論文の概要: MViewRouter: Internalizing Geometric Equivariance via Multi-view Alternating Attention for Combinatorial Routing
- arxiv url: http://arxiv.org/abs/2606.01084v1
- Date: Sun, 31 May 2026 08:09:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:29.197259
- Title: MViewRouter: Internalizing Geometric Equivariance via Multi-view Alternating Attention for Combinatorial Routing
- Title（参考訳）: MViewRouter: 組合せルーティングのための多視点交代注意による幾何学的等式を内部化
- Authors: Shiyan Liu, Bohan Tan, Yaoxin Wu, Yan Jin,
- Abstract要約: MViewは、幾何学的対称性を構造的帰納バイアスとして内部化する多視点フレームワークであり、ルーティング問題バリアントの非決定性を実現する。
提案手法では,D_4$対称性群上で並列処理が可能なマルチビュー交代注意(MAA)機構を導入する。
TSPとCVRPベンチマークの実験は、実世界のTSPLIBインスタンスと同様に、MViewが競合するソリューションの品質と強力なゼロショットの一般化を達成することを実証している。
- 参考スコア（独自算出の注目度）: 15.591644835298213
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Combinatorial routing problems such as the Traveling Salesman Problem (TSP) and the Capacitated Vehicle Routing Problem (CVRP) are fundamental NP-hard problems with broad real-world applications. While recent deep reinforcement learning methods have shown promising performance, they typically handle geometric symmetries only through data augmentation, resulting in inconsistent decisions and limited generalization. To address this issue, we propose MViewRouter, a multi-view framework that internalizes geometric equivariance as a structural inductive bias to achieve invariant decision-making across routing problem variants. Our approach introduces a Multi-view Alternating Attention (MAA) mechanism that enables parallel processing over the $D_4$ symmetry group, alternating between intra-view relational modeling and inter-view feature alignment. Furthermore, we optimize the policy via Collective Policy Gradient Aggregation (CPGA), leveraging consensus gradients from multiple symmetric views to stabilize training and accelerate convergence. Experiments on TSP and CVRP benchmarks, as well as real-world TSPLIB instances, demonstrate that MViewRouter achieves competitive solution quality and strong zero-shot generalization.
- Abstract（参考訳）: トラベリングセールスマン問題 (TSP) やキャパシタントカールーティング問題 (CVRP) などの組合せルーティング問題は、幅広い現実世界の応用において基本的なNPハード問題である。
最近の深層強化学習法は有望な性能を示しているが、一般的にはデータ拡張によってのみ幾何学的対称性を扱い、矛盾した決定と限定的な一般化をもたらす。
この問題に対処するために,MViewRouterを提案する。MViewRouterは,幾何学的等式を構造的帰納的バイアスとして内部化し,ルーティング問題における不変な意思決定を実現するための多視点フレームワークである。
提案手法では,Multi-view Alternating Attention (MAA) 機構を導入し,D_4$対称性群を並列処理することで,ビュー内リレーショナルモデリングとビュー間特徴アライメントの交互化を実現する。
さらに,複数の対称視点からのコンセンサス勾配を利用して,学習の安定化と収束の促進を図ることで,CPGA(Collective Policy Gradient Aggregation)による政策の最適化を行う。
TSPとCVRPベンチマークの実験は、実世界のTSPLIBインスタンスと同様に、MViewRouterが競合するソリューションの品質と強力なゼロショットの一般化を達成することを実証している。
関連論文リスト
- SPACE: Unifying Symmetric and Asymmetric Routing Problems for Generalist Neural Solver [14.268979449819057]
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。
論文 参考訳（メタデータ） (2026-05-23T09:12:42Z) - Learning to Solve Compositional Geometry Routing Problems [10.585067212969987]
DiConは、構成幾何学ルーティング問題に取り組むプラグイン・アンド・プレイフレームワークである。
我々は、競争力の低い候補行動の確率質量を積極的に抑制する差分注意機構を導入する。
我々は、グローバルなインスタンス表現の堅牢化を促進するために、二重レベルのコントラスト学習目標を設計する。
論文 参考訳（メタデータ） (2026-05-18T09:10:15Z) - Rethinking Positional Encoding for Neural Vehicle Routing [29.116133441162173]
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。
論文 参考訳（メタデータ） (2026-05-12T10:22:31Z) - Replacing Parameters with Preferences: Federated Alignment of Heterogeneous Vision-Language Models [63.70401095689976]
VLM(Vision-Language Models)は、医療や金融といったプライバシに敏感な分野において大きな可能性を秘めている。
ヘテロジニアスVLMのためのGRPOとMixture-of-Rewardsを組み合わせた協調アライメントフレームワークであるMoRを提案する。
MoRは、一般化とクロスクライアント適応性において、フェデレートされたアライメントベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-05T07:02:50Z) - PivotMerge: Bridging Heterogeneous Multimodal Pre-training via Post-Alignment Model Merging [80.17966517536102]
マルチモーダル大規模言語モデルの事前学習の核心は、効果的なクロスモーダルアライメントの確立にあると論じる。
この知見に触発されて,マルチモーダル事前学習から学んだクロスモーダルアライメント機能を統合することを目的とした,アライメント後のマージタスクを導入する。
クロスモーダルプロジェクタのためのアライメント後マージフレームワークであるPivotMergeを提案する。
論文 参考訳（メタデータ） (2026-04-18T09:38:03Z) - Multi-Agent DRL for V2X Resource Allocation: Disentangling Challenges and Benchmarking Solutions [51.22818149833102]
マルチエージェント強化学習(MARL)は、車間通信(C-V2X)ネットワークにおける無線リソース割り当ての有望なアプローチとして登場した。
しかし、MARLに固有の多面的課題はしばしば絡み合っており、車載環境における個々の影響を理解することは困難である。
我々は, C-V2X RRA を, 複雑さが徐々に増大する多エージェント干渉ゲーム列として定式化し, このギャップを埋める。
論文 参考訳（メタデータ） (2026-02-18T14:46:56Z) - Generalized Deep Multi-view Clustering via Causal Learning with Partially Aligned Cross-view Correspondence [72.41989962665285]
マルチビュークラスタリング(MVC)は、複数のビューにまたがる共通のクラスタリング構造を検討することを目的としている。
しかし、現実のシナリオは、部分的なデータだけが異なるビューに一貫して整合しているため、しばしば課題となる。
我々は,CauMVCと呼ばれる因果的マルチビュークラスタリングネットワークを設計し,この問題に対処する。
論文 参考訳（メタデータ） (2025-09-19T14:31:40Z) - Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。
我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。
車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
論文 参考訳（メタデータ） (2024-07-24T12:00:30Z) - INViT: A Generalizable Routing Problem Solver with Invariant Nested View Transformer [17.10555702634864]
深い強化学習は、高速ルーティングを学習してルーティング問題を解決するための有望な結果を示している。
解法の大半は、異なるスケールで見えない分布や分布に一般化することに苦しむ。
Invariant Nested View Transformer (INViT) と呼ばれる新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-02-04T02:09:30Z) - Pruning Self-attentions into Convolutional Layers in Single Path [89.55361659622305]
ビジョントランスフォーマー(ViT)は、様々なコンピュータビジョンタスクに対して印象的なパフォーマンスを実現している。
トレーニング済みのViTを効率よく自動圧縮するSPViT(Single-Path Vision Transformer pruning)を提案する。
われわれのSPViTはDeiT-Bで52.0%のFLOPをトリミングできる。
論文 参考訳（メタデータ） (2021-11-23T11:35:54Z)
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。