論文の概要: Counterfactual Routing Using Integer Programming with Constraint Generation
- arxiv url: http://arxiv.org/abs/2609.03707v1
- Date: Thu, 03 Sep 2026 11:43:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.04606
- Title: Counterfactual Routing Using Integer Programming with Constraint Generation
- Title（参考訳）: 制約生成を用いた整数計画法による実測的ルーティング
- Abstract要約: 競争の目標は、最短経路問題に対する反実的な説明を見つけることである。
これにより、道路ネットワークへの最小限の変更が、ユーザが選択したルートを最適なルートにするかどうかを決定する必要がある。
我々の解は問題を整数プログラムとしてモデル化し、厳密な解が見つかるまで反復的に制約を組み込む。
- 参考スコア（独自算出の注目度）: 3.56656816942539
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present our submission to the IJCAI 2025 'Counterfactual Routing Competition' (CRC 25). The goal of the competition is to find counterfactual explanations for the shortest path problem. This requires deciding what the minimal changes to a road network would make a route chosen by the user the optimal route. This enables explanations such as "Your suggested route would indeed have been optimal, if road X were not a bicycle path." Our solution models the problem as an integer program, iteratively incorporating constraints until an exact solution is found. In the final evaluation on held-out test instances, our method ranked fourth in solution quality and obtained its solution fastest on every instance, with an average runtime of 9.0 seconds compared to 118.8 seconds for the next-fastest submission.
- Abstract（参考訳）: 我々はIJCAI 2025'Counterfactual Routing Competition' (CRC 25)に提出する。
競争の目標は、最短経路問題に対する反実的な説明を見つけることである。
これにより、道路ネットワークへの最小限の変更が、ユーザが選択したルートを最適なルートにするかどうかを決定する必要がある。
これは「もし道路Xが自転車道でなければ、あなたの提案したルートは本当に最適だっただろう」という説明を可能にする。
我々の解は問題を整数プログラムとしてモデル化し、厳密な解が見つかるまで反復的に制約を組み込む。
テストケースのホールドアウトにおける最終評価では,提案手法はソリューションの品質を4位にランク付けし,各インスタンスで最速の解を得た。
関連論文リスト
- NaviFormer: A Deep Reinforcement Learning Transformer-like Model to Holistically Solve the Navigation Problem [53.70554593151033]
NaviFormerは、高レベル経路と低レベル軌道の両方を予測することによって、グローバルナビゲーション問題を解決する深層強化学習モデルである。
結果は,各サブプロブレムの制約や難易度を理解することができるため,NaviFormerの競合精度を示す。
計算速度が優れていることは、リアルタイムのミッションに適していることを証明している。
論文 参考訳（メタデータ） (2026-04-18T11:32:34Z) - Traffic-Aware Navigation in Road Networks [0.0]
本研究は,キングストンの道路網における交通認識ナビゲーションの課題に対する3つのグラフ探索手法を比較した。
Dijkstra と A* は、最小限の事前処理を必要とする最もトラフィック対応の最適ソリューションとなった。
フロイド=ワースホール=インガーマン(Floyd-Warshall-Ingerman)は、リアルタイムでは最速であったが、交通の注意を払わず、距離に基づく経路を提供した。
論文 参考訳（メタデータ） (2026-02-02T14:35:49Z) - AutoCode: LLMs as Problem Setters for Competitive Programming [94.71566758494787]
競合グレードの問題ステートメントやテストケースを生成するために,複数の検証ラウンドを使用するAutoCodeを紹介します。
ホールドアウト問題では、AutoCodeテストスイートが99%の一貫性と公式判断にアプローチしている。
論文 参考訳（メタデータ） (2025-09-29T17:59:03Z) - The Curse of Conditions: Analyzing and Improving Optimal Transport for Conditional Flow-Based Generation [56.33404393159126]
本稿では,最適輸送代入を計算する際に,コスト行列に条件付き重み付け項を追加する条件付き最適輸送C2OTを提案する。
