論文の概要: PyVRP: a high-performance VRP solver package
- arxiv url: http://arxiv.org/abs/2403.13795v2
- Date: Thu, 21 Mar 2024 08:14:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 18:38:36.892938
- Title: PyVRP: a high-performance VRP solver package
- Title(参考訳): PyVRP:高性能VRP解決パッケージ
- Authors: Niels A. Wouda, Leon Lan, Wouter Kool,
- Abstract要約: PyVRPは、最先端の車両ルーティング問題(VRP)解決器でハイブリッドな遺伝的検索を実装している。
このパッケージは、時間窓付きVRP(VRPTW)用に設計されているが、他のVRPバージョンをサポートするために容易に拡張できる。
- 参考スコア(独自算出の注目度): 4.055489363682199
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We introduce PyVRP, a Python package that implements hybrid genetic search in a state-of-the-art vehicle routing problem (VRP) solver. The package is designed for the VRP with time windows (VRPTW), but can be easily extended to support other VRP variants. PyVRP combines the flexibility of Python with the performance of C++, by implementing (only) performance critical parts of the algorithm in C++, while being fully customisable at the Python level. PyVRP is a polished implementation of the algorithm that ranked 1st in the 2021 DIMACS VRPTW challenge and, after improvements, ranked 1st on the static variant of the EURO meets NeurIPS 2022 vehicle routing competition. The code follows good software engineering practices, and is well-documented and unit tested. PyVRP is freely available under the liberal MIT license. Through numerical experiments we show that PyVRP achieves state-of-the-art results on the VRPTW and capacitated VRP. We hope that PyVRP enables researchers and practitioners to easily and quickly build on a state-of-the-art VRP solver.
- Abstract(参考訳): 我々は、最先端の車両ルーティング問題(VRP)解決において、ハイブリッドな遺伝的検索を実装するPythonパッケージであるPyVRPを紹介する。
このパッケージは、時間窓付きVRP(VRPTW)用に設計されているが、他のVRPバージョンをサポートするために容易に拡張できる。
PyVRPは、Pythonレベルで完全にカスタマイズ可能でありながら、アルゴリズムの(唯一の)パフォーマンスクリティカルな部分をC++で実装することで、Pythonの柔軟性とC++のパフォーマンスを兼ね備えている。
PyVRPは、2021年のDIMACS VRPTWチャレンジで1位、改良後、EUROの静的変種であるNeurIPS 2022車両ルーティングコンペティションで1位にランクインしたアルゴリズムの洗練された実装である。
コードは優れたソフトウェアエンジニアリングプラクティスに従っており、文書化され、単体テストされています。
PyVRPはMITライセンス下で無料で利用できる。
数値実験により、PyVRPはVRPTWおよび静電容量VRPの最先端結果が得られることを示す。
PyVRPによって、研究者や実践者が最先端のVRPソルバを簡単かつ迅速に構築できることを願っている。
関連論文リスト
- PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。
PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。
PyPulseはMITライセンスでGithubとPyPIでリリースしました。
論文 参考訳(メタデータ) (2024-12-09T11:00:55Z) - PyMarian: Fast Neural Machine Translation and Evaluation in Python [11.291502854418098]
シーケンス・ツー・シーケンス・モデルのための C++ ベースのトレーニングおよび推論ツールキットである Marian NMT に Python インタフェースを記述した。
このインターフェースにより、Marianでトレーニングされたモデルが、Pythonで利用可能なリッチで幅広いツールに接続できるようになる。
論文 参考訳(メタデータ) (2024-08-15T01:41:21Z) - TorchCP: A Python Library for Conformal Prediction [7.1967126772249586]
コンフォーマル予測のユーザビリティを高めるため,PyTorchベースの総合ツールキットである torchcp を紹介する。
torchcpは、さまざまな機械学習タスクに対して、多種多様なポストホックと整合予測のトレーニング方法を実装している。
我々のTorchcpツールキットはPyTorchで構築されており、ディープラーニングモデルのための高速GPUアクセラレーションと大規模データセットでのミニバッチ計算を可能にします。
論文 参考訳(メタデータ) (2024-02-20T03:14:47Z) - PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time
Series [0.0]
PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。
これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
論文 参考訳(メタデータ) (2023-05-30T07:57:05Z) - TorchBench: Benchmarking PyTorch with High API Surface Coverage [9.68698340637426]
我々は、PyTorchソフトウェアスタックの性能を研究するための新しいベンチマークスイートであるTorchBenchを提案する。
TorchBenchは、PyTorchソフトウェアスタックのパフォーマンスを包括的に特徴付けることができる。
本稿では,TorchBenchの実用例を2つ紹介する。
論文 参考訳(メタデータ) (2023-04-27T14:37:05Z) - PyHopper -- Hyperparameter optimization [51.40201315676902]
我々は機械学習研究者のためのブラックボックス最適化プラットフォームであるPyHopperを紹介する。
PyHopperの目標は、最小限の労力で既存のコードと統合し、最小限のマニュアル監視で最適化プロセスを実行することである。
単純さを主テーマとして、PyHopperは単一のロバストなマルコフチェーンモンテカルロ最適化アルゴリズムを利用している。
論文 参考訳(メタデータ) (2022-10-10T14:35:01Z) - PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。
外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。
PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
論文 参考訳(メタデータ) (2022-04-26T06:15:21Z) - PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。
PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。
PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
論文 参考訳(メタデータ) (2022-01-12T07:32:36Z) - PyHealth: A Python Library for Health Predictive Models [53.848478115284195]
PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。
データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。
予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
論文 参考訳(メタデータ) (2021-01-11T22:02:08Z) - PyChain: A Fully Parallelized PyTorch Implementation of LF-MMI for
End-to-End ASR [65.20342293605472]
PyChainは、カルディ自動音声認識(ASR)ツールキットにおいて、いわゆるエンフィチェーンモデルのための、エンドツーエンドの格子フリー最大相互情報(LF-MMI)トレーニングの実装である。
他のPyTorchやKaldiベースのASRツールキットとは異なり、PyChainは可能な限り柔軟で軽量に設計されている。
論文 参考訳(メタデータ) (2020-05-20T02:10:21Z)
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。