論文の概要: Solver-Verified Formulation Generation and Selection for Multi-Warehouse Inventory Allocation Using Large Language Models
- arxiv url: http://arxiv.org/abs/2606.29366v1
- Date: Sun, 28 Jun 2026 12:18:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.897286
- Title: Solver-Verified Formulation Generation and Selection for Multi-Warehouse Inventory Allocation Using Large Language Models
- Title（参考訳）: 大規模言語モデルを用いたマルチウォーターハウスインベントリ配置のための解法検証による定式化と選択
- Abstract要約: 本稿では, OR の定式化の生成, 検証, 選択にソルバフィードバックを用いる OR-guided Large Language Model (LLM) を提案する。
我々は、偏差最小化、ソフトバンドコンプライアンス、knapsackにインスパイアされたアロケーションに基づく3つの相補的混合整数プログラミング定式化ファミリを開発する。
最高の単一ORの定式化では、既存のアプローチよりも割り当て精度が3.4ポイント向上し、完全なORLAフレームワークは4.5ポイントの全体的な改善を実現している。
- 参考スコア（独自算出の注目度）: 1.0753371929354276
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Balance-oriented multi-warehouse inventory allocation is a recurring decision problem in large-scale e-commerce supply chains, in which a fixed replenishment quantity is distributed across warehouses to balance post-allocation inventory coverage while accounting for demand forecasts and heterogeneous allocation constraints. In practice, allocation requirements are often scenario-dependent and expressed in semi-structured or natural-language form rather than as ready-to-solve operations research (OR) formulations. We propose an OR-guided Large Language Model (LLM) for Allocation (ORLA) that uses solver feedback to generate, verify, and select OR formulations. ORLA integrates automatic "Problem-Model-Code (PMC)" generation, learning-based formulation selection, and feasibility restoration. We develop three complementary mixed-integer programming formulation families based on deviation minimization, soft band compliance, and knapsack-inspired allocation, together with solver-ready mixed-integer linear programming reformulations, modular constraint extensions, and a penalty-based relaxation mechanism for infeasible cases. The LLM component generates candidate formulations and executable solver code from textual or semi-structured specifications, while the solver provides verification signals for executability, feasibility, and solution quality. To address instance heterogeneity, ORLA estimates the expected quality of candidate formulations, selects promising candidates, and combines their outputs through score-aware aggregation. Experimental results on 29 production evaluation batches from JD.com show that the best single OR formulation improves allocation accuracy by 3.4 percentage points over the incumbent approach, while the full ORLA framework achieves a 4.5 percentage-point overall improvement and improves allocation accuracy in 26 of the 29 evaluation batches.
- Abstract（参考訳）: バランス指向型マルチウェアハウス在庫配分は、需要予測や不均一な割り当て制約を考慮しつつ、倉庫間で一定の補充量を分配し、配置後在庫のカバーをバランスさせる大規模Eコマースサプライチェーンにおいて、繰り返し発生する決定問題である。
実際には、割り当て要求はシナリオに依存し、半構造化または自然言語形式で表現されることが多い。
本稿では, OR の定式化の生成, 検証, 選択にソルバフィードバックを用いる OR-guided Large Language Model (LLM) for Allocation (ORLA) を提案する。
ORLAは、自動PMC(Problem-Model-Code)生成、学習ベースの定式化選択、実現可能性回復を統合している。
偏差最小化,ソフトバンドコンプライアンス,knapsackにインスパイアされたアロケーションに基づく3つの相補的混合整数型プログラミング定式化ファミリを,解法対応の混合整数型プログラミング改革,モジュラ制約拡張,ペナルティに基づく非実用的ケースの緩和機構とともに開発した。
LLMコンポーネントは、テキストまたは半構造化仕様から候補定式化および実行可能なソルバコードを生成し、ソルバは実行可能性、実現可能性、およびソリューション品質の検証信号を提供する。
例の不均一性に対処するため、ORLAは候補定式化の期待品質を推定し、有望な候補を選択し、スコア・アウェア・アグリゲーションを通じて出力を結合する。
JD.comによる29個の生産評価バッチの実験結果から、最高の単一ORの定式化は既存のアプローチよりも3.4ポイントの割り当て精度を向上し、フルORLAフレームワークは4.5ポイントの全体的な改善を実現し、29個の評価バッチのうち26回のアロケーション精度を改善した。
関連論文リスト
- FLARE: Verifying MILP Reformulations with LLM-Based Theorem Proving [15.609601435289973]
私たちは、リーンとマシンチェックで形式化できるMILP改革の構成的定義を開発します。
提案手法を評価するために,20の問題と109の定式化のデータセットであるFormulationBenchを紹介した。
