論文の概要: Metaheuristic Enhanced with Feature-Based Guidance and Diversity Management for Solving the Capacitated Vehicle Routing Problem

• arxiv url: http://arxiv.org/abs/2407.20777v1
• Date: Tue, 30 Jul 2024 12:26:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-31 17:19:48.799399
• Title: Metaheuristic Enhanced with Feature-Based Guidance and Diversity Management for Solving the Capacitated Vehicle Routing Problem
• Title（参考訳）: キャパシタン化車両ルーティング問題の解決のための特徴ベースガイダンスと多様性管理によるメタヒューリスティックな拡張
• Authors: Bachtiar Herdianto, Romain Billot, Flavien Lucas, Marc Sevaux,
• Abstract要約: 本稿では,近隣探索とハイブリッドスプリットと経路リリンクの機構を組み合わせたメタヒューリスティックアルゴリズムを提案する。 提案したメタヒューリスティックは、最先端のメタヒューリスティックアルゴリズムの間で競合するソリューションを生成できる。
• 参考スコア（独自算出の注目度）: 2.0999222360659613
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a metaheuristic algorithm enhanced with feature-based guidance that is designed to solve the Capacitated Vehicle Routing Problem (CVRP). To formulate the proposed guidance, we developed and explained a supervised Machine Learning (ML) model, that is used to formulate the guidance and control the diversity of the solution during the optimization process. We propose a metaheuristic algorithm combining neighborhood search and a novel mechanism of hybrid split and path relinking to implement the proposed guidance. The proposed guidance has proven to give a statistically significant improvement to the proposed metaheuristic algorithm when solving CVRP. Moreover, the proposed guided metaheuristic is also capable of producing competitive solutions among state-of-the-art metaheuristic algorithms.
• Abstract（参考訳）: 本稿では,CVRP(Capacitated Vehicle Routing Problem)の解法として,機能に基づくガイダンスを付加したメタヒューリスティックアルゴリズムを提案する。 提案手法を定式化するために,最適化プロセス中に解の多様性を定式化し,制御するために使用される教師付き機械学習(ML)モデルを開発した。 本稿では,近隣探索とハイブリッドスプリットと経路リリンクの機構を組み合わせたメタヒューリスティックアルゴリズムを提案する。 提案手法はCVRPを解く際のメタヒューリスティックアルゴリズムに統計的に有意な改善をもたらすことが証明されている。 さらに,提案したメタヒューリスティックは,最先端メタヒューリスティックアルゴリズム間の競合解を生成可能である。

関連論文リスト

• An Efficient Learning-based Solver Comparable to Metaheuristics for the Capacitated Arc Routing Problem [67.92544792239086]
  我々は,高度メタヒューリスティックスとのギャップを著しく狭めるため,NNベースの解法を導入する。 まず,方向対応型注意モデル(DaAM)を提案する。 第2に、教師付き事前学習を伴い、堅牢な初期方針を確立するための教師付き強化学習スキームを設計する。
  論文  参考訳（メタデータ） (2024-03-11T02:17:42Z)
• Deep Reinforcement Learning for Dynamic Algorithm Selection: A Proof-of-Principle Study on Differential Evolution [27.607740475924448]
  本稿では,この課題を実現するための強化学習に基づく動的アルゴリズム選択フレームワークを提案する。 我々は、最適な動作を推測し、アルゴリズムの選択を確実にするために、洗練されたディープニューラルネットワークモデルを用いる。 基礎研究として、この枠組みを微分進化アルゴリズム群に適用する。
  論文  参考訳（メタデータ） (2024-03-04T15:40:28Z)
• The Algorithm Configuration Problem [0.8075866265341176]
  本稿では、決定/最適化問題の特定事例を解決するためのパラメータ化アルゴリズムの最適化に焦点を当てる。 本稿では,アルゴリズム構成問題の定式化だけでなく,その解決のための様々なアプローチを概説する包括的フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-01T17:29:34Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• An Auction-based Coordination Strategy for Task-Constrained Multi-Agent Stochastic Planning with Submodular Rewards [7.419725234099728]
  既存のタスク調整アルゴリズムはプロセスを無視したり、計算強度に悩まされる。 新たに定式化されたスコア関数を用いた分散オークションベースのコーディネート戦略を提案する。 大規模アプリケーションの実装には,提案手法の近似変種,すなわちDeep Auctionも提案されている。
  論文  参考訳（メタデータ） (2022-12-30T10:25:25Z)
• Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
  絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。 量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
  論文  参考訳（メタデータ） (2021-11-15T14:07:22Z)
• 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)
• PAMELI: A Meta-Algorithm for Computationally Expensive Multi-Objective Optimization Problems [0.0]
  提案アルゴリズムは,実モデルのモデルによって定義される一連の代理問題の解法に基づく。 また,最適化ランドスケープのための最適なサロゲートモデルとナビゲーション戦略のメタ検索を行う。
  論文  参考訳（メタデータ） (2021-03-19T11:18:03Z)
• Deep Policy Dynamic Programming for Vehicle Routing Problems [89.96386273895985]
  本稿では,学習ニューラルの強みと動的プログラミングアルゴリズムの強みを組み合わせた深層ポリシー動的プログラミング(d pdp)を提案する。 D PDPは、例の解からエッジを予測するために訓練されたディープニューラルネットワークから派生したポリシーを使用して、DP状態空間を優先し、制限する。 本研究では,旅行セールスマン問題 (TSP) と車両ルーティング問題 (VRP) の枠組みを評価し,ニューラルネットワークが(制限された)DPアルゴリズムの性能を向上させることを示す。
  論文  参考訳（メタデータ） (2021-02-23T15:33:57Z)

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。