論文の概要: A Graph Neural Network--Guided Genetic Algorithm for Physical Internet Supply Chain Optimization under Cost Uncertainty

• arxiv url: http://arxiv.org/abs/2608.10245v1
• Date: Mon, 10 Aug 2026 21:26:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.823584
• Title: A Graph Neural Network--Guided Genetic Algorithm for Physical Internet Supply Chain Optimization under Cost Uncertainty
• Title（参考訳）: コスト不確実性を考慮した物理インターネット供給チェーン最適化のためのグラフニューラルネットワークを用いた遺伝的アルゴリズム
• Abstract要約: 本研究は, 工場, ハブ, 小売店の3つのエケロンネットワークに対する決定論的, 最小限の後悔モデルを定式化した。 代入決定のためのグラフニューラルネットワーク誘導遺伝的アルゴリズム(GNN-GA)を開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Inventory and distribution planning in Physical Internet networks requires coordinating factory-hub assignments, factory supply, lateral transshipment among collaborative hubs, retailer deliveries, and shortages. The problem combines discrete assignment decisions with interdependent continuous flows, while uncertain operating costs make robust planning more difficult. This study formulates deterministic and min-max regret models for a three-echelon network of factories, hubs, and retailers and develops a graph neural network-guided genetic algorithm (GNN-GA) for the assignment decisions. The GNN estimates hub-specific factory-selection probabilities that are used to construct the initial GA population and adapt mutation according to prediction uncertainty. Each previously unseen candidate assignment is evaluated by solving the remaining continuous-flow problem to LP optimality. Simulated annealing, a standard GA, and GNN-GA are compared on 15 instances using matched random seeds and fixed limits on distinct assignment evaluations. Because the evaluation budgets for test Instances 13-15 are smaller than the nominal population size, these experiments primarily assess the quality of learned initialization rather than multi-generation evolutionary search. A separate 400-evaluation experiment on exact test Instance 13 permits three complete offspring generations and a partial fourth pass, with GNN-GA outperforming GA in all 10 matched runs. Three independently generated exact-solvable instances provide a separate test of transfer. Ablation results show that learned initialization provides most of the improvement, while entropy-guided mutation has a smaller, instance-dependent effect. Per-instance solution times include GNN inference and search but exclude model training and one-time model setup.
• Abstract（参考訳）: 物理インターネットネットワークにおける発明と流通計画には、工場のハブの割り当て、工場の供給、共同ハブ間の横転、小売店の配送、不足の調整が必要である。 この問題は、個別の割り当て決定と相互依存の連続フローを組み合わせる一方で、運用コストの不確実さにより、堅牢な計画がより困難になる。 本研究は,工場,ハブ,小売業者の3つのエケロンネットワークに対する決定論的および最小の後悔モデルを定式化し,課題決定のためのグラフニューラルネットワーク誘導遺伝的アルゴリズム(GNN-GA)を開発した。 GNNは、最初のGA集団を構築し、予測の不確実性に応じて突然変異を適応するために使用されるハブ固有の工場選択確率を推定する。 各未確認候補割当は、残りの連続フロー問題をLP最適性に解いて評価する。 模擬アニーリング,標準GA,GNN-GAを一致したランダムシードと異なる割り当て評価の固定限界を用いて15のインスタンスで比較した。 テストインスタンス13-15の評価予算は名目上の人口規模よりも小さいため、これらの実験は主に多世代進化探索よりも学習初期化の質を評価する。 正確なテストインスタンス13に対する別の400評価実験では、3つの完全な子孫と部分的な4番目のパスが認められ、GNN-GAはマッチした10回のランでGAを上回っている。 独立に生成された3つの完全解決可能なインスタンスは、別の転送テストを提供する。 アブレーションの結果、学習初期化は改善のほとんどをもたらし、エントロピー誘導突然変異はより小さく、インスタンス依存的な効果を持つことが示された。 インスタンスごとのソリューションタイムには、GNN推論と検索が含まれるが、モデルトレーニングとワンタイムモデル設定は除外されている。

