論文の概要: Context-Aware Synthesis of Optimization Pipelines for Warehouse Optimization

• arxiv url: http://arxiv.org/abs/2606.26852v1
• Date: Thu, 25 Jun 2026 10:37:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.236291
• Title: Context-Aware Synthesis of Optimization Pipelines for Warehouse Optimization
• Title（参考訳）: 倉庫最適化のための最適化パイプラインの文脈対応合成
• Abstract要約: 本稿では,コンテキスト固有の最適化パイプラインの構築と評価を行うフレームワークを提案する。 このフレームワークは、研究者や実践者が倉庫の運用に有効な、高性能なアルゴリズムパイプラインを設計、自動、選択するのをサポートする。
• 参考スコア（独自算出の注目度）: 1.5507654553142942
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Order fulfillment in manual picker-to-goods warehouses involves interconnected decisions such as item assignment, order batching, and picker routing. While integrated models capture interactions between these decisions, practical warehouse systems often require decomposed approaches due to organizational boundaries, differing responsibilities, or limited data availability. Existing studies primarily evaluate algorithms for isolated subproblems or fixed subproblem combinations for specific warehouse settings, but lack a general mechanism to determine applicable algorithm configurations, compose them into valid solution pipelines, and assess their performance. With Context-Aware Synthesis of Optimization Pipelines (CASOP), we propose a framework for constructing and evaluating context-specific optimization pipelines and apply these to order fulfillment. The framework comprises: (1) a modular repository of algorithms for common order fulfillment problems; (2) semantic data and algorithm cards to describe warehouse context and algorithm requirements; (3) a taxonomy that structures order fulfillment problems into relevant subproblems; (4) a pipeline synthesizer that identifies applicable algorithms for a given warehouse context and composes all valid optimization pipelines; and (5) a pipeline evaluator that assesses all resulting pipelines. We demonstrate the framework on 7 benchmark instance sets covering four problem classes, resulting in 1,063,044 valid pipelines. The framework supports researchers and practitioners in designing, automatically synthesizing, and selecting valid, high-performing algorithmic pipelines for warehouse operations. The software is open-source and available at https://github.com/kit-dsm/ware_ops_pipes and https://github.com/kit-dsm/ware_ops_algos. Keywords: Warehouse optimization, Algorithm selection, Pipeline synthesis, Order fulfillment
