Fugu-MT 論文翻訳(概要): Test-Time Augmentation for Traveling Salesperson Problem

論文の概要: Test-Time Augmentation for Traveling Salesperson Problem

arxiv url: http://arxiv.org/abs/2405.04767v1
Date: Wed, 8 May 2024 02:31:51 GMT
ステータス: 処理完了
システム内更新日: 2024-05-09 18:41:08.881756
Title: Test-Time Augmentation for Traveling Salesperson Problem
Title（参考訳）: トラベリングセールスマン問題に対するテストタイム強化
Authors: Ryo Ishiyama, Takahiro Shirakawa, Seiichi Uchida, Shinnosuke Matsuo,
Abstract要約: 最適化問題に対処する有効な手法としてテスト時間拡張(TTA)を提案する。提案手法は,最新のモデルよりも短い解が得られることを示す。
参考スコア（独自算出の注目度）: 6.19352064268264
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We propose Test-Time Augmentation (TTA) as an effective technique for addressing combinatorial optimization problems, including the Traveling Salesperson Problem. In general, deep learning models possessing the property of invariance, where the output is uniquely determined regardless of the node indices, have been proposed to learn graph structures efficiently. In contrast, we interpret the permutation of node indices, which exchanges the elements of the distance matrix, as a TTA scheme. The results demonstrate that our method is capable of obtaining shorter solutions than the latest models. Furthermore, we show that the probability of finding a solution closer to an exact solution increases depending on the augmentation size.
Abstract（参考訳）: 本稿では,トラベリングセールスパーソン問題を含む組合せ最適化問題に対処する有効な手法として,テスト時間拡張(TTA)を提案する。一般に、ノードの指標によらず出力が一意に決定される不変性を持つディープラーニングモデルは、グラフ構造を効率的に学習するために提案されている。対照的に、距離行列の要素を交換するノードインデックスの置換を、TTAスキームとして解釈する。その結果,本手法は最新のモデルよりも短い解が得られることがわかった。さらに, 拡張サイズに応じて, 解が解に近づく確率が増加することを示す。

関連論文リスト

Optimal Partial Graph Matching [2.4378101048225735]
最適部分移動にインスパイアされた部分グラフマッチングのための新しいフレームワークを提案する。提案手法は, 偏りを取り入れつつ部分的代入を可能にする目的を定式化したものである。ハンガリーのアルゴリズムを用いて、立方的時間複雑性を伴う効率的で正確な解を求める。
論文参考訳（メタデータ） (2024-10-22T05:56:57Z)
Mining Potentially Explanatory Patterns via Partial Solutions [39.58317527488534]
本稿では,高適合性,単純性,原子性のバランスをとるために選択された部分解の集合を組み立てるアルゴリズムを提案する。標準ベンチマークによる実験の結果,提案アルゴリズムは探索性能に影響を与えることなく,合理的な計算コストで説明可能性を向上させる部分解を見つけることができることがわかった。
論文参考訳（メタデータ） (2024-04-05T20:12:02Z)
Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
論文参考訳（メタデータ） (2024-03-11T06:34:05Z)
Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文参考訳（メタデータ） (2023-02-24T18:41:48Z)
Learning to Optimize Permutation Flow Shop Scheduling via Graph-based Imitation Learning [70.65666982566655]
置換フローショップスケジューリング(PFSS)は製造業で広く使われている。我々は,より安定かつ正確に収束を加速する専門家主導の模倣学習を通じてモデルを訓練することを提案する。我々のモデルのネットワークパラメータはわずか37%に減少し、エキスパートソリューションに対する我々のモデルの解のギャップは平均6.8%から1.3%に減少する。
論文参考訳（メタデータ） (2022-10-31T09:46:26Z)
An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
論文参考訳（メタデータ） (2022-08-11T22:27:22Z)
Deep Probabilistic Graph Matching [72.6690550634166]
本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
論文参考訳（メタデータ） (2022-01-05T13:37:27Z)
A Hybrid Framework Using a QUBO Solver For Permutation-Based Combinatorial Optimization [5.460573052311485]
本稿では,高性能な2次非制約バイナリ最適化器を用いて,大規模な置換に基づく問題を解くためのハイブリッドフレームワークを提案する。通常はビット数に制限があるQUBOソルバを使用する際の課題を克服する手法を提案する。
論文参考訳（メタデータ） (2020-09-27T07:15:25Z)
Alternating Direction Method of Multipliers for Quantization [15.62692130672419]
量子化のための乗算器の交互方向法(texttADMM-Q$)アルゴリズムの性能について検討する。不正確な更新ルールを処理できる$texttADMM-Q$のいくつかのバリエーションを開発しています。提案手法の有効性を実証的に評価した。
論文参考訳（メタデータ） (2020-09-08T01:58:02Z)
Boosting Data Reduction for the Maximum Weight Independent Set Problem Using Increasing Transformations [59.84561168501493]
最大重み独立集合問題に対する新しい一般化データ削減および変換規則を導入する。驚くべきことに、これらのいわゆる増進変換は問題を単純化し、還元空間を開き、アルゴリズムの後にさらに小さな既約グラフが得られる。提案アルゴリズムは, 1つのインスタンスを除くすべての既約グラフを計算し, 従来よりも多くのインスタンスを最適に解き, 最高の最先端解法よりも最大2桁高速に解き, 解法DynWVCやHILSよりも高品質な解を求める。
論文参考訳（メタデータ） (2020-08-12T08:52:50Z)
A Generative Graph Method to Solve the Travelling Salesman Problem [1.552282932199974]
我々は,旅行セールスマン問題(TSP)を概ね解決するために,生成的アプローチである新しいグラフ学習ネットワーク(GLN)を提案する。 GLNモデルは、トレーニングデータセットとしてTSPインスタンスのパターンを直接学習し、グラフプロパティをエンコードし、異なるノードの埋め込みをマージして、最適なツアーを出力する。
論文参考訳（メタデータ） (2020-07-09T17:23:55Z)

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。