論文の概要: N2N: A Parallel Framework for Large-Scale MILP under Distributed Memory

• arxiv url: http://arxiv.org/abs/2511.18723v1
• Date: Mon, 24 Nov 2025 03:29:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.997503
• Title: N2N: A Parallel Framework for Large-Scale MILP under Distributed Memory
• Title（参考訳）: N2N:分散メモリ下での大規模MILPのための並列フレームワーク
• Authors: Longfei Wang, Junyan Liu, Fan Zhang, Jiangwen Wei, Yuanhua Tang, Jie Sun, Xiaodong Luo,
• Abstract要約: 分散メモリコンピューティング環境における大規模問題を解決するために,スケーラブルな並列フレームワークであるN2Nを提案する。 決定論的モードと非決定論的モードの両方がサポートされており、フレームワークは既存のソルバと容易に統合できるように設計されている。 決定論的モードでは、N2N-SCIPは異なるプロセス数と計算クラスタ間でParaSCIPよりも大幅に性能が向上している。
• 参考スコア（独自算出の注目度）: 10.66498062248358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parallelization has emerged as a promising approach for accelerating MILP solving. However, the complexity of the branch-and-bound (B&B) framework and the numerous effective algorithm components in MILP solvers make it difficult to parallelize. In this study, a scalable parallel framework, N2N (a node-to-node framework that maps the B&B nodes to distributed computing nodes), was proposed to solve large-scale problems in a distributed memory computing environment. Both deterministic and nondeterministic modes are supported, and the framework is designed to be easily integrated with existing solvers. Regarding the deterministic mode, a novel sliding-window-based algorithm was designed and implemented to ensure that tasks are generated and solved in a deterministic order. Moreover, several advanced techniques, such as the utilization of CP search and general primal heuristics, have been developed to fully utilize distributed computing resources and capabilities of base solvers. Adaptive solving and data communication optimization were also investigated. A popular open-source MILP solver, SCIP, was integrated into N2N as the base solver, yielding N2N-SCIP. Extensive computational experiments were conducted to evaluate the performance of N2N-SCIP compared to ParaSCIP, which is a state-of-the-art distributed parallel MILP solver under the UG framework. The nondeterministic N2N-SCIP achieves speedups of 22.52 and 12.71 with 1,000 MPI processes on the Kunpeng and x86 computing clusters, which is 1.98 and 2.08 times faster than ParaSCIP, respectively. In the deterministic mode, N2N-SCIP also shows significant performance improvements over ParaSCIP across different process numbers and computing clusters. To validate the generality of N2N, HiGHS, another open-source solver, was integrated into N2N. The related results are analyzed, and the requirements of N2N on base solvers are also concluded.
• Abstract（参考訳）: 並列化はMILP解決を加速するための有望なアプローチとして現れている。 しかし、分岐とバウンド(B&B)フレームワークとMILPソルバにおける多数の効率的なアルゴリズムコンポーネントの複雑さは並列化を困難にしている。 本研究では,分散メモリコンピューティング環境における大規模問題を解決するために,スケーラブルな並列フレームワークであるN2N(B&Bノードを分散コンピューティングノードにマッピングするノード間フレームワーク)を提案する。 決定論的モードと非決定論的モードの両方がサポートされており、フレームワークは既存のソルバと容易に統合できるように設計されている。 決定論的モードについては,新しいスライディングウインドウに基づくアルゴリズムを設計,実装し,タスクが決定論的順序で生成および解決されることを保証した。 さらに、CP探索や一般原始ヒューリスティックスなどの先進的な手法が、分散コンピューティング資源とベースソルバの能力を完全に活用するために開発されている。 適応的解法とデータ通信の最適化についても検討した。 人気のあるオープンソースのMILPソルバSCIPがベースソルバとしてN2Nに統合され、N2N-SCIPとなった。 N2N-SCIPとParaSCIPを比較した。 非決定論的N2N-SCIPは、ParaSCIPの1.98倍と2.08倍のKunpengとx86のクラスタ上で1,000 MPIのプロセスで22.52と12.71のスピードアップを達成する。 決定論的モードでは、N2N-SCIPは異なるプロセス数と計算クラスタ間でParaSCIPよりも大幅に性能が向上した。 N2Nの一般性を検証するため、別のオープンソースソルバであるHiGHSがN2Nに統合された。 関連する結果を解析し, ベースソルバ上でのN2Nの要求条件も結論する。

