論文の概要: Survey on Neural Routing Solvers

• arxiv url: http://arxiv.org/abs/2602.21761v1
• Date: Wed, 25 Feb 2026 10:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.305372
• Title: Survey on Neural Routing Solvers
• Title（参考訳）: ニューラルルーティング・ソルバーに関する調査
• Authors: Yunpeng Ba, Xi Lin, Changliang Zhou, Ruihao Zheng, Zhenkun Wang, Xinyan Liang, Zhichao Lu, Jianyong Sun, Yuhua Qian, Qingfu Zhang,
• Abstract要約: ディープ・ラーニングを活用して車両ルーティング問題に取り組むニューラル・ルーティング(NRS)は、顕著な可能性を示している。 データから暗黙的なルールを学ぶことで、NASは古典的なアプリケーションで手作りのルールを置き換える。
• 参考スコア（独自算出の注目度）: 52.835314330473786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural routing solvers (NRSs) that leverage deep learning to tackle vehicle routing problems have demonstrated notable potential for practical applications. By learning implicit heuristic rules from data, NRSs replace the handcrafted counterparts in classic heuristic frameworks, thereby reducing reliance on costly manual design and trial-and-error adjustments. This survey makes two main contributions: (1) The heuristic nature of NRSs is highlighted, and existing NRSs are reviewed from the perspective of heuristics. A hierarchical taxonomy based on heuristic principles is further introduced. (2) A generalization-focused evaluation pipeline is proposed to address limitations of the conventional pipeline. Comparative benchmarking of representative NRSs across both pipelines uncovers a series of previously unreported gaps in current research.
• Abstract（参考訳）: ディープ・ラーニングを利用して車両ルーティング問題に取り組むニューラル・ルーティング・ソルバ(NRS)は、実用的な応用に顕著な可能性を示している。 データから暗黙的なヒューリスティックルールを学ぶことで、NASは古典的なヒューリスティックフレームワークのハンドクラフトを置き換え、コストのかかる手動設計と試行錯誤の調整への依存を減らすことができる。 1) NRSsのヒューリスティックな性質を強調し, 既存のNRSsをヒューリスティックな観点からレビューした。 さらに、ヒューリスティックな原則に基づく階層的な分類法が導入された。 2)従来のパイプラインの限界に対処するために,一般化に着目した評価パイプラインを提案する。 両パイプライン間の代表的NRSの比較ベンチマークでは、現在報告されていない一連のギャップが明らかになった。

関連論文リスト

• Toward Robust Non-Transferable Learning: A Survey and Benchmark [51.52542476904985]
  非伝達学習(NTL)は、ディープラーニングモデルの一般化能力を再構築することを目的とした課題である。 NTLの性能とロバスト性を評価する最初のベンチマークであるNTLBenchを紹介する。 我々はNTLの実践的応用と今後の方向性と課題について論じる。
  論文  参考訳（メタデータ） (2025-02-19T10:12:19Z)
• Graph and Sequential Neural Networks in Session-based Recommendation: A Survey [41.59094128068782]
  セッションベースのレコメンデーション(SR)は、ユーザの短期的な好みのキャプチャを専門とし、よりダイナミックでタイムリーなレコメンデーションを提供することを目指している。 まず、様々なSRタスクの定義を明確にし、セッションベースレコメンデーションの特徴を紹介する。 第2に,既存の手法を,逐次ニューラルネットワークとグラフニューラルネットワーク(GNN)の2つのカテゴリにまとめる。
  論文  参考訳（メタデータ） (2024-08-27T08:08:05Z)
• A Neuro-Symbolic Benchmark Suite for Concept Quality and Reasoning Shortcuts [20.860617965394848]
  モデルに対する推論ショートカットの影響を体系的に評価するベンチマークスイートであるrsbenchを紹介する。 rsbenchを用いることで、純粋にニューラルモデルとニューラルシンボリックモデルの両方で高品質な概念を得るのは、解決から遠ざかる問題である、と強調する。
  論文  参考訳（メタデータ） (2024-06-14T18:52:34Z)
• Generalization Guarantees of Gradient Descent for Multi-Layer Neural Networks [55.86300309474023]
  多層NNに対する勾配降下(GD)の総合的安定性と一般化解析を行う。 2層NNと3層NNの両方において、GDアルゴリズムに対するO(1/sqrtn)$の過剰リスク率を導出する。
  論文  参考訳（メタデータ） (2023-05-26T12:51:38Z)
• Backward Reachability Analysis of Neural Feedback Loops: Techniques for Linear and Nonlinear Systems [59.57462129637796]
  本稿では,ニューラルネットワークを用いた閉ループシステムの安全性検証のための後方到達性アプローチを提案する。 フィードバックループにおけるNNの存在は、その活性化関数の非線形性や、NNモデルは一般に可逆的ではないため、ユニークな問題セットを示す。 フィードフォワードNNで表される制御ポリシを持つ線形系と非線形系のBP過近似を計算するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-28T13:17:28Z)
• Explicitising The Implicit Intrepretability of Deep Neural Networks Via Duality [5.672223170618133]
  Lakshminarayanan氏とSingh氏の最近の研究は、修正線形ユニット(ReLU)を備えた完全連結ディープニューラルネットワーク(DNN)のための二重ビューを提供する。
  論文  参考訳（メタデータ） (2022-03-01T03:08:21Z)

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。