論文の概要: GENPACK: KPI-Guided Multi-Objective Genetic Algorithm for Industrial 3D Bin Packing

• arxiv url: http://arxiv.org/abs/2601.11325v1
• Date: Fri, 16 Jan 2026 14:19:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.521493
• Title: GENPACK: KPI-Guided Multi-Objective Genetic Algorithm for Industrial 3D Bin Packing
• Title（参考訳）: GENPACK:KPI-Guided Multi-Objective Genetic Algorithm for Industrial 3D Bin Packing
• Authors: Dheeraj Poolavaram, Carsten Markgraf, Sebastian Dorn,
• Abstract要約: 3次元ビンパッキング問題(3D-BPP)は、運用研究とロジスティクスにおける長年にわたる課題である。 本稿では,産業用3D-BPPのためのパイプラインを提案し,重要な性能指標を直接多目的フィットネス機能に統合する。 実世界の1500のBED-BPPベンチマークでは、Hybrid-GAパイプラインが常に最先端の手法よりも優れています。
• 参考スコア（独自算出の注目度）: 3.0204520109309843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The three-dimensional bin packing problem (3D-BPP) is a longstanding challenge in operations research and logistics. Classical heuristics and constructive methods can generate packings quickly, but often fail to address industrial constraints such as stability, balance, and handling feasibility. Metaheuristics such as genetic algorithms (GAs) provide flexibility and the ability to optimize across multiple objectives; however, pure GA approaches frequently struggle with efficiency, parameter sensitivity, and scalability to industrial order sizes. This gap is especially evident when scaling to real-world pallet dimensions, where even state-of-the-art algorithms often fail to achieve robust, deployable solutions. We propose a KPI-driven GA-based pipeline for industrial 3D-BPP that integrates key performance indicators directly into a multi-objective fitness function. The methodology combines a layer-based chromosome representation with domain-specific operators and constructive heuristics to balance efficiency and feasibility. On the BED-BPP benchmark of 1,500 real-world orders, our Hybrid-GA pipeline consistently outperforms heuristic- and learning-based state-of-the-art methods, achieving up to 35% higher space utilization and 15 to 20% stronger surface support, with lower variance across orders. These improvements come at a modest runtime cost but remain feasible for batch-scale deployment, yielding stable, balanced, and space-efficient packings.
• Abstract（参考訳）: 3次元ビンパッキング問題(3D-BPP)は、運用研究とロジスティクスにおける長年にわたる課題である。 古典的ヒューリスティックと建設的手法はパッキングを迅速に生成できるが、安定性、バランス、実現可能性の扱いといった産業上の制約に対処できないことが多い。 遺伝的アルゴリズム(GA)のようなメタヒューリスティックスは、柔軟性と複数の目的にまたがる最適化能力を提供するが、純粋なGAアプローチは、効率性、パラメータ感度、工業的なオーダーサイズへのスケーラビリティにしばしば苦労する。 このギャップは、最先端のアルゴリズムでさえ、堅牢でデプロイ可能なソリューションを達成するのに失敗する、現実世界のパレット次元へのスケーリングにおいて特に顕著である。 重要性能指標を直接多目的フィットネス関数に統合する,工業用3D-BPPのためのKPI駆動型GAベースパイプラインを提案する。 この手法は、レイヤベースの染色体表現とドメイン固有の演算子と構成的ヒューリスティックを組み合わせて、効率性と実現可能性のバランスをとる。 1500のリアルワールドオーダーのBED-BPPベンチマークでは、我々のHybrid-GAパイプラインはヒューリスティックおよび学習に基づく最先端の手法を一貫して上回り、最大で35%の空間利用率と15～20%の強力な表面サポートを実現し、注文間の分散を低くしています。 これらの改善は、最小限のランタイムコストで実現されるが、バッチスケールのデプロイメントでは引き続き実現可能であり、安定した、バランスの取れた、スペース効率の良いパッキングをもたらす。

