論文の概要: An Enhanced Large Neighborhood Search Approach for the Capacitated Facility Location Problem with Incompatible Customers

• arxiv url: http://arxiv.org/abs/2605.28337v1
• Date: Wed, 27 May 2026 11:42:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.010747
• Title: An Enhanced Large Neighborhood Search Approach for the Capacitated Facility Location Problem with Incompatible Customers
• Title（参考訳）: 容量化施設配置問題に対する非互換顧客による大規模地域探索手法の強化
• Authors: Ida Gjergji, Lucas Kletzander, Nysret Musliu, Andrea Schaerf,
• Abstract要約: 古典的容量化施設配置問題の新しい変種が文献で紹介されている。 この問題は、与えられた顧客のペアが同じ施設で提供できない状況を把握する。 この問題を解決するために,Large Neighborhood Search (LNS)法を提案する。
• 参考スコア（独自算出の注目度）: 5.382679710017697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A new variant of the classic capacitated facility location problem, which considers incompatibilities between customers, has recently been introduced in the literature. This problem captures the situation where given pairs of customers cannot be served by the same facility. Such a feature is crucial for many practical cases of location problems, such as the presence of hazardous or polluting materials and contention between competing costumers. In this paper, we propose a Large Neighborhood Search (LNS) method to solve this problem. Within the framework of LNS, we introduce three different destroy operators, which are combined in a hybrid manner, and we use an exact solver in the repair phase. Different algorithmic components are investigated for the design of LNS. The experimental analysis shows that our new method outperforms existing state-of-the-art metaheuristics, providing new best solutions for all available benchmark instances.
• Abstract（参考訳）: 顧客間の不整合性を考慮した古典的容量化施設配置問題の新たな変種が近年文献で紹介されている。 この問題は、与えられた顧客のペアが同じ施設で提供できない状況を把握する。 このような特徴は、危険物や汚染物質の存在や、競合するコスチューム間の競合など、位置情報の問題の多くに欠かせないものである。 本稿では,この問題を解決するためにLarge Neighborhood Search (LNS)法を提案する。 LNSの枠組みの中では、3つの異なる破壊演算子を導入し、それらをハイブリッド的に組み合わせ、修復フェーズで正確な解法を用いる。 LNSの設計において,異なるアルゴリズム成分について検討した。 実験により,本手法は既存のメタヒューリスティックスよりも優れており,すべてのベンチマークインスタンスに対して,新たなベストソリューションを提供することが示された。

関連論文リスト

• A Secure and Private Distributed Bayesian Federated Learning Design [56.92336577799572]
  DFL(Distributed Federated Learning)は、中央パラメータサーバを持たない大規模システム間の分散モデルトレーニングを可能にする。 DFLは、3つの重要な課題に直面している: 正直な隣人からのプライバシー漏洩、中央調整の欠如による収束の遅さ、モデルの精度の低下を目指すビザンティンの敵に対する脆弱性。 本稿では,ビザンチンの堅牢性,プライバシー保護,収束促進を統合した新しいDFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-23T16:12:02Z)
• Integrating Column Generation and Large Neighborhood Search for Bus Driver Scheduling with Complex Break Constraints [20.041743803403556]
  バスドライバスケジューリング問題(バスドライバスケジューリング問題、BDSP)は、事前配置されたバスツアーをカバーするためのシフトの設計を目標とする最適化問題である。 本研究は,B&P法とLarge Neighborhood Search (LNS) フレームワークの両方を網羅的に検討した。 さらに、B&PとLNSのより深い統合を提案し、LNSサブプロブレムから生成されたカラムを保存し、他のサブプロブレムに再利用する。
  論文  参考訳（メタデータ） (2025-05-05T09:08:25Z)
• When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
  我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。 タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
  論文  参考訳（メタデータ） (2025-02-21T02:24:43Z)
• Unsupervised Training of Diffusion Models for Feasible Solution Generation in Neural Combinatorial Optimization [7.85458999849461]
  我々は,拡散モデルをゼロから直接訓練する,教師なしCOフレームワークであるIC/DCを提案する。 私たちは、問題固有の制約を順守しながら、ソリューションのコストを最小限に抑えるために、自己監督的な方法でモデルをトレーニングします。 並列マシンスケジューリング問題(PMSP)と非対称トラベリングセールスマン問題(ATSP)における既存のNCO手法と比較して、IC/DCは最先端の性能を達成する
  論文  参考訳（メタデータ） (2024-10-15T06:53:30Z)
• An Extensible Framework for Open Heterogeneous Collaborative Perception [58.70875361688463]
  協調的な知覚は、単一エージェントの知覚の限界を緩和することを目的としている。 本稿では,新しい異種エージェントを協調認識に適応させる方法を提案する。 本稿では,新しい協調認識フレームワークであるHeterogeneous ALliance(HEAL)を提案する。
  論文  参考訳（メタデータ） (2024-01-25T05:55:03Z)
• New Characterizations and Efficient Local Search for General Integer Linear Programming [17.80124240223163]
  本研究では境界解の概念を用いた線形プログラミング(ILP)の新たな特徴付けを提案する。 そこで我々は,局所探索アルゴリズムのLocal-ILPを開発した。 MIPLIBデータセットで行った実験は、大規模ハードILP問題の解法におけるアルゴリズムの有効性を示した。
  論文  参考訳（メタデータ） (2023-04-29T07:22:07Z)
• Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
  非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。 本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
  論文  参考訳（メタデータ） (2022-01-28T05:53:28Z)
• Adversarially Robust Learning for Security-Constrained Optimal Power Flow [55.816266355623085]
  我々は、N-kセキュリティ制約付き最適電力流(SCOPF)の課題に取り組む。 N-k SCOPFは電力網の運用における中核的な問題である。 N-k SCOPF を極小最適化問題とみなす。
  論文  参考訳（メタデータ） (2021-11-12T22:08:10Z)
• DIRV: Dense Interaction Region Voting for End-to-End Human-Object Interaction Detection [53.40028068801092]
  本稿では,HOI問題に対するインタラクション領域という新しい概念に基づいて,新しい一段階HOI検出手法を提案する。 従来の手法とは異なり,本手法は人-物対ごとに異なるスケールにわたる密集した相互作用領域に焦点をあてる。 単一相互作用領域の検出欠陥を補うために,我々は新しい投票戦略を導入する。
  論文  参考訳（メタデータ） (2020-10-02T13:57:58Z)

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。