実験では、この単純な修正は8gaussian-to-moons、CIFAR-10、ImageNet-32x32、ImageNet-256x256の離散的条件と連続的条件の両方で動作することを示した。
論文 参考訳（メタデータ） (2025-03-13T17:59:56Z) - Learning Multiple Initial Solutions to Optimization Problems [52.9380464408756]
厳密なランタイム制約の下で、同様の最適化問題を順次解決することは、多くのアプリケーションにとって不可欠である。
本稿では,問題インスタンスを定義するパラメータが与えられた初期解を多種多様に予測する学習を提案する。
提案手法は,すべての評価設定において有意かつ一貫した改善を実現し,必要な初期解の数に応じて効率よくスケールできることを実証した。
論文 参考訳（メタデータ） (2024-11-04T15:17:19Z) - Optimal Chaining of Vehicle Plans with Time Windows [0.0]
本研究は,時間ウィンドウで許容される遅延を考慮した新しい計画連鎖定式化と解法を提案する。
静的ダイヤル・ア・ライド問題を解くための新しい車両ディスパッチ手法を提案する。
論文 参考訳（メタデータ） (2024-01-05T16:04:55Z) - Efficient Ground Vehicle Path Following in Game AI [77.34726150561087]
本稿では,ゲームAIに適した地上車両の効率的な追従経路を提案する。
提案したパスフォロワは,一対一シューティングゲームにおいて,様々なテストシナリオを通じて評価される。
その結果,既存の経路と比較すると,立ち往生するイベントの総数が70%減少した。
論文 参考訳（メタデータ） (2023-07-07T04:20:07Z) - Qubit efficient quantum algorithms for the vehicle routing problem on
NISQ processors [48.68474702382697]
時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。
そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
論文 参考訳（メタデータ） (2023-06-14T13:44:35Z) - A Novel Approach for Auto-Formulation of Optimization Problems [66.94228200699997]
Natural Language for Optimization (NL4Opt) NeurIPS 2022コンペティションでは、最適化ソルバのアクセシビリティとユーザビリティの改善に重点を置いている。
本稿では,チームのソリューションについて述べる。
提案手法は,サブタスク1のF1スコアとサブタスク2の0.867の精度を達成し,それぞれ第4位,第3位を獲得した。
論文 参考訳（メタデータ） (2023-02-09T13:57:06Z) - Learning to repeatedly solve routing problems [5.08128537391027]
データのマイナーチェンジ後に問題の再最適化について学習した。
元のソリューションのエッジを考慮すれば、最適なソリューションに留まる確率の高いソリューションを予測し、修正することが目標です。
この解の偏差予測は問題の複雑さを減らし、解を高速化する。
論文 参考訳（メタデータ） (2022-12-15T19:33:54Z) - Design and Implementation of an Heuristic-Enhanced Branch-and-Bound
Solver for MILP [1.03905835096574]
MIPコンペティションのために開発したMixed Programs (MIP) の解法について述べる。
コンペティションのルールによって確立された計算時間に制限された10分間を考慮し、本手法は実現可能な解を見つけることに焦点を当てる。
計算能力の広い組み合わせにより、トレーニングデータセットの19の問題の11を解くことができる。
論文 参考訳（メタデータ） (2022-06-04T00:09:02Z) - Ranking Cost: Building An Efficient and Scalable Circuit Routing Planner
with Evolution-Based Optimization [49.207538634692916]
そこで我々は、効率よくトレーニング可能なルータを形成するための新しい回路ルーティングアルゴリズム、Randing Costを提案する。
提案手法では,A*ルータが適切な経路を見つけるのに役立つコストマップと呼ばれる新しい変数群を導入する。
我々のアルゴリズムはエンドツーエンドで訓練されており、人工データや人間の実演は一切使用しない。
論文 参考訳（メタデータ） (2021-10-08T07:22:45Z) - Towards Time-Optimal Any-Angle Path Planning With Dynamic Obstacles [1.370633147306388]
パス探索は、しばしばグラフ検索としてフレーム化されるAIのよく研究された問題です。
同じアイデアを基礎とした2つのアルゴリズムを提示し,検討した問題の最適解を求める。
論文 参考訳（メタデータ） (2021-04-14T07:59:53Z) - A New Arc-Routing Algorithm Applied to Winter Road Maintenance [0.0]
本稿では, 比較的一般的なアークルーティング問題の大規模インスタンスについて検討し, 実用的制約を取り入れた。
そこで我々は,数千の交差点や道路セグメント上の道路網を数分で解き,良好なスケーリングが可能なビンパッキングに基づく新しいアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-01-23T08:44:42Z)
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。