関連論文リスト

• A Multi-Stage Optimization Framework for Deploying Learned Image Compression on FPGAs [7.577235739757108]
  ディープラーニングベースの画像圧縮(lic)は、最先端のレート歪み(RD)性能を達成したが、これらのモデルをリソース制約付きFPGAにデプロイすることは大きな課題である。 この研究は、高性能浮動小数点モデルと効率的なハードウェアフレンドリな整数ベースの実装とのギャップを埋める、完全なマルチステージ最適化フレームワークを提供する。
  論文  参考訳（メタデータ） (2025-11-21T10:55:44Z)
• Eliminating Multi-GPU Performance Taxes: A Systems Approach to Efficient Distributed LLMs [61.953548065938385]
  分析フレームワークとして'3つの税'(バルク同期、カーネル間データローカリティ、カーネルローンチオーバーヘッド)を紹介した。 我々は、分散GPU実行におけるキー非効率に対処するために、厳密なBSPモデルを超えて移動することを提案する。 BSPベースのアプローチによるエンドツーエンドのレイテンシの10-20%の高速化を観察する。
  論文  参考訳（メタデータ） (2025-11-04T01:15:44Z)
• Benchmarking Generative AI Against Bayesian Optimization for Constrained Multi-Objective Inverse Design [0.15293427903448018]
  本稿では,制約付き多目的回帰タスクを解くための生成可能な言語モデル(LLM)の性能について検討する。 最高の性能のLDM(Math-7B)は1.21の世代距離(GD)を達成した。 この知見は, 樹脂, レオロジー, 化学特性の定式化設計の最適化に, 直接工業的応用が期待できる。
  論文  参考訳（メタデータ） (2025-10-29T10:37:09Z)
• Metrics and evaluations for computational and sustainable AI efficiency [26.52588349722099]
  現在のアプローチでは全体像の提供に失敗し、システムの比較と最適化が難しい。 本稿では,計算および環境メトリクスを統合するAIモデル推論のための統一的再現可能な方法論を提案する。 本フレームワークは, 遅延を系統的に測定し, スループット, エネルギー消費, 位置調整二酸化炭素排出量を計測することにより, 実用的で炭素を意識した評価を行う。
  論文  参考訳（メタデータ） (2025-10-18T03:30:15Z)
• Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
  マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。 離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。 本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
  論文  参考訳（メタデータ） (2025-08-27T17:59:36Z)
• Taming the Chaos: Coordinated Autoscaling for Heterogeneous and Disaggregated LLM Inference [5.786961198115219]
  Serving Large Language Models (LLMs)は、従来のオートスケーラが不足するGPU集約的なタスクである。 我々は,P/D分散サービスにおけるコア課題に対処する,協調型自動スケーリングフレームワークであるHeteroScaleを紹介した。
  論文  参考訳（メタデータ） (2025-08-27T04:22:02Z)
• POLARON: Precision-aware On-device Learning and Adaptive Runtime-cONfigurable AI acceleration [0.0]
  本研究は,効率的な乗算累積演算を行うSIMD対応マルチ精度MACエンジンを提案する。 このアーキテクチャは、計算精度をワークロードの感度に合わせるための層適応的精度戦略を取り入れている。 その結果,PDPは最大で2倍,資源使用量は3倍に改善した。
  論文  参考訳（メタデータ） (2025-06-10T13:33:02Z)
• Deliberate Planning of 3D Bin Packing on Packing Configuration Trees [65.05353662124676]
  オンライン3D Bin Packing Problem (3D-BPP) は産業自動化に広く応用されている。 我々は,新しい階層表現,パッキング構成木(PCT)の学習を通じて,オンライン3D-BPPの実用性を高めることを提案する。 PCTは、ディープ強化学習(DRL)に基づくパッキングポリシー学習を支援するビンパッキングの状況と行動空間について、本格的な記述である。
  論文  参考訳（メタデータ） (2025-04-06T09:07:10Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
  汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。 本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
  論文  参考訳（メタデータ） (2022-04-08T20:46:16Z)

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。