論文の概要: HEATACO: Heatmap-Guided Ant Colony Decoding for Large-Scale Travelling Salesman Problems

• arxiv url: http://arxiv.org/abs/2601.19041v1
• Date: Mon, 26 Jan 2026 23:51:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:51.099155
• Title: HEATACO: Heatmap-Guided Ant Colony Decoding for Large-Scale Travelling Salesman Problems
• Title（参考訳）: HEATACO:大規模旅行セールスマン問題に対するヒートマップ型アントコロニーデコード
• Authors: Bo-Cheng Lin, Yi Mei, Mengjie Zhang,
• Abstract要約: 大規模トラベリングセールスマン問題に対するヒートマップに基づく非自己回帰解法は、エッジ確率の高密度なスコアを出力する。 本稿では,HeathACOについて紹介する。HathACOはMax-Min Ant Systemデコーダで,遷移ポリシはヒートマップによってソフトにバイアスされる。
• 参考スコア（独自算出の注目度）: 4.184504903540304
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Heatmap-based non-autoregressive solvers for large-scale Travelling Salesman Problems output dense edge-probability scores, yet final performance largely hinges on the decoder that must satisfy degree-2 constraints and form a single Hamiltonian tour. Greedy commitment can cascade into irreparable mistakes at large $N$, whereas MCTS-guided local search is accurate but compute-heavy and highly engineered. We instead treat the heatmap as a soft edge prior and cast decoding as probabilistic tour construction under feasibility constraints, where the key is to correct local mis-rankings via inexpensive global coordination. Based on this view, we introduce HeatACO, a plug-and-play Max-Min Ant System decoder whose transition policy is softly biased by the heatmap while pheromone updates provide lightweight, instance-specific feedback to resolve global conflicts; optional 2-opt/3-opt post-processing further improves tour quality. On TSP500/1K/10K, using heatmaps produced by four pretrained predictors, HeatACO+2opt achieves gaps down to 0.11%/0.23%/1.15% with seconds-to-minutes CPU decoding for fixed heatmaps, offering a better quality--time trade-off than greedy decoding and published MCTS-based decoders. Finally, we find the gains track heatmap reliability: under distribution shift, miscalibration and confidence collapse bound decoding improvements, suggesting heatmap generalisation is a primary lever for further progress.
• Abstract（参考訳）: 大規模トラベリングセールスマン問題に対するヒートマップベースの非自己回帰解法は、エッジ確率の高密度なスコアを出力するが、最終的なパフォーマンスは、次数2の制約を満たさなければならず、単一のハミルトンツアーを形成するデコーダに大きく依存する。 一方、MCTSが指導するローカル検索は正確だが、計算量が多く、高度にエンジニアリングされている。 その代わりに、ヒートマップをソフトエッジとして扱い、デコーディングを確率的ツアー構築として実現可能な制約の下でキャストし、そこでは、安価なグローバルコーディネートを通じて、局所的なミスランクを補正することが鍵となる。 フェロモン更新は、グローバルなコンフリクトを解決するために、軽量でインスタンス固有のフィードバックを提供する。オプションの2-opt/3-opt後処理により、ツアー品質がさらに向上する。 TSP500/1K/10Kでは、4つの事前訓練された予測器によって生成されたヒートマップを使用して、HeathACO+2optは、固定されたヒートマップの秒間CPUデコードで0.11%/0.23%/1.15%のギャップを達成し、グリーディデコードやMCTSベースのデコーダよりも高品質なトレードオフを提供する。 最後に, 分布シフト, 誤校正, 信頼崩壊デコードの改善により, 熱マップの信頼性が向上することが示唆された。

