論文の概要: On the Use of Evolutionary Optimization for the Dynamic Chance Constrained Open-Pit Mine Scheduling Problem

• arxiv url: http://arxiv.org/abs/2604.13385v1
• Date: Wed, 15 Apr 2026 01:16:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.343409
• Title: On the Use of Evolutionary Optimization for the Dynamic Chance Constrained Open-Pit Mine Scheduling Problem
• Title（参考訳）: ダイナミックチャンス制約付きオープンピットマイニングスケジューリング問題に対する進化的最適化法の適用について
• Authors: Ishara Hewa Pathiranage, Aneta Neumann,
• Abstract要約: 我々は、ブロック経済価値が不確実であり、採掘能力と処理能力が時間とともに変化する、機会制約のある露天掘り鉱山スケジューリング問題について検討する。 本稿では,実現不可能なソリューションのサブセットを修復し,変更が検出されるたびに追加可能なソリューションを導入する,多様性に基づく変化応答機構を提案する。
• 参考スコア（独自算出の注目度）: 3.6439154309310013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-pit mine scheduling is a complex real world optimization problem that involves uncertain economic values and dynamically changing resource capacities. Evolutionary algorithms are particularly effective in these scenarios, as they can easily adapt to uncertain and changing environments. However, uncertainty and dynamic changes are often studied in isolation in real-world problems. In this paper, we study a dynamic chance-constrained open-pit mine scheduling problem in which block economic values are stochastic and mining and processing capacities vary over time. We adopt a bi-objective evolutionary formulation that simultaneously maximizes expected discounted profit and minimizes its standard deviation. To address dynamic changes, we propose a diversity-based change response mechanism that repairs a subset of infeasible solutions and introduces additional feasible solutions whenever a change is detected. We evaluate the effectiveness of this mechanism across four multi-objective evolutionary algorithms and compare it with a baseline re-evaluation-based change-response strategy. Experimental results on six mining instances demonstrate that the proposed approach consistently outperforms the baseline methods across different uncertainty levels and change frequencies.
• Abstract（参考訳）: オープン・ピット・マイニング・スケジューリングは、不確実な経済価値と動的に資源容量を変更するような複雑な実世界の最適化問題である。 進化的アルゴリズムは、不確実で変化する環境に容易に適応できるため、これらのシナリオで特に効果的である。 しかし、不確実性や動的変化は、しばしば現実世界の問題において孤立して研究される。 本稿では,ブロック経済価値が確率的であり,採掘能力と処理能力が時間とともに変化する,動的チャンス制約のオープンピット鉱山スケジューリング問題について検討する。 我々は、予想される割引利益を同時に最大化し、その標準偏差を最小化する二目的進化的定式化を採用する。 動的変化に対処するために,不変解のサブセットを修復し,変化が検出されるたびに追加可能な解を導入する,多様性に基づく変化応答機構を提案する。 我々は,この機構を4つの多目的進化アルゴリズムで評価し,ベースラインの再評価に基づく変化応答戦略と比較した。 6つの鉱業事例に対する実験結果から,提案手法は不確実性レベルが異なる基準法よりも一貫して優れ,周波数が変化することが示された。

関連論文リスト

• On the Use of Bi-Objective Evolutionary Algorithms for the Stochastic MKP under Dynamic Constraints [3.6439154309310013]
  多重knapsack問題(MKP)は、容量制約を受ける複数のknapsackにアイテムを割り当てることで古典的なknapsack問題を一般化する。 信頼度レベルにおいて、利益とキャパシティ満足度をバランスさせる双目的最適化の定式化として問題を定式化する。
  論文  参考訳（メタデータ） (2026-04-13T02:59:03Z)
• AdaEvolve: Adaptive LLM Driven Zeroth-Order Optimization [61.535567824938205]
  本稿では,LLMによる進化を階層的適応最適化問題として再構成するフレームワークであるAdaEvolveを紹介する。 AdaEvolveは185の異なるオープンエンド最適化問題において、オープンエンドベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-23T18:45:31Z)
• Socio-cognitive agent-oriented evolutionary algorithm with trust-based optimization [70.49434432747293]
  信頼に基づく最適化(TBO)は、従来の周期的移行を信頼や評価に基づく柔軟なエージェント駆動の相互作用メカニズムに置き換える進化計算における島モデルの新たな拡張である。 実験の結果、TBOは様々な最適化問題において標準島モデル進化アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2025-10-29T01:59:26Z)
• On-the-fly Modulation for Balanced Multimodal Learning [53.616094855778954]
  マルチモーダル学習は、異なるモーダルからの情報を統合することでモデル性能を向上させることが期待されている。 広く使われている共同トレーニング戦略は、不均衡で最適化されていないユニモーダル表現につながる。 そこで本研究では,OGM(On-the-fly Prediction Modulation)とOGM(On-the-fly Gradient Modulation)の戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-15T13:15:50Z)
• Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
  我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。 我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。 車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
  論文  参考訳（メタデータ） (2024-07-24T12:00:30Z)
• Using 3-Objective Evolutionary Algorithms for the Dynamic Chance Constrained Knapsack Problem [9.617143859697322]
  動的制約付き制約付きクナプサック問題に対する3目的進化アルゴリズムの利用について検討する。 動的成分を同時に扱える3つの客観的定式化を導入し,制約に要求される信頼度に依存しない。 本分析では, 動的確率制約クナプサック問題に対処する上で, 2-対象の定式化よりも3-対象の定式化の利点を強調した。
  論文  参考訳（メタデータ） (2024-04-09T04:47:01Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Ensemble Differential Evolution with Simulation-Based Hybridization and Self-Adaptation for Inventory Management Under Uncertainty [0.0]
  本研究は,インベントリーマネジメント(IM)のためのシミュラオンベースハイブリッド化と自己適応(EDESH-SA)アプローチを用いたアンサンブル微分進化法を提案する。
  論文  参考訳（メタデータ） (2023-09-22T13:25:58Z)

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。