論文の概要: Robust Feasible Route Construction through Collaborative Partition Optimization

• arxiv url: http://arxiv.org/abs/2607.03694v1
• Date: Sat, 04 Jul 2026 03:58:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.682782
• Title: Robust Feasible Route Construction through Collaborative Partition Optimization
• Title（参考訳）: 協調分割最適化によるロバストな経路構築
• Abstract要約: コラボレーティブ・ルーティング・コンストラクタ(CoRC)は、独立して解決されたサブプロブレムを顧客と車両の交換を可能にするルーティング・フレームワークである。 CoRCは、競合するパーティションベースのメソッドが持たない、実行可能なルーティングソリューションを一貫して構築する。 これらの結果から,ルーティングサブプロブレム間の協調は,大規模ルート構築において堅牢かつスケーラブルなアプローチを提供することが示された。
• 参考スコア（独自算出の注目度）: 2.3204178451683264
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale Capacitated Vehicle Routing Problems (CVRPs) are commonly solved by partitioning customers into smaller routing problems that can be optimized independently. While this substantially reduces computational complexity, independently constructed routing solutions may leave some customer demand unserved even when sufficient resources exist elsewhere in the fleet. We present Collaborative Routing Constructors (CoRC), a routing framework that enables independently solved subproblems to exchange customers and vehicles during optimization rather than relying solely on a fixed partition or a subsequent global re-optimization stage. Computational experiments on AGS benchmark instances and synthetic instances containing up to 200,000 customers compare CoRC against independent routing, post-routing global re-optimization, and state-of-the-art, end-to-end routing frameworks. Across all evaluated partitioning strategies, CoRC consistently constructs feasible routing solutions where competing partition-based methods do not. Furthermore, it remains effective on problem instances for which the evaluated end-to-end routing frameworks did not produce solutions under the same computational budget. These results demonstrate that collaboration between routing subproblems provides a robust and scalable approach for feasible large-scale route construction.
• Abstract（参考訳）: 大規模容量車両ルーティング問題(CVRP)は、顧客を独立して最適化可能な小さなルーティング問題に分割することで、一般的に解決される。 これは計算の複雑さを大幅に減らすが、独立して構築されたルーティングソリューションは、艦隊のどこかに十分なリソースが存在する場合でも、顧客の要求を満たさないままにすることができる。 固定パーティションやその後のグローバルな再最適化ステージのみに頼るのではなく、独立に解決されたサブプロブレムを最適化中に顧客と車両を交換できるルーティングフレームワークであるCoRC(Collaborative Routing Constructors)を提案する。 AGSベンチマークインスタンスと、最大20万の顧客を含む合成インスタンスに関する計算実験は、CoRCを独立したルーティング、グローバル再最適化後の再最適化、最先端のエンドツーエンドルーティングフレームワークと比較する。 すべての評価されたパーティショニング戦略の中で、CoRCは競合するパーティショニングベースのメソッドがそうでないような、実行可能なルーティングソリューションを一貫して構築する。 さらに、評価されたエンドツーエンドのルーティングフレームワークが、同じ計算予算下でソリューションを生成していない問題インスタンスにも有効である。 これらの結果から,ルーティングサブプロブレム間の協調は,大規模ルート構築において堅牢かつスケーラブルなアプローチを提供することが示された。

