自然にインスパイアされたアルゴリズムです。 AHCOAは、構造が構築される方法として、アリの丘の体積解析の方程式を書く際に用いられる。 本稿では,AHCOAが線形アレイにおけるアンテナ最適化の強力な候補であることを示す。
  論文  参考訳（メタデータ） (2022-06-22T16:44:37Z)
• A Metaheuristic Algorithm for Large Maximum Weight Independent Set Problems [58.348679046591265]
  ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。 このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。 我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-03-28T21:34:16Z)
• Improving Ant Colony Optimization Efficiency for Solving Large TSP Instances [0.0]
  我々は新しいAnt Colony Optimization(ACO)、すなわちFocused ACO(FACO)を提案する。 FACOは、新しく構築されたソリューションと選択された前のソリューションの差の数を制御するメカニズムである。 このメカニズムにより、より焦点を絞った検索プロセスが実現し、既存のソリューションの品質を維持しながら改善点を見つけることができる。
  論文  参考訳（メタデータ） (2022-03-04T10:26:02Z)
• Reward-Free RL is No Harder Than Reward-Aware RL in Linear Markov Decision Processes [61.11090361892306]
  Reward-free reinforcement learning (RL) は、エージェントが探索中に報酬関数にアクセスできないような環境を考える。 この分離は線形MDPの設定には存在しないことを示す。 我々は$d$次元線形 MDP における報酬のない RL に対する計算効率の良いアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-01-26T22:09:59Z)
• Exact and Approximate Hierarchical Clustering Using A* [51.187990314731344]
  クラスタリングのA*探索に基づく新しいアプローチを紹介します。 A*と新しいエンフォレリスデータ構造を組み合わせることで、禁止的に大きな検索空間を克服します。 実験により,本手法は粒子物理利用事例や他のクラスタリングベンチマークにおいて,ベースラインよりもかなり高品質な結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-04-14T18:15:27Z)
• Continuous Ant-Based Neural Topology Search [62.200941836913586]
  この研究は、アリコロニー最適化に基づく、自然に着想を得たニューラルアーキテクチャサーチ(NAS)アルゴリズムを導入している。 連続アントベースのニューラルトポロジーサーチ(CANTS)は、アリが現実世界でどのように動くかに強く影響を受けている。
  論文  参考訳（メタデータ） (2020-11-21T17:49:44Z)
• Hybrid 2-stage Imperialist Competitive Algorithm with Ant Colony Optimization for Solving Multi-Depot Vehicle Routing Problem [0.0]
  本稿では,2つの集団ベースアルゴリズムに基づくハイブリッド2段階アプローチを提案する。 提案したハイブリッドアルゴリズムでは、ICAがデポへの顧客の割り当てを担当し、ACOが顧客のルーティングとシークエンシングを行っている。 その結果、単純なACOやICAよりも明らかに改善され、他の競合アルゴリズムと比較して非常に競争力のある結果が得られた。
  論文  参考訳（メタデータ） (2020-04-07T17:43:06Z)

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。