• Abstract（参考訳）: 手動ピッカー・ツー・グッズ倉庫での注文充足には、アイテムの割り当て、注文のバッチ、ピッカールーティングといった相互接続された決定が含まれる。 統合されたモデルはこれらの決定間の相互作用をキャプチャするが、実際の倉庫システムでは、組織の境界や責任の相違、データ可用性の制限により、分解されたアプローチを必要とすることが多い。 既存の研究は主に、特定の倉庫設定のための分離サブプロブレムや固定サブプロブレムの組み合わせのアルゴリズムを評価するが、適用可能なアルゴリズム構成を決定し、有効なソリューションパイプラインに構成し、それらの性能を評価するための一般的なメカニズムは欠如している。 本研究では,CASOP(Context-Aware Synthesis of Optimization Pipelines)を用いて,コンテキスト固有の最適化パイプラインの構築と評価を行うフレームワークを提案する。 本フレームワークは,(1) 共通順序充足問題のためのアルゴリズムのモジュールリポジトリ,(2) 倉庫のコンテキストとアルゴリズム要件を記述するセマンティックデータとアルゴリズムカード,(3) 注文充足問題を関連するサブプロブレムに構造化する分類,(4) 所定の倉庫のコンテキストに適用可能なアルゴリズムを特定し,有効な最適化パイプラインを構成するパイプラインシンセサイザー,(5) 全てのパイプラインを評価するパイプライン評価器から構成される。 このフレームワークを4つの問題クラスをカバーする7つのベンチマークインスタンスセット上で実証し、1,063,044の有効なパイプラインを生成する。 このフレームワークは、研究者や実践者が倉庫の運用に有効な、高性能なアルゴリズムパイプラインを設計、自動合成、選択するのをサポートする。 このソフトウェアはhttps://github.com/kit-dsm/ware_ops_pipesとhttps://github.com/kit-dsm/ware_ops_algosで公開されている。 キーワード:ウェアハウス最適化、アルゴリズム選択、パイプライン合成、オーダー充足

関連論文リスト

• The Optimizer Is the Agent: Reasoning-Driven Search across Prompts, Programs, and ML Workflows [72.9051182568928]
  推論駆動最適化のための統合フレームワークであるReASearchを提案する。 共有エージェントループとドメイン固有のツールにより、ReASearchは、プロンプト、プログラム、MLを最適化するために、まったく同じスキャフォールドをインスタンス化する。 我々は,複雑な探索行動がエージェントの推論プロセスから自然に現れることを観察する。
  論文  参考訳（メタデータ） (2026-08-07T02:15:39Z)
• FlowBank: Query-Adaptive Agentic Workflows Optimization through Precompute-and-Reuse [58.80348559239392]
  大規模言語モデル(LLM)ベースのマルチエージェントシステムはますます強力になっている。 タスクレベルのメソッドはかなりのオフライン計算に費やしますが、単一のワークフローのみをデプロイします。 クエリレベルのメソッドは、クエリ毎の新しいワークフローを相当なコストで合成する。 本稿では,ポートフォリオベースのエージェントワークフロー最適化フレームワークであるFlowBankを紹介する。
  論文  参考訳（メタデータ） (2026-06-09T17:58:21Z)
• Coupled Hierarchical Search over Topology and Execution for Agentic Workflow Synthesis [64.2820121997882]
  エージェントワークフロー設計を自動化する,トレーニング不要でテスト時の階層型検索アーキテクチャであるHierFlowを紹介した。 HierFlowはインテリジェントなゲーティングモジュールを通じて効率を最大化し、コンテキスト要求に基づいて実行レベル検索を選択的にトリガーする。 質問応答、数学的推論、コード生成ベンチマークにわたる包括的なテストは、HierFlowが一貫して強力なベースラインを上回っていることを確認する。
  論文  参考訳（メタデータ） (2026-05-20T01:56:11Z)
• Agentic DAG-Orchestrated Planner Framework for Multi-Modal, Multi-Hop Question Answering in Hybrid Data Lakes [5.276278723196607]
  Agentic DAG-Orchestrated Transformer (A.DOT) Plannerはマルチモーダル・マルチホップ質問応答のためのフレームワークである。 A.DOTは、ユーザNLクエリを構造化および非構造化の両方にまたがる有向非巡回グラフ(DAG)実行計画にコンパイルする。 System Decomposes query into parallelizable sub-queries, includess schema-aware reasoning, and applied both structure and semantic validation。
  論文  参考訳（メタデータ） (2026-03-15T05:34:16Z)
• MADE: Benchmark Environments for Closed-Loop Materials Discovery [26.575933886112157]
  エンド・ツー・エンドの自律材料発見パイプラインをベンチマークする新しいフレームワークであるMAterials Discovery Environments (MADE)を紹介する。 本研究では, 熱力学的に安定な化合物の探索として, 与えられた凸船体に対する探索として発見を定式化し, ベースラインアルゴリズムとの比較による有効性と効率の評価を行った。 システムファミリをまたいだ体系的な実験を行い、発見パイプラインにおけるコンポーネントのアブレーションを可能にし、メソッドとシステムの複雑さを比較することでこれを実証する。
