論文の概要: Surrogate-Assisted Genetic Programming with Rank-Based Phenotypic Characterisation for Dynamic Multi-Mode Project Scheduling

• arxiv url: http://arxiv.org/abs/2603.16286v1
• Date: Tue, 17 Mar 2026 09:19:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.194217
• Title: Surrogate-Assisted Genetic Programming with Rank-Based Phenotypic Characterisation for Dynamic Multi-Mode Project Scheduling
• Title（参考訳）: 動的多モード計画スケジューリングのためのランクに基づく表現型キャラクタリゼーションを用いたサロゲート支援遺伝的プログラミング
• Authors: Yuan Tian, Yi Mei, Mengjie Zhang,
• Abstract要約: 遺伝的プログラミング(GP)は意思決定タスクのルールを進化させることが示されている。 GPは、問題固有の表現型キャラクタライゼーション(PC)方式を必要とする。 そこで本稿では,意思決定状況における活動モードペアと活動グループを順序付けしたランク駆動型PC方式を提案する。 結果として得られるPCベクトルは、非評価GP個体の適合度を推定する代理モデルを可能にする。
• 参考スコア（独自算出の注目度）: 6.835074198877901
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The dynamic multi-mode resource-constrained project scheduling problem (DMRCPSP) is of practical importance, as it requires making real-time decisions under changing project states and resource availability. Genetic Programming (GP) has been shown to effectively evolve heuristic rules for such decision-making tasks; however, the evolutionary process typically relies on a large number of simulation-based fitness evaluations, resulting in high computational cost. Surrogate models offer a promising solution to reduce evaluation cost, but their application to GP requires problem-specific phenotypic characterisation (PC) schemes of heuristic rules. There is currently a lack of suitable PC schemes for GP applied to DMRCPSP. This paper proposes a rank-based PC scheme derived from heuristic-driven ordering of eligible activity-mode pairs and activity groups in decision situations. The resulting PC vectors enable a surrogate model to estimate the fitness of unevaluated GP individuals. Based on this scheme, a surrogate-assisted GP algorithm is developed. Experimental results demonstrate that the proposed surrogate-assisted GP can identify high-quality heuristic rules consistently earlier than the state-of-the-art GP approach for DMRCPSP, while introducing only marginal computational overhead. Further analyses demonstrate that the surrogate model provides useful guidance for offspring selection, leading to improved evolutionary efficiency.
• Abstract（参考訳）: 動的マルチモードリソース制約型プロジェクトスケジューリング問題(DMRCPSP)は、プロジェクト状態やリソースの可利用性を変化させたリアルタイム決定を必要とするため、現実的に重要である。 遺伝的プログラミング(GP)は、そのような意思決定タスクのヒューリスティックなルールを効果的に進化させることが示されているが、進化過程は通常、多くのシミュレーションベースのフィットネス評価に依存しており、計算コストが高い。 サロゲートモデルは、評価コストを削減するための有望なソリューションを提供するが、GPへの適用には、ヒューリスティックルールの問題固有の表現型キャラクタリゼーション(PC)スキームが必要である。 現在、DMRCPSPに適用されるGPに適したPCスキームがない。 本稿では,意思決定状況下での行動モードペアとアクティビティグループをヒューリスティックな順序付けから導出したランクベースPC方式を提案する。 結果として得られるPCベクトルは、非評価GP個体の適合度を推定する代理モデルを可能にする。 このスキームに基づいて代用補助GPアルゴリズムを開発した。 実験結果から,提案したサロゲート支援GPは,DMRCPSPの最先端GPアプローチよりも一貫した高品質なヒューリスティックなルールを識別できる一方で,限界計算オーバーヘッドのみを導入できることがわかった。 さらに解析したところ、サロゲートモデルが子孫選択に有用なガイダンスを提供することが明らかとなり、進化効率が向上した。

