論文の概要: Resource Constrained Pathfinding with Enhanced Bidirectional A* Search

• arxiv url: http://arxiv.org/abs/2412.13888v1
• Date: Wed, 18 Dec 2024 14:29:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 13:24:33.734646
• Title: Resource Constrained Pathfinding with Enhanced Bidirectional A* Search
• Title（参考訳）: 双方向A*探索による資源制約パスフィニング
• Authors: Saman Ahmadi, Andrea Raith, Guido Tack, Mahdi Jalili,
• Abstract要約: 本研究では,大規模ネットワークにおける高速かつ効率的なRCSP探索を実現するために,効率的なプルーニング戦略を用いた制約付き検索フレームワークを提案する。 その結果, 拡張されたフレームワークは, 最先端技術と比較して, 探索時間を大幅に短縮し, 最大2桁の高速化を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 10.100786663811666
• License:
• Abstract: The classic Resource Constrained Shortest Path (RCSP) problem aims to find a cost optimal path between a pair of nodes in a network such that the resources used in the path are within a given limit. Having been studied for over a decade, RCSP has seen recent solutions that utilize heuristic-guided search to solve the constrained problem faster. Building upon the bidirectional A* search paradigm, this research introduces a novel constrained search framework that uses efficient pruning strategies to allow for accelerated and effective RCSP search in large-scale networks. Results show that, compared to the state of the art, our enhanced framework can significantly reduce the constrained search time, achieving speed-ups of over to two orders of magnitude.
• Abstract（参考訳）: 古典的なResource Constrained Shortest Path (RCSP) 問題は、ネットワーク内の一対のノード間のコスト最適経路を見つけることを目的としており、パスで使用されるリソースが所定の制限の範囲内にある。 RCSPは10年以上にわたって研究されてきたが、近年、ヒューリスティック誘導探索を利用して制約された問題をより高速に解いた。 本研究は,双方向A*探索のパラダイムを基盤として,大規模ネットワーク上でのRCSP探索を高速化し,効果的に行うための効率的なプルーニング戦略を用いた,制約付き検索フレームワークを提案する。 その結果、最先端のフレームワークと比較して、我々の拡張されたフレームワークは、制限された検索時間を著しく削減し、最大2桁のスピードアップを達成できることがわかった。

関連論文リスト

• Intelligent Routing Algorithm over SDN: Reusable Reinforcement Learning Approach [1.799933345199395]
  本稿では,再利用可能なRLSRルーティングアルゴリズム RLSR-Routing をSDN上で開発する。 我々のアルゴリズムは従来の手法よりもロードバランシングの点で優れた性能を示している。 また、複数のトラフィック要求のパスを見つける際には、再利用不可能なRLアプローチよりも早く収束する。
  論文  参考訳（メタデータ） (2024-09-23T17:15:24Z)
• 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 Based Cross-Layer Design in Terahertz Mesh Backhaul Networks [12.963836913881801]
  Terahertz(THz)メッシュネットワークは、次世代無線バックホールシステムにとって魅力的なものだ。 効率的な層間ルーティングと長期リソース割り当ては、THzメッシュネットワークでは未解決の問題である。 本稿では,THzメッシュネットワークにおける深部強化学習(DRL)に基づく層間設計を提案する。
  論文  参考訳（メタデータ） (2023-10-08T06:36:00Z)
• Efficient Joint-Dimensional Search with Solution Space Regularization for Real-Time Semantic Segmentation [27.94898516315886]
  この問題に対して,リアルタイムに実行可能な最適ネットワーク構造を探索する。 新たな解空間規則化(SSR)損失は、スーパーネットが離散的に収束することを効果的に促すために最初に提案される。 より高効率な探索を実現するために,新しい階層的・プログレッシブ・ソリューション・スペース・スライキング法を提案する。
  論文  参考訳（メタデータ） (2022-08-10T11:07:33Z)
• Enhanced Methods for the Weight Constrained Shortest Path Problem [18.567812400186092]
  WCSPP(Weight Constrained Shortest Path Problem)は、AIにおいてよく研究されているが、難しいトピックである。 本稿では, A* 探索に基づく WCSPP に対する2つの新しい解法を提案する。 我々は,大規模で現実的な問題事例の集合に対して,アルゴリズムの性能を実証的に評価した。
  論文  参考訳（メタデータ） (2022-07-29T15:32:45Z)
• Adaptive Channel Allocation for Robust Differentiable Architecture Search [22.898344333732044]
  微分可能なArchiTecture Search(DARTS)は、その単純さと効率の大幅な向上により、多くの注目を集めている。 スキップ接続の過度な蓄積は、訓練エポックが大きくなると、安定性とロバスト性に悩まされる。 より微妙で直接的なアプローチとして,検索段階における接続のスキップを明示的に検索しないアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-10T13:25:36Z)
• $\beta$-DARTS: Beta-Decay Regularization for Differentiable Architecture Search [85.84110365657455]
  本研究では,DARTSに基づくNAS探索過程を正規化するために,ベータデカイと呼ばれるシンプルだが効率的な正規化手法を提案する。 NAS-Bench-201の実験結果から,提案手法は探索過程の安定化に有効であり,探索されたネットワークを異なるデータセット間で転送しやすくする。
  論文  参考訳（メタデータ） (2022-03-03T11:47:14Z)
• Combined Depth Space based Architecture Search For Person Re-identification [70.86236888223569]
  個人再識別(ReID)のための軽量で適切なネットワークの設計を目指しています。 本研究では,CDNetと呼ばれる効率的なネットワークアーキテクチャの探索に基づく,複合深さ空間(Componed Depth Space, CDS)と呼ばれる新しい検索空間を提案する。 そこで我々はTop-k Sample Search戦略という低コストの検索戦略を提案し、検索空間をフル活用し、局所的な最適結果のトラップを避ける。
  論文  参考訳（メタデータ） (2021-04-09T02:40:01Z)
• CATCH: Context-based Meta Reinforcement Learning for Transferrable Architecture Search [102.67142711824748]
  CATCHは、転送可能なarChitecture searcHのための、Context-bAsed meTa強化学習アルゴリズムである。 メタラーニングとRLの組み合わせにより、CATCHは検索空間に依存しないまま、新しいタスクに効率的に適応できる。 また、ImageNet、COCO、Cityscapesの競合ネットワークとしてクロスドメインアーキテクチャサーチを扱うこともできる。
  論文  参考訳（メタデータ） (2020-07-18T09:35:53Z)
• Theory-Inspired Path-Regularized Differential Network Architecture Search [206.93821077400733]
  差分アーキテクチャサーチ(DARTS)における高速ネットワーク最適化に対するスキップ接続の影響と,他のタイプの操作に対する競争上の優位性について検討する。 i)操作間の不当競争を避けるために各操作に導入された差分群構造スパース二乗ゲートと,(ii)浅部より収束する深部アーキテクチャの探索を誘導するために用いられる経路深度正規化の2つの主要なモジュールからなる理論に着想を得た経路規則化DARTSを提案する。
  論文  参考訳（メタデータ） (2020-06-30T05:28:23Z)
• RC-DARTS: Resource Constrained Differentiable Architecture Search [162.7199952019152]
  資源制約付き微分可能なアーキテクチャ探索法(RC-DARTS)を提案する。 RC-DARTS法は,モデルサイズが小さく,計算量も少ない,軽量なニューラルアーキテクチャを学習する。
  論文  参考訳（メタデータ） (2019-12-30T05:02:38Z)

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。