関連論文リスト

• Beyond the Heatmap: A Rigorous Evaluation of Component Impact in MCTS-Based TSP Solvers [11.388824026057735]
  Heatmap + Monte Carlo Tree Search (MCTS)' のパラダイムは、最近トラベルセールスマン問題 (TSP) を解決するための重要なフレームワークとして登場した。
  論文  参考訳（メタデータ） (2024-11-14T07:13:08Z)
• Estimating the Decoding Failure Rate of Binary Regular Codes Using Iterative Decoding [84.0257274213152]
  並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。 本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
  論文  参考訳（メタデータ） (2024-01-30T11:40:24Z)
• Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
  画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。 本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。 この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
  論文  参考訳（メタデータ） (2023-09-19T10:57:53Z)
• Distributed Extra-gradient with Optimal Complexity and Communication Guarantees [60.571030754252824]
  複数のプロセッサ/ワーカー/クライアントがローカルなデュアルベクトルにアクセス可能なマルチGPU設定において、モノトン変分不等式(VI)問題を考察する。 モノトーンVI問題に対するデファクトアルゴリズムであるExtra-gradientは、通信効率が良くないように設計されている。 そこで本稿では,VI の解法に適した非バイアスで適応的な圧縮手法である量子化一般化外部勾配 (Q-GenX) を提案する。
  論文  参考訳（メタデータ） (2023-08-17T21:15:04Z)
• Lightweight Super-Resolution Head for Human Pose Estimation [42.51588635059534]
  ヒートマップに基づく手法がポーズ推定の主流となっている。 しかし、ヒートマップに基づくアプローチは、ダウンスケールのヒートマップを持つ重要な量子化誤差に悩まされる。 本稿では,SRPoseによる量子化誤差の低減と処理後処理への依存性について述べる。
  論文  参考訳（メタデータ） (2023-07-31T15:35:34Z)
• Heatmap Distribution Matching for Human Pose Estimation [12.524484316923333]
  このような方法で熱マップの予測を最適化することは、生体関節局所化のモデル性能を一貫して改善することができないことを示す。 本稿では, 熱マップ予測の最適化を, 予測熱マップと生体関節のドットアノテーションとの分布整合問題として定式化する。 提案手法の有効性を,COCOデータセットとMPIIデータセットの広範な実験により示す。
  論文  参考訳（メタデータ） (2022-10-03T07:21:30Z)
• Subpixel Heatmap Regression for Facial Landmark Localization [65.41270740933656]
  熱マップ回帰法は、熱マップ符号化と復号処理の両方に関連する離散化による誤差に悩まされる。 本稿では,熱マップの符号化と復号化に基礎となる連続分布を利用した新しい手法を提案する。 我々のアプローチは、顔のランドマークのローカライゼーションに新しい最先端の結果を設定する複数のデータセット間で顕著な利得を提供する。
  論文  参考訳（メタデータ） (2021-11-03T17:21:28Z)
• Is 2D Heatmap Representation Even Necessary for Human Pose Estimation? [44.313782042852246]
  キーポイント座標(emphSimDR)のための textbfSimple yet promising textbfDisentangled textbfRepresentation を提案する。 本稿では,キーポイント位置に対する水平座標と垂直座標の表現をアンタングル化することを提案する。
  論文  参考訳（メタデータ） (2021-07-07T16:20:12Z)
• Heatmap Regression via Randomized Rounding [105.75014893647538]
  本稿では,サブピクセルローカライゼーション問題に対処する簡易かつ効果的な量子化システムを提案する。 提案システムでは,数値座標の分数部をトレーニング中の確率的アプローチを用いて基底真理熱マップに符号化する。
  論文  参考訳（メタデータ） (2020-09-01T04:54:22Z)
• Train Your Data Processor: Distribution-Aware and Error-Compensation Coordinate Decoding for Human Pose Estimation [14.816632698778049]
  本研究では,予測過程を通じて導入された誤差に着目して,熱マップ復号処理について検討する。 そこで,DAEC(Distributed-Aware and Error-Compensation Coordinate Decoding)を提案する。 DAECは、トレーニングデータから復号戦略を学び、最先端の人間のポーズ推定モデルの性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-07-12T02:17:29Z)

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。