論文の概要: Leveraging Structural Constraints for Diffusion-based Neural TSP Solvers

• arxiv url: http://arxiv.org/abs/2606.09343v1
• Date: Mon, 08 Jun 2026 11:08:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.936287
• Title: Leveraging Structural Constraints for Diffusion-based Neural TSP Solvers
• Title（参考訳）: 拡散型ニューラルネットワークTSPにおける構造制約の活用
• Authors: Mickaël Basson, Philippe Preux,
• Abstract要約: FT2Tのような最先端のアプローチは、高速な一貫性ベースの予測と勾配ベースの推論時間改善を組み合わせたものである。 そこで我々は,PCI (Projected Consistency Inference) を紹介した。 PCIは、500都市のユークリッド旅行セールスマン問題で0.17%、1000都市のユークリッド旅行セールスマン問題で0.31%の平均最適性ギャップ(OG)を達成し、FT2Tのベストセッティングを上回っている。
• 参考スコア（独自算出の注目度）: 3.588053519843615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural combinatorial optimization has recently achieved strong results on the Euclidean Traveling Salesman Problem (TSP) using generative models such as diffusion and consistency models. State-ofthe-art approaches like FT2T combine fast consistency-based prediction with gradient-based inference time refinement. However, gradient search often incurs significant computational overhead and may not align with the discrete structure of feasible solutions. We introduce Projected Consistency Inference (PCI), a plug-and-play, retraining-free alternative that replaces gradient refinement with structure-aware projections: PCI decodes valid Hamiltonian tours from the consistency model output and applies a lightweight local search (e.g., 2-opt). PCI achieves an average optimality gap (OG) of 0.17% on TSP with 500 cities, and 0.31% on TSP with 1000 cities, outperforming FT2T best settings (OG 0.22% and 0.36%, respectively) while reducing the inference time up to 30 to 40%. PCI also exhibits lower variance and memory usage, and can surpass classical heuristics such as LKH3 in rapid solution generation. Our results demonstrate that structure-aware inference time operations provide a practical and principled path for neural TSP solvers, complementing training time objectives.
• Abstract（参考訳）: ニューラル組合せ最適化は近年,拡散モデルや一貫性モデルなどの生成モデルを用いて,ユークリッド旅行セールスマン問題 (TSP) の強力な結果を得た。 FT2Tのような最先端のアプローチは、高速な一貫性ベースの予測と勾配ベースの推論時間改善を組み合わせたものである。 しかし、勾配探索はしばしば計算上の大きなオーバーヘッドを生じさせ、実現可能な解の離散構造と一致しない可能性がある。 そこで我々は,PCIが整合性モデル出力から有効なハミルトンツアーをデコードし,軽量な局所探索(例:2-opt)を適用することによって,勾配修正を構造認識投影に置き換える,プラグアンドプレイでリトレーニングフリーな代替手段であるProjected Consistency Inference (PCI)を紹介した。 PCIは、500都市のTSPで0.17%、1000都市のTSPで0.31%の平均最適性ギャップ(OG)を達成し、FT2Tベストセッティング(OG 0.22%と0.36%)を上回っ、推論時間を30から40%に短縮した。 PCIは分散性やメモリ使用量も低く、LKH3のような古典的ヒューリスティックを超越して高速なソリューション生成を行うことができる。 本研究は,構造認識型推論時間演算が,学習時間目標を補完する神経性TSPソルバの実践的かつ原則的な経路を提供することを示す。

関連論文リスト

• Efficient Traffic Prediction at Scale: A Systematic Study of STGCN Architectural Depth [9.291555165680863]
  単一ブロックアーキテクチャは、4つのデータセットのうち3つの短期予測(10分)に対して最適な性能を達成する。 2ブロックのバリエーションは、CPU推論のレイテンシが61%高く、1ブロックに比べてスループットが37%低い。 3ブロックアーキテクチャは、相対的な改善として0.5%の計算コストを2倍にする以上の、好ましくないトレードオフを提供する。
  論文  参考訳（メタデータ） (2026-06-08T14:23:56Z)
• Surrogate Modeling for Neutron Transport: A Neural Operator Approach [7.289597749952393]
  この研究は、中性子輸送計算のためのニューラルネットワークに基づく代理モデリングフレームワークを導入する。 Deep Operator Network (DeepONet) と Fourier Neural Operator (FNO) の2つのアーキテクチャが、固定ソース問題のために訓練された。 両神経オペレーターは、DeepONetで135 pcm、FNOで112 pcmまでずれた基準固有値を再現した。
  論文  参考訳（メタデータ） (2026-02-07T00:56:07Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• Beyond Random: Automatic Inner-loop Optimization in Dataset Distillation [11.37339433547758]
  データセット蒸留のためのAT-BPTT(Automatic Truncated Backproagation Through Time)を提案する。 AT-BPTTは、内在勾配の挙動に応じて、トラニケート位置とウィンドウサイズの両方に適応する。 CIFAR-10、CIFAR-100、Tiny-ImageNet、ImageNet-1Kの実験では、AT-BPTTが最先端の性能を達成することが示された。
  論文  参考訳（メタデータ） (2025-10-06T14:22:28Z)
• Predictive Feature Caching for Training-free Acceleration of Molecular Geometry Generation [67.20779609022108]
  フローマッチングモデルは、高忠実度分子ジオメトリを生成するが、推論中にかなりの計算コストを発生させる。 本研究は,分子幾何生成を加速する学習自由キャッシング戦略について論じる。 GEOM-Drugsデータセットの実験は、キャッシングがウォールクロックの推測時間の2倍の削減を実現することを示した。
  論文  参考訳（メタデータ） (2025-10-06T09:49:14Z)
• Point-wise Diffusion Models for Physical Systems with Shape Variations: Application to Spatio-temporal and Large-scale system [1.474723404975345]
  本稿では,形状変化を伴う複雑な物理系を効率的に予測するために,時間的点を独立に処理する点幅拡散モデルを提案する。 複雑な幾何学的構成を持つ3つの異なる物理領域にまたがるアプローチを検証する。 提案手法は,画像ベース拡散モデルよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-08-02T06:55:59Z)
• Dataset Distillation with Neural Characteristic Function: A Minmax Perspective [39.77640775591437]
  minmax最適化問題としてデータセット蒸留を再構成し、ニューラル特徴関数離散性(NCFD)を導入する。 NCFDは分布差を測定するための包括的で理論的に基礎付けられた計量である。 提案手法は,低解像度および高解像度のデータセット上での最先端手法よりも高い性能向上を実現する。
  論文  参考訳（メタデータ） (2025-02-28T02:14:55Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Truncated tensor Schatten p-norm based approach for spatiotemporal traffic data imputation with complicated missing patterns [77.34726150561087]
  本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。 本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
  論文  参考訳（メタデータ） (2022-05-19T08:37:56Z)

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。