関連論文リスト

• PINNs Algorithmic Framework for Simulation of Nonlinear Burgers' Type Models [1.124958340749622]
  非線形1Dモデルと2Dバーガース型モデルのシミュレーションに物理インフォームドニューラルネットワーク(PINN)に基づくアルゴリズムを用いる。 その結果、PINNは非線形PDEソリューションを忠実に再現し、不正確性と柔軟性の観点から競合性能を提供することを示した。
  論文  参考訳（メタデータ） (2025-06-15T17:39:15Z)
• ICNN-enhanced 2SP: Leveraging input convex neural networks for solving two-stage stochastic programming [3.528295407065282]
  2段階プログラミング(2SP)は不確実性の下で意思決定をモデル化するための基本的なフレームワークを提供する。 Neural Two-Stage Programming (Neur2SP)のような既存の学習ベースの手法では、リコース関数サロゲートとしてニューラルネットワーク(NN)を採用している。 本稿では,凸2SP問題における線形プログラミング表現性を利用するICNN拡張2SPを提案する。
  論文  参考訳（メタデータ） (2025-05-08T14:06:38Z)
• Community detection by simulated bifurcation [23.378891732352727]
  コミュニティ検出は、複雑なネットワーク理論、輸送、スマートパワーグリッドといった様々な分野の応用においてよく知られたNPハード最適化問題である。 本研究では,Simulated Bifurcation (SB) を用いたコミュニティ検出手法を提案する。 実験により,SBはZacharyのKarate ClubやIEEE 33バスシステムなどのベンチマークネットワークにおいて,コミュニティ構造を効果的に識別することを示した。
  論文  参考訳（メタデータ） (2024-12-30T07:18:53Z)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• Compacting Binary Neural Networks by Sparse Kernel Selection [58.84313343190488]
  本稿は,BNNにおけるバイナリカーネルの分散化がほぼ不可能であることを示すものである。 我々は、選択過程をエンドツーエンドに最適化するだけでなく、選択したコードワードの非反復的占有を維持できる置換ストレートスルー推定器(PSTE)を開発した。 実験により,提案手法はモデルサイズとビット幅の計算コストの両方を削減し,同等の予算下での最先端のBNNと比較して精度の向上を実現する。
  論文  参考訳（メタデータ） (2023-03-25T13:53:02Z)
• Error convergence and engineering-guided hyperparameter search of PINNs: towards optimized I-FENN performance [0.0]
  PINNコンポーネントの2つの重要な側面に着目し,I-FENNの厳格さと性能を向上させる。 本稿では,新しい総合的パフォーマンス指標のセットに基づく体系的な数値的アプローチを提案する。 提案された分析は、科学と工学の他の応用にも直接拡張することができる。
  論文  参考訳（メタデータ） (2023-03-03T17:39:06Z)
• Low-bit Shift Network for End-to-End Spoken Language Understanding [7.851607739211987]
  本稿では,連続パラメータを低ビットの2値に量子化する2乗量子化法を提案する。 これにより、高価な乗算演算を除去し、低ビット重みを使用すれば計算の複雑さを低減できる。
  論文  参考訳（メタデータ） (2022-07-15T14:34:22Z)
• Sub-bit Neural Networks: Learning to Compress and Accelerate Binary Neural Networks [72.81092567651395]
  Sub-bit Neural Networks (SNN) は、BNNの圧縮と高速化に適した新しいタイプのバイナリ量子化設計である。 SNNは、微細な畳み込みカーネル空間におけるバイナリ量子化を利用するカーネル対応最適化フレームワークで訓練されている。 ビジュアル認識ベンチマークの実験とFPGA上でのハードウェア展開は、SNNの大きな可能性を検証する。
  論文  参考訳（メタデータ） (2021-10-18T11:30:29Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)
• Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
  本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。 古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。 提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
  論文  参考訳（メタデータ） (2020-06-15T02:57:57Z)

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。