論文の概要: Instance space analysis of the capacitated vehicle routing problem
- arxiv url: http://arxiv.org/abs/2507.10397v2
- Date: Fri, 18 Jul 2025 13:00:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-21 12:36:33.497121
- Title: Instance space analysis of the capacitated vehicle routing problem
- Title（参考訳）: 容量化車両経路問題のインスタンス空間解析
- Authors: Alessandra M. M. M. Gouvêa, Nuno Paulos, Eduardo Uchoa, Mariá C. V. Nascimento,
- Abstract要約: 本稿では,インスタンス特性とメタヒューリスティック(MH)性能の微妙な関係を理解することの難しさに対処して,CVRP研究の進展を目指す。
本稿では, インスタンス空間解析(ISA)を, この分野における新たな視点を実現する貴重なツールとして提示する。
- 参考スコア（独自算出の注目度）: 44.51196500459439
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper seeks to advance CVRP research by addressing the challenge of understanding the nuanced relationships between instance characteristics and metaheuristic (MH) performance. We present Instance Space Analysis (ISA) as a valuable tool that allows for a new perspective on the field. By combining the ISA methodology with a dataset from the DIMACS 12th Implementation Challenge on Vehicle Routing, our research enabled the identification of 23 relevant instance characteristics. Our use of the PRELIM, SIFTED, and PILOT stages, which employ dimensionality reduction and machine learning methods, allowed us to create a two-dimensional projection of the instance space to understand how the structure of instances affect the behavior of MHs. A key contribution of our work is that we provide a projection matrix, which makes it straightforward to incorporate new instances into this analysis and allows for a new method for instance analysis in the CVRP field.
- Abstract（参考訳）: 本稿では、インスタンス特性とメタヒューリスティック(MH)性能の微妙な関係を理解することの難しさに対処し、CVRP研究を進めることを目的とする。
本稿では, インスタンス空間解析(ISA)を, この分野における新たな視点を実現する貴重なツールとして提示する。
ISA手法とDIMACS 12th Implementation Challenge on Vehicle Routingのデータセットを組み合わせることで,本研究は,23の事例特性の同定を可能にした。
PreLIM, SIFTED, および PILOT ステージは次元削減と機械学習手法を用いており, インスタンスの構造が MH の挙動にどのように影響するかを理解するために, インスタンス空間の2次元投影を作成することができた。
我々の研究の重要な貢献は、この分析に新しいインスタンスを簡単に組み込むプロジェクションマトリックスを提供し、CVRPフィールドでのインスタンス分析のための新しい方法を可能にすることである。
関連論文リスト
- Exploring the Precise Dynamics of Single-Layer GAN Models: Leveraging Multi-Feature Discriminators for High-Dimensional Subspace Learning [0.0]
サブスペース学習の観点から,単層GANモデルのトレーニングダイナミクスについて検討する。
解析をサブスペース学習の領域にブリッジすることで,従来の手法と比較してGAN法の有効性を体系的に比較する。
論文 参考訳（メタデータ） (2024-11-01T10:21:12Z) - Latent Causal Probing: A Formal Perspective on Probing with Causal Models of Data [3.376269351435396]
構造因果モデル(SCM)を用いた探索の形式的視点を開発する。
我々は,合成グリッドワールドナビゲーションタスクの文脈において,最近のLMの研究を拡張した。
我々の手法は、LMがテキストの根底にある潜在概念を誘発する能力を示す、堅牢な実証的な証拠を提供する。
論文 参考訳（メタデータ） (2024-07-18T17:59:27Z) - Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis [53.38518232934096]
マルチタスク学習(MTL)は、タスク間の共有知識を活用し、一般化とパフォーマンスを改善するために設計された強力な機械学習パラダイムである。
本稿では,タスククラスタリングと特徴変換の交点におけるMTL手法を提案する。
両段階において、鍵となる側面は減った目標と特徴の解釈可能性を維持することである。
論文 参考訳（メタデータ） (2024-06-12T08:30:16Z) - DeTra: A Unified Model for Object Detection and Trajectory Forecasting [68.85128937305697]
提案手法は,2つのタスクの結合を軌道修正問題として定式化する。
この統合タスクに対処するために、オブジェクトの存在, ポーズ, マルチモーダルな将来の振る舞いを推測する精細化変換器を設計する。
実験では、我々のモデルはArgoverse 2 Sensor and Openデータセットの最先端性よりも優れています。
論文 参考訳（メタデータ） (2024-06-06T18:12:04Z) - Machine learning assisted exploration for affine Deligne-Lusztig
varieties [3.7863170254779335]
本稿では,ADLV(Affine Deligne-Lusztig variety)の幾何学を探索するために,機械学習支援フレームワークを活用した学際研究を提案する。
主な目的は, ADLVの既約成分の空白パターン, 寸法, 列挙について検討することである。
我々は、ある下界の次元に関する新たに特定された問題の完全な数学的証明を提供する。
論文 参考訳（メタデータ） (2023-08-22T11:12:53Z) - Shapley Based Residual Decomposition for Instance Analysis [0.0]
機能ではなくデータインスタンスに対する回帰の残余を分解するという考え方を紹介します。
これにより、各インスタンスがモデルと相互に与える影響を判断することができ、それによって、関心のあるインスタンスを識別するモデルに依存しない方法が実現されます。
論文 参考訳（メタデータ） (2023-05-30T08:07:41Z) - Generalization Properties of Retrieval-based Models [50.35325326050263]
検索ベースの機械学習手法は、幅広い問題で成功をおさめた。
これらのモデルの約束を示す文献が増えているにもかかわらず、そのようなモデルの理論的基盤はいまだに解明されていない。
本稿では,その一般化能力を特徴付けるために,検索ベースモデルの形式的処理を行う。
論文 参考訳（メタデータ） (2022-10-06T00:33:01Z) - Multilingual Multi-Aspect Explainability Analyses on Machine Reading Comprehension Models [76.48370548802464]
本稿では,マルチヘッド自己注意と最終MRCシステム性能の関係を検討するために,一連の解析実験を実施することに焦点を当てる。
問合せ及び問合せ理解の注意が問合せプロセスにおいて最も重要なものであることが判明した。
包括的可視化とケーススタディを通じて、注意マップに関するいくつかの一般的な知見も観察し、これらのモデルがどのように問題を解くかを理解するのに役立ちます。
論文 参考訳（メタデータ） (2021-08-26T04:23:57Z) - Transforming Feature Space to Interpret Machine Learning Models [91.62936410696409]
この貢献は、特徴空間変換のレンズを通して機械学習モデルを解釈する新しいアプローチを提案する。
非条件的および条件付きポストホック診断ツールの拡張に使用できる。
提案手法の可能性を実証するために,46特徴のリモートセンシング土地被覆分類の事例研究を行った。
論文 参考訳（メタデータ） (2021-04-09T10:48:11Z) - A Trainable Optimal Transport Embedding for Feature Aggregation and its
Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。
我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文 参考訳（メタデータ） (2020-06-22T08:35:58Z)
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。