論文の概要: SPACE: Unifying Symmetric and Asymmetric Routing Problems for Generalist Neural Solver

• arxiv url: http://arxiv.org/abs/2605.24484v1
• Date: Sat, 23 May 2026 09:12:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.080583
• Title: SPACE: Unifying Symmetric and Asymmetric Routing Problems for Generalist Neural Solver
• Title（参考訳）: SPACE:一般ニューラルソルバーの対称性と非対称ルーティング問題の統合
• Authors: Rongsheng Chen, Changliang Zhou, Canhong Yu, Yuanyao Chen, Yu Zhou, Zhuo Chen, Zhenkun Wang,
• Abstract要約: 一般のニューラルルーティング解法は、多様な車両ルーティング問題を解く大きな可能性を示している。 既存のソルバは通常、非対称的な設定に切り替える際に、対称的な設定に制限されるか、性能が低下する。 対称および非対称VRP間のノード表現と解生成を統一する空間Pivot-Aligned Coordinate-free Embedding (SPACE) フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 14.268979449819057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generalist neural routing solvers have shown great potential in solving diverse vehicle routing problems (VRPs) with a unified model. However, existing solvers are typically limited to symmetric settings or degrade in performance when switching to asymmetric settings due to input inconsistencies or inherent structural differences, substantially limiting their practicality in real-world scenarios that encompass both scenarios. To address this limitation, we define the spatial position of each node based on the relative distances to a specific set of pivots and further propose a Spatial Pivot-Aligned Coordinate-free Embedding (SPACE) framework that unifies node representation and solution generation across symmetric and asymmetric VRPs. Specifically, we construct a bidirectional Frechet representation using a novel furthest pivot sampling strategy to enable invariant node representations across distinct problem settings. Furthermore, we introduce a weight-decomposed adaptive decoding mechanism that decouples geometric perception from problem representations, mitigating the overfitting of constraint decisions to a specific geometry setting. Extensive experiments on 110 VRP variants, comprising 55 symmetric problems and their asymmetric counterparts, demonstrate that SPACE achieves promising zero-shot generalization in both symmetric and asymmetric VRPs.
• Abstract（参考訳）: 一般のニューラルルーティング解法は、統一モデルを用いて多様な車両ルーティング問題(VRP)を解く大きな可能性を示している。 しかし、既存のソルバは通常、入力の不整合や固有の構造的差異によって非対称的な設定に切り替える際に、性能が低下したり、対称的な設定に制限される。 この制限に対処するために、各ノードの空間的位置を特定のピボットの相対的距離に基づいて定義し、さらに対称および非対称VRP間のノード表現と解の生成を統一する空間Pivot-Aligned Coordinate-free Embedding (SPACE) フレームワークを提案する。 具体的には、新しいファテストピボットサンプリング戦略を用いて双方向のフレシェ表現を構築し、異なる問題設定間で不変なノード表現を可能にする。 さらに、問題表現から幾何学的知覚を分離し、制約決定の過度な適合を特定の幾何学的設定に緩和する重み分解適応復号機構を導入する。 55の対称問題とその非対称問題を含む110のVRP変種に関する大規模な実験は、SPACEが対称および非対称両方のVRPにおいて有望なゼロショット一般化を達成することを示した。

関連論文リスト

• Aligning Network Equivariance with Data Symmetry: A Theoretical Framework and Adaptive Approach for Image Restoration [71.51826063983434]
  画像復元は本質的に逆問題である。 非厳密対称性を制約として、復元逆問題を定式化する。 最適復元演算子の等値誤差はデータ対称性誤差と離散化メッシュサイズによって厳密に制限されていることを示す。
  論文  参考訳（メタデータ） (2026-05-13T16:22:19Z)
• RADAR: Learning to Route with Asymmetry-aware DistAnce Representations [40.851628215658174]
  最近のニューラルソルバは、車両ルーティング問題(VRP)において高い性能を達成している RADARは、既存のニューラルネットワークVRPソルバを非対称入力を処理する能力で強化するスケーラブルなニューラルネットワークフレームワークである。
  論文  参考訳（メタデータ） (2026-03-03T08:13:45Z)
• Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
  プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。 我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。 重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
  論文  参考訳（メタデータ） (2026-02-24T05:32:03Z)
• OrthAlign: Orthogonal Subspace Decomposition for Non-Interfering Multi-Objective Alignment [61.02595549125661]
  大規模言語モデル(LLM)のアライメントは、複数の人間の好みに対処する際に重要なジレンマに直面します。 我々は、優先順位調整における勾配レベルの対立を解決する革新的なアプローチであるOrthAlignを提案する。 我々はOrthAlignが多重目的アライメント後の34.61%から50.89%の最大単一参照改善を実現していることを示す。
  論文  参考訳（メタデータ） (2025-09-29T11:16:30Z)
• Generalized Linear Mode Connectivity for Transformers [87.32299363530996]
  驚くべき現象はリニアモード接続(LMC)であり、独立に訓練されたモデルを低損失またはゼロ損失の経路で接続することができる。 以前の研究は主に置換によるニューロンの並べ替えに焦点を合わせてきたが、そのようなアプローチは範囲に限られている。 我々は、4つの対称性クラス(置換、半置換、変換、一般可逆写像)をキャプチャする統一的なフレームワークを導入する。 この一般化により、独立に訓練された視覚変換器とGPT-2モデルの間の低障壁とゼロバリア線形経路の発見が可能となった。
  論文  参考訳（メタデータ） (2025-06-28T01:46:36Z)
• Relative Representations: Topological and Geometric Perspectives [50.85040046976025]
  相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。 相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。 第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
  論文  参考訳（メタデータ） (2024-09-17T08:09:22Z)
• R2Det: Exploring Relaxed Rotation Equivariance in 2D object detection [26.05910177212846]
  Group Equivariant Convolution (GConv) は、データにおける基礎となる対称性を探索し、パフォーマンスを向上させるためにモデルに権限を与える。 我々は、GConvと比較して4n$のパラメータが最小限に増大する新しいRelaxed Rotation-Equivariant GConv(R2GConv)を導入する。 R2GConvをベースとして,Relaxed Rotation-Equivariant Network (R2Net) をバックボーンとして提案し,2次元物体検出のためのRelaxed Rotation-Equivariant Object Detector (R2Det) を開発した。
  論文  参考訳（メタデータ） (2024-08-21T16:32:03Z)
• Non-linear Independent Dual System (NIDS) for Discretization-independent Surrogate Modeling over Complex Geometries [0.0]
  非線形独立双対系(Non-linear independent dual system、NIDS)は、PDEソリューションの離散化独立で連続的な表現のための深層学習サロゲートモデルである。 NIDSは複雑な可変ジオメトリとメッシュトポロジを持つドメインの予測に使用できる。 テストケースには、複雑な幾何学とデータ不足を伴う車両の問題が含まれており、訓練方法によって実現されている。
  論文  参考訳（メタデータ） (2021-09-14T23:38:41Z)

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。