論文の概要: Sequence Variables: A Constraint Programming Computational Domain for Routing and Sequencing

• arxiv url: http://arxiv.org/abs/2510.09373v1
• Date: Fri, 10 Oct 2025 13:29:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:49.10026
• Title: Sequence Variables: A Constraint Programming Computational Domain for Routing and Sequencing
• Title（参考訳）: シーケンス変数: ルーティングとシークエンシングのための制約プログラミング計算ドメイン
• Authors: Augustin Delecluse, Pierre Schaus, Pascal Van Hentenryck,
• Abstract要約: 本稿では,制約プログラミング(CP)におけるシーケンス変数の形式化について述べる。 古典的な後継モデルとは異なり、この計算領域は挿入ベースのLarge Neighborhood Searchを含む任意の訪問とサポート挿入を扱う。 実装は、既存のトレースベースのCPソルバにシーケンス変数を統合するために必要な基礎データ構造で記述される。
• 参考スコア（独自算出の注目度）: 16.6643744762214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constraint Programming (CP) offers an intuitive, declarative framework for modeling Vehicle Routing Problems (VRP), yet classical CP models based on successor variables cannot always deal with optional visits or insertion based heuristics. To address these limitations, this paper formalizes sequence variables within CP. Unlike the classical successor models, this computational domain handle optional visits and support insertion heuristics, including insertion-based Large Neighborhood Search. We provide a clear definition of their domain, update operations, and introduce consistency levels for constraints on this domain. An implementation is described with the underlying data structures required for integrating sequence variables into existing trail-based CP solvers. Furthermore, global constraints specifically designed for sequence variables and vehicle routing are introduced. Finally, the effectiveness of sequence variables is demonstrated by simplifying problem modeling and achieving competitive computational performance on the Dial-a-Ride Problem.
• Abstract（参考訳）: 制約プログラミング(CP)は、車両ルーティング問題(VRP)をモデル化するための直感的で宣言的なフレームワークを提供するが、後継変数に基づく古典的なCPモデルは、常に任意の訪問や挿入に基づくヒューリスティックを扱うことはできない。 これらの制約に対処するため、本論文はCP内のシーケンス変数を形式化する。 古典的な後継モデルとは異なり、この計算領域は、挿入ベースのLarge Neighborhood Searchを含む、任意の訪問と挿入ヒューリスティックをサポートする。 私たちは、そのドメインを明確に定義し、オペレーションを更新し、このドメインの制約に対する一貫性レベルを導入します。 実装は、既存のトレースベースのCPソルバにシーケンス変数を統合するために必要な基礎データ構造で記述される。 さらに、シーケンス変数や車両のルーティングに特化して設計されたグローバルな制約を導入する。 最後に、ダイアル・ア・ライド問題において、問題モデリングを単純化し、競合計算性能を達成することで、シーケンス変数の有効性を実証する。

関連論文リスト

• Hierarchical Modeling and Architecture Optimization: Review and Unified Framework [0.6291443816903801]
  本稿では、構造化された入力空間に関する文献をレビューし、既存のアプローチを一般化する統一的なフレームワークを提案する。 変数は、その値が他の命令された変数の存在を支配すればメタとして記述され、条件付きおよび階層構造をモデル化できる。
  論文  参考訳（メタデータ） (2025-06-27T20:38:57Z)
• An Expansion-Based Approach for Quantified Integer Programming [0.0]
  量子プログラミング(QIP)は、量子ブール公式(QBF)を拡張して複数の領域を橋渡しする QIPは複雑な意思決定シナリオに対処するための汎用的なフレームワークを提供する。 本稿では,CEGARを用いたQIP拡張手法を提案する。
  論文  参考訳（メタデータ） (2025-06-04T21:14:14Z)
• Q-function Decomposition with Intervention Semantics with Factored Action Spaces [51.01244229483353]
  元の作用空間の低次元射影部分空間上で定義されるQ-函数を考察し、分解されたQ-函数の不偏性について考察する。 これにより、標準モデルフリー強化学習アルゴリズムにおいて、予測Q関数を用いてQ関数を近似する動作分解強化学習と呼ばれる一般的なスキームが導かれる。
  論文  参考訳（メタデータ） (2025-04-30T05:26:51Z)
• Partial Transportability for Domain Generalization [56.37032680901525]
  本稿では, 部分的同定と輸送可能性の理論に基づいて, 対象分布の関数値の有界化に関する新たな結果を紹介する。 我々の貢献は、輸送可能性問題に対する最初の一般的な評価手法を提供することである。 本稿では,スケーラブルな推論を実現するための勾配に基づく最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-03-30T22:06:37Z)
• Domain-Incremental Semantic Segmentation for Autonomous Driving under Adverse Driving Conditions [14.2843647693986]
  我々は、プログレッシブ・セマンティック(PSS)と呼ばれるアーキテクチャに基づくドメイン増分学習手法を提案する。 PSSはタスクに依存しない、動的に成長するドメイン固有セグメンテーションモデルのコレクションである。 提案手法は, 有害運転条件の分類における一般化のレベルが異なる複数のデータセットを用いて, 広範囲に評価した。
  論文  参考訳（メタデータ） (2025-01-09T13:54:59Z)
• Last-Iterate Global Convergence of Policy Gradients for Constrained Reinforcement Learning [62.81324245896717]
  我々はC-PGと呼ばれる探索非依存のアルゴリズムを導入し、このアルゴリズムは(弱)勾配支配仮定の下でのグローバルな最終点収束を保証する。 制約付き制御問題に対して,我々のアルゴリズムを数値的に検証し,それらを最先端のベースラインと比較する。
  論文  参考訳（メタデータ） (2024-07-15T14:54:57Z)
• Order-preserving Consistency Regularization for Domain Adaptation and Generalization [45.64969000499267]
  ディープラーニングモデルは、モデルがドメイン固有の属性に過敏である場合、ドメイン間の課題で失敗する。 クロスドメインタスクのための順序保存一貫性規則化(OCR)を提案する。
  論文  参考訳（メタデータ） (2023-09-23T04:45:42Z)
• Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
  我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。 LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。 本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-07-06T05:13:20Z)
• Supervised Learning for Non-Sequential Data: A Canonical Polyadic Decomposition Approach [85.12934750565971]
  特徴相互作用の効率的なモデリングは、非順序的タスクに対する教師あり学習の基盤となる。 この問題を緩和するため、モデルパラメータをテンソルとして暗黙的に表現することが提案されている。 表現性を向上するため,任意の高次元特徴ベクトルに特徴写像を適用できるようにフレームワークを一般化する。
  論文  参考訳（メタデータ） (2020-01-27T22:38:40Z)

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。