論文の概要: A reinforcement learning guided hybrid evolutionary algorithm for the latency location routing problem

• arxiv url: http://arxiv.org/abs/2403.14405v1
• Date: Thu, 21 Mar 2024 13:54:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-22 14:09:01.269090
• Title: A reinforcement learning guided hybrid evolutionary algorithm for the latency location routing problem
• Title（参考訳）: 遅延位置ルーティング問題に対する強化学習誘導ハイブリッド進化アルゴリズム
• Authors: Yuji Zou, Jin-Kao Hao, Qinghua Wu,
• Abstract要約: 遅延位置ルーティング問題は、施設位置問題と累積容量化車両経路問題を統合する。 この問題は、顧客に提供するデポの場所と車両ルートについて、同時に決定することである。 本稿では,メメティックアルゴリズムの枠組みに従って,強化学習誘導ハイブリッド進化アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 14.9829752183927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The latency location routing problem integrates the facility location problem and the multi-depot cumulative capacitated vehicle routing problem. This problem involves making simultaneous decisions about depot locations and vehicle routes to serve customers while aiming to minimize the sum of waiting (arriving) times for all customers. To address this computationally challenging problem, we propose a reinforcement learning guided hybrid evolutionary algorithm following the framework of the memetic algorithm. The proposed algorithm relies on a diversity-enhanced multi-parent edge assembly crossover to build promising offspring and a reinforcement learning guided variable neighborhood descent to determine the exploration order of multiple neighborhoods. Additionally, strategic oscillation is used to achieve a balanced exploration of both feasible and infeasible solutions. The competitiveness of the algorithm against state-of-the-art methods is demonstrated by experimental results on the three sets of 76 popular instances, including 51 improved best solutions (new upper bounds) for the 59 instances with unknown optima and equal best results for the remaining instances. We also conduct additional experiments to shed light on the key components of the algorithm.
• Abstract（参考訳）: 遅延位置ルーティング問題は、施設位置問題と多点累積容量車両ルーティング問題を統合する。 この問題は、すべての顧客に対して待ち時間(到着時間)を最小化しつつ、補給所の場所と車両ルートに関する同時決定を顧客に提供することである。 計算的に困難な問題に対処するために,メメティックアルゴリズムの枠組みに従う強化学習誘導ハイブリッド進化アルゴリズムを提案する。 提案アルゴリズムは,有望な子孫を構築するために,多様性に富んだ多目的のエッジアセンブリ・クロスオーバーと,複数の地区の探索順序を決定するための強化学習による可変近傍降下に依存している。 さらに、戦略的振動は、実現不可能な解と実現不可能な解の両方のバランスの取れた探索を達成するために用いられる。 最新手法に対するアルゴリズムの競争性は、76の一般的なインスタンスの3つのセットに対して実験結果によって示され、59のインスタンスに対して51の最適化された最適解(新しい上限)と残りのインスタンスに対して等しく最適な解を含む。 また、アルゴリズムの重要なコンポーネントに光を放つための追加実験も行います。

関連論文リスト

• A Multi-population Integrated Approach for Capacitated Location Routing [14.897794986447474]
  本稿では, 静電容量化問題に対するマルチポピュレーション統合フレームワークを提案する。 効果的な地区ベースの局所探索、実現可能性回復手順、多様化指向の突然変異を含む。 文献からの281のベンチマークインスタンスの実験は、アルゴリズムが驚くほどよく機能していることを示している。
  論文  参考訳（メタデータ） (2024-03-14T13:11:30Z)
• Genetic Algorithms with Neural Cost Predictor for Solving Hierarchical Vehicle Routing Problems [20.684353068460375]
  車両の経路決定が高次決定と連動する場合、結果の最適化問題は計算に重大な課題をもたらす。 本稿では,ニューラルコスト予測器を用いた遺伝的アルゴリズム(GANCP)という,ディープラーニングに基づく新しいアプローチを提案する。 特に,提案するニューラルネットワークは,静電容量化車両ルーティング問題を解決するHGS-CVRPオープンソースパッケージの目的値について学習する。
  論文  参考訳（メタデータ） (2023-10-22T02:46:37Z)
• Multi-Phase Relaxation Labeling for Square Jigsaw Puzzle Solving [73.58829980121767]
  本稿では,大域最適化に基づく二乗ジグソーパズルの解法を提案する。 この手法は完全に自動化されており、事前情報を前提とせず、未知または未知のピースオリエンテーションでパズルを扱うことができる。
  論文  参考訳（メタデータ） (2023-03-26T18:53:51Z)
• 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)
• 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)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)
• Learning (Re-)Starting Solutions for Vehicle Routing Problems [14.509927512118544]
  最適化問題の解決における鍵となる課題は、エージェント(ソルバ)を効率的に探索する方法である。 本稿では,機械学習を用いて探索を高速化できることを示す。
  論文  参考訳（メタデータ） (2020-08-08T02:53:09Z)
• A Hybrid Multi-Objective Carpool Route Optimization Technique using Genetic Algorithm and A* Algorithm [0.0]
  本研究では,カープール問題に対する最適経路を求めるためのGA-A*ハイブリッドアルゴリズムを提案する。 得られた経路は、ピックアップ/ドロップコストだけでなく、旅行・出先距離を最小化し、サービス提供者の利益を最大化する。 提案アルゴリズムはコルカタのソルトレイク地域に実装されている。
  論文  参考訳（メタデータ） (2020-07-11T14:13:20Z)
• Reinforcement Learning Based Vehicle-cell Association Algorithm for Highly Mobile Millimeter Wave Communication [53.47785498477648]
  本稿では,ミリ波通信網における車とセルの関連性について検討する。 まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。 提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
  論文  参考訳（メタデータ） (2020-01-22T08:51:05Z)

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。