論文の概要: Neural Bee Colony Optimization: A Case Study in Public Transit Network
Design
- arxiv url: http://arxiv.org/abs/2306.00720v1
- Date: Thu, 18 May 2023 17:48:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-04 11:01:50.232537
- Title: Neural Bee Colony Optimization: A Case Study in Public Transit Network
Design
- Title(参考訳): ニューラルミツバチコロニー最適化:公共交通網設計における事例研究
- Authors: Andrew Holliday, Gregory Dudek
- Abstract要約: 我々は、個々のトランジットルートの単発計画を実行するためにニューラルネットワークポリシーをトレーニングし、修正されたBee Colony Optimization(BCO)メタヒューリスティックアルゴリズムにいくつかのサブヒューリスティックの1つとして組み込む。
実験の結果,このハイブリッドアルゴリズムは,学習ポリシーを最大20%,BCOアルゴリズムを最大53%,現実的な問題を最大53%上回る結果を得た。
- 参考スコア(独自算出の注目度): 11.490474551585217
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work we explore the combination of metaheuristics and learned neural
network solvers for combinatorial optimization. We do this in the context of
the transit network design problem, a uniquely challenging combinatorial
optimization problem with real-world importance. We train a neural network
policy to perform single-shot planning of individual transit routes, and then
incorporate it as one of several sub-heuristics in a modified Bee Colony
Optimization (BCO) metaheuristic algorithm. Our experimental results
demonstrate that this hybrid algorithm outperforms the learned policy alone by
up to 20% and the original BCO algorithm by up to 53% on realistic problem
instances. We perform a set of ablations to study the impact of each component
of the modified algorithm.
- Abstract(参考訳): 本研究では,メタヒューリスティックスとニューラルネットワーク解法を組み合わせた組合せ最適化について検討する。
我々は,実世界の重要度を持つ一意に難しい組合せ最適化問題であるトランジットネットワーク設計問題の文脈でこれを行う。
我々は,個々の交通経路の単発計画を行うためにニューラルネットワークポリシを訓練し,修正蜂コロニー最適化(modified bee colony optimization, bco)メタヒューリスティックアルゴリズムのいくつかのサブヒューリスティックの1つとして組み込む。
実験の結果,このハイブリッドアルゴリズムは,学習ポリシーを最大20%,BCOアルゴリズムを最大53%,現実的な問題を最大53%向上させることがわかった。
修正アルゴリズムの各コンポーネントの影響を調べるために,一連のアブリケーションを実行する。
関連論文リスト
- Neural Solver Selection for Combinatorial Optimization [23.449310200885893]
本稿では,特徴抽出,選択モデル,選択戦略を含むニューラルソルバのコーディネートを行うための,最初の汎用フレームワークを提案する。
提案するフレームワークは,インスタンスを効果的に分散し,結果として得られる複合解法により性能が大幅に向上することを示す。
論文 参考訳(メタデータ) (2024-10-13T02:05:41Z) - Stochastic Unrolled Federated Learning [85.6993263983062]
本稿では,UnRolled Federated Learning (SURF)を導入する。
提案手法は,この拡張における2つの課題,すなわち,非学習者へのデータセット全体の供給の必要性と,フェデレート学習の分散的性質に対処する。
論文 参考訳(メタデータ) (2023-05-24T17:26:22Z) - MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion
Control in Real Networks [63.24965775030673]
そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。
我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。
我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
論文 参考訳(メタデータ) (2023-02-02T18:27:20Z) - Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna
Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。
本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。
シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文 参考訳(メタデータ) (2023-01-20T17:06:34Z) - On the Convergence of Distributed Stochastic Bilevel Optimization
Algorithms over a Network [55.56019538079826]
バイレベル最適化は、幅広い機械学習モデルに適用されている。
既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。
そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-06-30T05:29:52Z) - Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。
性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
論文 参考訳(メタデータ) (2022-05-03T07:54:56Z) - Fast and computationally efficient generative adversarial network
algorithm for unmanned aerial vehicle-based network coverage optimization [1.2853186701496802]
移動ネットワークにおける動的な交通需要の課題は、無人航空機をベースとした移動セルに対処されている。
将来,無人航空機の膨大な可能性を考えると,カバー範囲最適化のための新しいアルゴリズムを提案する。
提案アルゴリズムは,一意の多層和プーリング損失関数を持つ条件付き生成逆ニューラルネットワークに基づいて実装された。
論文 参考訳(メタデータ) (2022-03-25T12:13:21Z) - An Overview and Experimental Study of Learning-based Optimization
Algorithms for Vehicle Routing Problem [49.04543375851723]
車両ルーティング問題(VRP)は典型的な離散最適化問題である。
多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。
本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
論文 参考訳(メタデータ) (2021-07-15T02:13:03Z)
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。