  論文  参考訳（メタデータ） (2026-01-28T19:46:46Z)
• Synergy-Guided Compiler Auto-Tuning of Nested LLVM Pass Pipelines [10.570484818376537]
  我々は、New Pass Managerのためにゼロから構築された新しい自動チューニングフレームワークを提示する。 我々は,これらの森林を直接操作する構造認識型遺伝的アルゴリズムを開発した。 LLVM 18.1.6を用いて7つのベンチマークデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2025-10-15T06:14:44Z)
• JoinGym: An Efficient Query Optimization Environment for Reinforcement Learning [58.71541261221863]
  結合順序選択(JOS)は、クエリの実行コストを最小化するために結合操作を順序付けする問題である。 木質強化学習(RL)のためのクエリ最適化環境JoinGymを提案する。 JoinGymは内部で、事前計算されたデータセットから中間結果の濃度を調べることで、クエリプランのコストをシミュレートする。
  論文  参考訳（メタデータ） (2023-07-21T17:00:06Z)
• Let the Flows Tell: Solving Graph Combinatorial Optimization Problems with GFlowNets [86.43523688236077]
  組合せ最適化(CO)問題はしばしばNPハードであり、正確なアルゴリズムには及ばない。 GFlowNetsは、複合非正規化密度を逐次サンプリングする強力な機械として登場した。 本稿では,異なる問題に対してマルコフ決定プロセス(MDP)を設計し,条件付きGFlowNetを学習して解空間からサンプルを作成することを提案する。
  論文  参考訳（メタデータ） (2023-05-26T15:13:09Z)
• Wasserstein-Fisher-Rao Embedding: Logical Query Embeddings with Local Comparison and Global Transport [33.283368906484746]
  本研究は、不均衡な最適輸送理論による局所的および大域的トレードオフについて検討する。 我々は、Wasserstein-Fisher-Rao計量によって動機付けられたスコアリング関数を持つ有界測度として$real$に集合を埋め込む。 その結果、WFREは、標準データセット上の既存のクエリ埋め込みメソッドよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-05-06T12:48:17Z)
• Comparing Deep Reinforcement Learning Algorithms in Two-Echelon Supply Chains [1.4685355149711299]
  我々は、サプライチェーン在庫管理問題を解決するための最先端の深層強化学習アルゴリズムの性能を分析し、比較する。 本研究では,サプライチェーンの在庫管理問題を解決するためのカスタマイズ可能な環境を提供するオープンソースソフトウェアライブラリの設計と開発について,詳細な知見を提供する。
  論文  参考訳（メタデータ） (2022-04-20T16:33:01Z)
• Automated Evolutionary Approach for the Design of Composite Machine Learning Pipelines [48.7576911714538]
  提案手法は、複合機械学習パイプラインの設計を自動化することを目的としている。 パイプラインをカスタマイズ可能なグラフベースの構造で設計し、得られた結果を分析して再生する。 このアプローチのソフトウェア実装は、オープンソースフレームワークとして紹介されている。
  論文  参考訳（メタデータ） (2021-06-26T23:19:06Z)
• Bayesian Algorithm Execution: Estimating Computable Properties of Black-box Functions Using Mutual Information [78.78486761923855]
  多くの現実世界では、T関数の評価の予算を考えると、高価なブラックボックス関数 f の性質を推測したい。 本稿では,アルゴリズムの出力に対して相互情報を最大化するクエリを逐次選択する手法InfoBAXを提案する。 これらの問題に対してInfoBAXは、元のアルゴリズムで要求されるより500倍少ないクエリをfに使用する。
  論文  参考訳（メタデータ） (2021-04-19T17:22:11Z)
• Incremental Search Space Construction for Machine Learning Pipeline Synthesis [4.060731229044571]
  automated machine learning(automl)は、マシンラーニング(ml)パイプラインの自動構築を目的とする。 パイプライン構築のためのメタ機能に基づくデータ中心アプローチを提案する。 確立されたAutoMLベンチマークで使用した28データセットに対して,アプローチの有効性と競争性を実証する。
  論文  参考訳（メタデータ） (2021-01-26T17:17:49Z)

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。