論文の概要: Weighted-Scenario Optimisation for the Chance Constrained Travelling Thief Problem

• arxiv url: http://arxiv.org/abs/2505.00269v1
• Date: Thu, 01 May 2025 03:30:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:55.211436
• Title: Weighted-Scenario Optimisation for the Chance Constrained Travelling Thief Problem
• Title（参考訳）: チャンス拘束型トラベリングティフ問題に対する重み付きシナリオ最適化
• Authors: Thilina Pathirage Don, Aneta Neumann, Frank Neumann,
• Abstract要約: 古典的トラベリング泥棒問題 (TTP) のバリエーションとして, 確率制約型トラベリング泥棒問題 (TTP) が導入された。 本研究では,限られた重み付きシナリオを用いて,確率制約付きTPを特徴付ける。 古典的TTPのために開発された進化的アルゴリズムと手順の集合を組み込み、問題を重み付けしたシナリオベース表現に適応する公式を組み込む。
• 参考スコア（独自算出の注目度）: 10.506038775815094
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The chance constrained travelling thief problem (chance constrained TTP) has been introduced as a stochastic variation of the classical travelling thief problem (TTP) in an attempt to embody the effect of uncertainty in the problem definition. In this work, we characterise the chance constrained TTP using a limited number of weighted scenarios. Each scenario represents a similar TTP instance, differing slightly in the weight profile of the items and associated with a certain probability of occurrence. Collectively, the weighted scenarios represent a relaxed form of a stochastic TTP instance where the objective is to maximise the expected benefit while satisfying the knapsack constraint with a larger probability. We incorporate a set of evolutionary algorithms and heuristic procedures developed for the classical TTP, and formulate adaptations that apply to the weighted scenario-based representation of the problem. The analysis focuses on the performance of the algorithms on different settings and examines the impact of uncertainty on the quality of the solutions.
• Abstract（参考訳）: 確率制約型トラベリング泥棒問題 (chance constrained TTP) は, 従来のトラベリング泥棒問題 (TTP) の確率変化として導入され, 問題定義における不確実性の影響を具現化しようとする試みである。 本研究では,限られた重み付きシナリオを用いて,確率制約付きTPを特徴付ける。 各シナリオはTTPの類似のインスタンスを表しており、アイテムの重みプロファイルがわずかに異なり、特定の発生確率に関連付けられている。 集合的に、重み付けされたシナリオは確率的TPPインスタンスの緩和形式を表しており、その目的は、クナップサック制約をより大きな確率で満たしながら、期待される利益を最大化することである。 我々は,古典的TTPのために開発された進化的アルゴリズムとヒューリスティックな手順のセットを取り入れ,この問題の重み付きシナリオベース表現に適用する公式適応を組み込んだ。 この分析は、異なる設定におけるアルゴリズムの性能に焦点を当て、ソリューションの品質に対する不確実性の影響を調べる。

関連論文リスト

• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Optimizing Chance-Constrained Submodular Problems with Variable Uncertainties [12.095075636344536]
  本稿では,制約付き多種多様な問題を捕捉する,確率制約付き部分モジュラー最適化問題について検討する。 所与の最適解に対する定数近似比という,高品質な解を得ることのできるグリーディアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-23T04:48:49Z)
• Margin theory for the scenario-based approach to robust optimization in high dimension [0.0]
  本稿では、ロバストな最適化のためのシナリオアプローチを扱う。 これは、問題の不確実性によって引き起こされる可能性のある無限個の制約のランダムサンプリングに依存する。
  論文  参考訳（メタデータ） (2023-03-07T13:33:46Z)
• Dual Formulation for Chance Constrained Stochastic Shortest Path with Application to Autonomous Vehicle Behavior Planning [3.655021726150368]
  制約最短経路問題(Constrained Shortest Path problem, C-SSP)は、特定の種類の運用制約下での環境における計画の定式化である。 この研究の最初の貢献は、Chance-Constrained Policyの正確な整数線型定式化である。 第三に、CC-SSP形式は、複数の時間ステップにまたがる制約を考慮するために一般化可能であることを示す。
  論文  参考訳（メタデータ） (2023-02-25T16:40:00Z)
• Optimal variance-reduced stochastic approximation in Banach spaces [114.8734960258221]
  可分バナッハ空間上で定義された収縮作用素の定点を推定する問題について検討する。 演算子欠陥と推定誤差の両方に対して漸近的でない境界を確立する。
  論文  参考訳（メタデータ） (2022-01-21T02:46:57Z)
• Runtime Analysis of Single- and Multi-Objective Evolutionary Algorithms for Chance Constrained Optimization Problems with Normally Distributed Random Variables [11.310502327308575]
  独立して通常は分散しているコンポーネントのシナリオについて研究する。 期待されるコストとその分散をトレードオフする問題を多目的に定式化する。 また,本手法は,木に散らばった最小限の問題に対して最適解の集合を計算するためにも有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-13T09:24:23Z)
• A Unifying Theory of Thompson Sampling for Continuous Risk-Averse Bandits [91.3755431537592]
  本稿では,多腕バンディット問題に対するリスク-逆トンプソンサンプリングアルゴリズムの解析を統一する。 大規模偏差理論における収縮原理を用いることで、連続リスク汎関数に対する新しい濃度境界が証明される。 リスク関数の幅広いクラスと「ニセ」関数が連続性条件を満たすことを示す。
  論文  参考訳（メタデータ） (2021-08-25T17:09:01Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
  多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。 予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-08T11:35:47Z)

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。