論文の概要: Automated design of relocation rules for minimising energy consumption in the container relocation problem

• arxiv url: http://arxiv.org/abs/2307.01513v1
• Date: Tue, 4 Jul 2023 06:49:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-06 18:09:20.870761
• Title: Automated design of relocation rules for minimising energy consumption in the container relocation problem
• Title（参考訳）: コンテナ転位問題におけるエネルギー消費最小化のための転位ルールの自動設計
• Authors: Marko {\DJ}urasevi\'c, Mateja {\DJ}umi\'c, Rebeka \v{C}ori\'c, Francisco Javier Gil-Gala
• Abstract要約: 我々は遺伝的プログラミングを用いて、エネルギー消費を最小化することを目的としたRRで使われる優先度関数を得る。 その結果、遺伝子プログラミングによって設計されたRRが最高の性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The container relocation problem is a combinatorial optimisation problem aimed at finding a sequence of container relocations to retrieve all containers in a predetermined order by minimising a given objective. Relocation rules (RRs), which consist of a priority function and relocation scheme, are heuristics commonly used for solving the mentioned problem due to their flexibility and efficiency. Recently, in many real-world problems it is becoming increasingly important to consider energy consumption. However, for this variant no RRs exist and would need to be designed manually. One possibility to circumvent this issue is by applying hyperheuristics to automatically design new RRs. In this study we use genetic programming to obtain priority functions used in RRs whose goal is to minimise energy consumption. We compare the proposed approach with a genetic algorithm from the literature used to design the priority function. The results obtained demonstrate that the RRs designed by genetic programming achieve the best performance.
• Abstract（参考訳）: コンテナ配置問題は、所定の目的を最小化し、すべてのコンテナを所定の順序で回収するコンテナ配置のシーケンスを見つけることを目的とした組合せ最適化問題である。 リロケーションルール(RR)は、優先度関数とリロケーションスキームから構成されており、その柔軟性と効率性から、上記の問題を解決するために一般的に用いられるヒューリスティックである。 近年,実世界の多くの問題において,エネルギー消費を考えることがますます重要になっている。 しかし、この派生型にはRRは存在せず、手動で設計する必要がある。 この問題を回避できる可能性の1つは、新しいRRを自動設計するために超ヒューリスティックスを適用することである。 本研究では,rrsにおけるエネルギー消費の最小化を目標とする優先関数の獲得に遺伝的プログラミングを用いる。 提案手法を優先度関数の設計に用いた文献からの遺伝的アルゴリズムと比較する。 その結果、遺伝子プログラミングによって設計されたRRが最高の性能を発揮することが示された。

関連論文リスト

• Light Unbalanced Optimal Transport [69.18220206873772]
  既存の解法は、原理に基づいているか、複数のニューラルネットワークを含む複雑な最適化目標を重み付けしている。 我々は,この解法がUEOT解の普遍近似を提供し,一般化限界を得ることを示す。
  論文  参考訳（メタデータ） (2023-03-14T15:44:40Z)
• MAP-Elites based Hyper-Heuristic for the Resource Constrained Project Scheduling Problem [0.3359875577705538]
  資源制約型プロジェクトスケジューリング問題(RCPSP)はNP-Hard最適化問題である。 本稿では, MAP-Elites を用いたハイパーヒューリスティック (MEHH) を用いて, RCPSP の効率的な優先ルールの自動発見を行う。
  論文  参考訳（メタデータ） (2022-04-24T01:49:59Z)
• Learning Implicit Priors for Motion Optimization [105.11889448885226]
  エネルギーベースモデル(EBM)は、表現力のある確率密度分布を表す。 本稿では,EMMを動作最適化に適用するために必要となるモデリングとアルゴリズムの選択について述べる。
  論文  参考訳（メタデータ） (2022-04-11T19:14:54Z)
• Flipping the switch on local exploration: Genetic Algorithms with Reversals [0.0]
  著者らは、勾配のない探索手法が離散領域における最適解を提供するのに適していることを示した。 また、複数のローカル検索を使用することで、ローカル検索のパフォーマンスが向上することを示した。 提案したGA変種は,提案した問題を含む全てのベンチマークにおいて,最小平均コストであり,ICが構成成分よりも優れた性能を発揮することが観察された。
  論文  参考訳（メタデータ） (2022-02-02T08:27:11Z)
• 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)
• A distributed, plug-n-play algorithm for multi-robot applications with a priori non-computable objective functions [2.2452191187045383]
  マルチロボットアプリケーションでは、ミッションのユーザ定義の目的を一般的な最適化問題として当てはめることができる。 これらの問題には標準勾配の差分型アルゴリズムは適用できない。 本稿では,各ロボットのサブコスト関数を慎重に設計するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-14T20:40:00Z)
• Automated Design of Heuristics for the Container Relocation Problem [0.0]
  本稿では,効率的なコンテナ配置ルールを自動設計するための遺伝的プログラミング(GP)の適用について検討する。 実験の結果,GPの進化したRRは,手作業で設計したRRよりも優れていた。 提案手法は, 既存の手動設計のRRの代替として, コンテナ配置問題領域における新たな研究方向を開拓するものである。
  論文  参考訳（メタデータ） (2021-07-28T12:20:02Z)
• Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
  我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。 このアプローチは多くの実装と最適化の課題をもたらします。 提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
  論文  参考訳（メタデータ） (2021-03-18T14:26:26Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Jump Operator Planning: Goal-Conditioned Policy Ensembles and Zero-Shot Transfer [71.44215606325005]
  本稿では,シーケンシャルなサブゴールタスクの超指数空間における解を高速に計算するための,Jump-Operator Dynamic Programmingという新しいフレームワークを提案する。 このアプローチでは、時間的に拡張された行動として機能する、再利用可能な目標条件付き警察のアンサンブルを制御する。 すると、この部分空間上の目的関数のクラスを、解がグラウンド化に不変であるものとして特定し、最適ゼロショット移動をもたらす。
  論文  参考訳（メタデータ） (2020-07-06T05:13:20Z)
• MineReduce: an approach based on data mining for problem size reduction [58.720142291102135]
  本稿では,マイニングパターンを用いて問題サイズの削減を行うMineReduceという手法を提案する。 異種車両ルーティング問題に対するMineReduceの適用について述べる。
  論文  参考訳（メタデータ） (2020-05-15T08:49:50Z)

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。