FLAREは既存の手法より優れており、フォーミュレーションベンチのNPハード部分集合では100%精度が高い。
論文 参考訳（メタデータ） (2026-08-25T23:19:41Z) - FormuEvo: LLM-Guided Evolution for Discovering Solver-Efficient Mixed-Integer Programming Formulations [66.32852384262038]
混合整数プログラミング(MIP)は、運用研究と産業最適化の核心にある。
FormuEvoは、解法効率のMIP式の自動発見のための進化的フレームワークである。
FormuEvoは、MIP定式化のシンボル空間上の進化的最適化として、MIP定式化設計を行う。
論文 参考訳（メタデータ） (2026-08-24T15:01:28Z) - Large Language Model for Operations Research Formulation Selection in Multi-Warehouse Inventory Allocation [1.1965825585921974]
単一定式化は、需要集中、在庫不均衡、補充スケール、サービス制約、予測ボラティリティによって誘導される不均一なインスタンスレベルのレギュレーションと一貫して一致しない。
本稿では,この課題を,各割り当てインスタンスを候補OR専門家ライブラリから解法実行可能な定式化に割り当てる,インスタンスワイドオペレーション研究(OR)の定式化選択として検討する。
本稿では,OR の定式化選択のための解法誘導型大言語モデル (LLM) フレームワークを提案し,各 OR 専門家が異なるアロケーション優先度を符号化した MIP の定式化に対応する。
論文 参考訳（メタデータ） (2026-07-28T16:41:54Z) - LLM-as-a-Verifier: A General-Purpose Verification Framework [74.40111651545979]
本稿では,汎用検証フレームワーク LLM-as-a-Verifier を紹介する。
追加のトレーニングを必要とせずに、エージェントタスクに対してきめ細かいフィードバックを提供する。
いくつかのベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-07-06T17:59:35Z) - Agentic Search for Counterfactual Recourse under Fixed LLM Budgets [0.033842793760651545]
Comp-MCTSは,独特なオラクル価の反事実の収量を最大化するエージェント木探索フレームワークである。
Comp-MCTSは、単一候補のLATSスタイルのベースラインよりも、独特なオラクル価の反事実の収率でかなり優れることを示す。
論文 参考訳（メタデータ） (2026-06-07T15:53:10Z) - Execution-Verified Reinforcement Learning for Optimization Modeling [49.171122807323634]
実行検証学習フレームワークは、数学的プログラミング解法を決定論的で対話的な検証器として扱う。
NL4OPT, MAMO, IndustryOR, OptiBenchをグロビ, OR-Tools, COPTで行った実験では, EVOMがプロセス管理SFTに適合または優れていた。
論文 参考訳（メタデータ） (2026-04-01T03:39:11Z) - IsoCompute Playbook: Optimally Scaling Sampling Compute for LLM RL [75.28528082188787]
大規模言語モデル(LLM)におけるオンライン強化学習手法におけるサンプリング計算の最適割当について検討する。
並列ロールアウトの計算最適数は,計算予算とともに予測可能で増加し,飽和することがわかった。
本結果は,RLスケーリング法則を規範的割り当て規則として再考し,計算効率の高いLLM RLポストトレーニングのための実践的ガイダンスを提供する。
論文 参考訳（メタデータ） (2026-03-12T16:49:21Z) - Evidence-based Distributional Alignment for Large Language Models [58.65469623911573]
LLM分布推定の忠実度とロバスト性を改善する証拠に基づくアライメント手法であるEvi-DAを提案する。
対象国が与えられた場合、Evi-DAは関連するWorld Values Survey項目とその回答分布を検索し、オプション毎に粗いヴェルツェル値シグネチャを予測し、国条件の回答分布を構造化形式で推測する。
論文 参考訳（メタデータ） (2026-03-03T03:34:06Z) - ReLoop: Structured Modeling and Behavioral Verification for Reliable LLM-Based Optimization [6.572539312871392]
大規模言語モデル(LLM)は、自然言語を最適化コードに変換することができるが、サイレント障害は重大なリスクをもたらす。
2つの相補的な方向からサイレント障害に対処するReLoopを紹介します。
論文 参考訳（メタデータ） (2026-02-17T20:20:33Z) - From Natural Language to Solver-Ready Power System Optimization: An LLM-Assisted, Validation-in-the-Loop Framework [1.7136832159667206]
本稿では,Large Language Models (LLMs) を用いたエージェントを導入し,電力系統最適化シナリオの自然言語記述を,コンパクトで解決可能な定式化に自動変換する。
提案手法は,オフザシェルフ最適化解法により効率よく解ける数学的に互換性のある定式化の発見に重点を置いている。
論文 参考訳（メタデータ） (2025-08-11T16:22:57Z) - FMIP: Joint Continuous-Integer Flow For Mixed-Integer Linear Programming [52.52020895303244]
Mixed-Integer Linear Programming (MILP)は、複雑な意思決定問題の基本的なツールである。
混合整数線形計画法(FMIP)のための連立連続整数フローを提案する。これはMILPソリューションにおける整数変数と連続変数の共分散をモデル化する最初の生成フレームワークである。
FMIPは任意のバックボーンネットワークや様々なダウンストリームソルバと完全に互換性があり、現実世界のMILPアプリケーションにも適している。
論文 参考訳（メタデータ） (2025-07-31T10:03:30Z) - Attribute Controlled Fine-tuning for Large Language Models: A Case Study on Detoxification [76.14641982122696]
本稿では,属性制御付き大規模言語モデル(LLM)の制約学習スキーマを提案する。
提案手法は, ベンチマーク上での競合性能と毒性検出タスクを達成しながら, 不適切な応答を少ないLCMに導出することを示す。
論文 参考訳（メタデータ） (2024-10-07T23:38:58Z) - Let's Sample Step by Step: Adaptive-Consistency for Efficient Reasoning
and Coding with LLMs [60.58434523646137]
大規模言語モデル(LLM)からの出力の正確性を改善するための一般的なアプローチは、自己整合性である。
コスト効率のよいモデルに依存しない手法であるAdaptive-Consistencyを導入し,各質問のサンプル数を動的に調整する。
実験の結果,Adaptive-Consistencyはサンプル予算を最大7.9倍に削減し,平均精度は0.1%以下であった。
論文 参考訳（メタデータ） (2023-05-19T17:49:25Z)
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。