論文の概要: Assignment-Routing Optimization: Solvers for Problems Under Constraints

• arxiv url: http://arxiv.org/abs/2512.18618v1
• Date: Sun, 21 Dec 2025 06:32:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.425489
• Title: Assignment-Routing Optimization: Solvers for Problems Under Constraints
• Title（参考訳）: 割り当て経路最適化:制約下の問題の解法
• Authors: Yuan Qilong, Michal Pavelka,
• Abstract要約: 我々は、アイテムを1対1でプレースホルダーに割り当てなければならないJRA(Joint Routing-Assignment)問題について検討する。 よりリッチな制約付きパッケージング計画シナリオに適した解法を開発した。 以上の結果から, ロボット包装, 運動計画, 複合物流におけるMIPに基づくJRA最適化の実用性を強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the Joint Routing-Assignment (JRA) problem in which items must be assigned one-to-one to placeholders while simultaneously determining a Hamiltonian cycle visiting all nodes exactly once. Extending previous exact MIP solvers with Gurobi and cutting-plane subtour elimination, we develop a solver tailored for practical packaging-planning scenarios with richer constraints.These include multiple placeholder options, time-frame restrictions, and multi-class item packaging. Experiments on 46 mobile manipulation datasets demonstrate that the proposed MIP approach achieves global optima with stable and low computation times, significantly outperforming the shaking-based exact solver by up to an orders of magnitude. Compared to greedy baselines, the MIP solutions achieve consistent optimal distances with an average deviation of 14% for simple heuristics, confirming both efficiency and solution quality. The results highlight the practical applicability of MIP-based JRA optimization for robotic packaging, motion planning, and complex logistics .
• Abstract（参考訳）: 本研究では,全てのノードを正確に1度訪問するハミルトン回路を同時に決定しながら,アイテムをプレースホルダーに1対1で割り当てなければならないJRA問題について検討する。 従来のMIPソルバをグロビとカットプレーンで拡張し,よりリッチな制約付きパッケージング計画シナリオに適した解決器を開発し,複数のプレースホルダオプション,時間枠制限,マルチクラスアイテムパッケージングを実現した。 46のモバイル操作データセットに対する実験により,提案手法は,安定かつ低演算時間でグローバル最適化を実現し,揺らぎに基づく正確な解法を最大1桁の精度で大幅に上回った。 グリーディベースラインと比較して、MIPソリューションは単純なヒューリスティックスでは平均14%の偏差で一貫した最適距離を達成し、効率と解の質の両方を確認する。 この結果から, ロボット包装, 運動計画, 複合物流におけるMIPに基づくJRA最適化の実用性を強調した。

関連論文リスト

• An Efficient and Almost Optimal Solver for the Joint Routing-Assignment Problem via Partial JRA and Large-α Optimization [0.0]
  JRA(Joint Routing-Assignment)最適化問題は、プレースホルダーへのアイテムの割り当てと、各ノードペアを正確に1度訪問するハミルトンサイクルを決定する。 これまでの研究では、データセットとGurobi実装とともに、正確な混合整数プログラミング(MIP)ソルバが導入されていた。 本研究は, 大規模JRA問題に対する高精度, ほぼ最適解を実現する新しい, より効率的な手法を提案する。
  論文  参考訳（メタデータ） (2025-11-07T09:54:46Z)
• FMIP: Joint Continuous-Integer Flow For Mixed-Integer Linear Programming [52.52020895303244]
  Mixed-Integer Linear Programming (MILP)は、複雑な意思決定問題の基本的なツールである。 混合整数線形計画法(FMIP)のための連立連続整数フローを提案する。これはMILPソリューションにおける整数変数と連続変数の共分散をモデル化する最初の生成フレームワークである。 FMIPは任意のバックボーンネットワークや様々なダウンストリームソルバと完全に互換性があり、現実世界のMILPアプリケーションにも適している。
  論文  参考訳（メタデータ） (2025-07-31T10:03:30Z)
• Collab: Controlled Decoding using Mixture of Agents for LLM Alignment [90.6117569025754]
  人間のフィードバックからの強化学習は、大規模言語モデルを整合させる効果的な手法として現れてきた。 制御された復号化は、再訓練せずに推論時にモデルを整列するメカニズムを提供する。 本稿では,既存の既成のLCMポリシを活用するエージェントベースのデコーディング戦略の混合を提案する。
  論文  参考訳（メタデータ） (2025-03-27T17:34:25Z)
• Balans: Multi-Armed Bandits-based Adaptive Large Neighborhood Search for Mixed-Integer Programming Problem [13.381261742433367]
  混合整数プログラミング(MIP)は、様々な重要な最適化問題をモデル化し解決するための強力なパラダイムである。 オンライン学習機能を備えたMIPのための適応型メタソリューションであるBaransを提案する。 Balansは、デフォルトのMIP解決器よりもパフォーマンスが大幅に向上し、どの最良地区にもコミットするより優れ、最先端のMIPの大規模検索よりも改善されている。
  論文  参考訳（メタデータ） (2024-12-18T22:32:13Z)
• Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
  本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。 赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2024-06-21T05:57:08Z)
• Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
  一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。 汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。 我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
  論文  参考訳（メタデータ） (2023-10-10T01:39:04Z)
• Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
  我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。 このアプローチは多くの実装と最適化の課題をもたらします。 提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
  論文  参考訳（メタデータ） (2021-03-18T14:26:26Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。