論文の概要: Bilevel Late Acceptance Hill Climbing for the Electric Capacitated Vehicle Routing Problem

• arxiv url: http://arxiv.org/abs/2604.13013v1
• Date: Tue, 14 Apr 2026 17:47:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.595006
• Title: Bilevel Late Acceptance Hill Climbing for the Electric Capacitated Vehicle Routing Problem
• Title（参考訳）: 電気キャパシタン化車両ルーティング問題に対する二段遅れアクセプタンスヒルクライミング
• Authors: Yinghao Qin, Mosab Bazargani, Edmund K. Burke, Carlos A. Coello Coello, Zhongmin Song, Jun Chen,
• Abstract要約: 上層階に代理目的を導入し,探索を指導し,収束を加速する。 2段階のレイトアクセプタンスヒルクライミングアルゴリズム (b-LAHC) が導入された。 固定評価予算の下では、b-LAHCは小規模インスタンスでほぼ最適のソリューションを獲得し、大規模ベンチマークで9/10の新しい既知の結果を設定し、既存のレコードを平均1.07%改善する。
• 参考スコア（独自算出の注目度）: 4.911645113923897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper tackles the Electric Capacitated Vehicle Routing Problem (E-CVRP) through a bilevel optimization framework that handles routing and charging decisions separately or jointly depending on the search stage. By analyzing their interaction, we introduce a surrogate objective at the upper level to guide the search and accelerate convergence. A bilevel Late Acceptance Hill Climbing algorithm (b-LAHC) is introduced that operates through three phases: greedy descent, neighborhood exploration, and final solution refinement. b-LAHC operates with fixed parameters, eliminating the need for complex adaptation while remaining lightweight and effective. Extensive experiments on the IEEE WCCI-2020 benchmark show that b-LAHC achieves superior or competitive performance against eight state-of-the-art algorithms. Under a fixed evaluation budget, it attains near-optimal solutions on small-scale instances and sets 9/10 new best-known results on large-scale benchmarks, improving existing records by an average of 1.07%. Moreover, the strong correlation (though not universal) observed between the surrogate objective and the complete cost justifies the use of the surrogate objective while still necessitating a joint solution of both levels, thereby validating the effectiveness of the proposed bilevel framework and highlighting its potential for efficiently solving large-scale routing problems with a hierarchical structure.
• Abstract（参考訳）: 本稿では,二段階最適化フレームワークを用いて,電気容量化車両ルーティング問題(E-CVRP)に取り組み,探索段階に応じてルーティングと充電の決定を別々に,あるいは共同で処理する。 それらの相互作用を解析することにより、上層階に代理目的を導入し、探索をガイドし、収束を加速する。 2段階のレイトアクセプタンスヒルクライミングアルゴリズム (b-LAHC) が導入された。 b-LAHCは固定パラメータで動作し、軽量で効率的な状態を維持しながら複雑な適応を必要としない。 IEEE WCCI-2020ベンチマークの大規模な実験により、b-LAHCは8つの最先端アルゴリズムに対して優れた、または競合的な性能を発揮することが示された。 固定された評価予算の下では、小規模インスタンスでほぼ最適のソリューションを獲得し、大規模ベンチマークで9/10の新しい既知の結果を設定し、既存のレコードを平均1.07%改善する。 さらに、サロゲート目的と完全コストとの間に観測される強い相関(普遍的ではないが)は、サロゲート目的の使用を正当化すると同時に、両レベルのジョイントソリューションが必要であり、提案した2レベルフレームワークの有効性を検証し、階層構造による大規模ルーティング問題を効率的に解決する可能性を強調している。

関連論文リスト

• LACONIC: Dense-Level Effectiveness for Scalable Sparse Retrieval via a Two-Phase Training Curriculum [73.82125917416067]
  LACONICは、Llama-3アーキテクチャに基づく学習されたスパースレトリバーのファミリーである。 8Bの派生型はMTEB Retrievalベンチマークで最先端の60.2 nDCGを達成し、リーダーボードで15位となった。
  論文  参考訳（メタデータ） (2026-01-04T22:42:20Z)
• An Agentic Framework with LLMs for Solving Complex Vehicle Routing Problems [66.60904891478687]
  複雑な車両ルーティング問題を解決するために,LLM (AFL) を用いたエージェントフレームワークを提案する。 AFLは生の入力から知識を直接抽出し、自己完結型コード生成を可能にする。 AFLは、コード信頼性とソリューション実現性の両方において、既存のLCMベースのベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2025-10-19T03:59:25Z)
• CR-BLEA: Contrastive Ranking for Adaptive Resource Allocation in Bilevel Evolutionary Algorithms [9.411648722302711]
  双レベル最適化は、ネスト構造のため、重要な計算上の課題となる。 本稿では,二段階進化アルゴリズムのための新しい資源配分フレームワークを提案する。 我々のフレームワークは、解の正確性を維持しながら、計算コストを大幅に削減します。
  論文  参考訳（メタデータ） (2025-06-03T17:31:49Z)
• An Efficient Dynamic Resource Allocation Framework for Evolutionary Bilevel Optimization [14.51523276196879]
  両レベル最適化問題は、上層階が、下層階の応答を同時に考慮しながら、その戦略を最適化しようとする対話的階層構造によって特徴づけられる。 本稿では、進化的二段階最適化のための効率的な動的リソース割り当てフレームワーク DRC-BLEA を提案する。
  論文  参考訳（メタデータ） (2024-10-31T16:17:11Z)
• A Primal-Dual-Assisted Penalty Approach to Bilevel Optimization with Coupled Constraints [66.61399765513383]
  We developed a BLOCC algorithm to tackle BiLevel Optimization problems with Coupled Constraints。 2つのよく知られた実世界のアプリケーションでその効果を実証する。
  論文  参考訳（メタデータ） (2024-06-14T15:59:36Z)
• Communication-Efficient Federated Bilevel Optimization with Local and Global Lower Level Problems [118.00379425831566]
  我々はFedBiOAccという通信効率の高いアルゴリズムを提案する。 我々は、FedBiOAcc-Localがこの種の問題に対して同じ速度で収束していることを証明する。 実験結果から,アルゴリズムの性能が向上した。
  論文  参考訳（メタデータ） (2023-02-13T21:28:53Z)
• Optimizing Two-way Partial AUC with an End-to-end Framework [154.47590401735323]
  ROC曲線のエリア(AUC)は、機械学習にとって重要な指標である。 最近の研究は、TPAUCが既存のPartial AUCメトリクスと本質的に矛盾していることを示している。 本論文では,この新指標を最適化するための最初の試行について述べる。
  論文  参考訳（メタデータ） (2022-06-23T12:21:30Z)

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。