論文の概要: Learning-Assisted Multi-Operator Variable Neighborhood Search for Urban Cable Routing

• arxiv url: http://arxiv.org/abs/2512.19321v1
• Date: Mon, 22 Dec 2025 12:13:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.742919
• Title: Learning-Assisted Multi-Operator Variable Neighborhood Search for Urban Cable Routing
• Title（参考訳）: 都市ケーブルルーティングのための学習支援マルチオペレータ可変近傍探索
• Authors: Wei Liu, Tao Zhang, Chenhui Lin, Kaiwen Li, Rui Wang,
• Abstract要約: 都市電力グリッドの信頼性を高めるためには,都市地下ケーブルの建設が不可欠である。 道路レイアウトは、都市環境におけるケーブルのルーティングを厳しく制限する。 本稿では,L-MVNSアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 9.950053306881125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban underground cable construction is essential for enhancing the reliability of city power grids, yet its high construction costs make planning a worthwhile optimization task. In urban environments, road layouts tightly constrain cable routing. This, on the one hand, renders relation-only models (i.e., those without explicit routes) used in prior work overly simplistic, and on the other hand, dramatically enlarges the combinatorial search space, thereby imposing much higher demands on algorithm design. In this study, we formulate urban cable routing as a connectivity-path co-optimization problem and propose a learning-assisted multi-operator variable neighborhood search (L-MVNS) algorithm. The framework first introduces an auxiliary task to generate high-quality feasible initial solutions. A hybrid genetic search (HGS) and A* serve as the connectivity optimizer and the route-planning optimizer, respectively. Building on these, a multi-operator variable neighborhood search (MVNS) iteratively co-optimizes inter-substation connectivity and detailed routes via three complementary destruction operators, a modified A* repair operator, and an adaptive neighborhood-sizing mechanism. A multi-agent deep reinforcement learning module is further embedded to prioritize promising neighborhoods. We also construct a standardized and scalable benchmark suite for evaluation. Across these cases, comprehensive experiments demonstrate effectiveness and stability: relative to representative approaches, MVNS and L-MVNS reduce total construction cost by approximately 30-50%, with L-MVNS delivering additional gains on larger instances and consistently higher stability.
• Abstract（参考訳）: 都市地下ケーブルの建設は、都市電力グリッドの信頼性を高めるために不可欠であるが、建設コストが高いため、計画が価値のある最適化作業となる。 都市環境においては、道路レイアウトはケーブルルーティングを厳しく制限する。 これに対し、事前の作業で使われる関係のみのモデル(すなわち明示的な経路を持たないモデル)を過度に単純化し、一方、組合せ探索空間を劇的に拡大し、アルゴリズム設計に対する要求をはるかに高める。 本研究では,コネクティビティパスの共最適化問題として都市ケーブルルーティングを定式化し,L-MVNSアルゴリズムを提案する。 このフレームワークはまず,高品質なイニシャルソリューションを生成するための補助的タスクを導入する。 ハイブリッド遺伝子探索(HGS)とA*は、それぞれ接続最適化器と経路計画最適化器として機能する。 これらに基づいて、マルチオペレータ可変近傍探索(MVNS)は、3つの相補的破壊演算子、修正されたA*修復演算子、適応的な近傍サイズ機構を介して、サブステーション間接続と詳細な経路を反復的に最適化する。 多エージェント深部強化学習モジュールは、将来性のある地区を優先するためにさらに組み込まれている。 評価のための標準的でスケーラブルなベンチマークスイートも構築する。 代表的アプローチと比較して、MVNSとL-MVNSは総建設コストを約30～50%削減し、L-MVNSはより大きなインスタンスにさらなる利得を与え、安定性は一貫して向上した。

関連論文リスト

• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• Deep Learning--Accelerated Multi-Start Large Neighborhood Search for Real-time Freight Bundling [10.477771954122625]
  我々はOFEXバンドル問題をマルチコモディティ・ワン・ワン・ワン・ピックアップ・アンド・デリバリ選択販売者問題(m1-PDSTSP)としてモデル化する。 主な課題は、バンドルの選択とピックアップ・アンド・デリバリのルーティングをサブ秒で結合することだ。 本稿では,トランスフォーマーニューラルネットワークに基づく構築ポリシーと,ローリングホライゾンスキームにおける革新的マルチスター大型近傍探索(LNMSS)メタヒューリスティックを組み合わせた学習促進ハイブリッド探索パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-12-12T00:29:37Z)
• Beyond Shortest Path: Agentic Vehicular Routing with Semantic Context [0.3767731868757604]
  本稿では,従来のパスフィニングアルゴリズムを文脈推論で拡張するハイブリッドエージェントアシスタントであるPAVeを紹介し,評価する。 現実的な都市シナリオのベンチマークでは、PAVeは複雑なユーザインテントを使って適切なルート修正に成功した。 従来のルーティングアルゴリズムとLLMに基づくセマンティック推論層を組み合わせることは、都市移動最適化のためのパーソナライズされた適応的でスケーラブルなソリューションを作成するための堅牢で効果的なアプローチである、と結論付けている。
  論文  参考訳（メタデータ） (2025-11-06T15:37:11Z)
• Accelerating Vehicle Routing via AI-Initialized Genetic Algorithms [53.75036695728983]
  車両ルーティング問題 (VRP) は進化的最適化における基本的なNPハード問題である。 本稿では、強化学習エージェントを事前のインスタンスで訓練し、初期解を迅速に生成する最適化フレームワークを提案する。 このフレームワークは、様々な時間予算において、現在の最先端のソルバよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-04-08T15:21:01Z)
• A Coalition Game for On-demand Multi-modal 3D Automated Delivery System [4.378407481656902]
  都市環境におけるラストマイル配送に対処するため、2つのオーバーレイネットワークで運用するUAVとADRの連合ゲームを導入する。 戦略的協調が全体のルーティング効率をいかに向上させるかを把握するためのモード間の協調構造について検討する。 ミシサガ市におけるケーススタディの結果から,ラストマイル配送の応用に関するいくつかの数値実験が実施されている。
  論文  参考訳（メタデータ） (2024-12-23T03:50:29Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• Pruning Self-attentions into Convolutional Layers in Single Path [89.55361659622305]
  ビジョントランスフォーマー(ViT)は、様々なコンピュータビジョンタスクに対して印象的なパフォーマンスを実現している。 トレーニング済みのViTを効率よく自動圧縮するSPViT(Single-Path Vision Transformer pruning)を提案する。 われわれのSPViTはDeiT-Bで52.0%のFLOPをトリミングできる。
  論文  参考訳（メタデータ） (2021-11-23T11:35:54Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)

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。