論文の概要: Linear Ordering Problem: Time for a Change

• arxiv url: http://arxiv.org/abs/2605.31051v2
• Date: Fri, 05 Jun 2026 09:21:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.260661
• Title: Linear Ordering Problem: Time for a Change
• Title（参考訳）: 線形順序問題:変化の時間
• Authors: Fabrizio Fagiolo, Marco Baioletti, Valentino Santucci,
• Abstract要約: 線形順序付け問題(LOP)は、経済学、社会的選択、機械学習といった分野における重要な応用に関する基本的な最適化問題である。 我々は、最新の実世界の経済データから派生した新しいベンチマークスイートと、最先端のLOPメタヒューリスティックスを活用するアルゴリズムスキームを導入し、多様な高品質なソリューションを創出する。 従来の単一ソリューション設定と,新たに導入されたマルチソリューションシナリオの両方で,提案したベンチマークスイートの結果を報告する実験を行った。
• 参考スコア（独自算出の注目度）: 0.9176056742068811
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Linear Ordering Problem (LOP) is a fundamental combinatorial optimization problem with important applications in areas such as economics, social choice, and machine learning. Its most prominent use is the triangulation of economic input-output tables, which helps identify critical industries in an economy. Most existing algorithms have been evaluated on benchmarks derived from outdated macroeconomic data, which no longer reflect the structure of contemporary economies. Furthermore, LOP instances often exhibit many distinct global optima that can differ substantially from one another, creating challenges for applications that rely on a single solution. To address these limitations, we introduce a novel benchmark suite derived from up-to-date real-world economic data and an algorithmic scheme that leverages state-of-the-art LOP metaheuristics to generate diverse sets of high-quality solutions, together with metrics for assessing both quality and diversity. Experiments were conducted to report results on the proposed benchmark suite under both the traditional single-solution setting and the newly introduced multi-solution scenario
• Abstract（参考訳）: 線形順序問題(英: Linear Ordering Problem、LOP)は、経済学、社会的選択、機械学習といった分野における重要な応用に関する基本的な組合せ最適化問題である。 最も顕著な用途は、経済における重要な産業を特定するのに役立つ、経済的なインプットアウトプットテーブルの三角測量である。 既存のアルゴリズムの多くは、時代遅れのマクロ経済データから得られたベンチマークで評価され、現代経済の構造を反映していない。 さらに、LOPインスタンスは、多くの異なるグローバルな最適化を示し、互いに大きく異なり、単一のソリューションに依存するアプリケーションにとっての課題を生み出します。 これらの制約に対処するために、最新の実世界の経済データから派生した新しいベンチマークスイートと、最先端のLOPメタヒューリスティックを活用して高品質なソリューションの多様なセットを生成するアルゴリズムスキームと、品質と多様性の両方を評価するメトリクスを導入する。 従来の単一ソリューション設定と,新たに導入されたマルチソリューションシナリオの両面から,提案したベンチマークスイートの結果を報告する実験を行った。

関連論文リスト

• Applying a Random-Key Optimizer on Mixed Integer Programs [0.36700088931938835]
  Mixed-Integer Programs (MIP) は、幅広い意思決定アプリケーションで発生するNPハード最適化モデルである。 本稿では,MIPに対する高品質な解を計算するための,柔軟でメタヒューリスティックな代替手段として,RKO(Random-Key integer)フレームワークの利用について検討する。
  論文  参考訳（メタデータ） (2026-02-25T18:20:03Z)
• Budget-Aware Anytime Reasoning with LLM-Synthesized Preference Data [57.996437077411315]
  計算予算に制限のある大規模言語モデル(LLM)の推論挙動について検討する。 我々は、任意の推論フレームワークとAnytime Indexを導入し、推論トークンが増加するにつれて、ソリューションの品質がいかに効果的に向上するかを定量化します。 NaturalPlan(Trip)、AIME、GPQAデータセットの実験では、Grok-3、GPT-oss、GPT-4.1/4o、LLaMAモデル間で一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-01-16T07:09:30Z)
• Solve Smart, Not Often: Policy Learning for Costly MILP Re-solving [18.62245790631018]
  リアルタイム操作における一般的な課題は、最適化問題を再解決するか、既存のソリューションを使い続けるかを決定することである。 本稿では,変化点検出を用いた近似政策最適化というフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-27T19:47:15Z)
• An Identifiable Cost-Aware Causal Decision-Making Framework Using Counterfactual Reasoning [18.324601057882386]
  そこで本研究では,最小コスト因果決定(MiCCD)フレームワークを提案する。 混合異常データの存在を識別する反ファクト的推論プロセスに重点を置いている。 MiCCDは、F1スコア、コスト効率、ランキング品質(nDCG@k値)など、従来の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-05-13T08:41:45Z)
• Pareto Optimal Algorithmic Recourse in Multi-cost Function [0.44938884406455726]
  アルゴリズム的リコースは、個々の特徴を変更するために最小限のコストのアクションを識別することを目的としており、それによって望ましい結果が得られる。 現在のリコース機構のほとんどは、コスト関数が微分可能であると仮定する勾配に基づく手法を使用しており、現実のシナリオでは適用できないことが多い。 本研究では,非微分可能かつ離散的多コスト関数を扱うアルゴリズム的リコースフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-11T03:16:08Z)
• Autoformulation of Mathematical Optimization Models Using LLMs [50.030647274271516]
  本稿では,自然言語問題記述から解法対応最適化モデルを自動生成する,$textitautoformulation$の問題にアプローチする。 オートフォーミュレーションの3つの主要な課題を識別する: $textit(1)$ 巨大で問題に依存した仮説空間、および$textit(2)$ 不確実性の下でこの空間を効率的かつ多様に探索する。 我々は,$textitLarge Language Models$と$textitMonte-Carlo Tree Search$を併用した新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-03T20:41:38Z)
• An Efficient Approach for Solving Expensive Constrained Multiobjective Optimization Problems [0.0]
  効率的な確率的選択に基づく制約付き多目的EAをPSCMOEAと呼ぶ。 a) 評価された解の実現可能性と収束状態に基づく適応探索境界同定スキームのような新しい要素を含む。 ECMOPを模擬する低評価予算を用いて, 幅広い制約付き問題に対して, 数値実験を行った。
  論文  参考訳（メタデータ） (2024-05-22T02:32:58Z)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)
• Solving Multistage Stochastic Linear Programming via Regularized Linear Decision Rules: An Application to Hydrothermal Dispatch Planning [77.34726150561087]
  AdaSO(Adaptive least absolute shrinkage and selection operator)に基づく線形決定規則(LDR)の新しい正規化手法を提案する。 実験により、MSLPを解くために古典的な非正規化LDRを使用する場合、過度に適合する脅威は無視できないことが示された。 LHDP問題に対しては、非正規化ベンチマークと比較して、提案したフレームワークの次の利点を強調した。
  論文  参考訳（メタデータ） (2021-10-07T02:36:14Z)

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。