論文の概要: Learning to Cut: Reinforcement Learning for Benders Decomposition

• arxiv url: http://arxiv.org/abs/2605.06516v1
• Date: Thu, 07 May 2026 16:26:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.993148
• Title: Learning to Cut: Reinforcement Learning for Benders Decomposition
• Title（参考訳）: カットの学習: ベンダー分割のための強化学習
• Authors: Haochen Cai, Xian Yu,
• Abstract要約: 本稿ではニューラルネットワークベースのポリシーを用いてカットを適応的に選択するフレームワークであるBD(Reinforcement Learning for BD)を提案する。 2段階の電気自動車充電ステーション位置問題に対する提案手法の評価を行い,バニラBDとLearnBDとの比較を行った。
• 参考スコア（独自算出の注目度）: 2.8690104591803443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Benders decomposition (BD) is a widely used solution approach for solving two-stage stochastic programs arising in real-world decision-making under uncertainty. However, it often suffers from slow convergence as the master problem grows with an increasing number of cuts. In this paper, we propose Reinforcement Learning for BD (RLBD), a framework that adaptively selects cuts using a neural network-based stochastic policy. The policy is trained using a policy gradient method via the REINFORCE algorithm. We evaluate the proposed approach on a two-stage stochastic electric vehicle charging station location problem and compare it with vanilla BD and LearnBD, a supervised learning approach that classifies cuts using a support vector machine. Numerical results demonstrate that RLBD achieves substantial improvements in computational efficiency and exhibits strong generalization to problems with similar structures but varying data inputs and decision variable dimensions.
• Abstract（参考訳）: ベンダー分解(Benders decomposition, BD)は、現実の意思決定において不確実性の下で生じる2段階確率的プログラムの解法である。 しかし、マスター問題が増加するにつれて収束が遅くなることが多い。 本稿では,ニューラルネットワークに基づく確率的ポリシを用いてカットを適応的に選択するフレームワークであるReinforcement Learning for BD (RLBD)を提案する。 ポリシーはREINFORCEアルゴリズムを介してポリシー勾配法を用いて訓練される。 本研究では,2段階の確率的電気自動車充電ステーション位置問題に対する提案手法の評価を行い,支援ベクトルマシンを用いてカットを分類する教師あり学習手法であるバニラBDとラーニングBDとの比較を行った。 その結果、RLBDは計算効率を大幅に向上し、類似構造を持つ問題に対して強い一般化を示すが、データ入力や決定変数次元は様々である。

関連論文リスト

• Complexity Reduction Study Based on RD Costs Approximation for VVC Intra Partitioning [1.190427345303959]
  2つの機械学習技術が提案され、比較されている。 提案手法はサイズに依存しず,隣接するブロックのレート・ディストーション(RD)コストを入力特徴として組み込む。
  論文  参考訳（メタデータ） (2025-11-25T14:25:57Z)
• Stepwise Reasoning Checkpoint Analysis: A Test Time Scaling Method to Enhance LLMs' Reasoning [81.50681925980135]
  本稿では,ステップワイズ推論チェックポイント分析(SRCA)を提案する。 本研究は,(1)中間チェックポイント回答による経路推論をグループ化して品質を確保しつつ多様性を維持するAnswer-Clustered Search,(2)最終決定にすべての中間回答を活用するCheckpoint Candidate Augmentationの2つの主要な戦略を取り入れた。 提案手法は経路均質化を効果的に低減し,高品質な中間結果を活用することにより耐故障機構を創出する。
  論文  参考訳（メタデータ） (2025-05-23T12:42:50Z)
• Efficiently Training Deep-Learning Parametric Policies using Lagrangian Duality [55.06411438416805]
  制約付きマルコフ決定プロセス(CMDP)は、多くの高度な応用において重要である。 本稿では,パラメトリックアクターポリシーを効率的に訓練するための2段階深度決定規則(TS-DDR)を提案する。 現状の手法と比較して, 解の質を高め, 数桁の計算時間を削減できることが示されている。
  論文  参考訳（メタデータ） (2024-05-23T18:19:47Z)
• Gradient Coding in Decentralized Learning for Evading Stragglers [27.253728528979572]
  勾配符号化(GOCO)を用いた新しいゴシップ型分散学習法を提案する。 ストラグラーの負の影響を避けるため、パラメータベクトルは勾配符号化の枠組みに基づいて符号化された勾配を用いて局所的に更新される。 強い凸損失関数に対するGOCOの収束性能を解析する。
  論文  参考訳（メタデータ） (2024-02-06T17:49:02Z)
• Accelerating L-shaped Two-stage Stochastic SCUC with Learning Integrated Benders Decomposition [0.0]
  本稿では,二段階セキュリティ制約付き単位コミットメント問題の解法として,Benders分解の強化版を提案する。 目標は、より厳密なカットを作成し、マスター問題のサイズを小さくすることで、Benders分解の計算コストとメモリ使用量を削減することである。
  論文  参考訳（メタデータ） (2023-11-17T19:31:40Z)
• Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods [52.0617030129699]
  本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。 我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。 本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
  論文  参考訳（メタデータ） (2023-10-08T23:39:38Z)
• Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
  凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。 多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。 そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T20:11:56Z)
• Cogradient Descent for Dependable Learning [64.02052988844301]
  双線形最適化問題に対処するために,CoGDアルゴリズムに基づく信頼度の高い学習法を提案する。 CoGDは、ある変数がスパーシティ制約を持つ場合の双線形問題を解くために導入された。 また、特徴と重みの関連を分解するためにも使用できるため、畳み込みニューラルネットワーク(CNN)をより良く訓練するための我々の手法をさらに一般化することができる。
  論文  参考訳（メタデータ） (2021-06-20T04:28:20Z)
• Learning Sampling Policy for Faster Derivative Free Optimization [100.27518340593284]
  ランダムサンプリングではなく,ZO最適化における摂動を生成するためのサンプリングポリシを学習する,新たな強化学習ベースのZOアルゴリズムを提案する。 その結果,ZO-RLアルゴリズムはサンプリングポリシを学習することでZO勾配の分散を効果的に低減し,既存のZOアルゴリズムよりも高速に収束できることが示唆された。
  論文  参考訳（メタデータ） (2021-04-09T14:50:59Z)
• Cogradient Descent for Bilinear Optimization [124.45816011848096]
  双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。 一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。 本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
  論文  参考訳（メタデータ） (2020-06-16T13:41:54Z)

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。