論文の概要: Rethinking Positional Encoding for Neural Vehicle Routing

• arxiv url: http://arxiv.org/abs/2605.11910v1
• Date: Tue, 12 May 2026 10:22:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.795038
• Title: Rethinking Positional Encoding for Neural Vehicle Routing
• Title（参考訳）: ニューラルカールーティングにおける位置符号化の再考
• Authors: Chuanbo Hua, Federico Berto, Andre Hottung, Nayeli Gast Zepeda, Yining Ma, Zihan Ma, Paula Wong-Chung, Changhyun Kwon, Cathy Wu, Kevin Tierney, Jinkyoo Park,
• Abstract要約: ルーティング対応PEが尊重すべき3つの構造特性を定式化する。 距離インデックス付き,円弧的に整合したインルート符号化とデポ型アンコール角方向のクロスルート符号化を組み合わせた階層型異方性計測PEを提案する。
• 参考スコア（独自算出の注目度）: 29.116133441162173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transformer-based models have become the dominant paradigm for neural combinatorial optimization (NCO) of vehicle routing problems (VRPs), yet the role of positional encoding (PE) in these architectures remains largely unexplored. Unlike natural language, where tokens are uniformly spaced on a line, routing solutions exhibit several properties that render standard NLP positional encodings inadequate. In this work, we formalize three such structural properties that a routing-aware PE should respect, namely anisometric node distances, cyclic and direction-aware topology, and hierarchical depot-anchored global multi-route structure, combining them with a unifying design principle of geometric grounding. Guided by these criteria, we analyze and compare PE methods spanning NLP, graph-transformer, and routing-specific families, and propose a hierarchical anisometric PE that combines a distance-indexed, circularly consistent in-route encoding with a depot-anchored angular cross-route encoding. Extensive experiments across diverse VRP variants demonstrate that geometry-grounded PE consistently outperforms index-based alternatives, with gains that transfer across problem variants, model architectures, and distribution shifts.
• Abstract（参考訳）: トランスフォーマーベースのモデルは、車両ルーティング問題(VRP)のニューラルネットワーク最適化(NCO)の主要なパラダイムとなっているが、これらのアーキテクチャにおける位置符号化(PE)の役割は、まだ明らかにされていない。 トークンが一直線に均一に空間化されている自然言語とは異なり、ルーティングソリューションは標準のNLP位置エンコーディングが不十分ないくつかの特性を示す。 本研究では,経路対応PEが尊重すべき3つの構造的特性,すなわち,異方性ノード距離,周期的および方向対応トポロジー,階層的デポ型大域多経路構造を定式化し,幾何学的グラウンドの統一設計原理と組み合わせた。 これらの基準により, NLP, グラフ変換器, ルーティング特化系にまたがるPE手法を解析・比較し, 距離インデクシング, 円周整合性インルート符号化とデポアンカレートの角路符号化を組み合わせた階層型異方性PEを提案する。 多様なVRP変異体に対する広範な実験により、幾何グラウンドのPEは、問題変異体、モデルアーキテクチャ、分散シフトをまたいで転送されるゲインによって、インデックスベースの代替品よりも一貫して優れていることが示された。

関連論文リスト

• Two-Stage Learned Decomposition for Scalable Routing on Multigraphs [10.10513248720328]
  並列エッジは、異なるトレードオフを持つ異なる旅行オプションを表すマルチグラフを考える。 ルーティングポリシをノード置換ステージとエッジ選択ステージに分割するノードエッジポリシーファクトリゼーション(NEPF)アプローチを用いる。 筆者らは6つのVRP変種に対する実験を行い、NEPFがソリューションの品質の面で最先端に適合しているか、あるいは性能を上回っていることを示した。
  論文  参考訳（メタデータ） (2026-05-06T19:23:09Z)
• Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
  入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。 本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。 医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
  論文  参考訳（メタデータ） (2026-04-16T14:12:06Z)
• Rethinking Input Domains in Physics-Informed Neural Networks via Geometric Compactification Mappings [17.201530991184814]
  微分可能な幾何コンパクト化写像を用いて入力座標を再評価するマッピングパラダイムを導入する。 提案手法は, 1D および 2D PDE に対して, より均一な残差分布と解の精度を示す。
  論文  参考訳（メタデータ） (2026-02-18T05:27:53Z)
• EFormer: An Effective Edge-based Transformer for Vehicle Routing Problems [25.234292937274212]
  エッジをVRPの唯一の入力として使用するエッジベースのトランスフォーマーモデルであるEFormerを紹介する。 提案手法では,エッジ情報を一時ノード埋め込みに変換するために,混合スコアアテンション機構を備えたプリコーダモジュールを用いる。 EFormerは、合成データセットに基づいて確立されたベースラインを上回ります。
  論文  参考訳（メタデータ） (2025-06-19T16:07:11Z)
• Toward Relative Positional Encoding in Spiking Transformers [76.72869420863749]
  スパイキングニューラルネットワーク(スパイキングニューラルネット、英: Spiking Neural Network、SNN)は、脳内のニューロンが離散スパイクを通してどのように通信するかを模倣するバイオインスパイアネットワークである。 スパイクのバイナリ特性を保ちながら、スパイク変換器における相対的な位置エンコーディングを近似する戦略をいくつか導入する。
  論文  参考訳（メタデータ） (2025-01-28T06:42:37Z)
• MultiSPANS: A Multi-range Spatial-Temporal Transformer Network for Traffic Forecast via Structural Entropy Optimization [34.27143920444722]
  ローカル時間と道路ネットワークの知識を用いて複雑なマルチレンジ依存をモデル化するMultiSPANSを提案する。 空間的注意機構を最適化するために構造エントロピー理論を用いる。 実験では、実世界のトラフィックデータセットにおけるいくつかの最先端手法よりも、提示されたフレームワークの方が優れていることを示した。
  論文  参考訳（メタデータ） (2023-11-06T05:19:06Z)
• GTA: A Geometry-Aware Attention Mechanism for Multi-View Transformers [63.41460219156508]
  既存の位置符号化方式は3次元視覚タスクに最適であると主張する。 トークンの幾何学的構造を相対変換として符号化する幾何学的注意機構を提案する。 我々は、Geometric Transform Attention (GTA) と呼ばれる、最先端のトランスフォーマーベースNVSモデルの学習効率と性能を向上させることに留意している。
  論文  参考訳（メタデータ） (2023-10-16T13:16:09Z)
• Learning to Iteratively Solve Routing Problems with Dual-Aspect Collaborative Transformer [14.680514752270375]
  本稿では、ノードの埋め込みと位置特徴を別々に学習するDACT(Dual-Aspect Collaborative Transformer)を提案する。 位置特徴は、トランスフォーマーがVRP溶液の円度と対称性を効果的に捉えられるように、新しいサイクリック位置符号化(CPE)法によって埋め込まれている。
  論文  参考訳（メタデータ） (2021-10-06T07:21:41Z)

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。