関連論文リスト

• Efficient Policy Learning with Hybrid Evaluation-Based Genetic Programming for Uncertain Agile Earth Observation Satellite Scheduling [9.222330889042016]
  アジャイル地球観測衛星スケジューリング問題(UAEOSSP)は、新しい最適化問題である。 利益、資源消費、可視性の不確実性が組み込まれており、事前計画されたスケジュールが最適でないか、あるいは不可能である可能性がある。 本稿では,UAEOSSPを効果的に解くためのHybrid Evaluation-based Genetic Programming (HE-GP)を提案する。
  論文  参考訳（メタデータ） (2026-03-09T14:43:36Z)
• GRPO++: Enhancing Dermatological Reasoning under Low Resource Settings [0.5310914438304387]
  本稿では,皮膚科医の診断過程をエミュレートするために,多段階的,資源効率の高い手法によって開発されたVLMであるDermIQ-VLMを紹介する。 私たちの主な貢献は、GRPO++と呼ばれるグループ相対政策最適化(GRPO)の修正版です。 本手法が標準的な微調整法よりも顕著な性能向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-09-23T18:32:08Z)
• PGU-SGP: A Pheno-Geno Unified Surrogate Genetic Programming For Real-life Container Terminal Truck Scheduling [7.678307721780809]
  本稿では,代用サンプル選択と適合性予測を強化するために,表現ジェノリック・サロゲートGPアルゴリズムPGU-SGPを提案する。 同じトレーニング時間で、PGU-SGPは従来のGPと最先端のアルゴリズムを多くのデータセットで大幅に上回っている。
  論文  参考訳（メタデータ） (2025-04-15T15:19:42Z)
• Self-Healing Machine Learning: A Framework for Autonomous Adaptation in Real-World Environments [50.310636905746975]
  実世界の機械学習システムは、基礎となるデータ生成プロセスの分散シフトによって、モデルの性能劣化に遭遇することが多い。 概念のドリフト適応のような既存のシフトへのアプローチは、その理性に依存しない性質によって制限される。 我々はこれらの制限を克服するために自己修復機械学習(SHML)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T20:05:51Z)
• Learning Logic Specifications for Policy Guidance in POMDPs: an Inductive Logic Programming Approach [57.788675205519986]
  我々は任意の解法によって生成されるPOMDP実行から高品質なトレースを学習する。 我々は、データと時間効率のIndu Logic Programming(ILP)を利用して、解釈可能な信念に基づくポリシー仕様を生成する。 ASP(Answer Set Programming)で表現された学習は、ニューラルネットワークよりも優れた性能を示し、より少ない計算時間で最適な手作りタスクに類似していることを示す。
  論文  参考訳（メタデータ） (2024-02-29T15:36:01Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
  本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。 シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
  論文  参考訳（メタデータ） (2022-09-15T07:22:58Z)
• MAP-Elites based Hyper-Heuristic for the Resource Constrained Project Scheduling Problem [0.3359875577705538]
  資源制約型プロジェクトスケジューリング問題(RCPSP)はNP-Hard最適化問題である。 本稿では, MAP-Elites を用いたハイパーヒューリスティック (MEHH) を用いて, RCPSP の効率的な優先ルールの自動発見を行う。
  論文  参考訳（メタデータ） (2022-04-24T01:49:59Z)
• Robust and Adaptive Temporal-Difference Learning Using An Ensemble of Gaussian Processes [70.80716221080118]
  本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。 OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。 1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
  論文  参考訳（メタデータ） (2021-12-01T23:15:09Z)
• Hybrid Gaussian Process Modeling Applied to Economic Stochastic Model Predictive Control of Batch Processes [0.0]
  植物モデルはしばしば第一原理から決定され、モデルの一部が物理的法則のみを用いて導出することが困難である。 本稿ではGPを用いて、第一原理を用いて記述が難しい動的システムのパーツをモデル化する。 この不確実性を制御アルゴリズムで考慮し、制約違反や性能劣化を防止することが不可欠である。
  論文  参考訳（メタデータ） (2021-08-14T00:01:42Z)
• Stein Variational Model Predictive Control [130.60527864489168]
  不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。 モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。 この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
  論文  参考訳（メタデータ） (2020-11-15T22:36:59Z)

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。