論文の概要: The Traveling Thief Problem with Time Windows: Benchmarks and Heuristics

• arxiv url: http://arxiv.org/abs/2604.06724v1
• Date: Wed, 08 Apr 2026 06:42:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.370133
• Title: The Traveling Thief Problem with Time Windows: Benchmarks and Heuristics
• Title（参考訳）: タイムWindowsのトラベリング致命的な問題:ベンチマークとヒューリスティックス
• Authors: Helen Yuliana Angmalisang, Frank Neumann,
• Abstract要約: 旅行盗難問題(TTP)は、文献で広く研究されている多成分問題である。 本稿では,リアルタイムの状況に非常に関係のあるTTPの変種を提供する,時間窓制約によるTTPの導入と検討を行う。
• 参考スコア（独自算出の注目度）: 6.164863213336097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While traditional optimization problems were often studied in isolation, many real-world problems today require interdependence among multiple optimization components. The traveling thief problem (TTP) is a multi-component problem that has been widely studied in the literature. In this paper, we introduce and investigate the TTP with time window constraints which provides a TTP variant highly relevant to real-world situations where good can only be collected at given time intervals. We examine adaptions of existing approaches for TTP and the Traveling Salesperson Problem (TSP) with time windows to this new problem and evaluate their performance. Furthermore, we provide a new heuristic approach for the TTP with time windows. To evaluate algorithms for TTP with time windows, we introduce new TTP benchmark instances with time windows based on TTP instances existing in the literature. Our experimental investigations evaluate the different approaches and show that the newly designed algorithm outperforms the other approaches on a wide range of benchmark instances.
• Abstract（参考訳）: 従来の最適化問題は独立して研究されることが多かったが、現代の現実世界の問題の多くは、複数の最適化コンポーネント間の相互依存を必要とする。 旅行盗難問題(TTP)は、文献で広く研究されている多成分問題である。 本稿では,時間的制約を伴ってTTPを導入・検討し,時間的間隔でのみ商品を収集できる現実の状況に高い関連性を持つTTPの変種を提供する。 本稿では,TTP とトラベリングセールスパーソン問題 (TSP) に対する既存のアプローチの適応性について検討し,その性能評価を行う。 さらに、時間窓を持つTTPに対して、新しいヒューリスティックなアプローチを提案する。 タイムウインドウを用いたTTPのアルゴリズムを評価するため,文献に存在するTTPインスタンスに基づいて,時間ウインドウを用いた新しいTTPベンチマークインスタンスを導入する。 実験により, 異なるアプローチを評価した結果, 提案アルゴリズムは, 広範囲のベンチマークインスタンスにおいて, 他手法よりも優れた性能を示した。

関連論文リスト

• MetaTPT: Meta Test-time Prompt Tuning for Vision-Language Models [62.20230218401528]
  テスト時間プロンプトチューニング(MetaTPT, Meta Test-Time Prompt Tuning)は、テスト時間プロンプトチューニングをガイドする自己教師付き補助タスクを学習するメタラーニングフレームワークである。 拡張学習と即時チューニングを結合することにより、MetaTPTはドメインシフトによるテスト時間適応を改善する。
  論文  参考訳（メタデータ） (2025-12-13T10:23:10Z)
• TSI-Bench: Benchmarking Time Series Imputation [52.27004336123575]
  TSI-Benchは、ディープラーニング技術を利用した時系列計算のための総合ベンチマークスイートである。 TSI-Benchパイプラインは、実験的な設定を標準化し、計算アルゴリズムの公平な評価を可能にする。 TSI-Benchは、計算目的のために時系列予測アルゴリズムを調整するための体系的なパラダイムを革新的に提供する。
  論文  参考訳（メタデータ） (2024-06-18T16:07:33Z)
• BAIT: Benchmarking (Embedding) Architectures for Interactive Theorem-Proving [13.374504717801061]
  本稿では,対話的定理証明における学習アプローチの公平かつ合理化された比較のためのフレームワークであるBAITを提案する。 BAITの機能を、いくつかのIPPベンチマークで詳細に比較して示す。 BAITはまた、インタラクティブ環境上に構築されたシステムのエンドツーエンドのパフォーマンスを評価することもできる。
  論文  参考訳（メタデータ） (2024-03-06T01:56:17Z)
• On Pitfalls of Test-Time Adaptation [82.8392232222119]
  TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。 TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
  論文  参考訳（メタデータ） (2023-06-06T09:35:29Z)
• A Survey on Deep Learning based Time Series Analysis with Frequency Transformation [75.63783789488471]
  周波数変換(FT)は、時系列解析における最先端の精度と効率を高めるために、ディープラーニングモデルにますます取り入れられている。 この新興分野における注目の高まりと研究の高まりにもかかわらず、現在、FTを用いたディープラーニングベースの時系列モデルの体系的レビューと詳細な分析が欠如している。 本稿では,FTを用いた深層学習に基づく時系列解析における最近の研究成果を体系的に研究し,要約する総合的なレビューを紹介する。
  論文  参考訳（メタデータ） (2023-02-04T14:33:07Z)
• TeST: Test-time Self-Training under Distribution Shift [99.68465267994783]
  Test-Time Self-Training (TeST)は、あるソースデータとテスト時の新しいデータ分散に基づいてトレーニングされたモデルを入力する技術である。 また,TeSTを用いたモデルでは,ベースラインテスト時間適応アルゴリズムよりも大幅に改善されていることがわかった。
  論文  参考訳（メタデータ） (2022-09-23T07:47:33Z)
• On the Use of Quality Diversity Algorithms for The Traveling Thief Problem [11.590506672325668]
  現実世界の最適化では、いくつかのサブプロブレムが相互作用し、主要な問題を形成するのが一般的である。 本稿では,旅行セールスパーソン問題(TSP)とクナップサック問題(KP)の相互依存性を品質多様性(QD)アプローチを用いて検討する。
  論文  参考訳（メタデータ） (2021-12-16T05:08:39Z)
• Solving the Travelling Thief Problem based on Item Selection Weight and Reverse Order Allocation [8.620967398331265]
  旅行泥棒問題(TTP)は多くの学者を引き付ける挑戦的な最適化問題です。 本論文では,TTPを理論的および実証的に検討する。 提案した選択項目と逆順序のソート項目の定式化によって算出されたスコア値に基づくアルゴリズムを提案し,この問題を解く。
  論文  参考訳（メタデータ） (2020-12-16T12:06:05Z)
• Optimising Tours for the Weighted Traveling Salesperson Problem and the Traveling Thief Problem: A Structural Comparison of Solutions [13.026567958569965]
  トラベリング・ティーフ問題(TTP)は、2つの最適化問題を組み合わせることでそのような相互作用に対処する。 ノードウェイト依存トラベリングセールスパーソン問題(W-TSP)と呼ばれる新しい問題が導入され、ノードがツアーのコストに影響を与える重みを持つ。 W-TSP と TTP の最適ツアーの構造と適合度関数の相互利用の影響について検討した。
  論文  参考訳（メタデータ） (2020-06-05T07:07:28Z)
• Surrogate Assisted Optimisation for Travelling Thief Problems [14.836145520657592]
  トラベリング泥棒問題(TTP)は、2つの相互依存NPハードコンポーネントを含む多成分最適化問題である。 最近の最先端TTP解法は、根底にあるTPとKPの解を反復的かつインターリーブ的に修正している。 そこで本研究では,TTP ソリューションに繋がる初期 TSP ツアーの特徴を学習する適応的サロゲートモデルにより,探索をより効率的にすることを提案する。
  論文  参考訳（メタデータ） (2020-05-14T02:49:16Z)

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。