論文の概要: Athanor: Local Search over Abstract Constraint Specifications
- arxiv url: http://arxiv.org/abs/2410.05937v1
- Date: Tue, 8 Oct 2024 11:41:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-01 12:00:27.548945
- Title: Athanor: Local Search over Abstract Constraint Specifications
- Title（参考訳）: Athanor: 抽象制約仕様に関するローカル検索
- Authors: Saad Attieh, Nguyen Dang, Christopher Jefferson, Ian Miguel, Peter Nightingale,
- Abstract要約: 本稿では,制約モデルとして受け入れる汎用ローカルサーチソルバに着目した。
ここで説明するAthanorソルバは、抽象制約仕様言語Essenceにおける問題の仕様から始まります。
- 参考スコア（独自算出の注目度）: 2.3383199519492455
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Local search is a common method for solving combinatorial optimisation problems. We focus on general-purpose local search solvers that accept as input a constraint model - a declarative description of a problem consisting of a set of decision variables under a set of constraints. Existing approaches typically take as input models written in solver-independent constraint modelling languages like MiniZinc. The Athanor solver we describe herein differs in that it begins from a specification of a problem in the abstract constraint specification language Essence, which allows problems to be described without commitment to low-level modelling decisions through its support for a rich set of abstract types. The advantage of proceeding from Essence is that the structure apparent in a concise, abstract specification of a problem can be exploited to generate high quality neighbourhoods automatically, avoiding the difficult task of identifying that structure in an equivalent constraint model. Based on the twin benefits of neighbourhoods derived from high level types and the scalability derived by searching directly over those types, our empirical results demonstrate strong performance in practice relative to existing solution methods.
- Abstract（参考訳）: 局所探索は組合せ最適化問題を解く一般的な方法である。
本稿では,制約モデルの入力として受け入れる汎用ローカルサーチソルバに着目し,一組の制約の下で決定変数からなる問題の宣言的記述を行う。
既存のアプローチは通常、MiniZincのようなソルバ非依存の制約モデリング言語で書かれた入力モデルである。
ここで説明するAthanorソルバは、抽象制約仕様言語Essenceにおける問題の仕様から始まり、豊富な抽象型をサポートすることで、低レベルのモデリング決定にコミットすることなく、問題を記述することができるという点で異なる。
Essence からの進行の利点は、簡潔で抽象的な問題仕様に現れる構造を利用して、高品質な近隣部を自動的に生成し、その構造を等価な制約モデルで識別する難しいタスクを避けることである。
高次型とそれらの型を直接探索することによって得られるスケーラビリティの2つの利点に基づいて,本実験の結果は,既存の解法と比較して,実際に高い性能を示す。
関連論文リスト
- Automatic Feature Learning for Essence: a Case Study on Car Sequencing [1.006631010704608]
問題インスタンスに最適な組み合わせを自動的に選択するために、機械学習モデルを構築するタスクについて検討する。
学習プロセスの重要な部分は、選択モデルへの入力として機能するインスタンス機能を定義することである。
私たちの貢献は、言語モデルを用いた問題インスタンスの高レベル表現から直接、インスタンス機能の自動学習です。
論文 参考訳（メタデータ） (2024-09-23T16:06:44Z) - Spurious Feature Eraser: Stabilizing Test-Time Adaptation for Vision-Language Foundation Model [86.9619638550683]
視覚言語基礎モデルは、画像とテキストのペアデータに拡張性があるため、多数の下流タスクで顕著な成功を収めている。
しかし、これらのモデルは、決定ショートカットの結果、きめ細かな画像分類などの下流タスクに適用した場合に重大な制限を呈する」。
論文 参考訳（メタデータ） (2024-03-01T09:01:53Z) - Conjunctive Query Based Constraint Solving For Feature Model
Configuration [79.14348940034351]
本稿では、制約満足度問題を解決するために共役クエリーを適用する方法を示す。
このアプローチは、構成タスクを解決するために、広範囲のデータベース技術の応用を可能にする。
論文 参考訳（メタデータ） (2023-04-26T10:08:07Z) - Finding Alignments Between Interpretable Causal Variables and
Distributed Neural Representations [62.65877150123775]
因果抽象化は、説明可能な人工知能のための有望な理論的枠組みである。
既存の因果抽象法では、高レベルモデルと低レベルモデルの間のアライメントをブルートフォースで探索する必要がある。
これらの制約を克服する分散アライメントサーチ(DAS)を提案する。
論文 参考訳（メタデータ） (2023-03-05T00:57:49Z) - Efficient lifting of symmetry breaking constraints for complex
combinatorial problems [9.156939957189502]
この作業は、Answer Set Programmingのためのモデルベースのアプローチの学習フレームワークと実装を拡張します。
Inductive Logic Programming System ILASPに新たなコンフリクト解析アルゴリズムを組み込む。
論文 参考訳（メタデータ） (2022-05-14T20:42:13Z) - Towards Reformulating Essence Specifications for Robustness [6.497578221372429]
エッセンス(Essence)は、ある問題を特定する多くの等価な方法があるリッチ言語である。
ユーザーはドメイン属性や抽象型の使用を省略し、適用可能な精細化ルールを減らすことができる。
本稿では、出力制約モデルのロバスト性を高めるために、この情報を自動的に復元する問題に対処する。
論文 参考訳（メタデータ） (2021-11-01T10:51:47Z) - Joint Continuous and Discrete Model Selection via Submodularity [1.332560004325655]
機械学習のモデル選択問題では、意味のある構造を持つ優れたモデルに対する欲求は、典型的には正規化された最適化問題によって表される。
しかし、多くのシナリオでは、数値的に意味のある構造が離散空間において特定され、難しい非最適化問題を引き起こす。
我々は、ロバスト最適化によって動機づけられた特定の問題クラスに対して、単純な連続的あるいは離散的な制約をいかに扱うかを示す。
論文 参考訳（メタデータ） (2021-02-17T21:14:47Z) - An Efficient Diagnosis Algorithm for Inconsistent Constraint Sets [68.8204255655161]
過制約問題における最小限の障害制約を識別する分割・分散型診断アルゴリズム(FastDiag)を提案する。
ヒットセットの競合指向計算とfastdiagを比較し,詳細な性能解析を行う。
論文 参考訳（メタデータ） (2021-02-17T19:55:42Z) - Towards Portfolios of Streamlined Constraint Models: A Case Study with
the Balanced Academic Curriculum Problem [1.8466814193413488]
本稿では,問題クラスの抽象的エッセンス仕様に含まれる型から導かれる,ストリームライナー制約の自動追加に焦点をあてる。
合理化されたEssence仕様を制約モデルに洗練することで、多数のモデル選択が生まれる。
各種のレースは、訓練の計算コストを抑えるために使用される。
論文 参考訳（メタデータ） (2020-09-21T19:48:02Z) - An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。
特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。
提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文 参考訳（メタデータ） (2020-06-18T20:09:53Z) - Invariant Causal Prediction for Block MDPs [106.63346115341862]
環境全体にわたる一般化は、実世界の課題への強化学習アルゴリズムの適用の成功に不可欠である。
本稿では,多環境環境における新しい観測を一般化するモデル不適合状態抽象化(MISA)を学習するための不変予測法を提案する。
論文 参考訳（メタデータ） (2020-03-12T21:03:01Z)
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。