関連論文リスト

• RouteRepair: Instance-Level Failure Diagnosis and Targeted Repair in LLM-Based Automated Heuristic Design for Routing Optimization [41.634732070837906]
  本研究は,実例レベルのパフォーマンスから親固有の弱点を診断し,対応するコンポーネントにターゲット変更を適用したRouteRepairを開発する。 移動セールスマン問題 (TSP) とキャパシタンドカールーティング問題 (CVRP) は, 構成探索, ガイド付き局所探索, アリコロニー最適化にまたがる。 その結果、障害に気付き、エビデンスに制約のある改善は、既に解決済みのケースのパフォーマンスを維持しながら、困難なインスタンスのルーティングを改善することができることがわかった。
  論文  参考訳（メタデータ） (2026-09-10T12:21:18Z)
• Adaptive Cluster-First Route-Second Decomposition for Industrial-Scale Vehicle Routing [2.3204178451683264]
  本稿では,分解手順を反復的決定過程として定式化する適応型CFRSシステムを提案する。 近年の大規模言語モデル(LLM)の推論とツール選択の成功に触発され、LLMをハイレベルな意思決定者として採用している。 最大50万の顧客を含む合成およびベンチマーク由来のCVRPインスタンスに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2026-06-30T15:31:40Z)
• Efficient and Interpretable Multi-Agent LLM Routing via Ant Colony Optimization [58.59491516762626]
  マルチエージェントシステム(MAS)のための効率的かつ解釈可能なルーティングフレームワークAMRO-Sを提案する。 AMRO-Sは、意味条件付き経路選択問題としてMASルーティングをモデル化し、3つのキーメカニズムを通してルーティング性能を向上させる。 5つの公開ベンチマークと高速ストレステストによる大規模な実験により、AMRO-Sは強いルーティングベースラインに対する品質-コストトレードオフを一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-03-13T12:26:05Z)
• Relatron: Automating Relational Machine Learning over Relational Databases [50.94254514286021]
  本稿では, RDL と DFS を共有設計空間に統合し, 多様な RDB タスクを対象としたアーキテクチャ中心の検索を行う。 RDLはDFSを一貫して上回り、高いタスク依存性を持つ。(2)タスク全体において単一のアーキテクチャが支配的であり、タスク認識モデル選択の必要性を強調し、精度は選択アーキテクチャの信頼性の低いガイドである。
  論文  参考訳（メタデータ） (2026-02-26T02:45:22Z)
• CONCUR: A Framework for Continual Constrained and Unconstrained Routing [79.85419373937765]
  AIタスクは複雑さが異なり、異なる計算戦略で対処するのが最善である。 これまでのほとんどのメソッドは、すべての戦略で単一のモデルをトレーニングすることで、ルーティングフレームワークを構築していました。 制約付きルーティングと制約なしルーティングの両方をサポートする連続的なルーティングフレームワークであるCONCURを提案する。
  論文  参考訳（メタデータ） (2025-12-10T07:30:13Z)
• An Agentic Framework with LLMs for Solving Complex Vehicle Routing Problems [66.60904891478687]
  複雑な車両ルーティング問題を解決するために,LLM (AFL) を用いたエージェントフレームワークを提案する。 AFLは生の入力から知識を直接抽出し、自己完結型コード生成を可能にする。 AFLは、コード信頼性とソリューション実現性の両方において、既存のLCMベースのベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2025-10-19T03:59:25Z)
• Rich Vehicle Routing Problem in Disaster Management enabling Temporally-causal Transhipments across Multi-Modal Transportation Network [1.1470070927586018]
  地理的に分散した車両基地に複数台の異種車両を配置し、異なる交通手段を利用できるような、豊富な車両経路問題も検討されている。 この問題は、車両経路の等間隔を最小化することで災害応答時間を最適化する現実的な要件から生じる。 提案手法の優位性は,Mixed-Integer Linear Programmingの定式化によって実証された。
  論文  参考訳（メタデータ） (2025-09-16T16:37:18Z)
• Accelerating Vehicle Routing via AI-Initialized Genetic Algorithms [53.75036695728983]
  車両ルーティング問題 (VRP) は進化的最適化における基本的なNPハード問題である。 本稿では、強化学習エージェントを事前のインスタンスで訓練し、初期解を迅速に生成する最適化フレームワークを提案する。 このフレームワークは、様々な時間予算において、現在の最先端のソルバよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-04-08T15:21:01Z)
• DeepMDV: Global Spatial Matching for Multi-depot Vehicle Routing Problems [2.218667838700643]
  オンライン小売と電子商取引の急速な成長は、効果的かつ効率的な車両ルーティング問題(VRP)ソリューションを不可欠にしてきた。 需要の増加に対応するために、企業はより多くのデポを追加し、VRP問題をMulti-Depot VRPの複雑な最適化タスクに変更した。 本稿では,これらの相互依存に対処するMDVRPの解法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T03:41:01Z)
• Controllable Prompt Tuning For Balancing Group Distributional Robustness [53.336515056479705]
  グループ間で優れたパフォーマンスを実現するための最適化スキームを導入し、それらの性能を著しく犠牲にすることなく、全員に良い解決策を見出す。 本稿では,制御可能なプロンプトチューニング(CPT)を提案する。 突発的相関ベンチマークでは, 変換器と非変換器の両アーキテクチャ, および非モーダルおよびマルチモーダルデータにまたがって, 最先端の結果が得られた。
  論文  参考訳（メタデータ） (2024-03-05T06:23:55Z)
• Spatial-temporal-demand clustering for solving large-scale vehicle routing problems with time windows [0.0]
  本稿では,クラスタリングを用いて顧客をグループ化するDRI(Decompose-route-improve)フレームワークを提案する。 その類似度基準は、顧客の空間的、時間的、需要データを含む。 本研究では,解答サブプロブレム間でプルーンド局所探索(LS)を適用し,全体の解法を改善する。
  論文  参考訳（メタデータ） (2024-01-20T06:06:01Z)

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。