関連論文リスト

• GAE: Graph-Augmented Evolution for Scientific Discovery via Reinforcement Optimization [1.7188280334580195]
  GAE(Graph-Augmented Evolution)は,大規模言語モデル(LLM)によってガイドされるプログラム探索のためのフレームワークである。 我々は、リレーショナルグラフニューラルネットワーク(GNN)を用いて、プログラムを型付き計算グラフに解析し、構造対応の埋め込みを生成する。 RL最適化メタコントローラは、これらの埋め込みを活用して、視覚的進化的サンプリングを指示されたポリシーで置き換える。
  論文  参考訳（メタデータ） (2026-07-11T05:32:54Z)
• Adaptive Sampling to Reduce Epistemic Uncertainty Using Prediction Interval-Generation Neural Networks [0.0]
  本稿では,予測モデルにおけるてんかんの不確実性を低減するための適応サンプリング手法を提案する。 我々の主な貢献は、潜在的なてんかんの不確実性を推定する計量の開発である。 ガウス過程(GP)に基づくバッチサンプリング戦略も提案する。 本研究では, 実験肥料の施肥率を選択するために, 3つの一次元合成問題と, 農業分野に基づく多次元データセットについて検討した。
  論文  参考訳（メタデータ） (2024-12-13T21:21:47Z)
• Large-Scale Targeted Cause Discovery via Learning from Simulated Data [66.51307552703685]
  本稿では,観測結果から対象変数の因果変数を推定する機械学習手法を提案する。 我々は、シミュレートされたデータに基づいて教師あり学習を用いてニューラルネットワークを訓練し、因果関係を推定する。 大規模遺伝子制御ネットワークにおける因果関係の同定に優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2024-08-29T02:21:11Z)
• Selective Task offloading for Maximum Inference Accuracy and Energy efficient Real-Time IoT Sensing Systems [3.0748861313823]
  多次元クナップサック問題の解法として,軽量ハイブリッド遺伝的アルゴリズム(LGSTO)を提案する。 実験の結果,LGSTOは最高速のスキームよりも3倍高速であった。
  論文  参考訳（メタデータ） (2024-02-24T18:46:06Z)
• Predicting Infant Brain Connectivity with Federated Multi-Trajectory GNNs using Scarce Data [54.55126643084341]
  既存のディープラーニングソリューションには,3つの大きな制限がある。 我々はフェデレートグラフベースの多軌道進化ネットワークであるFedGmTE-Net++を紹介する。 フェデレーションの力を利用して、限られたデータセットを持つ多種多様な病院の地域学習を集約する。
  論文  参考訳（メタデータ） (2024-01-01T10:20:01Z)
• Neural Design for Genetic Perturbation Experiments [16.95249173404529]
  我々は、クエリ(アーム)と出力(リワード)の異なる機能関係の下で、ほぼ最適なアームを見つけるために、最適アーム除去原理を導入する。 OAEはまた、GeneDiscoの実験的計画課題において、ベンチマークアルゴリズムを4つのデータセットのうち3つで上回っている。
  論文  参考訳（メタデータ） (2022-07-26T10:59:52Z)
• A Biased Graph Neural Network Sampler with Near-Optimal Regret [57.70126763759996]
  グラフニューラルネットワーク(GNN)は、グラフおよびリレーショナルデータにディープネットワークアーキテクチャを適用する手段として登場した。 本論文では,既存の作業に基づいて,GNN近傍サンプリングをマルチアームバンディット問題として扱う。 そこで本研究では,分散を低減し,不安定かつ非限定的な支払いを回避すべく設計されたバイアスをある程度導入した報酬関数を提案する。
  論文  参考訳（メタデータ） (2021-03-01T15:55:58Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Stochastic Graph Neural Networks [123.39024384275054]
  グラフニューラルネットワーク(GNN)は、分散エージェント調整、制御、計画に応用したグラフデータの非線形表現をモデル化する。 現在のGNNアーキテクチャは理想的なシナリオを前提として,環境やヒューマンファクタ,あるいは外部攻撃によるリンク変動を無視している。 これらの状況において、GNNは、トポロジカルなランダム性を考慮していない場合、その分散タスクに対処することができない。
  論文  参考訳（メタデータ） (2020-06-04T08:00:00Z)
• When Relation Networks meet GANs: Relation GANs with Triplet Loss [110.7572918636599]
  GAN(Generative Adversarial Network)の学習安定性はいまだに悩みの種である 本稿では,判別器のための関係ネットワークアーキテクチャについて検討し,より優れた一般化と安定性を実現する三重項損失を設計する。 ベンチマークデータセットの実験により、提案された関係判別器と新たな損失は、可変視覚タスクに大幅な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-02-24T11:35:28Z)

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。