論文の概要: Genetic Programming with Behaviour-based Niching for Learning Guided Local Search in Vehicle Routing Problems
- arxiv url: http://arxiv.org/abs/2609.24104v1
- Date: Mon, 21 Sep 2026 04:44:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 15:56:30.622435
- Title: Genetic Programming with Behaviour-based Niching for Learning Guided Local Search in Vehicle Routing Problems
- Title（参考訳）: 車両経路問題における局所探索学習のためのビヘイビアニーチを用いた遺伝的プログラミング
- Abstract要約: ビヘイビアベースのNiching (BN-GPGLS)は、ローカル検索中に収集された6つのオペレータレベルの記述子を通してプログラムを特徴付ける。
BN-GPGLSはGPGLS制御よりも最終個体数中央値が低く、Holm調整後のWilcoxon比較は有意である。
- 参考スコア（独自算出の注目度）: 3.6747239734253703
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Genetic Programming Guided Local Search (GPGLS) learns utility functions that guide local search for vehicle routing. Its evolving programs can have similar fitness while inducing different search behaviour, making fitness alone an incomplete basis for population diversity management. We propose GPGLS with Behaviour-based Niching (BN-GPGLS), which characterises programs through six operator-level descriptors collected during local search. A current-generation archive selects fitness-competitive, compact representatives from strata of a behaviour score. Fixed policies use archive parents continuously, whereas adaptive policies activate them using training-fitness and standardised behaviour-dispersion signals, optionally with a tree-size condition. We compare four behaviour-based variants with a no-archive GPGLS control and fitness-based niching over 30 seed-matched runs on generated 200-customer instances. BN-Adaptive achieves the best descriptive average rank on a separate 90-instance monitoring set; aggregate routing-cost differences are small. All five archive policies produce lower final-population median tree sizes than the GPGLS control, with paired Wilcoxon comparisons remaining significant after Holm adjustment. These results identify useful solution-quality and program-size trade-offs within the evaluated setting, without attributing the size reductions to behaviour representation alone.
- Abstract（参考訳）: 遺伝的プログラミングガイドローカルサーチ(GPGLS)は、車両ルーティングのローカルサーチをガイドするユーティリティ関数を学習する。
その進化するプログラムは、異なる検索動作を誘導しながら、同様の適合性を持つことができ、適合性だけでは人口の多様性管理の不完全な基盤となる。
ローカル検索中に収集した6つの演算子レベル記述子を通してプログラムを特徴付けるビヘイビアベースニーチ(BN-GPGLS)を用いたGAGLSを提案する。
現世代のアーカイブは、行動スコアの層からフィットネス競争性のあるコンパクトな代表者を選択する。
固定されたポリシーは、アーカイブ親を継続的に使用するが、適応的なポリシーは、トレーニング適合性と標準化された行動分散信号を使用して、任意に木の大きさの条件でそれらを活性化する。
生成した200カストマーインスタンス上での4種類の行動ベース変異体と,非階層的なGPGLS制御と,30以上のシードマッチングランを用いたフィットネスベースのニッチを比較した。
BN-Adaptiveは、90インスタンスの監視セットで最高の記述的平均ランクを達成している。
5つのアーカイブポリシーはすべて、GPGLSコントロールよりも最終人口中央値木のサイズが低く、Holm調整後のWilcoxon比較は重要なままである。
これらの結果は, 行動表現のみに起因することなく, 評価条件内で有用な解品質とプログラムサイズのトレードオフを明らかにした。
関連論文リスト
- DCL-GPGLS: Dynamic Curriculum Learning for Genetic Programming Guided Local Search in Large-Scale Vehicle Routing [3.6747239734253703]
遺伝的プログラミングガイドローカルサーチ(GPGLS)は、遺伝的プログラミングを用いて、ガイド付きローカルサーチのためのユーティリティ関数を進化させる。
ACL-GPGLSは、一定のカリキュラム段階の間を探索する際に適応することで、トレーニング効率を向上させる。
本稿では,DCL-GPGLSを提案する。DCL-GPGLSは,現在の人口のソリューション品質から各トレーニングインスタンスの難易度を推定し,進化過程の見積を更新する。
論文 参考訳（メタデータ） (2026-09-21T04:45:11Z) - GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization [133.27496265096445]
我々は,グループ相対的政策最適化を,その適合性を検討することなく,マルチリワード設定で適用する方法を示す。
次に、これらの問題を解決するための新しい政策最適化手法であるグループ報酬分離正規化政策最適化(GDPO)を紹介する。
GDPOはGRPOを一貫して上回り、マルチリワード強化学習最適化の有効性と一般化性を示す。
論文 参考訳（メタデータ） (2026-01-08T18:59:24Z) - PGU-SGP: A Pheno-Geno Unified Surrogate Genetic Programming For Real-life Container Terminal Truck Scheduling [7.678307721780809]
本稿では,代用サンプル選択と適合性予測を強化するために,表現ジェノリック・サロゲートGPアルゴリズムPGU-SGPを提案する。
同じトレーニング時間で、PGU-SGPは従来のGPと最先端のアルゴリズムを多くのデータセットで大幅に上回っている。
論文 参考訳（メタデータ） (2025-04-15T15:19:42Z) - Ant Colony Sampling with GFlowNets for Combinatorial Optimization [68.84985459701007]
Generative Flow Ant Colony Sampler (GFACS)は、階層的に償却推論と並列探索を組み合わせた新しいメタヒューリスティック手法である。
提案手法はまず,生成フローネットワーク(GFlowNets)を利用して,解空間上のエンフルティモーダル事前分布を補正する。
この前者は、Ant Colony Optimization (ACO) の精神で並列探索によって更新され、後部分布がほぼ最適解を生成する。
論文 参考訳（メタデータ） (2024-03-11T16:26:06Z) - Local Search, Semantics, and Genetic Programming: a Global Analysis [7.486818142115522]
Geometric Semantic Geometric Programming (GSGP) は、遺伝的プログラミング(GP)の変種の一つである。
本稿では GSM-LS と GSGP-reg のオーバーフィッティングを制限する複数の可能性を探る。
その結果、トレーニングデータと見当たらないデータの両方において、標準GSGPを一貫して上回る結果が得られた。
論文 参考訳（メタデータ） (2023-05-26T14:13:03Z) - Learnable Behavior Control: Breaking Atari Human World Records via Sample-Efficient Behavior Selection [80.35510218548693]
本稿では,LBC(Learable Behavioral Control)と呼ばれるフレームワークを提案する。
我々のエージェントは10077.52%の平均正規化スコアを達成し、1Bのトレーニングフレーム内で24人の世界記録を突破した。
論文 参考訳（メタデータ） (2023-05-09T08:00:23Z) - A Reinforcement Learning-assisted Genetic Programming Algorithm for Team
Formation Problem Considering Person-Job Matching [70.28786574064694]
解の質を高めるために強化学習支援遺伝的プログラミングアルゴリズム(RL-GP)を提案する。
効率的な学習を通じて得られる超ヒューリスティックなルールは、プロジェクトチームを形成する際の意思決定支援として利用することができる。
論文 参考訳（メタデータ） (2023-04-08T14:32:12Z) - Genetic Programming is Naturally Suited to Evolve Bagging Ensembles [0.0]
適合度評価と選択の微妙な変化は、単純で従来のGPアルゴリズムを効率的に進化させるのに十分であることを示す。
我々のアルゴリズムは、最先端のアンサンブルと非アンサンブルGPアルゴリズムと非常によく比較できる。
論文 参考訳（メタデータ） (2020-09-13T16:28:11Z)
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。