論文の概要: Graph-Grounded Optimization: Rao-Family Metaheuristics, Classical OR, and SLM-Driven Formulation over Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2605.12204v2
• Date: Wed, 13 May 2026 08:12:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 17:13:58.903863
• Title: Graph-Grounded Optimization: Rao-Family Metaheuristics, Classical OR, and SLM-Driven Formulation over Knowledge Graphs
• Title（参考訳）: Graph-Grounded Optimization: 知識グラフ上のRoo-Family Metaheuristics, Classical OR, SLM-Driven Formulation
• Authors: Madhulatha Mandarapu, Sandeep Kunkunuru,
• Abstract要約: 本稿では,現実の最適化問題における決定変数,制約,客観的係数を,Cypherクエリによる特性知識グラフ(KG)から導出するパラダイムを提案する。 我々は,オープンソースサム山グラフデータベースのパラダイムをインスタンス化し,実世界のパブリックドメインKGが支援する7つの問題を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose graph-grounded optimization: a paradigm in which the decision variables, constraints, and objective coefficients of a real-world optimization problem are sourced from a property knowledge graph (KG) via Cypher queries, rather than supplied as free-form natural-language text or static tabular input. We motivate the paradigm by surveying recent LLM/SLM-driven optimization systems -- OptiMUS, Chain-of-Experts, LLMOPT, OPRO, FunSearch, Eureka -- none of which consume property graphs as the primary input modality. We instantiate the paradigm in the open-source samyama-graph database and evaluate seven real-world public-domain KG-backed problems spanning drug repurposing (245K-node biomedical KG), clinical-trial site selection (7.78M-node trial registry), Indian supply-chain rerouting (5.34M-node OSM road graph), healthcare equity allocation (WHO/GAVI/IHME KG), economic-environmental grid dispatch, antimicrobial-resistance stewardship (NCBI AMRFinderPlus, 10.4K resistance genes), and wildfire evacuation routing (OSM Paradise, CA). We compare a portfolio of Rao-family metaheuristics (BMWR, Jaya, SAMP-Jaya, EHR-Jaya, Rao-1) against Google OR-tools (CP-SAT and GLOP) reference solvers. We find that (i) no single Rao variant dominates: BMWR wins on discrete-with-tradeoff and high-dim-with-hard-constraint problems while Rao-1 wins on continuous low-/mid-dim problems, empirically supporting a portfolio approach; (ii) OR-tools dominates on small linear/MILP-friendly sub-problems but cannot encode the non-linear objectives that emerge in several of the real-world settings; (iii) graph-grounded formulations surface data-quality issues (missing properties, degenerate aggregates) that purely text-formulated optimizations would silently mask
• Abstract（参考訳）: 実世界の最適化問題の決定変数,制約,客観的係数を,自由形式の自然言語テキストや静的な表型入力として供給されるのではなく,Cypherクエリを介してプロパティ知識グラフ(KG)から導出するパラダイムを提案する。 我々は、最近のLLM/SLM駆動最適化システム(OptiMUS、Chain-of-Experts、LLMOPT、OPRO、FunSearch、Eureka)を調査し、このパラダイムを動機付けています。 我々は,オープンソースサムヤマグラフデータベースのパラダイムをインスタンス化し,ドラッグリパース(245KノードバイオメディカルKG),クリニカルサイト選択(7.78Mノードトライアルレジストリ),インドサプライチェーンリルーティング(5.34MノードOSMロードグラフ),ヘルスケアアロケーションアロケーション(WHO/GAVI/IHMEKG),経済環境グリッドディスパッチ,抗菌スチュワードシップ(NCBI AMRFinderPlus,10.4K抵抗性遺伝子),山火事避難ルーティング(OSM Paradise,CA)の7つの実世界のパブリックドメインKG支援問題を評価する。 我々は,Google OR-tools (CP-SAT, GLOP) 参照ソルバに対して,Reoファミリーメタヒューリスティックス (BMWR, Jaya, SAMP-Jaya, EHR-Jaya, Rao-1) のポートフォリオを比較した。 私たちはそれを見つける。 (i) 1つのラオ変種が支配的でない:BMWRは離散的なトレードオフと高次元の制約付き問題に勝利し、一方Rao-1はポートフォリオアプローチを実証的に支持し、連続的な低・中幅問題に勝利する。 (ii)ORツールは、小さなリニア/MILPフレンドリーなサブプロブレムで支配されるが、実世界のいくつかの設定で現れる非線形目的をエンコードすることはできない。 三 純テキスト定式最適化が黙秘するデータ品質問題(特性の欠如、縮退した集合体)をグラフで表した定式化

