論文の概要: A Hybrid Matheuristic Framework for the Chinese Postman Problem with Load-Dependent Costs

• arxiv url: http://arxiv.org/abs/2607.22542v1
• Date: Sun, 26 Apr 2026 13:36:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:38.953135
• Title: A Hybrid Matheuristic Framework for the Chinese Postman Problem with Load-Dependent Costs
• Title（参考訳）: 負荷依存コストを考慮した中国のポストマン問題に対するハイブリッドな数学的枠組み
• Abstract要約: 負荷依存コスト(CPP-LC)を伴う中国のポストマン問題(英語版)は、現実の物流・輸送システムにおいて発生している。 CPP-LCを効率的に解くために,メタヒューリスティック検索と数学的プログラミングを統合したハイブリッド最適化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.086602240954416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Chinese Postman Problem with load-dependent costs (CPP-LC) arises in real-world logistics and transportation systems where travel costs depend on vehicle load and energy consumption. In this work, we propose a hybrid optimization framework that integrates metaheuristic search with mathematical programming to efficiently solve CPP-LC. The proposed method combines local search procedures with reduced mixed-integer linear programming (MILP) models to balance exploration and intensification. In addition, we develop an Ant Colony Optimization (ACO) algorithm to enhance scalability on large instances. Extensive experiments on benchmark datasets demonstrate that the proposed framework consistently achieves high-quality solutions and outperforms existing approaches in solution quality, while maintaining competitive computational efficiency. These results highlight the effectiveness of hybrid optimization strategies for complex, load-dependent routing problems in practical applications. Our implementation is publicly available at https://github.com/HySonLab/MatCPP
• Abstract（参考訳）: 輸送コストが車両の負荷とエネルギー消費に依存する現実の物流・輸送システムにおいて、負荷依存コストを伴う中国のポストマン問題(CPP-LC)が発生する。 本研究では,CPP-LCを効率的に解くために,メタヒューリスティック検索と数学的プログラミングを統合したハイブリッド最適化フレームワークを提案する。 提案手法は,探索と強化のバランスをとるために,局所探索手順とMILPモデルとを組み合わせる。 さらに,大規模インスタンスのスケーラビリティを向上させるために,Ant Colony Optimization (ACO)アルゴリズムを開発した。 ベンチマークデータセットの大規模な実験により、提案するフレームワークは、競争力のある計算効率を維持しながら、高品質なソリューションを一貫して達成し、既存のソリューション品質のアプローチよりも優れた性能を発揮することが示された。 これらの結果は,実用アプリケーションにおける複雑で負荷依存的なルーティング問題に対するハイブリッド最適化手法の有効性を浮き彫りにした。 私たちの実装はhttps://github.com/HySonLab/MatCPPで公開されています。

関連論文リスト

• DQAOA-GPT: AI-Accelerated Distributed Quantum Optimization for Combinatorial Problems [1.0380578526859343]
  変分量子アルゴリズムは指数関数的に大きな探索空間に取り組むための有望な経路を提供する。 本稿では,分散量子近似最適化アルゴリズム(DQAOA)を統合するハイブリッドフレームワークDQAOA-GPTを紹介する。 提案手法は反復的変分最適化に頼るのではなく、訓練された生成モデルを用いて、サブプロブレムに対する高品質な量子回路を直接生成する。
  論文  参考訳（メタデータ） (2026-07-22T14:46:33Z)
• POLCA: Stochastic Generative Optimization with LLM [26.342554900977003]
  局所文脈を用いた優先順位付け最適化(POLCA)を導入する。 POLCAは、最適化におけるパラメータ性を扱うために設計されたスケーラブルなフレームワークである。 我々は,POLCAが頑健,サンプル,時間効率の両立を実証した。
  論文  参考訳（メタデータ） (2026-03-16T03:07:44Z)
• CACTO-BIC: Scalable Actor-Critic Learning via Biased Sampling and GPU-Accelerated Trajectory Optimization [1.9644272536912284]
  トレイ比較最適化(TO)と強化学習(RL)は最適制御問題に対する強みを提供する。 CACGOは高次元の課題に対してより堅牢であるのに対して、ローカルで効率的に計算する。
  論文  参考訳（メタデータ） (2026-02-23T10:45:36Z)
• Cost Minimization for Space-Air-Ground Integrated Multi-Access Edge Computing Systems [60.586531406445744]
  宇宙空間統合多高度エッジコンピューティング(SAGIN-MEC)は、急速に発展する低高度経済に有望なソリューションを提供する。 本稿では、ユーザデバイス(UD)、無人航空機(UAV)、衛星間の協調を可能にするSAGIN-MECアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-10-24T15:03:07Z)
• Hybrid Learning and Optimization methods for solving Capacitated Vehicle Routing Problem [3.652509571098291]
  CVRP(Capacitated Vehicle Routing Problem)は、ロジスティクスにおける基本的なNPハード問題である。 本稿では,古典的(RL-C-ALM)と量子拡張的(RL-Q-ALM)の両方のALMソルバ内でのペナルティパラメータの選択を自動化するために,深層強化学習(RL)を統合したハイブリッド最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-09-18T08:38:29Z)
• Preference Optimization for Combinatorial Optimization Problems [54.87466279363487]
  強化学習(Reinforcement Learning, RL)は、ニューラルネットワーク最適化のための強力なツールとして登場した。 大幅な進歩にもかかわらず、既存のRLアプローチは報酬信号の減少や大規模な行動空間における非効率な探索といった課題に直面している。 統計的比較モデルを用いて定量的報酬信号を定性的選好信号に変換する新しい手法であるPreference Optimizationを提案する。
  論文  参考訳（メタデータ） (2025-05-13T16:47:00Z)
• OTClean: Data Cleaning for Conditional Independence Violations using Optimal Transport [51.6416022358349]
  sysは、条件付き独立性(CI)制約下でのデータ修復に最適な輸送理論を利用するフレームワークである。 我々はSinkhornの行列スケーリングアルゴリズムにインスパイアされた反復アルゴリズムを開発し、高次元および大規模データを効率的に処理する。
  論文  参考訳（メタデータ） (2024-03-04T18:23:55Z)
• Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
  一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。 汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。 我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
  論文  参考訳（メタデータ） (2023-10-10T01:39:04Z)
• 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)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。