関連論文リスト

• Adaptive Multi-Order Graph Regularized NMF with Dual Sparsity for Hyperspectral Unmixing [14.732511023726715]
  3つの特徴を持つ適応多階グラフ正規化NMF法(MOGNMF)を提案する。 シミュレーションおよび実超スペクトルデータを用いた実験は,提案手法がより良い混合結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-03-25T01:44:02Z)
• MM-RLHF: The Next Step Forward in Multimodal LLM Alignment [59.536850459059856]
  MM-RLHF, $mathbf120k$ fine-fine, human-annotated preference comparison pairsを含むデータセットを紹介する。 本稿では,報酬モデルの品質向上とアライメントアルゴリズムの効率向上のために,いくつかの重要なイノベーションを提案する。 我々のアプローチは、$mathbf10$の異なる次元と$mathbf27$のベンチマークで厳格に評価されている。
  論文  参考訳（メタデータ） (2025-02-14T18:59:51Z)
• OptiBench Meets ReSocratic: Measure and Improve LLMs for Optimization Modeling [62.19438812624467]
  大規模言語モデル (LLM) は数学的推論における問題解決能力を示した。 本稿では,人間可読入力と出力を用いたエンドツーエンド最適化問題のベンチマークであるOptiBenchを提案する。
  論文  参考訳（メタデータ） (2024-07-13T13:27:57Z)
• Differentiable Quadratic Optimization For The Maximum Independent Set Problem [23.643727259409744]
  pCQO-MISはグラフ内の数ノードでのみスケールし、数値エッジではないことを示す。 実験により,提案手法の有効性を,精度,サンプリング,データ中心アプローチと比較した。
  論文  参考訳（メタデータ） (2024-06-27T21:12:48Z)
• Source Free Unsupervised Graph Domain Adaptation [60.901775859601685]
  Unsupervised Graph Domain Adaptation (UGDA) はノード分類のラベル付けコストを削減するための実用的価値を示している。 既存のUGDAメソッドの多くは、ソースドメインのラベル付きグラフに大きく依存している。 現実のシナリオでは、ソースグラフはプライバシーの問題のためにアクセスできない。 我々は、Source Free Unsupervised Graph Domain Adaptation (SFUGDA) という新しいシナリオを提案する。
  論文  参考訳（メタデータ） (2021-12-02T03:18:18Z)
• Least Squares Regression with Markovian Data: Fundamental Limits and Algorithms [69.45237691598774]
  マルコフ連鎖からデータポイントが依存しサンプリングされる最小二乗線形回帰問題について検討する。 この問題を$tau_mathsfmix$という観点から、鋭い情報理論のミニマックス下限を確立する。 本稿では,経験的リプレイに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T04:26:50Z)
• Model Inversion Networks for Model-Based Optimization [110.24531801773392]
  スコアから入力への逆写像を学習するモデル反転ネットワーク(MIN)を提案する。 MINは高次元の入力空間にスケールでき、コンテキスト最適化と非コンテキスト最適化の両方にオフラインログデータを利用する。 我々は,ベイズ最適化の文献から,画像やタンパク質の設計に対する高次元モデルベース最適化問題,ログデータからのコンテキスト的帯域最適化といったタスクのMINを評価した。
  論文  参考訳（メタデータ） (2019-12-31T18:06:49Z)

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。